Diseñamos e implementamos un sistema de tres capas para centralizar datos que antes vivían dispersos en distintas plataformas sin orden ni estructura común. El resultado fue una base de datos propia, un panel de consulta de datos crudos y una capa de análisis con IA que agiliza la lectura de la información.
Antes del proyecto, los datos del cliente no estaban centralizados: cada fuente vivía en su propia plataforma, sin una estructura común ni un proceso definido de ingesta. Esto generaba fricción para acceder a la información, dificultaba el análisis y hacía que entender la situación general del negocio dependiera de revisar manualmente distintas fuentes desconectadas entre sí.
Se implementaron tres sistemas complementarios, cada uno con su propia interfaz y base de datos. El primero se encarga del proceso de ingesta: toma los datos de las distintas plataformas de origen y los carga de forma ordenada en una base de datos propia construida sobre PostgreSQL y alojada en Railway. El segundo sistema consume esa base de datos y expone la información cruda a través de una interfaz pensada para el uso diario del equipo, de manera simple y directa. El tercero utiliza esos datos ya centralizados como insumo para análisis con inteligencia artificial mediante OpenAI, lo que agiliza los procesos de lectura de información y mejora el entendimiento de la situación general. Python y n8n se usaron como capa de automatización y orquestación entre los distintos sistemas, conectando la ingesta, el almacenamiento y el análisis en un flujo continuo.
Los datos que antes estaban dispersos en múltiples plataformas sin orden pasaron a consolidarse en una única base de datos propia.
Se implementó un sistema con interfaz propia que muestra la información de consulta diaria de forma clara y accesible.
La creación de nuevos sistemas estructuró la forma de trabajo para dar una servicio consistente con una estructura estándar.