contáctenos

Seguimiento de márgenes multipaís: del precio de tarifa al neto-neto, semana a semana

Una cascada de precios semanal desde la tarifa hasta el neto-neto, con vistas de márgenes de fabricante y distribuidor, construida sobre datos gestionados por cada país y un modelo de reporting común.

Fabricante confidencial de alimentación y bebidas NDA 2026

Estado: En producción para el primer país, con más países incorporándose sobre el mismo contrato.

Ventas y marketing Alimentación y bebidas / FMCG Revenue Growth Management Ingeniería de datos Analítica de ventas y comercial
Cascada semanal de precios de la tarifa al Net 5, con las perspectivas de fabricante y distribuidor, y con o sin promociones.
Resumen del proceso. Abrir imagen completa

Reto

Los distintos códigos de origen, granularidades temporales y condiciones comerciales impedían una visión coherente del margen entre países.

Solución entregada

Datos semanales gestionados por cada país, un contrato Parquet incremental, un motor de precio neto compartido y medidas de Power BI generadas.

Valor de negocio

Cascadas de precios semanales y vistas de márgenes comparables, con propiedad local de los datos y más países en proceso de incorporación.

Reto

Un fabricante de alimentación y bebidas quería una visión única de cómo evolucionan sus precios desde la tarifa de lista hasta el precio neto final. Esa visión debía mostrar cada condición comercial del recorrido, lo que el comprador paga realmente en el lineal y cómo se reparte el margen entre fabricante y distribuidor. Tenía que funcionar por producto, por cliente y por semana, para varios países europeos y también como total europeo.

Los datos estaban en muchos sitios, y cada país los obtenía de sistemas y proveedores distintos. El ERP contenía las facturas, las tarifas y los impuestos. Una herramienta de planificación contenía la previsión. Un panel de retail aportaba el sell-out semanal, una herramienta de planificación de promociones contenía las condiciones comerciales y un servicio de monitorización seguía los precios en el lineal. Cada fuente tenía sus propios códigos y su propia granularidad: facturas diarias, previsiones mensuales, semanas de panel que no coinciden con las semanas naturales y promociones acordadas con una central de compras y no con cada tienda.

Lo más difícil era la lógica de descuentos. Las condiciones comerciales se aplican en una cascada de hasta cinco pasos. Cada una es un porcentaje o un importe fijo y se aplica a un precio intermedio concreto. Algunas son promocionales; unas son visibles para el distribuidor y otras no. Un único país disponía de una versión anterior de la herramienta de seguimiento. Escalarla a más países suponía que la lógica ya no podía estar programada de forma fija. Además, los países trabajaban con distintas generaciones de la plataforma de datos y necesitaban migrar a su propio ritmo.

Enfoque

Dividimos la solución en dos capas con un contrato claro entre ellas.

  • Una capa de país, gestionada por cada país. Cada fuente se lleva a la misma granularidad: semana × producto × cliente. Una herramienta de mapeo de productos vincula los productos del panel y de precios en el lineal con los materiales del ERP. Los servicios de datos maestros gestionan los clientes, los mapeos de códigos y los derechos de acceso. Las partes delicadas se tratan de forma explícita:
    • Las previsiones mensuales se reparten por semanas en línea con los volúmenes facturados.
    • El sell-out del panel se asigna de los grupos de productos a los materiales individuales con un mix de ventas de 52 semanas móviles.
    • Los precios que cambian a mitad de semana se ponderan por las unidades vendidas a cada precio.
    • Todos los volúmenes y precios se convierten a unidades de venta y kilogramos.
  • Reglas de condiciones comerciales mantenidas por el negocio. Cada mecanismo promocional se clasifica una sola vez, en los datos maestros: a qué precio se aplica, qué paso de la cascada genera, si es un porcentaje o un importe y si el distribuidor lo ve. Estas reglas las mantienen los usuarios de negocio, no los desarrolladores.
  • Incremental por diseño. Los datos maestros se comparan con la instantánea del día anterior y solo se recalculan los productos, clientes y semanas afectados. Las eliminaciones se conservan como marcas, de modo que se propagan limpiamente aguas abajo. La ejecución diaria completa dura alrededor de un cuarto de hora.
  • Un traspaso mediante data lake. Una tabla de control dirige las exportaciones Parquet incrementales por país y tabla, y las fusiona en la capa común. Las columnas nuevas se añaden automáticamente, de modo que un nuevo tipo de condición o un campo específico de un país fluyen sin cambios de código. Como el traspaso se basa en archivos, cada país puede pasar a la siguiente generación de la plataforma de forma independiente.
  • Una capa común, construida una vez para todos.
    • El motor de precio neto recorre la cascada desde la tarifa hasta Net 1 … Net 5.
    • Genera cuatro vistas del mismo precio: perspectiva de fabricante o de distribuidor, con o sin promociones.
    • Crea dinámicamente una columna por cada tipo de condición.
    • Obtiene los totales europeos mediante medias ponderadas por volumen.
  • Reporting generado. El modelo de Power BI tiene más de 560 medidas y ninguna está escrita a mano. Un pequeño generador en Python combina una biblioteca de plantillas DAX con un archivo de configuración y escribe las medidas directamente en los archivos fuente del modelo. Así, cada precio está disponible por unidad, por kilogramo y en total, como media del periodo o como último valor. Los márgenes, las cuotas del profit pool y las comparaciones interanuales siguen un patrón coherente. La seguridad a nivel de fila por país y por cliente se mantiene en los datos maestros.
  • Un único pipeline orquestado. Un único flujo programado ejecuta la ingesta, las transformaciones, el traspaso, el motor de precio neto y la actualización de los informes, en orden de dependencias y con alertas de fallo.

Resultados

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

  • Una cascada de precios semanal por producto y cliente, desde la tarifa hasta el neto-neto y hasta el precio en el lineal

  • Márgenes de fabricante y distribuidor en paralelo, con el profit pool y su reparto, incluidas las comparaciones interanuales

  • El mismo modelo y las mismas definiciones para todos los países, además de los totales europeos

  • Lógica de condiciones comerciales en reglas mantenidas por el negocio en lugar de fórmulas programadas de forma fija; los nuevos tipos de condición aparecen automáticamente como columnas nuevas

  • Cientos de medidas coherentes generadas a partir de una única configuración, en lugar de fórmulas escritas a mano que acaban divergiendo

  • Actualizaciones diarias rápidas, porque solo se recalcula lo que ha cambiado

  • Los países conservan la propiedad de sus datos locales y pueden migrar de plataforma a su propio ritmo, tras un único contrato de tablas estable

  • En producción para el primer país, con más países incorporándose sobre el mismo contrato

Snowflake SQL y Snowflake Scripting Azure Data Factory Informatica Cloud SQL Server Master Data Services Stonebranch Python Power BI

Áreas de solución: Fundamentos de datos · Analítica y reporting

¿Quiere hablar de un reto similar?

Cuéntenos dónde se encuentra hoy y qué quiere cambiar. Compartiremos lo que hemos aprendido en proyectos comparables y le propondremos una forma acotada de empezar.

Reserve una reunión de 30 min