Soy Matías Roubaud, ingeniero con +7 años llevando datos a producción de punta a punta: desde pipelines escalables en AWS hasta dashboards ejecutivos y modelos de ML. Hoy lidero una función de Datos & AI, y ayudo a empresas a construir la infraestructura que necesitan para decidir con datos confiables.
Trabajo de punta a punta: desde la arquitectura de datos hasta la decisión de negocio. Cuatro áreas que se complementan para que tus datos, tu nube y tu IT jueguen a favor del negocio.
Pipelines de datos escalables y gobernados que alimentan analítica y modelos con datos confiables.
Dashboards ejecutivos que transforman datos crudos en decisiones para la dirección.
Modelos de ML de la idea a producción, integrados a tus procesos de decisión.
Infraestructura en la nube y operaciones IT/seguridad sobre el ecosistema Microsoft y AWS.
Cuatro piezas que muestran cómo trabajo de punta a punta: de la infraestructura al dashboard, y del modelo a la métrica que dice si sirve. Todas construidas sobre datos sintéticos — no se usa información de clientes.
Ver imagen completa ↗ Cuatro fuentes upstream, data lake por capas (bronze / silver / gold) en S3, catálogo Glue y consumo vía Athena, Power BI y Grafana — todo provisionado con Terraform. Un rol IAM por fuente acotado a su prefijo, y alarmas de frescura además de las de error: una Lambda que deja de ejecutarse no falla, se calla, y los datos envejecen hasta que alguien nota el dashboard viejo.
Ver imagen completa ↗ Reporting ejecutivo para un e-commerce DTC: 75.053 pedidos y dos años de historia, con ingresos y margen abiertos por mes, canal, categoría y región. El valor no está en el gráfico sino en lo que sale de él: la tasa de devolución de calzado duplica a las demás categorías, y bajarla dos puntos vale unos 32.000 € al año en margen recuperado.
Ver imagen completa ↗ Gradient boosting sobre calendario y lags, validado con backtesting de origen móvil en 6 folds contra un baseline estacional. Lo importante no es el modelo sino la evaluación: todo lag tiene al menos 28 días de antigüedad, porque el día que la previsión se ejecuta de verdad los últimos 27 días todavía no existen. El fold más flojo gana por apenas 4,8% frente al ~30% del resto: predice las semanas posteriores a las rebajas de enero habiendo visto un único enero. El error no es uniforme, y el MAPE medio esconde dónde la previsión deja de ser fiable.
Ver imagen completa ↗ Mide la parte de un sistema RAG que decide si funciona: si el pasaje correcto nunca llega a la ventana de contexto, ningún prompt lo recupera. Base de 236 documentos, 14 preguntas gold y cuatro estrategias de chunking sobre el mismo retriever, para que la diferencia sea atribuible solo al chunking. Un tercio de las preguntas falla en retrieval, y cada fallo es una paráfrasis: eso apunta a reescritura de consultas o a un reranker, no a chunks más pequeños.
+7 años cruzando analytics, ingeniería de datos, desarrollo e IT/seguridad — en industria, deporte y tecnología.
Lidero el equipo de Datos & Analytics y defino la estrategia de analítica e IA sobre AWS: pipelines gobernados, dashboards ejecutivos (Power BI / Grafana) y modelos en SageMaker.
Lideré +80 instalaciones y proyectos de datos en múltiples regiones, con soluciones de analítica en SQL, Python, Tableau y Power BI.
Métricas de rendimiento deportivo y dashboards con Python y herramientas de BI.
Aplicaciones web con React, Node.js, AWS y GCP para distintos clientes.
Clientes industriales y soluciones de automatización; análisis de mercado y formación técnica.
Docencia e investigación en ingeniería.
Vengo de la ingeniería eléctrica y eso marca cómo trabajo: entiendo el problema de negocio antes de escribir una línea de código. Llevo +7 años convirtiendo datos en valor a lo largo de todo el stack — de pipelines en AWS a BI ejecutivo y modelos de ML en producción. Hoy lidero una función de Datos & AI en Basquevolt: defino la estrategia, construyo la infraestructura cloud y entrego dashboards y modelos que guían decisiones.
Mi recorrido pasó por analytics, ingeniería e IT/seguridad, lo que me deja ver el panorama completo. Además fundé FingTwice, una academia online para estudiantes de la Facultad de Ingeniería en Uruguay. Enseñar me obliga a explicar lo complejo de forma simple — y eso se nota en cómo entrego soluciones claras y bien documentadas.
Tecnologías probadas en producción. Elijo la herramienta según el problema, no al revés.
Contame qué necesitás y armamos una primera conversación sin compromiso. Respondo en menos de 24 horas hábiles.
¡Gracias! Tu mensaje fue enviado. Te respondo a la brevedad.
o escribime directo