Cuadro de mando para una empresa SaaS de desarrollo de software
De Firebase a Power BI: pipeline de datos automatizado con Python y BigQuery para una empresa con más de 500.000 usuarios en un sistema de datos escalable y accesible en tiempo real en Power BI.
El reto:
Una empresa de gestión de centros de estética con más de medio millón de usuarios registrados necesitaba centralizar su información. Los datos estaban escondidos y dispersos (y sin analizar). Eso dificultaba medir el rendimiento global o defender el negocio delante de los accionistas.
El objetivo:
Construir una arquitectura de datos que conectara las fuentes en un flujo continuo, capaz de alimentar un report interactivo y en tiempo real para la toma de decisiones y ver la operativa diaria del negocio.
La solución:
Diseñar y desarollar una arquitectura de datos automatizada, conectando Firebase (NoSQL) con Google BigQuery mediante scripts en Python que permiten visualizar el modelo en un report eb Power BI. El sistema extrae, transforma y carga los la información (ETL) de forma periódica para poder convertir los datos operativos en conocimiento visual y accionable.
Paso 1: Acceder a la BBDD de Firebase y crear las tablas en BigQuery con python.
Paso 2: Establecer la conexión BigQuery - PowerBI, y creación del modelo de datos.
Imagen: script en Python para leer las tablas en Firebase e insertarlas en BQ.
Paso 3: Creación de medidas e indicadores clave con DAX + visualización.
Imagen: modelo de datos en formato star-schema (modelo estrella) y con las relaciones de tablas. Además, con una tabla auxiliar de medidas calculadas.
Que la tasa de repetición de los usuarios sigue claramente creciente.
La evolución de las reservas por año y su tasa de crecimiento interanual, que vemos como va bajando cada año.
y no solo eso, sino que también podemos generar mapas para localizar a simple vista las provincias con mayor actividad.
Este proceso nos ha permitido detectar, por ejemplo…
Que la empresa tiene 500 centros en activos (clientes) y se han añadido 49 durante el último año, junto a otros KPI importantes.
Todo esto, siempre con la posibilidad de filtrarlo por año y província.
Que el ticket medio del usuario es de 26€, aunque el objetivo es llegar a 35€.
Que aunque Catalunya es la comunidad autónoma con más centros, el País Vasco es la que genera más reservas.
¿Suena bien, no?
¿Quieres probar como funciona?
La solución.
¿Cuál ha sido el impacto?
El proyecto transformó una base de datos operativa sin analizar en una plataforma de análisis integrada, capaz de ofrecer una visión instantánea del negocio para poder detectar anomalías (como la reducción del ritmo de reservas anuales, por ejemplo), defender el negocio delante de inversores y tomar mejores decisiones.