AI Pipeline
Flask
Claude API
01
Lead Scout
Construido por un formador de adopción de IA que se cansó de buscar clientes manualmente.
Antes
Buscando manualmente en LinkedIn y Google empresas que pudieran necesitar formación en IA — horas de cambio de pestañas sin puntuación ni resultado consistente.
Proceso
Un pipeline de cinco etapas: descubrir → puntuar → clasificar → encontrar contacto → redactar email. Los resultados se transmiten en tiempo real a la interfaz mientras cada empresa supera el pipeline.
Resultado
Selecciona un sector y una región, haz clic en Scout — obtienes contactos puntuados con el nombre de la persona de contacto y un borrador de email frío personalizado, en minutos.
Python
Flask
Anthropic API
Tavily API
Hunter.io
BeautifulSoup
SSE
Bellabeat Case Study
Los datos contradijeron la hipótesis — y ese resultó ser el hallazgo.
Antes
Bellabeat no tenía un argumento basado en datos para decidir qué característica de producto construir a continuación. Existían comparaciones con competidores, pero no había datos de comportamiento de usuario para validar la prioridad.
Proceso
Análisis completo de datos de actividad, sueño y frecuencia cardíaca de 30 usuarios de Fitbit — limpiados en SQL, con ingeniería de características en R, visualizados en Tableau. Proyecto de certificación de Análisis de Datos de Google.
Resultado
Los usuarios dormían mal y luego hacían más ejercicio — no menos. Ese patrón de compensación fue el hallazgo. Invalidó la función de rendimiento del roadmap y validó en su lugar una función de Prevención del Burnout. Un conjunto de datos. Una decisión de producto redirigida.
R / tidyverse
SQL (BigQuery)
Tableau
Google Sheets
Scraping
Data Analysis
03
Developer Portfolio Scanner
Los reclutadores pasan horas revisando portfolios de desarrolladores manualmente. Esto lo automatiza.
Antes
Un reclutador que busca desarrolladores disponibles visita los portfolios uno a uno — buscando señales de disponibilidad, infiriendo habilidades, copiando y pegando en una hoja de cálculo. Lento, inconsistente y manual.
Proceso
Un scraper modular en Python que detecta señales de disponibilidad y extrae habilidades en 25 categorías tecnológicas usando regex. La v2 añadió limpieza con Pandas, normalización de puntuaciones y salida de gráficos PNG.
Resultado
Dale una lista de URLs y obtén un conjunto de datos limpio y puntuado con disponibilidad y habilidades de desarrolladores — más gráficos de visualización — en segundos en lugar de horas.
Python
BeautifulSoup
Requests
Pandas
Matplotlib
AI Pipeline
Data Analysis
Claude API
04
Sales Performance Analyzer
La mayoría de las empresas tienen más datos de ventas que tiempo para analizarlos.
Antes
Un director de ventas termina la semana con una exportación CSV y una reunión el lunes para la que prepararse. El análisis que debería tomar una tarde se comprime en veinte minutos de resumen intuitivo.
Proceso
Un pipeline en Python que carga el CSV, ejecuta análisis con Pandas por categorías, regiones y tendencias mensuales, y envía un resumen estructurado a Claude para un informe ejecutivo en lenguaje sencillo.
Resultado
Un informe formateado con desglose de ingresos, análisis de tendencias, detección de anomalías y tres recomendaciones concretas — generado en segundos, guardado en disco.
Python
Pandas
Anthropic SDK
python-dotenv