Caso de éxito · Retail farmacéutico

Una red de 15 farmacias que ordenó sus datos y hoy arma sus pedidos de compra con información en tiempo real

Primero hubo que consolidar la información y definir quién ve qué. Después, llevar al Data Warehouse el informe que cada comprador armaba a mano, sumándole el stock y el precio que cada laboratorio comparte por API.

Cliente
Red de farmacias · 15 sucursales
Desafío
Información dispersa y reposición manual
Solución
Data Warehouse, tableros y reporte de compras
Herramientas
SQL · n8n · QlikView · APIs
01
Punto de partida

La información existía, pero repartida en cada sucursal

Las ventas, el stock, las compras y las obras sociales vivían en el sistema de gestión de cada farmacia. Para mirar la red completa había que juntar planillas, y cada área terminaba trabajando con su propia versión de los números.

Antes de pensar en compras, la red necesitaba resolver tres cosas.

Consolidar la información

Una sola base con los datos de las 15 sucursales, actualizada de forma automática.

Gobernanza

Reglas claras sobre quién ve qué: cada gerencia y cada sucursal accede solo a lo que le corresponde.

Tableros personalizados

Vistas distintas para análisis distintos, en lugar de un único reporte para todos.

02
Qué había que medir

Ventas, márgenes y compras, con la misma estadística para todos

Sobre esa base, la dirección necesitaba monitorear tres frentes de manera permanente.

Ventas

Por sucursal, categoría y producto, con su evolución en el tiempo.

Márgenes

Qué deja cada categoría y dónde se pierde rentabilidad.

Compras realizadas

Cuánto se le compra a cada proveedor, en qué rubros y para qué sucursal.

03
La dificultad

Replicar el informe del comprador

Además de la estadística, la red quería reproducir los informes que cada comprador preparaba para armar sus pedidos de compra. Ese trabajo se hacía a mano y dependía de la experiencia de cada persona.

El obstáculo no estaba en los datos propios, sino afuera: para decidir cuánto pedir hay que conocer el stock y el precio de cada producto, en cada laboratorio, para cada una de las 15 sucursales.

Cada productoStock y precio vigente
Cada laboratorioCon su propia web de pedidos
15 sucursalesCada una con su comprador

Esa información se consultaba producto por producto en la web de cada laboratorio.

04
La decisión

Un reporte que cada comprador ejecuta desde su sucursal

Decidimos armar un reporte que el comprador de cada sucursal puede ejecutar cuando lo necesita. Combina dos fuentes.

Data WarehouseEstadística de ventas de la sucursal
API de cada laboratorioStock y precio en tiempo real
  1. Ventas del períodoDel día o de los últimos 7 días, según el producto.
  2. NecesidadVentas contra el stock actual de la sucursal.
  3. Consulta por APIStock disponible y precio vigente en cada laboratorio.
  4. PropuestaCantidad a pedir y precio de cada ítem.
  5. Archivo por laboratorioEn el formato que pide cada web.
  6. Pedido realizadoEl comprador revisa la propuesta y sube el archivo.

El criterio sigue siendo del comprador. El reporte le ahorra buscar los datos y cargar el pedido ítem por ítem.

05
Ejemplos de tableros

Así se ve la información en el día a día

Tres vistas con datos de ejemplo. Elija una o use las flechas para recorrerlas.

06
Resultados

Lo que cambió en la red

Una sola fuente de verdad

Todas las gerencias trabajan sobre el mismo Data Warehouse.

Cada uno ve lo que le corresponde

Tableros por área, con permisos definidos por rol y por sucursal.

Pedidos listos para subir

La propuesta reemplazó el armado manual en cada portal de laboratorio.

Compras basadas en datos

Cada pedido parte de ventas reales y del stock y precio vigentes del proveedor.

Base para crecer

La plataforma de análisis con Inteligencia Artificial quedó lista para sumar nuevos análisis.

Conocimiento propio

La infraestructura y el método quedaron en la organización.

El conocimiento queda en la organización.

¿Su red de farmacias enfrenta un desafío similar? Conversemos sobre cómo llevar este modelo a sus sucursales.

Marcelo González Suárez cr.marcelo.gs@gmail.com·+54 9 351 5182083·www.datasetbi.com