Big Data aplicado · Caso de estudio

Big Data para decidir mejor: de cada transacción al pronóstico

Cada venta, despacho o ingreso es un dato. Este proyecto convierte ese flujo continuo en turnos, estadísticas y pronósticos de demanda a 7 y 30 días. Se desarrolló para una estación de servicio y funciona en producción ahí, pero es solo un caso: el mismo enfoque sirve para cualquier negocio que registre eventos con fecha y cantidad.

Abrir la demo interactiva Qué negocios lo pueden usar

Pantalla Hoy: turno en curso, cinta horaria contra la mediana de 8 semanas y pronóstico de 3 días — Pantalla «Hoy» de la demo: turno en curso, cinta horaria contra la mediana de las 8 semanas anteriores y pronóstico de 3 días. Datos ficticios.

Big Data, aplicado a un negocio concreto

No hace falta ser una multinacional para tener Big Data: hace falta un flujo constante de datos y la necesidad de sacarles valor a tiempo. Este caso lo muestra de punta a punta.

Volumen

Cada transacción es un registro que se acumula. La demo trabaja con 115.835 despachos sintéticos en 400 días, y los cálculos se hacen en la base de datos, no en el navegador.

Velocidad

Los datos se recolectan cada minuto y el panel muestra el turno en curso contra lo que suele pasar a esa hora.

Variedad

Se cruzan las transacciones con calendario de turnos, feriados y clima para explicar los picos y mejorar el pronóstico.

Veracidad y valor

Control de calidad del dato, filtros estadísticos documentados y pronósticos que solo se adoptan si mejoran el error medido. El resultado es una decisión, no un gráfico.

Del dato crudo a la decisión: descripción (qué pasó), diagnóstico (por qué y contra qué se compara), predicción (qué va a pasar) y alerta (qué requiere atención ahora).

Qué problema resuelve

Casi todos los negocios registran cada operación, pero ese registro suele quedar en un equipo o sistema aislado, sin turnos, sin comparación histórica y sin forma de anticipar la demanda. En este caso, los registros son los despachos de cada surtidor de una estación.

Ver lo que pasa hoy

Volumen e importe del turno en curso, avance contra el cierre estimado y desvío respecto de la mediana de semanas comparables.

Detectar anomalías

Alerta cuando un surtidor deja de despachar más tiempo del habitual para esa hora, antes de que alguien lo note en caja.

Entender el histórico

Totales por turno y día, distribuciones, perfiles horarios y semanales, comparación entre períodos y control de calidad de los datos.

Anticipar la demanda

Pronóstico diario de volumen y de cantidad de despachos a 7 o 30 días, con el modelo elegido por su error medido, no por su complejidad.

Cómo funciona

Recolección automática
Una tarea consulta cada minuto el equipo de la estación y registra cada despacho. Un despacho se identifica por surtidor, fecha y totalizador, así que un reintento nunca lo duplica.
Turnos y día operativo
Los períodos se calculan con la zona horaria de la estación y cortes de turno configurables (06–14–22). Todos los intervalos son semiabiertos, para que los totales por turno sumen exactamente el total del día.
Análisis en la base de datos
Percentiles, varianzas y agregados horarios se calculan en SQL; nunca se descargan todos los registros al navegador. Los gráficos y las exportaciones trabajan sobre una foto fija de los datos, aunque entren despachos nuevos.
Pronóstico con vara honesta
Se comparan referencias simples (semana anterior, mediana de 8 semanas) contra suavizado exponencial amortiguado y boosting con clima. Un modelo complejo solo se promueve si mejora al menos 5 % el error medio de la mejor referencia simple, evaluado por cortes temporales sucesivos. Los feriados y el clima se usan solo desde que se conocían, para no filtrar información del futuro.
Acceso y operación
Usuarios con roles (administrador y consulta), sesiones revocables, exportación CSV y un conector de solo lectura para consultar los datos desde un asistente de IA con doble factor.

Pantalla Pronóstico con cierre estimado del turno y del día y proyección a 7 días — Pantalla «Pronóstico»: cierre estimado del turno y del día, y proyección con bandas de error. Los valores de la demo son ilustrativos, no resultado de un entrenamiento real.

Pantalla Estadísticas con distribuciones y perfiles horarios — Pantalla «Estadísticas»: distribuciones, perfiles y control de calidad sobre los mismos despachos ficticios.

Quiénes lo pueden aplicar

La estación de servicio es el caso con el que se construyó y se probó. El patrón es general: eventos transaccionales con fecha y cantidad, jornadas con turnos y una necesidad de comparar y anticipar.

Sector	Qué se registra	Qué aporta el panel
Estaciones de servicio y GNC	Despachos por surtidor	Cierre de turno, alertas de equipo detenido, demanda diaria
Retail y gastronomía	Tickets por caja o local	Dotación por franja horaria, desvíos contra semanas comparables
Estacionamientos y peajes	Entradas y salidas	Ocupación por franja, picos, proyección con feriados y clima
Gimnasios y clubes	Ingresos por acceso	Perfil horario, estacionalidad, planificación de clases
Logística y agro	Pesadas, cargas o recepciones	Volumen por turno, calidad del dato, estimación de cierre
Servicios y salud	Turnos o atenciones	Demanda por día de la semana y franja, anticipación de saturación

La tabla describe adaptaciones posibles según la estructura del dato; solo el primer caso está implementado y en uso.

Cómo adaptarlo a un cliente

1 · Diagnóstico

Qué se registra hoy, dónde vive el dato, qué decisiones dependen de él y qué calidad tiene.

2 · Conector

Reemplazar la lectura del equipo por la fuente del cliente (base, API o archivos). El resto del flujo no cambia.

3 · Calendario y reglas

Turnos, zona horaria, feriados, filtros de calidad y unidades propias del negocio.

4 · Puesta en marcha

Despliegue con contenedores, usuarios y roles, y revisión de los pronósticos contra el error medido.

Tecnología moderna, en la nube o en local

Está construido sobre las últimas tecnologías y funciones modernas de bases de datos y analítica, empaquetado en contenedores. Se puede desplegar en la nube del cliente, en un servidor propio o en un esquema mixto, con los datos donde el cliente necesite tenerlos.

Explorar la demo