ABIERTO A NUEVAS OPORTUNIDADES · BUENOS AIRES, ARGENTINA

Datos de negocio convertidos
en decisiones concretas.

Matías Ortega — Data Analyst Jr. en formación continua, con foco en SQL, Excel Avanzado y herramientas de visualización como Power BI y Looker Studio. Orientado a convertir datos en decisiones y oportunidades de negocio, con un background de más de 10 años en gestión administrativa, facturación y Supply Chain.

Foto de Matías Ortega
Matías Ortega
Data Analyst Jr. · BI Analyst
UbicaciónBuenos Aires, AR
BackgroundGestión y Supply Chain
FocoSQL · Power BI · Excel
4herramientas core
SQL, Excel Avanzado, Power BI y Looker Studio
800operaciones/año
Operaciones anuales gestionadas en SAP
2d → 4h
Tiempo de consolidación de reportes mensuales
-30% errores de carga
Reducción lograda automatizando reportes con Power Query

Perfil

Soy Data Analyst Jr. en formación continua, con foco en SQL, Excel Avanzado y herramientas de visualización como Power BI y Looker Studio, orientado a convertir datos en decisiones y oportunidades concretas de negocio.

Mi background surge de más de 10 años trabajando en gestión administrativa, facturación y Supply Chain, donde analicé información operativa y financiera, elaboré reportes de KPIs e identifiqué desvíos en SAP y Excel de forma diaria.

Esa experiencia me da un diferencial real: entiendo el negocio por dentro y sé qué preguntas hacerle a los datos antes de procesarlos.

ROLData Analyst Jr. / BI Analyst
UBICACIÓNBuenos Aires, Argentina
BACKGROUNDAdministración y Supply Chain
STACK BIPower BI · Looker Studio · Power Query
DATOSSQL · Python · Pandas
IDIOMASEspañol (nativo) · Inglés (intermedio)
MODALIDADPresencial / Híbrida / Remota

Experiencia

MARZO 2022 — JUNIO 2026 · 4 AÑOS 3 MESES

Analista de Supply Chain — AMPM Global SRL

Análisis de información operativa y financiera de +800 operaciones anuales en SAP, definición de KPIs operativos y centralización de facturación para 3 gerencias.

+800
Operaciones anuales en SAP
2d → 4h
Tiempo de consolidación
-10h/sem
Automatización con Power Query
-30%
Errores de carga
SAPExcel AvanzadoPower QueryKPIs
JUNIO 2017 — NOVIEMBRE 2021 · 4 AÑOS 5 MESES

Analista de Comercio Internacional — H.B. Fuller Argentina

Gestión y análisis de +200 operaciones anuales de exportación e importación en SAP (MM/SD), con foco en control documental y costos logísticos para 3 gerencias.

+2.000
Registros en SAP, 99% precisión
USD 2.000
Diferencias detectadas / mes
+200
Operaciones anuales export/import
SAP MM/SDComercio InternacionalLogística
EDUCACIÓNUniversidad Nacional de Luján (2013–2017)
FORMACIÓN BIExperto en Análisis y Visualización de Datos — Udemy (en curso)

Stack técnico

Modelado & BI

Power BI Looker Studio DAX Power Query (M) Modelo relacional KPIs & Métricas Visualización de datos

Datos & Análisis

SQL Python Pandas EDA Dashboards interactivos

Negocio & Herramientas

SAP (MM/SD/FI) Excel Avanzado Tablas Dinámicas Supply Chain Comercio Internacional Facturación Conciliaciones Google Workspace

Proyectos

Dos análisis end-to-end: desde el dataset crudo hasta el dashboard ejecutivo en Power BI.

Dashboard ejecutivo Superstore Sales en Power BI mostrando ventas por región, categoría y tendencia mensual
CASO 01 · RETAIL

Superstore Sales — Analítica comercial end-to-end

Problema: 9.800 transacciones (2015–2018) con formatos regionales inconsistentes que impedían un análisis comercial confiable. Qué hice: auditoría en Excel, modelado en SQL y un proceso ETL en Power Query que resolvió un bug de formato numérico en el origen. Resultado: dashboard ejecutivo en Power BI listo para lectura gerencial en segundos.

$1,98M
Ventas totales
4.922
Órdenes únicas
$402,60
Ticket promedio
30,4%
Ventas región West
SQLPower Query MDAXPower BIExcel
Dashboard resumen ejecutivo del proyecto de e-commerce mostrando ingresos, devoluciones y segmentación de clientes
CASO 02 · E-COMMERCE

Ingresos, devoluciones y segmentación de clientes

Problema: entender qué segmentos y categorías concentraban ingresos y devoluciones en 3.000 órdenes de e-commerce. Qué hice: modelado en esquema estrella (SQLite), dashboard de 3 páginas en Power BI y un primer modelo de regresión logística para estimar probabilidad de devolución. Resultado: respuestas de negocio accionables vía SQL/DAX, más una línea base de modelado a iterar.

$1,70M
Ingresos totales
462
Clientes activos
8,37%
Tasa de devolución
0.59
AUC-ROC — modelo baseline

* Primer modelo exploratorio; próxima iteración: balanceo de clases y más features.

PythonScikit-learnSQLDAXPower BI

Contacto

Abierto a nuevas oportunidades como Data Analyst Jr., Business Analyst o roles que fusionen la gestión de negocio con la analítica de datos. Buenos Aires, Argentina — modalidad presencial, híbrida o remota.