Abierto a oportunidades · Lima, Perú

Renzo Tinta

Junior Data Engineer

Construyo pipelines que conectan procesos operativos con plataformas de datos. Experiencia aplicada en Google Cloud, Python, SQL y DuckDB/MotherDuck.

Ver proyectos GitHub LinkedIn
150,000 registros en 4 minutos · Ver caso GCP

De la operación al dato

  1. 01
    Reportes operativos

    SAP · SharePoint · Excel

  2. 02
    Validación y transformación

    Python · Polars · SQL

  3. 03
    Datos listos para analizar

    BigQuery · MotherDuck · Power BI

Ver arquitectura
Explorar

Resultados medidos

150,000

registros procesados en 4 minutos

Pipeline en GCP, medido desde el disparo en Power Automate hasta el fin en Cloud Functions.

−87%

tiempo de procesamiento de reportes operativos (de 2 h a 15 min)

Tiempo del proceso operativo completo. Los 4 minutos corresponden al tramo técnico de ingesta.

−25%

errores de registro en reportes de proveedores

Medido comparando antes y después de centralizar los reportes en PowerApps.

01 · Trabajo destacado

Proyectos destacados

Dos casos en producción: el problema, mi contribución y los resultados.

01Implementado y verificado

Pipeline operativo en Google Cloud

Ingesta de reportes de SharePoint a BigQuery con validaciones y control de duplicados. En producción en Cencosud: 150,000 registros procesados en 4 minutos.

  1. Excel + VBA
  2. Power Automate
  3. Cloud Storage
  4. Dataflow
  5. BigQuery
  6. Power BI
Registros procesados
150,000 en 4 min
Reportes operativos
2 h → 15 min
Ver caso de estudio
02En producción

De SAP a MotherDuck

Extracción de 7 reportes de SAP, cargas validadas en MotherDuck y una proyección diaria en Streamlit. Ejecución aproximada: de 30 a 5 minutos.

  1. SAP
  2. Python
  3. Polars
  4. MotherDuck
  5. Streamlit
En uso por
Non Food y Supply Chain
Tiempo por ejecución
~30 min → ~5 min
Ver caso de estudio

Del reporte operativo
a datos listos para decidir.

02 · Trayectoria

Experiencia

Actividades separadas en automatización, reporting y datos.

Julio 2022 – Presente · Cencosud S.A. (retail) · Lima, Perú

Auxiliar de Control y Desempeño

Automatización

  • Pipeline end-to-end entre Microsoft y Google (Power Automate, Cloud Storage, BigLake, Cloud Functions, Dataflow, BigQuery) que migró reportes de archivos locales a la nube, con ingesta de Excel vía Python (Polars) y VBA y monitoreo automático de errores.
  • App en PowerApps para que 2 áreas gestionen la lista de correos de contacto por proveedor sin depender de mi equipo.

Reporting

  • Desarrollo y mantengo 3 dashboards de Power BI para el seguimiento de indicadores de gestión del área.
  • Consumo en tiempo real vía DirectQuery por múltiples usuarios.
  • Reportes de proveedores centralizados en PowerApps: −25 % de errores de registro, medido antes y después.

Datos

  • Procesamiento de reportes operativos: de 2 horas a 15 minutos (−87 %).
  • Polars para leer múltiples archivos sin saturar memoria.
  • DuckDB como capa de consolidación local para cruzar fuentes y resolver análisis ad hoc.

Formación

Coursera

Especialización en Ingeniería de Datos

60 % completado
ISIL

Sistemas de Información

No culminado

03 · Capacidades técnicas

Stack técnico

Cada tecnología se clasifica según el nivel de experiencia real.

Procesamiento y almacenamiento · práctica real

  • Python

    Extracción, limpieza y carga de datos: desde SAP y archivos Excel hasta la nube.

  • Polars

    Lectura eficiente de múltiples archivos sin saturar memoria; limpieza y deduplicación.

  • SQL

    Transformaciones con CTEs, cargas incrementales y consultas programadas.

  • pandas

    Manipulación de DataFrames en Python, junto a Polars y NumPy.

  • DuckDB

    Consolidación local para análisis ad hoc y almacén en la nube con MotherDuck.

  • BigQuery

    Almacén del pipeline en GCP: tabla de rechazos, control de duplicados y consultas programadas.

  • Excel

    Excel y VBA: conversión de reportes y automatización con macros.

  • Ver más herramientas

Integración, consumo y desarrollo

Práctica real En aprendizaje Explorada

Cloud

Cloud StorageBigLakeCloud FunctionsDataflowMicrosoft Fabric

Bases de datos

MotherDuckPostgreSQL

Procesamiento y orquestación

NumPyAirflow

BI y visualización

Power BIStreamlit

Automatización

Power AutomatePowerAppsAPIs / Webhooks

Herramientas de desarrollo

GitSharePoint

04 · Forma de trabajar

Enfoque de ingeniería

Principios que aplico, cada uno con un ejemplo de mis proyectos.

Calidad de datos

Validación de fechas, tipos y errores de fórmulas antes de cargar; los registros inválidos van a una tabla de rechazos con aviso por correo.

Automatización

Flujos de punta a punta, del archivo en SharePoint hasta BigQuery y Power BI, sin pasos manuales.

Documentación

En progreso: cada proyecto se documenta con el marco Problema → Proceso → Solución → Impacto.

Resolución de problemas

Costo y memoria como restricciones: BigLake para optimizar el almacenamiento y Polars para procesar varios archivos sin saturar memoria.

Diseño de pipelines

Cargas repetibles: borrar e insertar por fecha o rango, dentro de transacciones, para poder reprocesar sin duplicar.

Mantenibilidad

En mejora: agregar README, pruebas y diagramas a los repositorios.

05 · Perfil

Sobre mí

Soy Renzo Walter Tinta Mendoza. Trabajo en Cencosud desde julio de 2022 como Auxiliar de Control y Desempeño, donde automatizo procesos e integro Microsoft Power Platform con Google Cloud.

Mi objetivo es evolucionar de la automatización y el análisis de datos hacia la ingeniería de datos. Estoy aprendiendo Airflow y Microsoft Fabric, y llevo un 60 % de la Especialización en Ingeniería de Datos de Coursera.

Mi evolución

  1. AutomatizaciónPower Automate, PowerApps y VBA
  2. Datos y reportingPower BI, DuckDB y Polars
  3. Ingeniería de datosPipelines en GCP y MotherDuck
Ubicación
Lima, Perú
Disponibilidad
Remoto · Presencial · Híbrido · Reubicación
Puestos objetivo
Data Engineer · Analytics Engineer · BI Developer
Sectores de interés
Logística · Retail · Finanzas

06 · Conversemos

Conversemos sobre datos

Abierto a conversar sobre oportunidades en ingeniería de datos.