Descubrimiento
Contexto y objetivoEntendimiento del problema, la decisión a mejorar, los usuarios involucrados y el resultado esperado.
Data & Analytics
Patrones Lab es un laboratorio de análisis de datos aplicado a fenómenos cotidianos y reales.
Aquí se trabajan proyectos independientes construidos a partir de datos públicos, con foco en detectar patrones, describir comportamientos y comunicar los hallazgos con su contexto.
El objetivo es plantear preguntas, preparar datos, construir análisis claros y generar resultados visuales.
Soy Malcolm Di Pietro Cagliari, actuario y profesional de Data & Analytics. Mi trayectoria combina Business Intelligence, reporting corporativo, modelado de datos y analítica predictiva, con experiencia en sectores como banca, seguros y transporte aéreo.
Me especializo en conectar necesidades de negocio con soluciones basadas en datos: definir KPIs, estructurar información, construir dashboards y desarrollar modelos que ayuden a comprender mejor lo que ocurre y a tomar decisiones con mayor contexto.
Selección de proyectos aplicados con datos públicos, metodología y resultados visuales. Usá los filtros para navegar por disciplina, herramienta o tipo de entrega.
Análisis de tráfico aéreo en España con datos públicos de AENA, con foco en volúmenes, patrones por aeropuerto y diferencias entre categorías.
Análisis exploratorio de Airbnb en Londres para comparar precios, tipos de alojamiento, disponibilidad, estancias mínimas y diferencias entre barrios.
Análisis de viajes de taxi en Chicago para estudiar duración, demanda, distribución geoespacial y patrones operativos.
Modelo de clasificación con regresión logística para identificar anuncios relativamente caros o baratos dentro de cada tipo de alojamiento.
Dashboard interactivo en Looker Studio para explorar viajes de taxi en Chicago, indicadores operativos, patrones horarios y recorridos pickup-dropoff.
Modelo de regresión logística para estimar la probabilidad de gol de cada tiro con datos públicos de StatsBomb, validación por partidos y aplicación al Mundial Qatar 2022.
Entrar al proyecto
Modelo probabilístico de Peligro Esperado en el fútbol con datos públicos de StatsBomb. Se estima la probabilidad de gol en las próximas 5 jugadas.
✅ publicado
Clustering no supervisado con K-means para la detección de fraudes con tarjetas de crédito.
✅ publicado
Clasificación supervisada mediante regresión logística para la detección de fraude con tarjeta de crédito.
✅ publicado
Clustering no supervisado con DBSCAN para identificar posibles fraudes con tarjeta de crédito.
Entrar al proyecto
Análisis de estadísticas del Mundial 2022 con datos públicos de StatsBomb, orientado a resumir rendimientos individuales y comparar jugadores mediante radar de percentiles.
Análisis geoespacial de viajes de taxi en Chicago, orientado a detectar zonas de mayor actividad, recorridos urbanos y concentración territorial de la demanda.

Dashboard interactivo en Power BI sobre Spotify Charts para analizar streams, rankings, tendencias temporales y distribución territorial de la música.
✅ publicado
Informe interactivo en Power BI para analizar gasto con proveedores, evolución mensual, distribución por categorías, ahorro y distribución geográfica.
Simulación de un millón de escenarios del Mundial 2026 con ratings Elo para estimar probabilidades de alcanzar semifinales, disputar la final y consagrarse campeón.
Modelo de clasificación para estimar daños económicos en eventos meteorológicos, comparando una regresión logística con una red neuronal.
Análisis geoespacial de precios Airbnb en Londres mediante distancia al centro, barrios y métricas de vecindad geográfica.
Simulación de un millón de escenarios de LaLiga 2026/27 con ratings Elo para estimar probabilidades de los resultados más importantes del campeonato.
Para oportunidades profesionales, colaboración analítica o proyectos de BI · ML · Dashboards.
correo: encontrandopatrones@gmail.com
Escribime y te responderé a la brevedad.