María Gabriela Figuera Volver a proyectos
PROYECTO 01 · BI · RETAIL DE LUJO

Sell In / Sell Out: ¿compramos al ritmo que vendemos?

Informe de Power BI sobre ventas, compras e inventario de una cadena de retail de lujo, de 2023 a 2026. Los datos están anonimizados: proveedores, marcas, productos, tiendas y vendedores aparecen con códigos, y los importes están escalados.

PythonPandasPower BIDAXPower Querypytest

EL PROBLEMA

Compras y ventas se miraban por separado y faltaban meses de inventario. No se sabía qué marcas reponer ni cuáles frenar.

LO QUE HICE

Limpié y anonimicé los datos, reconstruí el inventario faltante, armé un modelo estrella y calculé punto de reorden, presupuesto y pronóstico.

CÓMO LO COMPROBÉ

68 controles de calidad, 12 pruebas automáticas y un backtest que mide el pronóstico contra lo que pasó de verdad.

Recorrido del informe

Un minuto por las 6 páginas: Resumen anual, Ventas, Compras, Inventario, Budget / Forecast y Ventas diarias.

El informe, página por página

Capturas del informe publicado en Power BI Service. Toca una para verla en grande.

Página Ventas 2026
Ventas. Filtros por año, mes, tienda y proveedor.
Página Ventas con ranking por proveedor
Ventas. El ranking cambia entre marca, proveedor y departamento.
Página Inventario 2026
Inventario. Stock, rotación, cobertura y punto de reorden por marca.
Página Inventario filtrada por la marca MARC0086
Inventario. Un clic en una marca filtra toda la página.
Página Budget y Forecast con proyección 1,20
Budget / Forecast. Presupuesto y rolling forecast con el parámetro Proyección en 1,20.
Página Budget y Forecast con proyección 1,10
Budget / Forecast. Con el parámetro en 1,10, todo se recalcula.
Página Ventas diarias de abril 2026
Ventas diarias. Abril 2026 por día, estado, marca, proveedor y vendedor.
Página Ventas diarias filtrada por un estado del mapa
Ventas diarias. Un clic en un estado del mapa filtra los rankings.

Hallazgos

Cada cifra se recalcula con un script del repositorio. Las causas se validaron con el negocio.

4,5×

Se compró más mientras se vendía menos

Compras de ene–abr 2026 a 4,5 veces las de 2025. Fue un desfase por una disrupción logística, no una sobrecompra.

−11 %

Baja el ticket, no el volumen

El ticket promedio baja un 11 % por un cambio de mezcla hacia piezas de menor precio.

46 %

Casi la mitad del stock no rota

El 46 % de las unidades no tuvo ninguna venta en 12 meses.

7

Pocas marcas a reponer

7 marcas están bajo su punto de reorden, con una compra sugerida de 308 unidades.

¿Qué tan bueno es el pronóstico?

Lo probé ocultando may–dic 2025 y pronosticando con los datos hasta abril. El método del informe se equivoca menos que las dos alternativas simples, pero subestima cuando el negocio crece.

Error (WAPE)UnidadesImporte
Método del informe15,9 %30,0 %
Mismo mes del año anterior22,7 %34,7 %
Promedio plano29,3 %39,6 %

Límites