Sistema analítico B2B reproducible que conecta operación comercial, cumplimiento logístico, inventario y cost-to-serve. Genera datos sintéticos deterministas, aplica contratos y controles de calidad, publica marts en esquema estrella y los expone en un dashboard Power BI de cuatro páginas.
Estado:
V1.0. El usuario aceptó el PBIX construido manualmente en Power BI Desktop como artefacto final; pipeline, controles, documentación y CI están cerrados para el tagv1.0.0.
En un contexto B2B, ventas, entregas, inventario y costos suelen vivir en grains distintos. Unirlos directamente produce doble conteo y métricas ambiguas. Este prototipo demuestra una ruta auditable para responder preguntas como:
- ¿cuánto valor económico queda después del costo variable y el cost-to-serve?
- ¿qué clientes combinan rentabilidad y nivel de servicio favorables?
- ¿dónde aparecen quiebres de stock y cómo evoluciona la cobertura?
- ¿cómo cambian OTIF, Fill Rate, distancia y utilización logística?
No usa datos reales ni representa el desempeño de una empresa. Todos los datos operacionales son sintéticos; la geografía es sintética o referencial y está etiquetada como tal.
flowchart LR
C["Contratos + configuración"] --> G["Generador sintético"]
G --> CSV["11 CSV sintéticos"]
CSV --> V["Validación: 93 gates"]
V --> PQ["11 Parquet validados"]
PQ --> M["Marts: 6 dimensiones + 6 hechos"]
M --> Q["91 gates de marts + 17 controles KPI"]
Q --> X["Manifest y reportes QA"]
M --> P["Power BI: 4 páginas Core"]
El comando contractual ejecuta toda la cadena de forma transaccional: si una etapa falla, no reemplaza la última corrida válida.
flowchart TB
DC["dim_customer"] --> FO["fact_orders"]
DC --> FOL["fact_order_lines"]
DC --> FD["fact_deliveries"]
DC --> FDL["fact_delivery_lines"]
DC --> FCTS["fact_cost_to_serve"]
DP["dim_product"] --> FOL
DP --> FDL
DP --> FI["fact_inventory"]
DL["dim_location"] --> FO
DL --> FD
DL --> FDL
DL --> FCTS
DS["dim_operational_site"] --> FD
DS --> FDL
DS --> FI
DV["dim_vehicle"] --> FD
DV --> FDL
DV --> FCTS
DD["dim_date"] --> FO
DD --> FOL
DD --> FD
DD --> FDL
DD --> FI
DD --> FCTS
Power BI contiene 34 relaciones dimensión 1:N, filtro simple: 24 activas y 10
inactivas para roles de fecha. No existen relaciones fact-to-fact, many-to-many
ni bidireccionales. meta_run y qa_results son tablas técnicas desconectadas.
El artefacto actual está en powerbi/b2b_v1.pbix. La guía
de construcción y aceptación manual está en
docs/chats_instruction/POWER-BI-INTERACTIVE-GUIDE.md.
| Área | KPI oficiales |
|---|---|
| Economía | Net Sales, Variable Product Cost, Contribution Margin, CTS, MC_CTS, Average Order Value |
| Comercial | Orders, Customer Frequency, Customers |
| Servicio | OTIF, Fill Rate, Order-to-Delivery Lead Time |
| Inventario | Stockout Rate, Available Inventory EOP |
| Logística | Delivery Distance, Transport Cost, Vehicle Utilization |
El modelo agrega 2 medidas de soporte (Eligible Orders, OTIF Orders) y 20
medidas auxiliares para visuales, trazabilidad y QA: 39 medidas DAX en total.
Reglas clave:
- ventas y costo variable se reconocen sobre cantidad entregada;
MC_CTS = Net Sales - Variable Product Cost - CTS;- CTS y MC_CTS no se atribuyen a SKU en V1.0;
- OTIF se calcula a grain pedido elegible;
- Fill Rate es ratio de sumas;
- inventario EOP usa la última fecha visible y no suma snapshots.
Las definiciones completas están en
docs/KPI-POWERBI-SPEC.md.
Requiere Python 3.12 o compatible.
python -m pip install -r requirements.txt
python -m src.pipeline --config config/scenario_base.yaml
python -m pytest -qEl segundo comando ejecuta:
generación → validación → marts → controles → manifest
Contrato de salida:
- código
0: todas las etapas y gates obligatorios pasaron; - código distinto de
0: existe un error o gate fallido; - una falla conserva la última publicación válida;
- no requiere red, credenciales ni datos reales.
Escenario canónico B2B-V1-BASE:
| Control | Resultado |
|---|---|
dataset_build_id |
BLD-9102B6E8BF1ABFFC5F32 |
| Datasets sintéticos | 11 |
| Gates de fuente | 93/93 passed |
| Tablas de marts | 14 |
| Gates de marts | 91/91 passed |
| Controles KPI Python | 17 |
| Pruebas automatizadas | 46 passed |
| Pedidos / líneas | 4.000 / 10.000 |
| Entregas / líneas de entrega | 5.000 / 12.483 |
CI ejecuta pruebas, reconstruye el escenario en una carpeta temporal y compara
los hashes deterministas y controles KPI con el baseline versionado. meta_run
se excluye del checksum combinado determinista porque contiene la hora y el ID de
cada ejecución.
config/ escenario canónico
data/synthetic/ CSV sintéticos
data/validated/ Parquet validados
data/marts/ esquema estrella y tablas técnicas
data/manifest/ manifest, QA y controles KPI
schemas/ contratos de esquema
src/ generación, validación, marts y pipeline
tests/ unitarias, contrato, negativas, golden e integración
powerbi/ PBIX y fuente versionable auxiliar
docs/ contratos públicos sanitizados
Orden de autoridad para agentes y LLM:
- Los datos son sintéticos y no sirven como benchmark empresarial.
- No incluye ERP, CRM, facturación, pagos, forecasting, routing ni optimización.
- El mapa ArcGIS puede requerir conectividad y disponibilidad del visual.
- El artefacto Power BI aceptado de V1.0 es PBIX. El repositorio incluye un script TMDL de medidas y un contrato legible; una exportación PBIP/PBIR completa queda como mejora de versionado posterior.
- opcionalmente guardar
b2b_v1.pbixcomo PBIP con TMDL y PBIR desde Power BI Desktop; - revisar y versionar el diff generado, excluyendo caches locales
.pbi; - abrir contratos nuevos antes de incorporar cualquier alcance post-V1.0.
MIT. Los datos sintéticos y el software pueden reutilizarse bajo sus términos; Power BI y ArcGIS conservan sus licencias y marcas respectivas.