Base de datos en pausa

La base de datos de este demo está actualmente pausada para reducir costos, por lo que los datos visualizados pueden no estar disponibles o estar desactualizados. Si deseas acceder a los datos en vivo, contáctame en rodrigoalvarezdalmas@gmail.com.

Escribir un correo

Calidad de Data

Auditoría y certificación de información comercial

Ejecutamos un proceso riguroso de auditoría de datos que identificó y corrigió problemas críticos, incluyendo un JOIN incorrecto que invalidaba todo el análisis de gaps. Además, reestructuramos la lógica de negocio para que margen positivo = FTD más barato (intuitivo), y creamos nuevas vistas analíticas con métricas mejoradas.

Match SKU-Precios
96.3%
Registros Validados
95,715
Productos Pareto con Gap
69.4%
Vistas Activas
9

Problemas Identificados y Resueltos

JOIN Incorrecto en Vistas de Precios

CRÍTICO
Antes
JOIN usando codigo_barras que contenía item interno (0% productos Pareto con gap)
Después
JOIN corregido usando sm.item = mp.codigo_barras (69.4% productos Pareto con gap)
Impacto: Productos FTD con gap: 7 → 3,981
Riesgo de Negocio
Datos de gaps completamente incorrectos, análisis inválido

Registros de Ventas Duplicados

ALTO
Antes
866 combinaciones duplicadas de mes-item-ciudad
Después
Consolidados en farmatodo_sales_consolidated usando promedios
Riesgo de Negocio
Inflación artificial de métricas de ventas

Nombres de Competidores Inconsistentes

MEDIO
Antes
59 variaciones de nombres (ej: 'Locatel', 'LOCATEL', 'locatel')
Después
Tabla competidor_canonico con mapeo estandarizado
Riesgo de Negocio
Fragmentación de análisis competitivo

Ciudades sin Normalizar

MEDIO
Antes
Ciudades como texto libre sin estandarización
Después
Tabla dim_ciudades con ciudad_id y nombre_ciudad normalizado
Riesgo de Negocio
Inconsistencias en análisis regional

Lógica de Gap Confusa

ALTO
Antes
gap_pct negativo = FTD más barato (contraintuitivo)
Después
margen_pct positivo = FTD más barato (intuitivo)
Riesgo de Negocio
Interpretación errónea de métricas por usuarios

Outliers Extremos de Precio

MEDIO
Antes
7,361 registros flaggeados con umbral 30% (demasiado agresivo)
Después
948 outliers reales (>100%), incluidos con transparencia
Riesgo de Negocio
Exclusión innecesaria de datos válidos

Mejoras Implementadas (v2.0)

Nuevas Vistas Analíticas

  • vw_regional_mejorado - Comparación vs promedio nacional
  • vw_competidores - Análisis de agresividad de competidores
  • vw_productos_analisis - Punto de equilibrio por producto
  • vw_competidores_analisis - Ranking de competidores

Estados de Precio Estandarizados

  • muy_competitivo (margen > 10%)
  • competitivo (0% a 10%)
  • en_rango (-5% a 0%)
  • en_riesgo (-10% a -5%)
  • critico (< -10%)

Niveles de Riesgo para Pareto

  • alto - gap < -10% (acción inmediata)
  • medio - gap -10% a -5% (monitorear)
  • bajo - gap > -5% (controlado)

Metodología de Auditoría

  1. 1.Migración inicial de datos desde fuentes heterogéneas
  2. 2.Detección de duplicados, outliers y problemas de integridad
  3. 3.Identificación de JOIN incorrecto (codigo_barras vs item)
  4. 4.Reestructuración de lógica de negocio (margen positivo = bueno)
  5. 5.Creación de nuevas vistas analíticas optimizadas
  6. 6.Certificación final y documentación completa

Fórmulas Clave

Margen Porcentual
margen_pct = ((precio_comp - precio_ftd) / precio_comp) × 100

Positivo = FTD más barato ✓

Impacto Estimado
impacto_usd = ventas_totales × |gap_promedio_pct| / 100
Punto de Equilibrio
equilibrio = (1 / (1 - |brecha_pct| / 100)) - 1

Ej: brecha -20% → necesita +25% volumen

Estado: Datos Certificados

El análisis de Price Gap es VIABLE y CONFIABLE para presentar al comité comercial. Match de 96.3% entre SKUs y precios de mercado, 69.4% de productos Pareto con datos de gap, y lógica de negocio unificada e intuitiva.