Joaquín Ledesma Arbeláez
Científico de datos sénior | Riesgo de crédito y fraude | Python, SQL, MLflow y AWS
Medellín, 30 de octubre de 2026
Sra. Paula Andrea Quintana RíosDirectora de Analítica de RiesgoFinanciera CámbuloMedellín, AntioquiaAsunto: Postulación al puesto de Científico de datos sénior, Riesgo de Crédito (vacante RC-114)
Estimada Sra. Quintana:
La vacante de Científico de datos sénior en Financiera Cámbulo busca a alguien que lleve modelos de riesgo a producción y los mantenga vigentes, no solo que los entrene. Es lo que hago hoy en Crédito Guayacán Digital con el modelo que decide los préstamos de consumo en línea.
Cuando llegué en 2023, el modelo vigente tenía un AUC de 0,71. Lo reconstruí con 2,3 millones de solicitudes históricas, nuevas variables de comportamiento de pago y una validación por cohortes de originación, y llegó a 0,79. Con él, la aprobación subió 12 % sin cambiar la tasa de mora a 90 días, que era la condición que puso el comité de riesgo.
Me importa igual lo que pasa después del entrenamiento. Monté el monitoreo de deriva y el reentrenamiento mensual con MLflow y Airflow, y el tiempo para poner un modelo en producción bajó de seis semanas a ocho días. Para el comité y auditoría interna escribí una guía de explicabilidad con SHAP, porque un modelo de crédito que nadie puede explicar no se aprueba.
Antes pasé dos años y medio en Telecomunicaciones Orquídea Andina, donde mi modelo de abandono sobre 1,6 millones de clientes permitió campañas que redujeron el abandono 14 % en el decil de mayor riesgo. Tengo una maestría en Estadística de la Universidad Nacional, sede Medellín, y trabajo a diario con Python, SQL y AWS, el mismo stack que menciona la vacante.
Me gustaría presentarle cómo validamos el modelo de crédito ante el comité y conocer los retos de su equipo con los modelos actuales. Puedo reunirme en Medellín o por videollamada cuando le resulte conveniente.
Atentamente,
Joaquín Ledesma Arbeláez