El problema
El equipo de analistas realizaba entre 5 y 6 extracciones manuales cada semana para consolidar datos desde múltiples fuentes. El proceso era lento, propenso a errores y dependía de que una persona específica lo ejecutara. Los reportes llegaban tarde y con inconsistencias.
02 · IntervenciónCómo se abordaría
Se diseñó e implementó un pipeline ETL en Python que extrae, normaliza y carga los datos en una base MySQL estructurada en tres capas: staging, control y core. Sobre esa base se construyó un sistema Laravel que genera los reportes que antes se hacían a mano, con los mismos criterios pero de forma automática, consistente y auditable.
03 · SalidaResultado esperado del escenario
Las 5 a 6 extracciones manuales semanales quedaron eliminadas. Los analistas consumen reportes generados automáticamente, con datos normalizados y trazabilidad completa del pipeline.