Vista previa anonimizada de la herramienta de compras públicas

Preview de UI redactado (sin nombres ni montos).

Privado (anonimizado)

Tooling de compras públicas (anonimizado)

Caso privado: pipeline + app para convertir licitaciones y adjudicaciones en datos listos para decidir. Capturas redactadas, sin nombres ni montos.

Stack

Python · SQL · ETL · App de analítica

Artefactos

Material anonimizado / NDA

Restricciones

  • Detalles del cliente y contratos bajo NDA (sin nombres, montos ni identificadores).
  • Capturas redactadas: muestran estructura, no datos operativos.
  • Puedo explicar arquitectura, modelo analítico, validación y workflow.

En breve

  • Caso privado: pipeline + app analítica para licitaciones y adjudicaciones (anonimizado).
  • Resuelve esquemas inconsistentes y cambios en fuentes con validación, deduplicación y trazabilidad.
  • Construí un modelo canónico + flujo de matching y una UI orientada a acción con exportación.

Patrones reutilizables

  • Modelo analítico canónico para unificar esquemas “sucios” en entidades estables.
  • Hardening de ingesta: validaciones, deduplicación y tracking de cambios ante drift de esquema.
  • Trazabilidad por diseño (logging) para explicar cada número hasta su origen.
  • Matching determinista + revisión asistida para resolver entidades y clasificaciones.
  • Patrones de UI para operación: filtros esenciales, exportación y reporting repetible.

Contexto

En compras públicas, la información llega fragmentada (múltiples fuentes), con esquemas inconsistentes y campos que cambian con el tiempo.

La meta: una vista coherente para análisis, control y reporting, cuidando auditabilidad y trazabilidad.

Nota: por NDA, se omiten nombres, entidades y montos; los visuales están anonimizados.

Decisiones

  • Modelo canónico orientado a análisis (contratos, proveedores, ítems, plazos, adjudicaciones).
  • Ingesta robusta: validaciones, deduplicación y tracking de cambios para “data drift”.
  • Matching de proveedores y clasificaciones con reglas deterministas + revisión asistida.
  • UI pensada para “acción”: filtros esenciales + export para reporting periódico.

Arquitectura

Diagrama de arquitectura del tooling de compras públicas
Fuentes → ingesta → normalización/matching → warehouse analítico → app + reportes.
  • Logging y trazabilidad para poder explicar de dónde sale cada dato.
  • Separación por capas: carga/validación, transformación, modelo analítico, UI/reporting.

Resultados

  • Menos fricción para analizar proveedores, plazos y adjudicaciones.
  • Consistencia en entidades y clasificaciones a través del tiempo.
  • Base reutilizable para auditoría, alertas y reporting recurrente.

Enlaces