P&G Canadá
Descifrando el ETL de Nielsen: de 20 Días a 3
Reconstruimos el pipeline de Nielsen POS de P&G Canadá para que los analistas llegaran a las revisiones de Walmart con datos más frescos que los propios compradores del retailer.
Trayectoria del fundador · construido durante su etapa en P&G Canadá. La experiencia de operador interno sobre la que se construye Clarivant.
El punto de partida
Los datos de punto de venta de Nielsen eran el motor del category management en P&G Canadá — y su extracción por la interfaz tardaba hasta 20 días cuando funcionaba. Los timeouts y fallas de sesión hacían que los analistas cuidaran las extracciones un tercio de su semana, y los datos llegaban a ventas y planeación con dos o tres semanas de retraso.
El método
Salté la interfaz por completo: hice ingeniería inversa de la base de datos de Nielsen, abrí una conexión ODBC directa que su herramienta no documentaba y construí pipelines automatizados en KNIME sobre VMs programadas. La lógica de reintentos, las validaciones de conteo de filas y las comparaciones por checksum recuperaban fallas y detectaban actualizaciones retroactivas en automático — y la salida entraba directo en las plantillas de reportes de P&G, eliminando un día completo de reformateo.
El resultado
El SLA bajó de 20 días a 3 — un recorte del 85% en latencia de datos. Los category managers llegaban a las revisiones de Walmart con datos más frescos que los de los propios compradores del retailer, contribuyendo a que P&G ganara la Category Captaincy en Oral, Feminine y Baby Care y cerca de $5M de incremento anual en punto de venta. El pipeline corrió por años como infraestructura invisible.
“Arturo rapidly learned new technologies and applied them to business problems — redesigned our bulk data extraction to be 10× faster within two months, then enabled others to scale the approach.”
«Extracción de datos 10× más rápida.» (en resumen)