• Resultado

    Esta solución integral permitió al departamento de Cadena de Suministro monitorear y gestionar eficientemente su stock, reduciendo significativamente el riesgo de desperdicio de productos. Los informes de Power BI proporcionaron información clara y accionable, ayudando al departamento de planificación a tomar decisiones informadas y optimizar sus operaciones de cadena de suministro.

    Este proyecto no solo demostró nuestra destreza técnica, sino también nuestra capacidad para comprender y resolver desafíos empresariales complejos a través de datos y análisis.

  • Objetivo

    La cadena de suministro enfrentaba el desafío crítico de gestionar productos con Fechas de Consumo Preferente (BBD). Cada producto tenía un marco de tiempo específico antes de que ya no pudiera venderse a terceros. Para evitar pérdidas potenciales, era imperativo rastrear la fecha de "Venta por Tiempo Máximo" (SMT), la última fecha en que un producto podría venderse. Nuestro objetivo era desarrollar un algoritmo que identifique la cantidad de productos en riesgo de exceder su fecha SMT basado en el stock actual y las previsiones de ventas. Este cálculo debía considerar varios factores, incluidos lotes de productos, ubicaciones de almacenamiento y tipos de stock.

  • Solución

    Desarrollamos una sofisticada y automatizada canalización para abordar este desafío. La solución incluyó los siguientes componentes:

    1. Desarrollo de Algoritmo: Creación de un algoritmo para calcular iterativamente el número de productos en riesgo, teniendo en cuenta las ventas secuenciales por lotes, ubicaciones y tipos de stock.

    2. Recolección Automática de Datos: Implementación de un proceso para recopilar automáticamente datos de stock y previsiones (diarios y semanales) de diversas fuentes, incluidos ERP del cliente y archivos xlsx de usuarios.

    3. Procesamiento y Enriquecimiento de Datos: Uso de Informatica Intelligent Cloud Solution para procesar y enriquecer los datos con información de riesgo, antes de almacenarlos en Snowflake DB.

    4. Informes de Power BI: Traducción de los datos procesados en completos informes de Power BI que incluyeron:

      • Valores de riesgo para cada producto y lote / Alertas para usuarios de negocio
      • Fechas clave (BBD, SMT, Fecha de Producción), ubicaciones y estados.
      • Valores de previsión, antigüedad del stock y pérdidas potenciales
    5. Visualización de Medidas Multi-Unidad: Aseguró que todos los datos relacionados con stock, riesgo, pérdidas y previsiones se mostraran en cuatro unidades de medida: piezas, toneladas, kilogramos y pallets.

    6. Actualizaciones Frecuentes: Configuración del proceso para recalcular automáticamente el riesgo cada tres horas, asegurando información actualizada.

  • Tecnología

    La solución se construye sobre el uso de las principales plataformas del cliente:

    Procesamiento de datos:

         Informatica ICS

    DWH: Snowflake

    Front End: PowerBI

¿Cómo funciona?

1
Fuentes de Datos
  • bases de datos en la nube
  • base de datos local
  • archivos de Excel con formato "bonito"
  • archivos csv
2
Script de Python
  • procesamiento de archivos Excel con formato
  • conversión a *.csv
3
Pipeline de Linux
  • Filtrado de datos
4
Staging
  • Carga de datos del esquema de staging
5
Agregación / MDS
  • Agregación de datos a nivel mensual
  • Población de Tablas de Hechos Intermedias
  • Carga de datamarts MD
  • Transferencia de datos a MDS
6
MDS
  • Enriquecimiento MD por usuario
  • Ingresar MD requerido para cálculos: cursos, unidades. tasas de conversión.
  • Lanzar continuación del flujo de datos
7
Carga de DWH
  • Cálculo y carga de datamarts desde tablas de hechos y datos de usuario de MDS
  • Registro del log de descarga y los errores que ocurrieron con las razones
8
PowerBI
  • Actualización del conjunto de datos de PowerBI