En los mercados donde cada pedido se gana o se pierde en horas, tener datos no alcanza: hay que poder verlos. Ese es el punto de partida del proyecto que BigTelligent acompaña junto a Familia Parra, cuyo objetivo es transformar información dispersa en un tablero comercial en Power BI que permita medir la gestión, comparar resultados y decidir con evidencia.
El proyecto se desarrolla en el marco de la alianza institucional entre BigTelligent y la Universidad Siglo 21 para Prácticas Profesionales Supervisadas, un espacio en el que estudiantes trabajan sobre desafíos reales de empresas, con la guía de profesionales con experiencia en datos.
Un negocio que compite contra el reloj
Familia Parra cotiza y vende repuestos originales y autopartes para la reparación de siniestros automotores a través de dos empresas: Parra Automotores S.A. y Parra e Hijos S.A.
El circuito funciona así: las compañías de seguros y sus peritos publican pedidos de repuestos en plataformas externas de licitación. Los proveedores compiten en precio y plazo de entrega y, al vencer el plazo de cotización, el perito adjudica el pedido. A partir de ese momento comienza el despacho de las piezas.
En este esquema, la velocidad de respuesta y la capacidad de cotizar la mayor cantidad posible de pedidos tienen un impacto directo en las ventas. Por eso, medir qué pasa con cada oportunidad es clave.
El desafío: datos dispersos y una planilla al límite
El problema no era la falta de datos, sino la falta de una vista integrada. El relevamiento inicial identificó cuatro puntos críticos:
- Sin reportería integrada. Las plataformas de licitación no ofrecían métricas de productividad, el volumen total de pedidos del mercado ni la tasa de conversión.
- Un prototipo que ya no escalaba. El análisis dependía de una planilla de Google Sheets con scripts que requerían pasos manuales, como renovar a mano la sesión de acceso, y que superaban los límites de tiempo de ejecución. El resultado: cortes, ejecuciones parciales y riesgo de perder registros.
- Consultas con tope de registros. Una de las plataformas devuelve una cantidad máxima de filas por consulta, sin avisar si quedaron datos afuera.
- Ganar no es facturar. Adjudicarse un pedido no garantiza la venta. Hacía falta cruzar lo ganado con la facturación real.
La solución: una arquitectura de datos de punta a punta
Antes de elegir herramientas, el equipo relevó reglas de negocio, fuentes de datos y requerimientos junto al área comercial, el área de sistemas y el proveedor de TI de la empresa. Sobre esa base se diseñó una arquitectura de cuatro capas:
- Extracción automatizada. Flujos en Power Automate reemplazan los scripts manuales y consultan las plataformas de licitación de ambas empresas.
- Carga incremental. Cada día se incorporan solo los registros nuevos a partir del último punto de control. Si una consulta alcanza el tope de filas, el rango de fechas se subdivide automáticamente para no perder información.
- Almacenamiento en SQL Server. Los datos se organizan en un modelo dimensional basado en un esquema en estrella, la estructura recomendada para modelos de Power BI, con respaldos programados ante contingencias.
- Tablero en Power BI. La capa de análisis donde el equipo comercial visualiza su gestión.
El diseño también contempla requisitos clave para la continuidad: ejecución autónoma, escalabilidad sin las limitaciones de cuota de las planillas y código mantenible en el tiempo, para que la solución siga funcionando más allá de la pasantía.
Las métricas del tablero comercial en Power BI
El tablero responde tres preguntas que hasta ahora no tenían una respuesta clara:
- Productividad: cotizaciones realizadas sobre pedidos recibidos. Muestra qué proporción de las oportunidades disponibles llega a cotizarse.
- Efectividad: cotizaciones ganadas sobre cotizaciones realizadas. Indica qué tan competitivas son las ofertas.
- Market share: participación sobre el volumen total de pedidos del mercado.
Cada métrica se puede desglosar por empresa, marca, aseguradora, perito, zona y período, con un histórico que parte de enero de 2026. Así, lo que antes era una percepción, por ejemplo cuántos pedidos vencen sin ser cotizados, se convierte en un indicador que se puede seguir y mejorar.
Qué gana la empresa
- Datos que se actualizan solos, sin intervención manual.
- Escala sin límites de cuota, gracias a un motor de base de datos relacional en lugar de una planilla.
- Visibilidad comercial: dónde se pierden oportunidades y qué cotizaciones se convierten en ventas.
- Continuidad asegurada, con una solución documentada y mantenible.
Próximos pasos
La implementación está en curso. Las próximas etapas incluyen sumar el resto de las plataformas de licitación al modelo, completar el cruce con la facturación y poner en producción la infraestructura de servidor junto al proveedor de TI de la empresa.
Formar talento resolviendo problemas reales
Para BigTelligent, este tipo de proyectos reúne dos objetivos: acompañar a las empresas en su camino hacia organizaciones impulsadas por datos y contribuir a la formación de nuevos profesionales a través de experiencias concretas. La alianza con la Universidad Siglo 21 permite que ambos objetivos se encuentren en un mismo proyecto.
Cuando los datos de una empresa están repartidos en sistemas que no se integran, el primer paso es ordenarlos. En BigTelligent diseñamos arquitecturas de datos y tableros en Power BI que convierten esa información en decisiones.
