Las empresas ya tienen los datos que necesitan. Aun así, deciden a ciegas.
La unidad de valor de los datos no es el tablero ni el modelo: es la decisión. La trabajo como un sistema —decisión, evidencia, modelo y acción— donde cada dato existe para reducir la incertidumbre del paso siguiente.
Uso un marco simple de decisión con base en datos: decisión → evidencia → modelo → acción. No es una secuencia de moda, sino una forma de ordenar el problema — cada etapa existe para reducir la incertidumbre de la anterior, y ninguna se justifica sin la primera.
01
Decisión
El punto de partida: qué se decide, quién y con qué frecuencia. Toda la cadena se dimensiona desde esta pregunta; sin una decisión concreta, no hay problema que modelar.
02
Evidencia
Qué se sabe y qué no. Se levanta la información disponible, su calidad y la incertidumbre que rodea la decisión — el punto de partida real, no el ideal.
03
Modelo
La representación mínima que convierte esa evidencia en una respuesta accionable: un indicador, un modelo estadístico o una regla. Complejidad solo cuando reduce incertidumbre de forma medible.
04
Acción
La decisión tomada y su seguimiento. Se cierra el ciclo verificando si el modelo cambió la acción y con qué resultado — la única prueba de que el análisis sirvió.
Trabajo
Tres proyectos, con la historia completa.
Un porcentaje suelto no dice nada: lo que importa es qué estaba roto, qué se cambió y por qué el número se movió. Estos son proyectos que dirigí junto a mi equipo.
01Formación corporativa · Retail
El programa de formación se medía por asistencia, no por venta.
Situación
Un programa con buena cobertura y buenos indicadores internos, pero sin evidencia de impacto en el negocio. Nadie podía responder si servía.
Qué hice
Rediseñé los indicadores comerciales: conecté la data de formación con la de venta por punto y período, y reemplacé métricas de actividad por métricas de resultado.
+7%
Ventas interanuales tras el rediseño de indicadores.
02Retail · 130 tiendas
Los errores operativos se veían a fin de mes, cuando ya eran costo.
Situación
Una red de 130 tiendas con errores dispersos y alta rotación de operadores nuevos. La información llegaba tarde y agregada, sin permitir actuar sobre la tienda concreta.
Qué hice
Construí el seguimiento por tienda y por operador, con alertas tempranas centradas en los primeros meses, y formé a las jefaturas para usarlo semanalmente.
−20%
Errores operativos, con −10% de rotación de operadores nuevos.
03Consumo masivo · Abastecimiento
El pronóstico de demanda vivía en una planilla y en la intuición del equipo.
Situación
Proyecciones por promedios históricos que no capturaban estacionalidad ni promociones, con el costo clásico: quiebres de stock por un lado, sobrestock por el otro.
Qué hice
Desarrollé modelos predictivos en Python integrando estacionalidad, promociones y variables externas, y los dejé operando dentro del proceso de planificación existente.
+25%
Precisión del pronóstico respecto del método anterior.
−30%
Tiempo de reporting ejecutivo, automatizando con Power BI
+18%
Eficiencia con modelos predictivos en una solución BI para 5.000+ empleados
7+
Marcas líderes en Chile a lo largo de 15+ años
Investigación · Docencia · Formación
También investigo y enseño.
Fuera de los proyectos con empresas, dedico parte de mi tiempo a la investigación, a la docencia universitaria y a la formación de equipos.
Investigación
Investigación
Me mantengo activo en investigación en ciencia de datos y machine learning, cerca de lo que se está desarrollando hoy en el área.
Docencia
Clases universitarias
Profesor de diversas asignaturas de pregrado y postgrado en ingeniería y ciencias.
Formación
Entrenamientos corporativos
Entreno a equipos comerciales y de operaciones dentro de las empresas, para que aprendan a leer datos y a hacer mejores preguntas con ellos.
Perfil
Data & Analytics Manager.
Soy Gerardo Dos Ramos, consultor en datos con más de quince años de experiencia entre la operación, la consultoría y la academia. Esa amplitud es lo que traigo a cada proyecto.
Mi trabajo es convertir preguntas de negocio en indicadores, modelos y automatizaciones que cambian una decisión concreta — y reconocer cuándo la solución más simple es la correcta.
La IA amplifica a quien hace las preguntas correctas. Mi ventaja no es competir con ella — es dirigirla.
