Barcelona · Disponible

Javier Gaig Mellado

Business & Data Analyst
Data-driven Business Analysis for Decision & Impact

Perfil híbrido entre negocio y datos: traduzco la realidad operativa de una empresa en modelos analíticos que responden preguntas reales. Construyo soluciones data end-to-end — desde la integración de fuentes hasta el dashboard ejecutivo — con foco en rentabilidad, márgenes y decisión, no en la tecnología por sí misma.

Mis habilidades

Data end-to-end
Pipeline completo
De la fuente al dashboard, con autonomía técnica para ejecutar.
Negocio primero
Márgenes, no pipelines
Se trabaja con los datos y los equipos de negocio. El margen es el objetivo, los datos el medio.
Stack Azure · BI
Técnico y ejecutor
ADF, Azure SQL, Power BI, Python, T-SQL. Domino el stack completo: diseño la solución y la construyo.
5+ años · 4 empresas
Entornos reales
Amazon, Pronovias, GAES, distribuidoras. Retail, moda, finanzas, empresa familiar.

Perfil

Ingeniería Multimedia
La Salle URL · 2016 – 2022
Ingeniería Informática
La Salle URL · 2016 – 2022

El objetivo de un buen sistema de datos no es tener datos — es que esos datos sean una réplica fiel del funcionamiento real de la empresa. Cada venta, cada compra, cada operación, cada decisión tiene que estar capturada, estructurada y accesible. Cuando eso ocurre, negocio y datos operan con el mismo contexto.

Cuando el dato y el negocio van de la mano, las preguntas correctas tienen respuesta inmediata — y las respuestas correctas generan las preguntas siguientes. La empresa no opera sobre intuición: opera sobre información que refleja exactamente lo que está pasando.

"Cuando los datos replican con precisión cómo opera una empresa, cualquier pregunta del negocio ya tiene el contexto para ser respondida correctamente."

He construido estos sistemas colaborando con equipos de negocio, dirección y datos en entornos muy distintos — desde Amazon hasta empresas familiares con ERP legacy. He liderado equipos técnicos y coordinado proyectos transversales entre áreas. El patrón siempre es el mismo: los datos están, pero nadie los ha estructurado para responder las preguntas que importan.

Negocio & Análisis

Análisis de márgenes Rentabilidad por producto Diagnóstico operativo Diseño de KPIs Reporting directivo Control de negocio Análisis causal Empresas medianas y familiares

Datos & Tecnología

T-SQL / SQL Server Python Power BI Azure Data Factory Azure SQL Azure Data Lake Azure DevOps Modelado de datos

Liderazgo & Colaboración

Liderazgo de equipos técnicos Colaboración con negocio Gestión de proyectos de datos Comunicación con dirección Traducción técnico-negocio

Sectores

Retail Moda & lujo Logística & eCommerce Distribución B2B Empresa familiar Trading & fintech

Lo que he aprendido
en cada etapa.

Proyectos propios

Proyectos iniciados, desarrollados y — en algunos casos — descartados por decisión propia. Los incluyo porque muestran cómo pienso: validación con criterio, análisis de viabilidad real y capacidad de cerrar algo cuando los números no cuadran.

Descartado

Amor en Lienzo

eCommerce · Kit de arte íntimo para parejas · amorenlienzo.com

Proyecto de validación de producto físico: un kit premium de arte íntimo pensado como regalo-experiencia con resultado decorativo. Desarrollo integral del concepto, benchmarking de competidores (Love is Art, Allure Art), naming, web eCommerce con productos sold out para medir demanda real, packaging lean, y validación con 5 packs entregados a usuarios reales. Se gestionaron reuniones y negociaciones con proveedores de pinturas aptas para piel, lienzos y componentes del kit — relaciones clave para entender la viabilidad real del producto.

Por qué se descartó

La normativa UE para pinturas aplicables sobre piel imponía un capex inicial de +50.000€ para cumplimiento cosmético — lo que cambió radicalmente el modelo de negocio.
El producto depende de generar tendencia continuamente. No es un eCommerce que se construye y escala solo, y ese no es el tipo de operación que buscaba.

Qué aprendí

La validación es clave cuando hay una inversión significativa en juego — aquí decidía si invertir 50k o no. Pero hay casos donde la parálisis por análisis es el error: a veces es mejor ejecutar y aprender en marcha.
La relación con proveedores es tan estratégica como la relación con el cliente. Tienen un conocimiento del mercado y la cadena de suministro que no se consigue de otra forma.
El encaje entre tipo de producto, modelo operativo y perfil del founder importa tanto como la oportunidad de mercado.
eCommerce Validación de producto Negociación con proveedores Go-to-market Marketing digital
Descartado

HANG Media

B2B · Publicidad en bolsas de supermercado · hangmedia.es

Red de publicidad física en punto de venta: convertir las bolsas de supermercado en soporte publicitario para marcas de gran consumo. Modelo B2B completo con tres actores — supermercados, anunciantes y agencias de medios. Se desarrolló pricing por campaña, análisis de viabilidad por provincia, dossier comercial y web. Se mantuvieron reuniones y negociaciones activas con Caprabo, Condis y otras cadenas regionales, así como con agencias de medios y potenciales anunciantes.

Por qué se descartó

Las cadenas de supermercados mostraron poco interés operativo. Sin un partner ancla, vender campañas a anunciantes era inviable — un círculo difícil de romper.
El modelo requiere volumen para ser rentable, y el volumen depende de acuerdos con las cadenas. La secuencia es crítica y no se pudo resolver.

Qué aprendí

En modelos B2B con múltiples stakeholders, el primer eslabón de la cadena es el que desbloquea todo lo demás. Sin él, el resto del modelo no arranca.
Construir el modelo completo — pricing, logística, argumentario, dossier — antes de tener el acuerdo ancla es un error de secuencia que consume recursos sin retorno.
Las reuniones y negociaciones con cadenas de distribución tienen tiempos muy largos y decisores difíciles de alcanzar. Hay que planificar en consecuencia.
Modelo B2B Retail media Negociación comercial Go-to-market Pricing

04 · Contacto

¿Datos,
pero no respuestas?