Dashboard en acción
Vistas del proyecto
Resumen ejecutivo, demanda, inventario, proveedores y comercial — las cinco páginas del tablero construido en Power BI sobre el pipeline de Python.
1 / 5
Pipeline analítico end-to-end en Python (12 módulos) para 5 CEDIS, +1,000 sucursales y ~5,000 SKUs: diagnóstico de inventario, forecast con LightGBM, recálculo de políticas (SS / ROP / EOQ), costo de incumplimiento de proveedores, ROI promocional y dashboard ejecutivo de 5 páginas en Power BI.
Ambos tenían razón. Y esa contradicción fue el punto de partida.
Al entrar a los datos de una red farmacéutica nacional — 5 CEDIS, más de 1,000 sucursales, cerca de 5,000 SKUs — el primer hallazgo no fue un problema de forecast ni de modelo. Fue un problema de gobierno de parámetros.
La venta diaria con la que el sistema calculaba el reorden estaba 4.3 veces por debajo de la demanda real. Los parámetros de inventario se habían configurado una vez y nadie los había mantenido. La mediana de inventario meta era de 1 unidad por SKU.
El resultado era estructural: exceso e insuficiencia al mismo tiempo, en el mismo catálogo. Y el mismo patrón se repitió en tres frentes distintos — inventario, proveedores y programa de promociones.
No era un problema tecnológico. La red tenía WMS. Tenía ERP. Tenía datos. Lo que no tenía era gobierno de parámetros y un proceso analítico que convirtiera esos datos en decisiones de reabastecimiento confiables.
No cambiar el sistema. No implementar nueva tecnología. Construir un pipeline analítico end-to-end que diagnosticara el estado real del inventario, recalculara las políticas de reabastecimiento con demanda y lead times reales, y entregara al equipo directivo un dashboard ejecutivo con impacto financiero cuantificado y acciones concretas por frente.
El dashboard no está diseñado para ser revisado de arriba a abajo. Está diseñado para que cada área llegue a su pregunta directamente.
Estado del inventario, capital liberable por CEDIS y los cinco hallazgos clave en una sola vista. Antes de revisar cualquier reporte operativo, la dirección ve aquí si el negocio está en control o no.
Antes de emitir una orden de compra, verifica si el inventario existe en otro CEDIS. Antes de ajustar el punto de reorden, verifica si los parámetros reflejan la demanda real de hoy. El problema de inventario más común no es falta de stock — es parámetros desactualizados.
El lead time declarado y el lead time real son casi siempre diferentes. Esa diferencia tiene un costo financiero calculable y atribuible por proveedor. Cuando ese costo está cuantificado, deja de ser una queja operativa y se convierte en un argumento de negociación.
El uplift de una promoción no se mide comparando ventas del período — se mide contra la demanda base proyectada sin la promoción. Sin ese baseline, es imposible saber si el descuento generó venta incremental o simplemente adelantó compras que hubieran ocurrido de todas formas.
No todos los SKUs necesitan el mismo modelo. Un modelo sofisticado aplicado a demanda intermitente genera más ruido que señal. La segmentación ABC-XYZ define qué método de forecast merece cada familia — y por qué el modelo más simple a veces es el correcto.
Resumen ejecutivo, demanda, inventario, proveedores y comercial — las cinco páginas del tablero construido en Power BI sobre el pipeline de Python.
El objetivo era optimizar políticas de inventario. El hallazgo fue otro: en tres frentes distintos apareció el mismo patrón — falta de gobierno de los datos y parámetros.
Cada página cubre un frente del problema — de la vista para Dirección General al detalle operativo de políticas, proveedores y comercial.
KPIs consolidados, cascada inventario → reducción → meta, capital liberable por CEDIS y los cinco hallazgos clave en una vista para Dirección General.
Demanda histórica y forecast por mes, crecimiento YoY de 26.5%, FACC del modelo y desglose por división y SKU.
Salud del stock por estado, matriz acción × clase ABC, meta del sistema vs meta propuesta y políticas SKU por SKU.
Costo de incumplimiento de lead time, desviación en días y desglose de safety stock extra vs inventario de ciclo por proveedor.
ROI promocional por mecánica, cuadrante de rentabilidad de las 1,176 sucursales y margen por región.
14 tablas (CSV) exportadas por el pipeline, modeladas en estrella con dimensión puente CEDIS×SKU y 38 medidas DAX.
En lugar de un solo modelo para ~5,000 SKUs, puse a competir tres métodos y dejé que cada clase de producto usara el que mejor le funcionaba — champion-challenger por clase ABC, validado con backtesting real (Oct–Dic 2025).
El pronóstico del próximo mes es igual al mes anterior. Gana en clase D (demanda intermitente), donde buscar patrones es perseguir ruido.
Promedio de los últimos 3 meses. Captura el nivel reciente y suaviza picos aislados, pero reacciona tarde a cambios de tendencia.
Gradient boosting con lags, medias móviles, estacionalidad, división y categoría. Gana en clases A/B/C, con patrón y volumen suficientes.
Sobre un inventario activo de $1,425.8M MXN con cobertura mediana de 86 días contra una meta calculada de 34 — el exceso estructural está concentrado en los CEDIS de mayor volumen.
Un solo script corre de punta a punta desde el Excel crudo hasta los 14 CSV del modelo — 12 módulos sin dependencias de software propietario adicional.
Carga y limpieza desde Excel crudo (10 hojas), demanda de formato ancho a largo y snapshot de políticas. Pipeline reproducible.
Diagnóstico de exceso y quiebre con demanda implícita, y detección del sesgo del sistema — venta diaria 4.3x subestimada.
ABC bidimensional (volumen × rentabilidad por CEDIS) con la matriz de criterios del negocio, y XYZ por variabilidad de demanda.
Modelo tweedie por clase ABC con backtesting real (Oct–Dic 2025). FACC blended 85.2%.
Safety stock con sigma de demanda y de lead time, punto de reorden, EOQ e inventario meta — 17,372 políticas SKU-CEDIS.
Cuantificación financiera, redistribución inter-CEDIS, efecto promocional y export a 14 CSV para el modelo estrella.
Este caso representa mi forma de trabajar — análisis riguroso, código real y resultados medibles. Si buscas ese perfil para tu equipo o proyecto, conectemos.