19 artículos
Si no alcanzas a contestar tu iPhone o tu Pixel, que conteste alguien por ti. Conecté el desvío de llamadas de mi teléfono a Twilio y al modelo de voz de OpenAI, y en menos de un par de horas tenía un asistente que atiende como yo le pido y me manda un mensaje con quién llamó. Después lo puse a responder preguntas sobre mi trabajo, aquí mismo.
Motion Commerce Lab convierte ideas de marketing en piezas que se pueden abrir, revisar y cambiar: seis anuncios de producto y una propuesta de página de compra, construidos para trabajar juntos el momento del anuncio y el de la página de producto. Este post cuenta cómo se construyó.
Las conversiones de una plataforma publicitaria y las ventas del negocio difieren porque cada fuente observa un momento, una unidad y una ventana de atribución distintos. Un ejemplo ficticio de 20 conversiones atribuidas contra 15 pedidos confirmados las concilia y muestra qué cifra responde cada pregunta.
Hay que verificar cada paso del recorrido, del clic en el anuncio a la página, el envío del formulario y el registro en el CRM, antes de interpretar una caída del embudo como un problema de experiencia. Un ejemplo ficticio muestra qué eventos, parámetros y resultados comprobar para que la mejora se apoye en evidencia.
Con 678,013 pólizas de autos, XGBoost ordena mejor el riesgo que un GLM Poisson, pero cada tarifa debe explicarse en una nota técnica y defenderse ante el regulador, lo que mantiene al ML como challenger. El laboratorio interactivo muestra explicaciones SHAP y una revisión de fairness geográfico.
El riesgo de crédito con grafos modela los préstamos como una red, de modo que las cadenas de garantías, las garantías circulares y la concentración accionaria se pueden medir, algo que una tabla relacional no expresa. Un portafolio de 500 clientes como grafo de conocimiento en Neo4j, procesado con PySpark en Databricks y calificado con LightGBM calibrado, hace visible el riesgo estructural que el SQL oculta.
Un asistente RAG permite buscar en la LISF y la CUSF porque sus artículos se referencian entre leyes y un Ctrl+F no distingue el artículo que define reservas técnicas del que las menciona de paso. El agente indexa cada artículo con un grafo de referencias cruzadas, elimina las alucinaciones de citas y hace que el modelo razone solo sobre el texto real de la ley, amplificando la memoria del actuario sin sustituir su criterio.
Los Gastos Médicos Mayores (GMM) se pueden tarificar separando 5.1M de siniestros de la CNSF en tres niveles de hospitalización en lugar de un costo promedio único. 9,409 diagnósticos se clasifican en esos niveles, con frecuencias y severidades por edad y sexo y un tarificador interactivo. Empezó como proyecto de equipo en la UNAM.
Una aseguradora de autos necesita responder tres preguntas: cuánto cobrar, cuánto reservar y dónde está el fraude. Este dashboard las responde para el mercado mexicano, donde cerca del 70% de los vehículos circula sin seguro: un GLM de frecuencia-severidad para tarificar, reservas IBNR con dos métodos complementarios y alertas de reclamaciones anómalas antes del ajuste, sobre una cartera sintética calibrada con datos públicos de CONDUSEF y AMIS.
Los modelos de riesgo financiero ganan credibilidad cuando se implementan en Python tipado con pruebas automatizadas, no como fórmulas en un PDF. Trece módulos cubren VaR de portafolio, simulación Monte Carlo, cópulas, EVT, deep hedging y redes neuronales en grafos para contagio sistémico, con teoría en LaTeX y resultados reproducibles sobre datos públicos de mercado.
suite_actuarial es una librería Python de código abierto para el trabajo actuarial mexicano, con ocho dominios (vida, daños, salud, pensiones, reservas, reaseguro, regulatorio y configuración), la EMSSA-09, circulares CNSF y artículos SAT integrados desde el diseño. Se instala con pip, se despliega con Docker y expone 28 endpoints REST junto con un dashboard bilingüe en Next.js; no existía una librería de código abierto pensada para la regulación mexicana.
Una plataforma de datos de siniestros sobre GCP encadena ingesta en streaming, un warehouse en BigQuery, transformaciones en Dataform, Terraform y pricing con GLM Tweedie en seis proyectos conectados. Saca a las áreas técnicas de las hojas de cálculo y los procesos manuales con un flujo automatizado, probado y reproducible que convierte siniestros crudos en insumos listos para el regulador.
PostgreSQL conviene para búsquedas puntuales con índice (2.6 ms frente a unos 500 ms mínimos en BigQuery) y BigQuery para analítica sobre tablas completas a bajo costo. Ambos se miden con 5.74M de registros reales de vuelos, desde la optimización de índices hasta la migración, con tiempos, costos y planes de consulta reales.
La pensión IMSS se calcula con una fórmula distinta según el régimen: Ley 73, Ley 97 (AFORE) o Fondo Bienestar. Este simulador implementa las tres con datos vigentes (UMA, tablas CONSAR, mortalidad EMSSA 2009) y, con análisis de sensibilidad interactivo, da una estimación educativa que muestra qué controla el trabajador y qué no.
Calcular la prima de un seguro de vida en México empieza por graduar la mortalidad cruda: SIMA toma defunciones del INEGI y población del CONAPO, las suaviza con Whittaker-Henderson y Lee-Carter, y proyecta primas, reservas y requerimientos de capital bajo la LISF. Todo queda expuesto como API para conectarse con otros sistemas, automatizar análisis de sensibilidad y cumplir con los requisitos de la CNSF; es código abierto y está diseñado para crecer hacia otros ramos.
El pricing de seguros con ML separa frecuencia y severidad de siniestros y compara un GLM Poisson contra XGBoost y LightGBM sobre 678,013 pólizas de freMTPL2. La explicabilidad SHAP y una auditoría de fairness revisan cada modelo, y un análisis transfronterizo pregunta qué significan estas técnicas europeas para México, donde cerca del 70% de los vehículos no tiene seguro.
Siete proyectos end-to-end en seis dominios: bienes raíces, reservas de seguros, cohortes de e-commerce, experimentación de producto, finanzas (KPIs de SaaS y riesgo de portafolio) y operaciones del sector público. Las mismas herramientas estadísticas atraviesan todos, y ese es el argumento: un analista de datos tiene que sostener varios dominios a la vez, porque el rango es lo que vuelve transferible la profundidad. Cada proyecto se entrega como dashboard interactivo, todos en un solo dominio en vivo.
Las reservas de un seguro de daños se estiman desarrollando triángulos de pérdida con métodos como Chain-Ladder y Bornhuetter-Ferguson, que producen la estimación de IBNR. Un dashboard interactivo con datos regulatorios NAIC Schedule P aplica ambos métodos actuariales en seis ramos, con triángulos de pérdida, IBNR y ratios combinados, para responder si las reservas alcanzan.
Un transformer construido desde la primera multiplicación de matrices en NumPy puro, sin autograd, muestra qué pasa dentro de un modelo de lenguaje. Entrenado con los 7 volúmenes de Proust, me enseñó menos sobre la arquitectura que sobre lo que implica que todo sea números.