KENEDY PEDRO ALVA CHAVEZ

Kenedy Pedro Alva Chávez es Doctor en Economía por la Universidad Complutense de Madrid, Licenciado en Estadística y especialista en Ciencia de Datos. Su trayectoria combina la aplicación del análisis estadístico en empresas con la investigación y la docencia universitaria, especialmente en modelos probabilísticos, predicción y análisis económico.

Cuenta con un Diploma de Estudios Avanzados en Ingeniería Matemática y Estadística por la Universidad Carlos III de Madrid. En 2021 obtuvo el doctorado en Economía con la tesis Eficacia de los métodos de búsqueda de empleo, duración del desempleo y determinantes de los salarios de aceptación en la Comunidad de Madrid 2008-2013, dirigida por José Andrés Fernández Cornejo y Lorenzo Escot Mangas.

En el ámbito empresarial, ha trabajado como científico de datos en Viewnext, compañía de consultoría tecnológica y transformación digital perteneciente al grupo IBM en España. Anteriormente, desempeñó el puesto de Lead Data Scientist en Smartme Analytics y funciones de Data Scientist para Banco Santander e Innova-tsn, desarrollando una trayectoria vinculada al análisis de información y la construcción de modelos.

Su experiencia investigadora incluye el trabajo como estadístico en el Consejo Superior de Investigaciones Científicas y como profesor e investigador en la Universidad Carlos III de Madrid. La UCM recoge también una etapa como investigador postdoctoral entre 2023 y 2025, vinculada a la Facultad de Estudios Estadísticos y al grupo AEDIPI, dedicado al análisis de datos en estudios sociales, de género y políticas de igualdad.

Sus publicaciones aplican técnicas estadísticas a cuestiones económicas, sociales y de salud pública. Ha investigado sobre la duración del desempleo y la eficacia de los métodos de búsqueda de trabajo, los factores relacionados con la estabilización del profesorado universitario y los efectos de los terremotos. También es coautor de un documento de trabajo sobre la modelización de la volatilidad intradía del mercado bursátil español mediante análisis de datos funcionales.

Cuenta con experiencia docente en estadística y modelos probabilísticos, así como con conocimientos de R, Python y herramientas de visualización como Power BI y Tableau. Su trayectoria incluye además trabajos sobre series temporales para el Ministerio de Salud del Perú y docencia universitaria en materias relacionadas con la predicción.

Es profesor de ENAE Business School, donde aporta su experiencia profesional e investigadora en estadística, Ciencia de Datos y análisis aplicado a problemas empresariales.