Data Analyst · Business Intelligence · Entrenamiento de AI Skills
Tarragona / Barcelona · jleonceo@gmail.com · LinkedIn
Analista de datos con visión estratégica de negocio y trayectoria en control de gestión. Especializado en Business Intelligence, modelado de datos (MySQL, Star Schema) y entrenamiento de AI Skills personalizadas para el análisis recurrente.
Construyo el puente entre el dato y la decisión: traducir necesidades de negocio en modelos de datos fiables, dashboards accionables y procesos automatizados.
Business Intelligence
Power BI · DAX avanzado · Modelado dimensional · Star Schema
Bases de datos
SQL avanzado · MySQL · Modelado relacional
Programación y ML
Python · Pandas · Scikit-learn · XGBoost · Jupyter
Sistemas de agentes IA
Claude Code · Enjambres multi-agente · AI Skills personalizadas · RAG · MCP · Prompt engineering
Evaluación de sistemas LLM
Eval-driven development · Golden sets · Simulaciones · Puertas de no-regresión · Datos sintéticos de test
Automatización
n8n · Claude API · Hooks y workflows
Estos repos cuentan, en orden, cómo construir sistemas con varios agentes de IA en los que se puede confiar. Cada uno enlaza a los demás: se pueden leer como un recorrido.
- N0 · tu-primer-asistente-ia-web: qué es un asistente de IA y cómo se le instruye, sin tecnicismos.
- N1 · llm-eval-contable: evaluar una skill como se examina a un alumno, de 66% a 100% medido.
- N2 · accounting-agent-swarm: un enjambre de cuatro agentes contables de principio a fin, con sus caídas explicadas.
- N2 · orquestacion-enjambres-ia: el enrutado multi-agente, a qué agente va cada petición sin romper al crecer.
- N3 · gobernanza-skills-analiticas: las cinco reglas para gobernar skills, cada una con su cicatriz real.
- N3 · verificacion-determinista-ia: comprobar la coherencia del estado por pura aritmética, sin IA.
- N3 · agent-memory-governance: que la memoria del agente no se convierta en un vertedero.
Y el mismo método portado a otro dominio: audience-analyst-swarm, analítica de audiencias reutilizando cerca del 70% del enjambre contable.
Y el vertical financiero llevado a herramienta: tesoreria-forecast-ia, previsión de caja con backtesting, ratios y aging (determinista, sin dependencias).
Y el control interno como herramienta forense: control-interno-fraude-ia, detección de fraude contable con aritmética dentro de un marco COSO-lite (determinista, sin dependencias).
| Proyecto | Descripción | Stack |
|---|---|---|
| analisis-contable | Análisis financiero de principio a fin: cuenta de resultados, tesorería y simulador de escenarios sobre TechAcces SL | Python · MySQL · Pandas |
| lead-scoring-ml | Modelo predictivo para priorizar leads comerciales (XGBoost, AUC 0.92 verificado con script de réplica) | Python · ML · Jupyter |
| RFM-Customer-Analytics | Segmentación de clientes por Recencia, Frecuencia y Valor monetario, con estrategias de negocio asociadas | Python · Pandas |
| accident-intelligent-agent | Predicción de gravedad de accidentes de tráfico en Madrid: ETL, EDA y modelado predictivo | Python · ML · ETL |
Todo junto, explicado y desplegado, en portfolio-juan-luis (juanluisleon.vercel.app).
- Máster en IA y Automatización, Visual Business School (2026)
- Grado en Ciencia de Datos, Universitat Carlemany (2º año)
- Construyendo un ecosistema completo de automatización contable: MySQL + Power BI + n8n + Claude
- Evolucionando enjambres de AI Skills con evaluación continua: golden sets, simulaciones y puertas de no-regresión
Las skills bien entrenadas permanecen. Los modelos cambian y las herramientas se actualizan, pero el criterio construido capa a capa se queda.
Abierto a oportunidades en Data Analytics y Business Intelligence en Tarragona y Barcelona (presencial e híbrido).