Distribución alimentaria · cadena de frío
Plataforma de Business Intelligence de ventas y compras
Consolidación de datos multiempresa, Data Warehouse, ETL e informes dinámicos en Power BI.
4 empresas
Consolidadas en un único modelo
Diaria
Actualización vía ETL e integración con ERPs
Estrella
Modelo dimensional de hechos y dimensiones
Resumen
Plataforma de BI que unifica los datos de ventas y compras de las empresas de Grupo Pomona Iberia en un único sistema analítico. De Excel, SharePoint y ERPs distintos a un Data Warehouse común con informes interactivos en Power BI. Arquitectura por capas, escalable y automatizada: ETL en Python cada madrugada, DW en MySQL con modelo dimensional, y cuadros de mando que analizan el rendimiento por empresa, cliente, zona, producto y periodo.
Tecnologías
El cliente
Rama ibérica de un grupo de distribución alimentaria en cadena de frío, que agrupa varias empresas de producto refrigerado y congelado —Friolisa, Novafrigo, Sanamar y DIL—. Cada compañía con sistemas, clientes y catálogos propios genera un gran volumen de datos. La dirección necesitaba visión consolidada y comparable del rendimiento, pero la información vivía repartida y en formatos heterogéneos.
El reto
Cada empresa gestionaba sus datos por separado en orígenes distintos: Excel propio, SharePoint y ERPs diferentes. Sin modelo común ni vía unificada de consulta, los informes se hacían manualmente, fragmentados y dependientes de cada formato. Consolidar el grupo era costoso y propenso a errores. Necesitaban una plataforma de BI unificada y escalable, preparada para incorporar empresas, conectarse a más ERPs y ampliarse a nuevos análisis.
La solución
Data Warehouse con modelo dimensional
Data Warehouse en MySQL con modelo en estrella que homogeneiza todas las empresas. Hechos —ventas y compras: cantidad, importe, coste, margen— y dimensiones —cliente, producto, proveedor, provincia—. Estructura común que consolida bajo un mismo lenguaje analítico y habilita análisis geográfico, por catálogo y por estructura comercial.
Procesos ETL automatizados y multiorigen
ETL en Python que lee cada origen en su propio formato —Excel y SharePoint, o conexión directa al ERP— y normaliza al modelo del DW. Pipelines ejecutadas cada madrugada con cron, sin intervención manual.
Integración directa con los ERPs
Integración directa con los ERPs por SQL, sustituyendo archivos y carpetas compartidas por conexión permanente a las bases de origen. Incluyó estudio de cada base y red segura por VPN. Resultado: actualización fiable y hasta diaria sin errores manuales.
Informes dinámicos en Power BI
Cuadros de mando en Power BI publicados en Power BI Service con refresco automático vía gateway. El informe de ventas analiza el rendimiento por cliente, zona, equipo, vendedor, segmentación y producto, con análisis geográfico y temporal. Incluye medidas avanzadas —margen %, PMVK, clientes activos, medias móviles, comparativas YoY— y filtros por ejercicio fiscal. Misma arquitectura para el informe de compras.
Resultados
Visión única del grupo: los datos de ventas y compras, antes dispersos en Excel, SharePoint y ERPs diferentes, quedaron consolidados en un único Data Warehouse con un modelo analítico común y comparable.
Fin del proceso manual: los procesos ETL automáticos actualizan la información cada madrugada, eliminando la elaboración manual de informes y las posibilidades de error asociadas.
Arquitectura escalable por capas: una arquitectura ETL + Data Warehouse + Power BI que crece sin rehacer el trabajo al añadir empresas, variables o dominios.
Integración directa con los ERPs: conexión permanente a las bases de datos de origen mediante SQL y VPN, que permite actualización fiable y de alta frecuencia, hasta diaria.
Informes ricos para la decisión: cuadros de mando con análisis por cliente, zona, equipo, producto y geografía, medidas avanzadas y filtros por ejercicio fiscal.
Operación fiable y gestionada: infraestructura desplegada con copias de seguridad diarias y gestión transparente para el cliente, que se despreocupa de la capa técnica.