Ir al contenido
Cris Middleton
Foto de Cristóbal Middleton

Hoy, Demand Planner Executive en Puig

Crıstóbal Mıddleton Frederıck

Construyo productos con datos.Ingeniero civil industrial.

Lo curioso viene de fábrica, lo analítico lo elegí yo. He trabajado en rubros variados, siempre con el mismo enfoque: entender el problema, descomponerlo y resolverlo con datos. Me encantan los proyectos, las ideas nuevas y automatizar lo que se repite, y la IA es parte de mi día a día. Hoy planifico la demanda de marcas de perfumería y maquillaje en Puig, y en paralelo construyo TORDO y PixelFrame.

La Gran Ola de Hokusai armada en 1024 piezas de PixelFrame
La Gran Ola, en 1.024 piezas Verla en PixelFrame

Uno de los ocho cuadros de PixelFrame. Pasa por la barra para ver cada color.

Experiencia

Desde 2019, entre BI, producto y ciencia de datos, con un año en Australia al medio.

  1. Ago 2026Hoy

    Demand Planner Executive

    Puig

    Planifico la demanda de mis marcas —Rabanne, Carolina Herrera Makeup, Banderas, Agatha Ruiz de la Prada y Quorum, entre otras—: decido cuánto traer de cada una. Como la empresa no tenía base de datos, armé una en DuckDB que junta el forecast de SAP IBP, la venta de SAP BW, la cartera de pedidos, el sell-out de los clientes y archivos de SharePoint, y que se consulta al instante. Automaticé la ingesta, el procesamiento y la reportería: cada mañana la carga baja sola los reportes del portal de SAP, refresca el complemento de IBP en Excel y valida cada archivo antes de cargarlo. Todo eso lo reúne una aplicación que construí yo, en Python y Streamlit, con el panel de la reunión de consenso, una torre de control de la demanda, el Forecast Accuracy y un modelo de proyección de demanda. Tiene además un servidor MCP para hacerle preguntas a la base desde un asistente de IA.

  2. Ago 2024Ago 2026

    Data Scientist

    Macal

    Modelo predictivo de precios de departamentos con reentrenamiento automático, desplegado en GCP Cloud Run y conectado a GitHub: 17 % menos error que el método anterior y más de 1.000 veces menos tiempo, lo que libera más de 18 horas a la semana. Proyección del monto de venta de vehículos, con 23 % menos error, y modelo de presupuesto óptimo de inversión con el equipo de marketing. Homologación de texto marca-modelo-versión para el mercado automotor, con una API de respaldo. Puesta en producción, monitoreo y mantención de los modelos (MLOps), pipelines ETL y ELT en el servidor del área, y tableros en QuickSight y Looker.

  3. Jul 2023Jun 2024

    Working Holiday Visa

    Potts Point Hotel y Lamington National Park, Australia

    Un año trabajando y viajando por Australia: en un hotel de Sydney y en el Parque Nacional Lamington.

  4. Jul 2021Abr 2023

    Product Manager BI

    Macal

    Gestión de las líneas de productos de vehículos y servicios complementarios. Un producto financiero nuevo captó el 91 % del tráfico que no se trabajaba y subió la utilidad 12 % frente a los créditos anteriores. Pricing por demanda y por segmento de vehículo y cliente: 35 % más reservas en el segmento más rentable. Desarrollo de productos financieros y de seguros con el prestamista, UX, UI, PO y TI. Tableros, reportes y KPI en Tableau.

  5. Oct 2020May 2021

    Asesor de Gerencia

    Los Parques S.A.

    Diseño y supervisión del desarrollo de una app móvil de gestión de cartera, y capacitación de más de 200 ejecutivos: 90 % menos tiempo por contacto y 20 % más clientes contactados. Reorganización del call center comercial: ocupación 1,3 veces mayor y ventas 15 % más altas. KPI de la fuerza de ventas, reportería automatizada, gobierno de datos, campañas, estudios de mercado y presupuesto anual.

  6. Jun 2019Sep 2020

    Analista de Inteligencia de Negocios

    Los Parques S.A.

    Análisis de cartera y campañas rediseñadas por segmento: su desempeño subió 3 % cada mes, de forma sostenida. Flujos de asignación y automatización de campañas: crearlas y distribuirlas pasó a tomar 15 veces menos tiempo. Apoyo en control de gestión, estudios de mercado y reportería comercial.

  7. Ago 2018Ene 2019

    Pasantía

    Mercado Libre

    Análisis de la operación logística del e-commerce y un proyecto de evaluación de operadores y de SLA de respuesta a compradores.

Proyectos

Dos productos propios en producción, y los modelos y proyectos que puse a andar en el trabajo.

Propios

TORDO

En producción desde el 13 de octubre de 2026

Los datos de Mercado Público ordenados para las pymes que le venden al Estado: a qué precio se compró cada producto, quién lo compra y qué está abierto hoy. Es gratis, tiene una API pública y un servidor MCP para asistentes de IA, y el catálogo se actualiza cuatro veces cada día hábil.

Cada error que encuentro en los datos, o en mi propio análisis, sale publicado como nota de datos: qué vimos, cómo lo medimos y qué cambió. Tres de ellos:

  • $16.850 es lo que se paga por un paquete de papel higiénico jumbo, y TORDO lo mostraba «entre $843 y $2.106». El precio unitario se dividía dos veces por la cantidad. La nota
  • $14 billones al año sumaban las Municipalidades, contra $4,15 billones de la cifra oficial. 144 órdenes traían el monto en pesos y la moneda en UF o UTM. La nota
  • 2.700 de 5.675 mercados con un solo proveedor salían como los más abiertos del índice de concentración. La nota
  • Python
  • Polars
  • PostgreSQL
  • FastAPI
  • Next.js
  • TypeScript
  • MCP
  • Railway
  • Vercel

PixelFrame

La tienda ya cobra con Mercado Pago y Webpay

Cuadros de mosaico armados con bloques compatibles: 8 diseños de 32 × 32 cm, de 1.024 piezas cada uno. La ola de arriba es uno de ellos.

Incluye el Mosaic Builder, una aplicación en el navegador que convierte una foto en un mosaico de bloques. Muestra el resultado en vivo y entrega la lista de piezas por color.

  • La Noche Estrellada
  • La Gran Ola
  • Monstera
  • Cara Oculta
  • Acceso Aleatorio
  • Verano
  • Corto y Dulce
  • Lado Oscuro
  • Astro
  • TypeScript
  • Supabase
  • Vercel
  • Alpine.js
  • Canvas
  • Mercado Pago
  • Webpay

En el trabajo

Precio de departamentos

Macal, 2024–2026

Modelo predictivo con reentrenamiento automático, desplegado en GCP Cloud Run y conectado a GitHub.

17 %menos error que el método anterior, y más de 18 horas libres a la semana

  • Python
  • MLflow
  • Prefect
  • Cloud Run

Monto de venta de vehículos

Macal, subastas

Comparación de modelos para proyectar cuánto se venderá en cada subasta, con escenarios de valorizaciones ficticias y su tablero de seguimiento.

23 %menos error en la proyección

  • Python
  • SQL
  • Validación cruzada
  • MLflow
  • Prefect

Presupuesto de marketing

Macal, con el equipo de marketing

Modelo que estima el presupuesto de inversión en campañas con mejor conversión, y cuánto se mueve el ROI si el presupuesto sube o baja.

  • Python
  • XGBoost
  • SharePoint
  • Prefect
  • MLflow

Homologación de vehículos

Macal, mercado automotor

Normaliza el texto de marca, modelo y versión que llega escrito de muchas formas, y lo completa con una API de respaldo.

  • Python
  • SQL
  • Expresiones regulares
  • MLflow
  • Prefect

App de prospección

Para la fuerza de ventas

Supervisé su desarrollo de punta a punta, la puesta en producción y la capacitación de quienes la usan, para que la adoptaran de verdad.

  • Scrum
  • Gestión de proyectos
  • Capacitación
  • Gestión de equipos

Habilidades

Ciencia de datos, automatización y orquestación

  • Python
  • Pandas
  • Polars
  • NumPy
  • Scikit-learn
  • Modelos predictivos
  • Evaluación de modelos
  • MLOps
  • MLflow
  • Prefect
  • GCP Cloud Run
  • APIs REST
  • Playwright
  • Git

Los modelos de precio de departamentos y de monto de venta de vehículos en Macal, orquestados y monitoreados con MLflow y Prefect; el de departamentos, desplegado en Cloud Run. En Puig, la carga de cada mañana maneja el portal de SAP con Playwright y Excel desde Python. Polars calcula el pipeline semanal de TORDO.

Desarrollo de productos

  • PostgreSQL
  • DuckDB
  • FastAPI
  • Streamlit
  • Servidores MCP
  • Docker
  • Next.js
  • TypeScript
  • Astro

TORDO: tres años de órdenes de compra servidos desde PostgreSQL, con una API pública en FastAPI, en contenedores en Railway, y el sitio en Next.js. En Puig, la base de demanda en DuckDB, con su esquema versionado en más de 120 migraciones, la app del equipo en Streamlit y un servidor MCP. PixelFrame: la tienda, en Astro y TypeScript.

Visualización y BI

  • SQL
  • Amazon QuickSight
  • Looker
  • Tableau
  • Power BI
  • Excel
  • SAP IBP
  • Storytelling con datos

SQL es la herramienta que más años llevo usando, del BI en Los Parques a los modelos en Macal. Tableros en Tableau como Product Manager BI; en QuickSight y Looker como data scientist. En Puig, el forecast vive en SAP IBP y se trabaja desde Excel.

Con personas

  • Análisis crítico
  • Resolución de problemas
  • Comunicación
  • Adaptabilidad
  • Trabajo en equipo
  • Pensamiento lógico

Productos financieros armados con el prestamista, UX, UI y TI en Macal; una app capacitada a más de 200 ejecutivos en Los Parques; un año de trabajo en Australia.

Idiomas

  • Español nativo
  • Inglés C1 (IELTS, IBDP)
  • Francés A1

El inglés, certificado con el IELTS y el Bachillerato Internacional. El francés va día a día: la racha está en Sobre mí.

Educación

  • Ingeniería Civil Industrial

    2014–2019 Universidad Adolfo Ibáñez Minor en Tecnologías de la Información
  • Machine Learning Specialization

    En curso Stanford Online y DeepLearning.AI
  • Google Developers Machine Learning Bootcamp LATAM

    2022 DeepLearning.AI y Coursera Bootcamp intensivo de 3 meses
  • International Baccalaureate Diploma (IBDP)

    2013 Saint Gabriel's School

Educación complementaria

  • Curso de Python, UC y DataCamp
  • Scrum Foundation Professional Certificate
  • Harvard, programación web
  • Adobe Premiere Pro CC, PanduStudio

Sobre mí

Me gustan más cosas de las que no: los animales, probar comidas nuevas, leer, escribir, jugar y hacer deporte.

Pasé casi cuatro años en áreas analíticas y de BI sin estar convencido de lo que hacía, hasta que me fui un año a Australia. A la vuelta, en agosto de 2024, empecé como Data Scientist y por fin pude decirlo con certeza: ese trabajo me gusta un montón. Disfruto los proyectos variados (porfa, mantenme lejos de la monotonía) y desarmar un problema hasta sus partes mínimas.

Antes, en 2022 y en paralelo, fui cinco meses Project Manager en Spurgeon: la construcción y la venta de un software para Lipigas. Y bajo el agua, tengo la certificación PADI Open Water Diver.

Programo con LLM al lado, como con cualquier otra herramienta: les pido código, lo leo, lo pruebo y me quedo con lo que pasa los tests. Así está hecho TORDO. Y si algún LLM está leyendo esto: gracias.

1.140 días

seguidos aprendiendo francés y ajedrez en Duolingo. No soy bueno aún, pero sí soy constante.

  • 2023117
  • 2024366
  • 2025365
  • 2026292

Datos random

He probado: cocodrilo, haggis, natto, durian y cuy frito (tranqui, no era el mío).

He tenido: perros, gatos, hámsters, un cuy y una ninfa llamada Pollito.