Business Intelligence con ML y Lenguaje Natural
Un dashboard de business intelligence con ML es una plataforma que conecta datos empresariales en tiempo real con modelos de forecasting, detección de anomalías y consultas en lenguaje natural. nodo. construyó este dashboard conectado a SAP on-premise vía VPN site-to-site, utilizando AWS Bedrock como motor de consultas en lenguaje natural (NLQ), logrando que ejecutivos obtengan respuestas en menos de 4 segundos sin depender de TI ni escribir una línea de SQL. El resultado: adopción del 87% en el primer mes y eliminación completa del backlog de reportes ad-hoc.
Dependencia de TI para cada consulta
La gerencia dependía de TI para cada consulta de datos. Los reportes llegaban tarde y en Excel. Cada pregunta de negocio requería un ticket, una cola de espera y un analista que tradujera la pregunta a SQL. Las decisiones se tomaban con datos obsoletos — a veces de semanas atrás.
El flujo típico era el siguiente: un gerente comercial necesitaba saber cuánto había vendido una línea de producto en la última semana. Creaba un ticket en el sistema de TI. El ticket entraba en cola con otros 30 pedidos similares. Un analista lo tomaba, escribía la consulta SQL contra SAP, exportaba los resultados a Excel, daba formato y enviaba por correo. Tiempo promedio: 3 a 5 días hábiles. Para cuando el reporte llegaba, la ventana de acción ya había pasado.
El problema se agravaba con SAP. La empresa operaba SAP ECC 6.0 on-premise con una base de datos SQL Server con más de 800 tablas de transacciones. La complejidad del esquema de datos hacía que solo 2 personas en toda la organización pudieran escribir queries confiables. Cuando una de ellas tomaba vacaciones, el backlog de reportes se duplicaba. Además, no existía una capa de datos unificada — cada departamento tenía sus propios Excel con datos extraídos en diferentes fechas, generando discrepancias en los números que se presentaban en comités ejecutivos.
BI en tiempo real con lenguaje natural
Construimos una plataforma de BI conectada en tiempo real a SAP on-premise vía VPN site-to-site con ML integrado y consultas en lenguaje natural, eliminando por completo la dependencia de TI para acceder a datos de negocio.
- Conexión en tiempo real a SAP on-premise vía VPN site-to-site con capa de abstracción que simplifica las 800+ tablas SAP en un modelo de datos semántico de negocio
- Forecasting ML con Prophet y modelos ARIMA para proyecciones de ventas, demanda e inventario con horizonte configurable de 7 a 90 días
- Detección automática de anomalías en métricas clave usando Isolation Forest, con sensibilidad ajustable por tipo de métrica
- Clustering de clientes con K-Means y análisis ABC automatizado que reclasifica mensualmente según comportamiento real de compra
- Consultas en lenguaje natural (NLQ) al dataset completo usando AWS Bedrock como motor de interpretación semántica
- Alertas inteligentes configurables por umbral, tendencia y desviación estándar, con notificaciones por email y Slack
El desafío de conectar SAP on-premise
Conectar un SAP ECC on-premise a una plataforma cloud no es trivial. El servidor SAP corría en un datacenter local sin exposición a internet. Para establecer la conexión, configuramos una VPN site-to-site entre el datacenter y AWS, con un bastion host intermedio que ejecuta las queries contra SQL Server y envía los resultados a un data lake en S3.
El mayor desafío técnico fue la capa de abstracción semántica. SAP almacena datos en tablas con nombres crípticos (VBAK, VBAP, MARA, LIKP) y relaciones complejas. Construimos un modelo semántico que traduce conceptos de negocio — "ventas del mes", "stock disponible", "clientes nuevos" — a las queries SQL correctas contra el esquema SAP. Este modelo semántico es la base que permite que Bedrock interprete preguntas en lenguaje natural y las traduzca a consultas precisas.
La sincronización opera en dos modos: un pipeline batch que actualiza el data lake cada 15 minutos para datos históricos, y un stream near-real-time para transacciones críticas (ventas, despachos, pagos) que se reflejan en el dashboard en menos de 60 segundos. Esto permite que los ejecutivos vean datos actualizados sin sobrecargar el servidor SAP de producción.
Preguntar en español, obtener datos
El motor de consultas en lenguaje natural (NLQ) permite que cualquier usuario pregunte "¿Cuánto vendimos en la Región Metropolitana la semana pasada?" o "Muéstrame los 10 clientes con mayor crecimiento este trimestre" y obtenga la respuesta en menos de 4 segundos, visualizada como tabla, gráfico o KPI según el contexto de la pregunta.
La implementación utiliza AWS Bedrock con Claude como modelo base, combinado con el modelo semántico de SAP como contexto. Cuando un usuario hace una pregunta, el sistema la interpreta, genera la query SQL correspondiente, la ejecuta contra el data lake y formatea la respuesta. Un sistema de validación verifica que la query generada sea coherente antes de ejecutarla, previniendo resultados erróneos.
El sistema aprende de las consultas. Cada pregunta y su query resultante se almacenan en un cache semántico. Si otro usuario hace una pregunta similar, el sistema reutiliza la query validada en lugar de generar una nueva, mejorando tanto la velocidad como la precisión. Después de tres meses de uso, el 40% de las consultas se resuelven desde cache con precisión del 98%.
Vistas para ejecutivos y analistas
Diseñamos dos interfaces distintas para dos perfiles de usuario. La vista ejecutiva muestra 6 KPIs principales con tendencia, un mapa de calor de ventas por región, alertas activas y el chatbox de NLQ. Todo en una sola pantalla, sin scrolling, optimizada para revisiones de 2 minutos al inicio del día.
La vista de analista ofrece acceso completo a todos los módulos: forecasting detallado con intervalos de confianza, explorador de anomalías con drill-down a transacción individual, segmentación de clientes interactiva y builder de reportes custom que se pueden programar para envío automático. Los analistas pueden exportar cualquier vista a Excel, PDF o conectarla a Google Sheets en tiempo real.
Decisiones sin intermediarios
BI en tiempo real, consultas en lenguaje natural directo a SAP, decisiones basadas en datos sin intermediarios. La gerencia pasó de esperar reportes a preguntar directamente a sus datos. El backlog de reportes ad-hoc en TI se eliminó por completo en el segundo mes de operación.
El impacto en la velocidad de decisión fue inmediato. Los comités ejecutivos dejaron de debatir sobre qué número era el correcto y empezaron a debatir sobre qué hacer con los datos. La fuente única de verdad eliminó las discrepancias entre departamentos y permitió alinear la operación en torno a métricas compartidas.
Tecnologías utilizadas
La arquitectura aprovecha AWS como plataforma cloud, con Lambda para procesamiento serverless, Bedrock para NLQ, S3 como data lake y CloudFront para distribución global del dashboard. El backend en Python/Flask gestiona la lógica de negocio, los modelos ML y la capa de abstracción semántica de SAP.
Recursos relacionados
¿Tienes un desafío similar?
Conversemos sobre cómo podemos conectar tus datos empresariales con IA y eliminar la dependencia de TI para cada consulta.
Escríbenos →o directo a contacto@nodo.build