Caso de Éxito: Compañía Alfaro

Inteligencia de Precios Competitivos contra Retailers de EE.UU.

~2,000 SKUs comparados
3 Retailers de EE.UU.
Semanal Cadencia de comparación
12 Semanas de histórico de precios

El Cliente

Empresa: Compañía Alfaro

Industria: Retail de instrumentos musicales

Ubicación: Panamá

Reto: Fijación de precios con visibilidad competitiva

Compañía Alfaro opera su catálogo comercial sobre SAP y necesitaba comparar sistemáticamente sus precios contra los principales retailers de EE.UU. (Guitar Center, Sweetwater y B&H) para informar sus decisiones de precio en Panamá.

El Desafío

Mantener precios competitivos exigía una comparación constante que era inviable de forma manual:

Sin visibilidad competitiva

  • Precios de referencia en sitios de EE.UU.
  • Consultarlos a mano por SKU es inviable
  • No escala al tamaño del catálogo

Identificadores inconsistentes

  • Cobertura irregular de identificadores en SAP
  • Emparejar productos no es trivial
  • Riesgo de comparar el producto equivocado

Decisión sin datos

  • Sin histórico estructurado de precios
  • Decisiones sin respaldo cuantitativo
  • Imposible detectar movimientos del mercado

La Solución

Datanalisis.io construyó un pipeline de inteligencia de precios que corre semanalmente dentro del proyecto GCP de Alfaro, con BigQuery como sistema de registro histórico y un dashboard interno para el equipo de pricing.

Módulos Implementados

🗂️ Catalog Sync

Extrae el catálogo SAP (~1,000–2,000 SKUs) hacia BigQuery como base de la comparación.

🔗 Matching Híbrido

Empareja cada SKU con su equivalente en los 3 retailers, tolerando la cobertura inconsistente de identificadores.

🕷️ Scraper Semanal

Vendor de scraping gestionado; las observaciones se guardan append-only en BigQuery para preservar el histórico.

📊 Dashboard Next.js (Cloud Run + IAP)

Cinco vistas: resumen, lista de productos, detalle, cola de revisión de matches e historial de corridas; histórico de 12 semanas con gráficas (Recharts).

Impacto: el equipo de pricing trabaja sin ingeniería de por medio.

🚨 Detección de Anomalías

Marca variaciones de precio semana-a-semana superiores a un umbral configurable; reconocibles desde el dashboard.

🛠️ Self-Service

Corrección de matches, reconocimiento de anomalías, export CSV y disparo manual de la corrida — todo sin cambios de código.

Stack Tecnológico

Lenguaje & Datos

  • Python 3.12
  • BigQuery

Google Cloud

  • Cloud Run (Job + Service)
  • Cloud Scheduler
  • IAP
  • Secret Manager
  • Cloud Logging / Monitoring

Frontend

  • Next.js 15
  • Recharts

DevOps

  • Terraform

Resultados

~2,000 SKUs en comparación continua
3 Retailers monitoreados semanalmente
Semanal Comparación automatizada
0 Líneas de código para que pricing ajuste matches

Amazon quedó fuera del alcance v1 (planeado para v2). La herramienta es de uso interno y no escribe de vuelta a SAP — es soporte a la decisión, no piloto automático.

[Testimonio pendiente de aprobación del cliente]
— Equipo de Compañía Alfaro

Proceso de Implementación

Fase 1: Selección de vendor de scraping

Evaluación de proveedores de scraping gestionado y elección del más confiable para los 3 retailers.

Fase 2: Catalog sync + matching híbrido

Extracción del catálogo SAP y emparejamiento de cada SKU con su equivalente en los retailers.

Fase 3: Scraper semanal → BigQuery

Captura de precios append-only y construcción del histórico en BigQuery.

Fase 4: Dashboard Next.js

Las cinco vistas, detección de anomalías y funciones self-service para el equipo de pricing.

Fase 5: Primera corrida semanal en producción

Puesta en marcha del ciclo semanal automatizado y entrega al equipo de pricing.

¿Necesita una Solución Similar?

Convierta el monitoreo de precios de su competencia en un proceso automático y accionable. Contáctenos hoy para una consulta gratuita.

Contactar Ahora Más Información