© 2025, lugtf
Este sitio, lanzado originalmente en 2021, fue actualizado en abril de 2025 utilizando el plugin Elementor de WordPress. Elegí esta opción porque me pareció la más práctica. Obviamente hice un uso extensivo de la inteligencia artificial para la corrección ortográfica y para mejorar la formulación de mis ideas, pero asumo que el sitio refleja quién soy y el servicio único que ofrezco. Cualquier comentario es bienvenido.
En el mundo físico, tareas como producir electricidad a partir de diversas fuentes de energía, refinar petróleo crudo o moler soja no son sencillas. A estos desafíos se suma la incertidumbre permanente que enfrenta la economía real, ya sea por la volatilidad del mercado, las consecuencias económicas de los fenómenos meteorológicos extremos o las políticas comerciales en constante cambio especialmente hoy en 2025.
Para un profesional de los commodities, la experiencia práctica y la intuición se aprovechan, pero las preguntas nunca se acaban. Algunos desafíos requieren un análisis exhaustivo; otros, el monitoreo de indicadores clave. En algunos casos, un punto de vista alternativo o argumentos bien estructurados, por sí solos, pueden resolver el debate. Cómo resolver aquellos en los que el mercado y el mundo físico suelen estar intrincadamente entrelazados? En algún punto intermedio entre la intuicion y la modelización se encuentra un equilibrio…
…y no hay una respuesta sencilla, pero estoy aquí para ayudarte! No creo en soluciones universales, y siempre me importan las personas más allá de los problemas que haya que resolver.
En cuanto a la metodología, doy prioridad a un análisis exhaustivo del problema en cuestión. A menudo sucede que, al principio, no apuntamos a resolver el problema correcto. Creo que muchos problemas pueden resolverse rápidamente cuando se contemplan desde una perspectiva adecuada. Pero a veces se necesita una solución más compleja!
Después de esto, propongo un análisis completo de los datos disponibles y de su calidad. Este paso de analisis de los datos, con una eleccion de los ‘features’ es crucial.
Luego viene la fase de implementación de la solución, normalmente con algo de programación, análisis e interpretación de los resultados. Facilmente, vuelvo al paso anterior de este etapa.
Esta etapa suele ser sencilla cuando los pasos anteriores se han ejecutado correctamente. A partir de ahí, se obtienen conocimientos pertinentes que te permiten tomar decisiones informadas.
En todas las situaciones, creo que vale la pena dedicar tiempo a clarificar el problema, así como las estrategias para solucionarlo, ya sean las que se están implementando actualmente o las que puedan ser factibles más adelante. Definitivamente, prefiero la explicabilidad y la interpretación a una solución tipo ‘caja negra’.
La fase de implementación puede implicar el despliegue, monitoreo, gestión y mantenimiento de modelos en entornos de producción. Puedo utilizar tanto las herramientas más avanzadas como las ya consolidadas. Ya sea en términos de algoritmos, programación, tecnologías en la nube, almacenamiento de datos, procesamiento de datos o flujos de datos en tiempo real, siempre propondré soluciones pragmáticas adaptadas al entorno deseado, y me adaptaré a los lenguajes de programación que utilicen sus equipos y a las herramientas heredadas.
Cabe señalar que, al reflexionar más profundamente, contemplaré una dimensión más humana en mi metodología. De alguna manera, se trata de la “empatía”. Aunque ya había enfatizado la importancia de un análisis exhaustivo de los datos disponibles, creo que, por encima de todo, es fundamental reconocer nuestros sesgos humanos. Por ejemplo, como ingeniero, tiendo a abordar la resolución de problemas mediante métodos de ingeniería, lo que puede distorsionar la propia definición del problema. Creo que esta perspectiva abre la puerta a un nuevo tipo de creatividad, que es bienvenida en la era actual de la inteligencia artificial.
Experiencia en mercados de materias primas: electricidad, gas y petróleo, cereales y oleaginosas, algodón, flete maritimo y de ruta.
Lenguajes de programación habituales: C#, C++, SAS, Python, SQL.
Algunas tecnologías en la nube: Databricks, Snowflake, Docker/Kubernetes…
Herramientas de visualizacion: Acostumbrado al uso de Power BI (y anteriormente también Tableau)
Familiarizado con sistemas de control de versiones y colaboración de código, como: GitHub y Azure DevOps, para la gestión de proyectos.
