Conclusiones del Proyecto

Este proyecto transformó mi manera de pensar la ingeniería de datos. Desde la primera entrega, enfocarnos en la reproducibilidad y trazabilidad del procesamiento nos dio una base sólida que resultó más valiosa que cualquier modelo sofisticado. Diseñar y ejecutar 297 modelos baseline me obligó a pensar en escalabilidad real: funciones reutilizables, pipelines parametrizados y visualizaciones automáticas para cualquier combinación de padecimiento, estado y sexo. El aprendizaje más profundo fue entender que un baseline no es un modelo “malo” — es la referencia objetiva que da sentido a toda optimización. Sin los 297 modelos v4, las mejoras del v5 y v6 no tendrían fundamento. Construir el dashboard ejecutivo y las visualizaciones para el IMSS me enseñó que la comunicación visual de resultados es tan importante como los resultados mismos, especialmente cuando los stakeholders son médicos, no ingenieros.

Como profesional de TI en el IMSS, este proyecto tiene un significado particular: estamos construyendo herramientas que podrían integrarse directamente en los procesos de planificación institucional. Desde el EDA inicial aprendí que no basta con cargar datos y correr análisis automáticos; es necesario entender qué representan y dónde pueden engañar. La validación cruzada temporal me mostró la importancia de evaluar modelos con ventanas deslizantes que simulan el escenario real de pronóstico. La detección de outliers fue reveladora: muchos valores atípicos coinciden con períodos de captura irregular que conozco de primera mano. El pipeline completo — desde la extracción de PDFs hasta el benchmark SageMaker — demostró que un sistema de pronóstico epidemiológico robusto es viable con datos reales e imperfectos del SINAVE.

Mi experiencia en ingeniería de controles en Tesla me dio una perspectiva particular sobre sistemas dinámicos, y las series de tiempo epidemiológicas comparten más de lo esperado con los sistemas que modelo profesionalmente: tendencias, estacionalidades, perturbaciones externas y la necesidad de intervalos de confianza para la toma de decisiones. Integrar datos del INEGI con el SINAVE y construir la capa de visualización en Tableau evidenció la importancia de traducir resultados técnicos a formatos consumibles por tomadores de decisiones. Lo que más me impactó fue la heterogeneidad entre estados: mientras algunos presentan series limpias y predecibles, otros son prácticamente impredecibles — lo cual apunta a diferencias en la infraestructura de captura, no en la dinámica epidemiológica. El benchmark SageMaker con 1,548 trials fue la prueba de fuego que validó nuestras decisiones de modelado.