Como Estadístico Senior en Scotiabank Colpatria, desempeñé un papel en la prevención y detección de fraudes. Mi enfoque se centró en el desarrollo de modelos estadísticos avanzados y el análisis exhaustivo de datos para identificar patrones y tendencias relacionados con actividades fraudulentas.- Utilizar diversas técnicas de análisis estadístico para comprender a fondo los datos, con el fin de obtener una visión clara de la distribución y comportamiento de los datos.-Aplicar técnicas de análisis de cluster, ACP, para segmentar los comercios involucrados en fraudes. Mediante algoritmos de agrupamiento como k-means o agrupamiento jerárquico, pude identificar grupos con características similares en términos de patrones de fraude. -Desarrollar árboles de decisión, XGBoost u otros modelos de machine learning. Se evaluo el rendimiento de los modelos utilizando métricas clave como precisión, recall y curva ROC.- Utilicé R Studio y Python para el análisis estadístico y el desarrollo de modelos, así como SAS y SQL para la manipulación y extracción de datos. Además, aproveché el framework Shiny en R para desarrollar aplicaciones interactivas que facilitaron la visualización y la toma de decisiones basadas en los resultados obtenidos.-Una parte esencial de mi labor fue la generación de reglas de detección de fraudes. A partir de los modelos estadísticos desarrollados, Se utilizaba para construir reglas comprensibles y aplicables. Estas reglas fueron evaluadas y ajustadas para mejorar su efectividad en la detección de fraudes.En resumen, mi rol como Estadístico Senior en Scotiabank Colpatria implicó el desarrollo de modelos estadísticos avanzados, análisis detallado de datos, generación de reglas y utilización de herramientas. Mi enfoque se centró en la prevención y detección de fraudes a través de técnicas estadísticas de vanguardia y una comprensión profunda de los patrones fraudulentos.

Como Profesional II de Stress Testing y IFRS9 en Scotiabank Colpatria, desarrolle modelos ARIMAX y GARCH y otros modelos de series temporales en el entorno bancario para el análisis del comportamiento del portafolio y las provisiones. adicionalmente participe en la recalibración del modelo de IFRS9.- Desarrolle modelos ARIMAX y GARCH para cada tipo de portafolio. Se realizaron análisis detallados de los datos históricos y se ajustaron los modelos utilizando técnicas de estimación adecuadas. Estos modelos se utilizaron para proyectar el comportamiento futuro de las variables relevantes para el PCL bajo diferentes escenarios de estrés.-Las proyecciones generadas por los modelos, que incluían proyecciones base, optimistas y pesimistas, proporcionaron una visión integral de cómo las variables macroeconómicas y financieras afectarían las provisiones en cada escenario. Estas proyecciones fueron combinadas con un template de cálculo que consideraba los rodamientos de cartera, los castigos, las recuperaciones y las contracíclicas para calcular el PCL final. En relación a IFRS9, tuve la oportunidad de participar en la recalibración del modelo de Expected Credit Loss (ECL), que es un componente clave del marco de provisiones bajo IFRS9. Este modelo se basa en la relación ECL = PD * EAD * LGD.Participé activamente en cada una de las etapas para calcular las pérdidas esperadas bajo el marco de IFRS9. Esto incluyó el cálculo de la probabilidad de default (PD), el cálculo de la exposición al default (EAD) y el cálculo de la pérdida en caso de default (LGD). Estos cálculos se realizaron mediante el análisis de datos históricos.En resumen, mi rol como Profesional II de Stress Testing y IFRS9 en Scotiabank implicó la aplicación de modelos de series de tiempo (Arimax, Garch) para el análisis del comportamiento del portafolio y las provisiones en diferentes escenarios de stress. Además, participé en la recalibración del modelo de ECL bajo IFRS9, calculando PD, EAD y LGD.

Como Profesional I de Fraude y Prácticas de Venta, mi principal responsabilidad fue desarrollar un modelo que permitiera detectar malas prácticas de venta basándome en los indicadores de colocación de los asesores. Utilicé indicadores clave, como cancelaciones y prepagos en 30, 60 y 90 días, así como inactividades, para identificar posibles casos de fraude.En R Studio, desarrollé un modelo que segmentaba los indicadores de colocación por sucursales y estados. Utilicé un enfoque basado en la distribución binomial para asignar una probabilidad a cada asesor en función de su desempeño en comparación con el indicador general. Esto permitió identificar a aquellos asesores cuyo desempeño estaba por encima del percentil 95, lo que indicaba un comportamiento atípico y requería una investigación más detallada por posible fraude.Además, utilicé un tablero de control para visualizar y monitorear semanalmente los indicadores de colocación. Esto incluía el seguimiento del First Payment Default (FPD) y el Second Payment Default (SPD) para cada producto. Establecimos puntos de corte, incluido uno propuesto por la alta gerencia y otro más riguroso elaborado por nosotros, para generar alertas cuando los clientes no realizaban los pagos correspondientes. Si se detectaba alguna actividad sospechosa relacionada con un asesor en particular, se enviaba a investigación para una revisión más exhaustiva.Durante mi tiempo en este cargo, logramos implementar con éxito el modelo de detección de malas prácticas de venta y establecer un sistema de alertas tempranas. También desarrollamos un enfoque más riguroso en comparación con las directrices de la gerencia para identificar posibles casos de fraude.

Como Profesional especializado en Business Intelligence, mi enfoque principal fue aplicar análisis estadísticos avanzados y técnicas de minería de datos para generar información valiosa y oportuna que respaldara la toma de decisiones estratégicas.Desarrollé un modelo de proyección del consumo de energía eléctrica en la ciudad de Bogotá utilizando técnicas estadísticas y modelos predictivos. Mediante el uso de herramientas como R Studio y SAS, utilicé series temporales (ARIMAX, GARCH), para analizar los datos relacionados con el consumo de energía y generar estimaciones precisas y confiables.También me especialicé en la automatización de procesos estadísticos para agilizar y optimizar el análisis de datos. Esto incluyó el desarrollo de scripts y programas que automatizaban tareas repetitivas, lo que permitió ahorrar tiempo y recursos en el procesamiento de datos.Además, me encargué del cálculo del Índice de Promotores, que es una métrica clave para evaluar la satisfacción y lealtad de los clientes. Utilicé técnicas estadísticas para recopilar y analizar datos de encuestas y calcular este índice, lo que proporcionó información importante sobre la percepción de los clientes y ayudó a tomar decisiones estratégicas para mejorar la satisfacción del cliente.En resumen, como Profesional especializado en Business Intelligence, utilicé herramientas como R Studio y SAS para aplicar análisis estadísticos avanzados, minería de datos y técnicas como el análisis de clúster y el análisis de componentes principales. Implementé soluciones de inteligencia de negocio, automatización de procesos estadísticos y cálculo de índices e indicadores relevantes. Mi trabajo proporcionó información valiosa para respaldar la toma de decisiones estratégicas y fundamentadas.

En mi rol como Responsable de ejecutar y verificar el análisis de riesgo para el otorgamiento masivo de tarjetas de crédito en el Banco de Venezuela, tuve diversas responsabilidades y contribuciones importantes.Desarrollé, realicé ajustes y seguimientos a los modelos de scoring (SARC), que son herramientas fundamentales para evaluar la solvencia crediticia de los solicitantes de tarjetas de crédito.Apoyé en el testeo de Modelos de Decisión, lo que implicó verificar la eficacia y confiabilidad de los modelos implementados. Esto incluyó realizar pruebas exhaustivas y analizar los resultados obtenidos para asegurar que los modelos estuvieran funcionando correctamente y generando decisiones acertadas.Ejecuté la metodología de cálculo de probabilidad de Default (PD) para calcular la pérdida esperada asociada al otorgamiento de tarjetas de crédito. Esto implicó analizar y evaluar diversos factores de riesgo, como el historial crediticio, ingresos y otras variables relevantes. Además, tuve un papel clave en el análisis de riesgo para el otorgamiento masivo de tarjetas de crédito. Realicé evaluaciones minuciosas de los solicitantes, teniendo en cuenta factores como ingresos, historial crediticio y capacidad de pago. Este análisis de riesgo permitió tomar decisiones fundamentadas y mitigar posibles riesgos asociados al otorgamiento de crédito.En resumen, como Responsable de ejecutar y verificar el análisis de riesgo en el Banco de Venezuela, desarrollé y ajusté modelos de scoring, participé en el testeo de Modelos de Decisión, ejecuté la metodología de cálculo de probabilidad de Default y realicé análisis de riesgo para el otorgamiento masivo de tarjetas de crédito. Utilicé técnicas de Machine Learning y aprendizaje supervisado y no supervisado, como regresión logística, árboles de decisión y análisis de cluster, para mejorar la eficiencia y precisión del proceso de evaluación de riesgos.

En mi posición en el INE como encargado de realizar el diseño muestral, contribuí a la generación de datos confiables y de calidad para la toma de decisiones informadas en diferentes áreas. Trabajé en la Gerencia de Diseño Estadístico y Control de Calidad, donde desempeñé diversas responsabilidades clave.Calculé los factores de expansión de la Encuesta de Establecimientos Turísticos y Alojamientos Colectivos (EETAC). Esto implicó diseñar un enfoque muestral adecuado y calcular los factores de expansión necesarios para garantizar la representatividad de los resultados de la encuesta.Ajusté el sistema de procesamiento de indicadores de control de calidad de la Encuesta de Turismo Interno (ETI). Esto incluyó identificar áreas de mejora en el sistema existente y realizar ajustes para garantizar la calidad de los datos recopilados en la encuesta.Apoyé en distintas actividades relacionadas con el diseño de planes de control de calidad de las encuestas del INE. Esto involucró participar en la definición de los procedimientos y metodologías para garantizar la calidad de los datos recopilados, así como en la implementación de estrategias de control y seguimiento.Participe en el rediseño muestral de la Encuesta Seguimiento al Consumo de Alimentos (ESCA), lo cual implicó mejorar y actualizar la metodología de muestreo utilizada en la encuesta para garantizar su validez y representatividad.Apoyé en distintas actividades relacionadas con el diseño muestral de las encuestas del INE, lo que incluyó participar en la selección de muestras representativas, determinar el tipo de muestreo (MAS, Estratificado, Conglomerado, Fases) adecuado y calcular el tamaño óptimo de muestra.En resumen, como encargado de diseño muestral en el INE, desempeñé un papel fundamental en el diseño, cálculo y ajuste de muestras representativas para diversas encuestas. También estuve involucrado en el control de calidad de los datos, la automatización de procesos.