Nuestra Trayectoria en Datos Financieros
Desde 2019, transformamos información compleja en modelos que ayudan a entender mejor los mercados. No vendemos soluciones mágicas — trabajamos con datos reales y métodos verificables.
Cómo Empezó Todo
En 2019 arrancamos con una idea sencilla: usar machine learning para analizar datos financieros de forma más eficiente. Nada revolucionario, pero sí práctico.
Al principio trabajábamos solo con empresas pequeñas que necesitaban entender sus propios números. Ahí aprendimos que los modelos complicados no sirven si nadie entiende qué hacen. Así que cambiamos el enfoque.
Hoy trabajamos con organizaciones que valoran la transparencia. Les mostramos cómo funcionan nuestros algoritmos y qué limitaciones tienen. Porque en finanzas, saber qué NO puede hacer un modelo es tan importante como saber qué sí puede hacer.
Quiénes Están Detrás
Un equipo pequeño pero con experiencia variada. No somos gurús ni hacemos promesas imposibles — simplemente sabemos trabajar con datos complejos.
Valentín Ochoa
Director de Modelado Predictivo
Lleva más de doce años aplicando algoritmos de machine learning a mercados financieros. Empezó en banca tradicional antes de pasarse al lado técnico. Le gusta explicar conceptos complicados sin tecnicismos innecesarios.
Fermín Campos
Arquitecto de Datos Financieros
Experto en estructurar grandes volúmenes de datos para que los modelos funcionen de manera eficiente. Trabajó en varios proyectos de análisis cuantitativo antes de unirse a novarelicio. Su lema: si tus datos son un desastre, tus modelos también lo serán.
Línea Temporal
Primeros Pasos
Comenzamos con proyectos pequeños de análisis predictivo para empresas locales. Probamos diferentes algoritmos hasta encontrar los que realmente funcionaban con datos financieros reales.
Expansión de Servicios
Ampliamos nuestra oferta para incluir modelado de riesgo y optimización de carteras. Fue el año en que aprendimos que cada sector financiero tiene sus propias particularidades y no existe una solución universal.
Consolidación Regional
Establecimos nuestra oficina permanente en Segovia y desarrollamos alianzas con varias instituciones financieras en Castilla y León. Empezamos a trabajar con datos más complejos y volúmenes mayores.
Presente
Hoy nos enfocamos en mejorar la interpretabilidad de nuestros modelos. Porque un algoritmo que nadie entiende no genera confianza, y en finanzas la confianza lo es todo.
Valores que Guían Nuestro Trabajo
Transparencia Metodológica
Explicamos cómo funcionan nuestros modelos y cuáles son sus limitaciones. No escondemos la complejidad detrás de marketing vacío.
Validación Rigurosa
Probamos todo antes de implementarlo. Los datos históricos son buenos maestros si sabes escucharlos correctamente.
Realismo Técnico
No prometemos resultados imposibles. El machine learning es potente pero tiene límites claros que respetamos y comunicamos.