contáctenos

Sistema de información ejecutiva en Alpro

Una visión única y fiable del rendimiento financiero, logístico y comercial para la dirección.

Bases de datos en la nube y on-premise, y archivos Excel y CSV con formato, armonizados mediante un pipeline automatizado con datos maestros gestionados por el negocio y servidos en Power BI.

Alpro 2024

Cuadro de mando del sistema de información ejecutiva en Alpro: vista de dirección que reúne KPI financieros, logísticos y comerciales
Vista de dirección del EIS; las cifras están difuminadas. Abrir imagen completa

Reto

Los datos para la dirección residían en sistemas desconectados con definiciones incoherentes y se conciliaban manualmente cada mes.

Entregado

Un cuadro de mando EIS a medida sobre un pipeline automatizado: staging, agregación, enriquecimiento con MDS y carga en el DWH.

Hizo posible

KPI coherentes entre departamentos, con un registro de actualizaciones auditable.

Reto

El equipo directivo de Alpro necesitaba una visión única y fiable del rendimiento de la empresa: resultados financieros, operaciones logísticas y actividad comercial. Los datos subyacentes residían en sistemas desconectados con definiciones incoherentes: bases de datos en la nube, bases de datos on-premise, archivos Excel mantenidos a mano con un formato complejo y exportaciones CSV. Obtener una visión mensual coherente para las decisiones de la dirección exigía una conciliación manual entre departamentos: lenta, propensa a errores y costosa de repetir en cada ciclo.

Enfoque

Diseñamos un cuadro de mando EIS a medida que agrega y visualiza los KPI esenciales en una única interfaz intuitiva. La plataforma ingiere datos de bases de datos en la nube y on-premise, procesa con Python archivos Excel y CSV con formato y lo armoniza todo mediante un pipeline estructurado (staging, agregación, enriquecimiento con datos maestros y carga en el DWH) antes de servir los datos a Power BI.

El pipeline está automatizado de principio a fin. Los datos pasan de las fuentes, a través de un paso de preprocesamiento en Python (que trata archivos Excel con formatos no triviales y los convierte a CSV), a un pipeline de filtrado basado en Linux y, después, a un esquema de staging para normalizar su estructura. Desde staging se agregan a nivel de mes, alimentan tablas de hechos intermedias y llegan a los datamarts MD.

Una capa de Master Data Service (MDS) permite a los usuarios de negocio enriquecer el conjunto de datos con la información que solo ellos gestionan: tipos de cambio, unidades y factores de conversión. Tras ese enriquecimiento, el flujo de datos continúa automáticamente: los data marts se calculan y se cargan a partir de las tablas de hechos y de los datos de usuario de MDS, con un registro de cargas que recoge cada actualización y cualquier error con su motivo. Los conjuntos de datos de Power BI se actualizan sobre esta capa fiable.

Resultados

Resultados cualitativos del proyecto; no se afirma ningún ahorro medido.

  • Una visión única y fiable del rendimiento financiero, logístico y comercial para el equipo directivo

  • Visibilidad en tiempo real del rendimiento del negocio: la conciliación de hojas de cálculo se sustituye por un pipeline gobernado

  • Identificación de tendencias y toma de decisiones proactiva, no reporting retrospectivo

  • Coherencia de los datos entre departamentos gracias a una única capa de armonización

  • Datos maestros gestionados por el negocio mediante MDS: tipos de cambio, unidades y factores de conversión mantenidos allí donde reside el conocimiento

  • Registro de actualizaciones auditable con motivos de error explícitos, que facilita un cierre mensual fiable

Python Pipeline en Linux DWH (staging → hechos → datamart) Master Data Services (MDS) Power BI

Áreas de solución: Fundamentos de datos · Productos de datos

¿Tiene un reto similar?

Traiga su conjunto de KPI de dirección. Hablemos de cómo ofrecer una visión única y fiable de los datos financieros, logísticos y comerciales.

Reserve una reunión de 30 min