QA & Automation Engineer
Data-Driven Quality.

QA ENGINEER con Experiencia en Datos | DATA QUALITY ENGINEER | DATA ENTHUSIAST | DATA QUALITY ASSURANCE ANALYST

Especialista en Testing Automatizado. Uso análisis de Datos y Lógica de Negocio para asegurar software robusto y rentable.

Diego Ruiz Inga - QA Engineer
Sobre mí

QA Automation Engineer & Data Enthusiast

Soy un QA Engineer con experiencia en Datos, enfocado en garantizar la calidad desde adentro del proceso, no solo al final. Me especializo en diseñar estrategias de prueba que combinan testing manual, automatización y validación de datos para asegurar que los entregables cumplan los requerimientos antes de llegar al usuario.

Mi formación en Ingeniería Empresarial me permite leer el software con lógica de negocio: conecto los requisitos funcionales con lo que realmente debe ocurrir en producción. He trabajado con Selenium, Python, Postman y SQL ejecutando desde pruebas de regresión cross-browser hasta validaciones de endpoints de API con más de 70 casos de prueba documentados. También aplico IA generativa y Prompt Engineering para optimizar scripts y escenarios de prueba complejos.

Lo que aporto:

  • QA Técnico: Automatización con Selenium, pruebas de API con Postman y cross-browser testing en múltiples entornos.
  • AI-Powered QA: Uso de IA generativa y Prompt Engineering para acelerar la creación de scripts y escenarios de prueba complejos.
  • Calidad de Datos: Validación ETL, SQL y pipeline testing con BigQuery y Looker Studio sobre +10,000 registros.
Diego Ruiz Inga

Mi Caja de Herramientas

PORTAFOLIO DESTACADO

Data Quality & ETL (Evolta CRM)

BigQuery

Implementé el pipeline ETL completo para Evolta CRM integrando 3 fuentes (Google Ads, Meta Ads y CRM) hacia BigQuery. Automaticé validaciones de calidad sobre +10,000 registros, reduciendo el tiempo operativo en un 80%.

  • 🚀 Pipeline ETL validado: Reconciliación fuente-destino sobre +10,000 registros, alcanzando 95% de coincidencia entre dashboard y fuente antes de la entrega.
  • Impacto de negocio: Habilitó el cálculo del CAC por primera vez en la empresa y redujo en un 60% las correcciones post-entrega del dashboard en Looker Studio.

Ver Reporte en Vivo →

Urban Routes Automation

Selenium

Automaticé el flujo completo de pedido de Urban Routes con Selenium y Page Object Model, reduciendo el tiempo de regresión en un 97% — de 30 minutos manuales a menos de 1 minuto ejecutable.

  • 📋 Listas de comprobación: 4 checklists y 67 test cases en Chrome (800×600) y Firefox (1920×1080), alcanzando el 100% de aprobación antes del lanzamiento.
  • 🧭 Pruebas Cross-browser: Suite estructurada en 3 capas independientes (POM), detectando inconsistencias visibles solo en resoluciones específicas de viewport.

Ver Código en GitHub →

Urban Scooter API Testing

Postman

Diseñé una estrategia de pruebas autónoma sobre 3 capas del sistema (web, móvil y API) para Urban Scooter, consolidando 164 validaciones en un único entregable sin documentación previa y logrando el 100% de aprobación.

  • 🧪 164 validaciones cubiertas: 100% de aprobación en web (36/36), datos (55/55) y API (50/50) antes del despliegue.
  • 🔗 50 requests con Postman: Cobertura completa (100%) de los endpoints críticos de reserva y disponibilidad, verificando HTTP, errores y coherencia de datos.

Ver Documentación →

Urban.Lunch – Aplicación Android

Android

Validé la primera versión del APK de Urban Lunch en Android Studio desde cero, sin documentación de pruebas previa. Diseñé y ejecuté 72 test cases logrando detectar 14 defectos con una tasa del 19%.

  • Lista de Verificación: 72 test cases cubriendo escenarios límite, negativos y flujos críticos — 81% pass rate (58 PASSED / 14 FAILED).
  • 📲 Pruebas en Emulador: 14 defectos de alto impacto en UX documentados en JIRA con pasos de reproducción, severidad y evidencia visual capturada.

Ver Documentación →

Urban.Grocers – Backend & API

Postman

Analicé los requisitos de Urban Grocers identificando más de 5 zonas grises críticas antes de escribir el primer test case. Construí 2 artefactos de análisis en draw.io (mapa mental y diagrama de flujo) para estructurar la cobertura.

  • ✔️ 71 casos de prueba: Sobre 2 endpoints POST: 46 aprobados y 25 defectos detectados (35% defect rate), reportados en JIRA con trazabilidad directa.
  • 🔍 Pruebas de Endpoints: Cobertura completa de respuestas 200 OK, errores 400 y validaciones de estructura de datos antes del despliegue.

Ver Documentación →

Urban.Routes – Manual Regression

Manual

Validé la funcionalidad de car-sharing de Urban Routes en 2 navegadores con resoluciones distintas. Elaboré 4 listas de comprobación para formularios, ventanas clave y métodos de pago.

  • ✔️ Diseño de Pruebas: 67 test cases en Chrome (800×600) y Firefox (1920×1080), 100% aprobados — alcanzando 95% de cobertura funcional del car-sharing.
  • 🐞 Reporte de Defectos: Inconsistencias cross-browser documentadas en JIRA con pasos de reproducción, severidad clasificada y evidencia visual.

Ver Documentación →

Urban.Grocers – Automation Framework

Python

Convertí la lista de comprobación manual del campo 'name' en una suite automatizada con Python y Pytest, reduciendo el tiempo de ejecución en más del 90% y eliminando el envío manual de requests desde Postman.

  • 3 tipos de escenario automatizados: Válidos, inválidos y de borde sobre el endpoint POST de creación de kits — garantizando 100% de reproducibilidad.
  • 🧩 Arquitectura Modular: Suite con configuración en data.py, funciones de prueba independientes y repositorio entregado en GitHub con historial organizado.

Repositorio GitHub →

¿Te gustó mi trabajo?

Tengo más proyectos relacionados a mi expertise que me gustaría mostrarte.

Ver más proyectos →