No incluye nuevos orígenes de datos, rediseños del modelo ni desarrollos adicionales.
¿Pierdes horas cruzando Excels con tu base de datos antigua?
En Kubodata trabajamos con distintas fuentes de datos, para convertirla información útil.
Para este caso, partimos de una tabla de ventas en Mysql y de un fichero de objetivos en Excel .
Datos de Ventas en Mysql (Ficticios):
Datos en Excel (Ficticios):
A partir de un de una tabla de ventas en Mysql y un Excel de objetivos, diseñamos un modelo en estrella optimizado, creando un Datamart ligero que permite analizar ventas, objetivos, clientes, productos y comerciales de forma clara y rápida.
Una vez definido el modelo de datos, centralizamos tanto la tabla de ventas en Mysql como el fichero de objetivos en Excel en una base de datos SQL Server 2022. Para automatizar esta información, utilizaremos SQL Server Integration Services (SSIS).
El primer paso será cargar la información de ventas de Mysql a Sql Server en una tabla de staging.
ETL Ventas Staging:
stg_ventas_kubodata:
Después cargamos en Excel de objetivos en Sql Server tambien en una tabla de staging.
ETL Objetivos Staging:
stg_objetivos:
Una vez los datos están centralizados en la base de datos de SQL Server, realizamos un proceso de depuración y transformación para convertir la información bruta de una base de datos antigua y de un Excel en dimensiones de negocio.
En este paso:
-
- Eliminamos duplicados
-
- Normalizamos valores
-
- Creamos claves técnicas
-
- Preparamos los datos para análisis
Todo este proceso se ejecuta de forma automática mediante procesos ETLs en SQL Server Integration Services (SSIS).
Ejemplo dim_comercial:
Tabla dim_comercial:
Con las dimensiones ya preparadas, procedemos a generar los procesos de ETL final, para cargar las tablas de hechos ventas y objetivos. Ambas tablas serán el núcleo de nuestro análisis
En el proceso de ventas:
-
- Relacionamos cada venta con sus dimensiones (cliente, producto, comercial, fecha…)
-
- Generamos las claves foráneas del modelo en estrella
-
- Validamos la coherencia de los datos
-
- Calculamos métricas listas para explotar en informes
Resultado: Tabla de hechos fact_ventas
El resultado es una tabla de hechos optimizada para análisis, que permite responder a preguntas como:
-
- ¿Qué clientes generan más ingresos?
-
- ¿Qué productos venden mejor por periodo?
-
- ¿Qué comercial obtiene mejores resultados?
-
- Relacionamos cada objetivo con sus dimensiones (comercial, fecha…)
- Generamos las claves foráneas del modelo en estrella.
- Validamos la coherencia de los datos
- Calculamos métricas listas para explotar en informes
ETL Objetivos:
Resultado: Tabla de hechos fact_objetivos:
El resultado es una tabla de hechos optimizada para análisis, que permite responder a preguntas como:
-
- ¿Qué comerciales han alcanzado sus objetivos?
-
- ¿Se han alcanzado los objetivos por mes?
-
- ¿Se han alcanzado los objetivos por año?
Todo este flujo se ejecuta de forma automática y desatendida, orquestado desde SQL Server Integration Services (SSIS) mediante procesos ETL.
De esta forma, pasamos de una base de datos antigua y un Excel a un sistema de información empresarial preparado para crecer y analizar el negocio en tiempo real.
Visualizamos el Datamart en Power BI
Una vez construido el Datamart, el siguiente paso es explotar la información de forma visual y comprensible para el negocio.
Conectamos Power BI directamente al Datamart y, en cuestión de minutos, empezamos a construir informes interactivos que permiten analizar la información desde múltiples perspectivas.
El principal problema que hemos tenido es que los objetivos vienen por años mes y las ventas son por días y a la hora de relacionar nos estaba dando problemas.
Informes claros, rápidos y útiles
Gracias al modelo en estrella, Power BI:
-
Reconoce automáticamente las relaciones
-
Ofrece un rendimiento muy alto incluso con grandes volúmenes
-
Permite crear métricas complejas de forma sencilla
Algunos ejemplos de análisis:
-
Evolución de ventas por mes, año y objetivos
-
Ventas por cliente, producto o categoría
-
Rendimiento por comercial y objetivos
-
Comparativas entre periodos por objetivos.
Una vez creada, se ha podido relacionar ventas y objetivos por fecha mensual.
De datos a decisiones
Lo más importante no es el informe, sino lo que permite hacer:
-
Detectar tendencias
-
Identificar oportunidades
-
Tomar decisiones basadas en datos reales
-
Dejar atrás los Excel manuales, bases de datos antiguas y los errores
-
Sin inteligencia de negocio, es como ir a ciegas. Conoce tu negocio y toma decisiones con datos.
Este enfoque es ideal para pymes que trabajan con Bases de datos antiguas, Excel y necesitan informes fiables sin grandes inversiones ni complejidad técnica.
Todo el sistema se puede implantar en pocas semanas y con un coste inferior al de soluciones tradicionales de Business Intelligence.
¿Y si tus datostrabajaran por ti?
En Kubodata te ayudamos a convertir tus datos en decisiones.
