Data Analyst · Data Engineering · Madrid

Convierto datos dispersos en modelos que se sostienen.

Pipelines que cargan bien, un esquema en estrella limpio y un informe que responde la pregunta en la primera pantalla.

Retrato de Miguel Ángel Rosingana
Microsoft Certified Power BI Data Analyst Associate PL-300 · 2026

Desde 2024

Data Analyst

Python, SQL, PostgreSQL y Power BI

Especialidad

Microsoft PL-300

Certificado en 2026

Madrid o remoto

Ubicación

01Origen

Lo que me interesaba no era la pantalla, sino lo que había detrás.

Llegué a los datos desde el desarrollo web. Estudié un Grado Superior de Desarrollo de Aplicaciones Web —Java, PHP, bases de datos— y ahí descubrí que lo que más me interesaba no era la pantalla, sino lo que había detrás: de dónde salían esos datos y qué se podía leer en ellos.

Desde 2024 trabajo como Data Analyst. En un BPO me tocaron datos de clientes en Excel y Power BI y, sobre todo, aprendí a automatizar: lo que eran horas de fórmulas y de copiar y pegar acabó convertido en macros, Power Query y dataflows. Hoy, en el sector publicitario, trabajo con proyectos nacionales e internacionales: extraigo en SQL, PostgreSQL y BigQuery, modelo, y monto los informes con los que se decide.

Un modelo bien planteado contesta preguntas que nadie había hecho todavía.

Fuera del trabajo sigo montando modelos por gusto: la electricidad de España y la temporada del Barça. Y cada vez más, los pipelines que dejan esos datos listos para analizar.

02Método

Cómo trabajo

Tres ideas que sostienen todo lo demás.

I

Modelado de datos

Primero, el modelo.

Decido la granularidad y separo hechos de dimensiones antes de abrir Power BI. Un modelo bien planteado hace que una pregunta nueva se resuelva añadiendo una medida, no rehaciendo el Excel.

II

Automatización

Que se repita solo.

Convierto horas de fórmulas y de copiar y pegar en procesos repetibles: macros, Power Query y dataflows que se ejecutan igual cada vez.

III

Comunicación

La respuesta, en la primera pantalla.

Informes que responden la pregunta a la primera. El detalle está a un clic; lo importante, a la vista.

03Trayectoria

Cuatro años hacia los datos

De lo más reciente a lo más antiguo.

Experiencia2

  1. 2026→ actualidad

    Data Analyst

    PRIME IT · Sector publicitario

    Proyectos publicitarios nacionales e internacionales. Extracción, transformación y modelado con Power BI, Google BigQuery, SQL y PostgreSQL para medir el rendimiento de campañas y operaciones.

  2. 2024→ 2026

    Data Analyst

    GI Group · BPO

    Análisis de datos de clientes con Excel y Power BI. Automatización de procesos con fórmulas avanzadas, macros, Power Query y dataflows, y dashboards interactivos para tomar decisiones.

Formación4

  1. 2026Julio

    Certificación

    Microsoft Certified: Power BI Data Analyst Associate (PL-300)

    Microsoft

    Certificación oficial de Microsoft sobre preparación, modelado, visualización y despliegue de datos con Power BI.

  2. 2025→ 2026

    Máster en Data Analytics

    The Power

    SQL, Python (pandas, NumPy, Matplotlib), Power BI y Excel avanzado; automatización de informes y técnicas de Big Data.

  3. 2024→ 2025

    Especialización en IA y Big Data

    Universidad Alfonso X el Sabio

    Machine Learning, NLP y Big Data con Python, R y Scala; Hadoop, Spark y Kafka; servicios de AWS.

  4. 2022→ 2024

    Grado Superior en Desarrollo de Aplicaciones Web

    Universidad Alfonso X el Sabio

    Desarrollo full stack con Java, PHP, HTML, CSS y JavaScript, y gestión de bases de datos. Proyecto final: EcoChef.

04Proyectos

Tres proyectos, tres decisiones de diseño

Cada ficha cuenta lo mismo: qué problema había, cómo lo abordé y qué salió.

Pipeline de datos de la electricidad en España

PythonSQLPostgreSQLPower BI

Datos reales · API pública

1.375
días de datos cargados
11
controles de calidad
67
tests automáticos
Ver repositorio
Problema
Los datos de generación y demanda eléctrica de España son públicos, pero llegan por una API con rarezas: límites de rango, un error 400 ambiguo, series que aparecen y desaparecen y revisiones de días ya publicados. Cargarlos con un script ingenuo da cifras que nadie puede reconciliar.
Enfoque
Un pipeline ELT por capas —respuesta cruda, staging y modelo en estrella— con carga incremental por marca de agua y una ventana de solape que recoge las revisiones de la fuente. Once controles de calidad en SQL se ejecutan en la misma transacción: si uno de severidad error falla, no queda nada a medias en el modelo. Los tests usan respuestas reales de la API y una base PostgreSQL de verdad.
Resultado
Tres años y medio de generación por tecnología y de demanda de los cinco sistemas eléctricos, cargados en unos cuatro minutos. Una ejecución diaria tarda unos ocho segundos y, si la fuente no cambia, no modifica nada. Encima, un informe de Power BI de tres páginas cuyas cifras coinciden con las vistas SQL: cuota renovable, mix por tecnología y comparativa entre sistemas.
Informe de Power BI, página de resumen: generación, demanda y cuota renovable, y la cuota renovable mensual frente al mismo mes del año anterior.
Resumen · cuota renovable y generación por familia
Informe de Power BI, mix de generación: columnas apiladas por mes y matriz con el peso de cada tecnología por año.
Mix y evolución · peso de cada tecnología

FC Barcelona, temporada 2026/27

Power BIDAXPower QueryExcel

En curso

1
fila por evento
4
competiciones
4
páginas de informe
Ver repositorio
Problema
Seguir una temporada completa —LaLiga, Champions League, Copa del Rey y Supercopa— sin quedarse en el marcador: quién marca, quién juega y en qué minuto llegan las tarjetas.
Enfoque
La decisión que sostiene el proyecto es la granularidad: la tabla de hechos guarda una fila por gol, asistencia y tarjeta, con su minuto, en lugar de una fila por partido. Descarté API y scraping a propósito: una plantilla de carga manual en Excel no depende de claves que caducan ni de webs que cambian de estructura.
Resultado
Un informe de cuatro páginas —resumen, goleadores, minutos y disciplina— que responde preguntas que nadie había previsto (minutos por jugador, goles por tramo de quince minutos, cuándo llegan las tarjetas) añadiendo una medida, sin rehacer el modelo. Sigue creciendo según avanza la temporada.
Informe de Power BI, resumen de la temporada del FC Barcelona: KPIs y detalle partido a partido.
Resumen · KPIs y detalle partido a partido
Informe de Power BI, página de goleadores: participaciones de gol y reparto por tramos del partido.
Goleadores · participaciones y tramos del partido

EcoChef

PythonFlaskSQLAlchemySQLiteSpoonacular API

Trabajo de Fin de Grado

4
vistas
1
API externa
Offline
modo de respaldo
Ver repositorio
Problema
En casa se tira comida por una razón tonta: no sabes qué tienes ni qué se puede cocinar con ello antes de que caduque. Los recetarios funcionan al revés: eliges la receta y luego sales a comprar.
Enfoque
Una aplicación web en Flask que parte del inventario de la nevera (SQLite) y pide a la API de Spoonacular las recetas que aprovechan más ingredientes disponibles. Como la API solo entiende inglés, monté una capa de traducción en los dos sentidos; y un respaldo local mantiene la app en pie cuando la API no responde.
Resultado
La app propone qué cocinar con lo que ya hay, avisa de lo que falta, genera la lista de la compra y muestra el stock en un panel con gráficos. Es el Trabajo de Fin de Grado de mi Grado Superior en Desarrollo de Aplicaciones Web.
Portada de EcoChef con accesos a nevera, recetas y lista de la compra, y el resumen del stock.
Inicio · resumen del stock
Resultados del buscador de EcoChef: recetas ordenadas por los ingredientes de la nevera que aprovechan y lo que falta.
Recetas · sugerencias y lo que falta

¿Tienes datos que no cuentan lo que deberían?

Cuéntamelo

05Stack

Con qué trabajo

Ingeniería de datos

Cargar, validar y modelar, de forma repetible.

  • SQL
  • PostgreSQL
  • BigQuery
  • Python (pandas, SQLAlchemy)
  • ELT incremental
  • Tests, GitHub Actions y Docker

Power BI

Del modelo al informe publicado.

  • Modelado de datos
  • DAX
  • Power Query
  • Dataflows
  • RLS (seguridad por filas)

Automatización

Que lo repetitivo se haga solo.

  • Excel avanzado
  • VBA
  • Power Automate
  • Limpieza de datos

Microsoft Certified: Power BI Data Analyst Associate (PL-300) Castellano nativo · Inglés B1–B2

06Contacto

¿Hablamos? Cuéntame el problema.

Trabajo desde Madrid o en remoto. Escríbeme por correo o por LinkedIn.