Mundo- Sixphere
Blogs, noticias, tecnología, novedades y un montón de cosas más relacionadas con nuestro mundo.
De Odoo a A Power BI (y IV): llegó la hora de obtener informes y analizar tu negocio
Pintar y analizar los datos de Odoo en Power BI. Cuando ya tienes datos bien extraídos, transformados, modelados y encima los conviertes en un cuadro de mandos claro, Power BI deja de ser “una herramienta de informes” y pasa a ser un panel de control del negocio.
De Odoo a A Power BI (III): el paso que convierte datos en un modelo de negocio
Llega el punto donde muchos proyectos se ganan (o se rompen): el modelado.
Porque una cosa es “tener datos” y otra muy distinta es tener un modelo semántico que cualquiera en la empresa pueda usar sin romper filtros, sin duplicar importes y sin que cada gráfico cuente una historia diferente.
De Odoo a Power BI (II): cuando los datos de Odoo empiezan a decir algo
Odoo es un ERP operativo, no un sistema pensado para analítica. Su estructura está optimizada para ejecutar procesos (ventas, compras, facturación, logística…), y eso significa que los datos vienen con mucha “paja” técnica y con estructuras típicas de aplicaciones. La buena noticia: Microsoft Power BI + Microsoft Power Query.
De Odoo a Power BI (I): obteniendo datos sin morir en el intento
Si estás leyendo esto, seguramente te suena esta escena: tienes Odoo funcionando, tienes Power BI listo para sacar cuadros de mando… y justo en medio aparece “el puente” que nadie quiere construir: cómo sacar datos de Odoo hacia Power BI de forma fiable, entendible y sin depender de un gurú técnico.
IA cuántica: la forma más cara y rápida de procesar basura
Mientras los titulares y las presentaciones corporativas se llenan de promesas sobre la supremacía de la IA Cuántica y la resolución de problemas imposibles, la realidad en las trincheras de la empresa es muy distinta. ¿De qué sirve tener la capacidad de computación más potente del planeta si nuestros sistemas aún no pueden generar un forecast de demanda fiable debido a datos sucios y desestructurados?
En este artículo, analizamos la brecha entre el hype tecnológico que venden los CTOs en sus PowerPoints y la cruda necesidad de madurez en la ingeniería de datos. Porque aplicar mecánica cuántica a una base de datos caótica no es innovación; es simplemente la forma más cara y rápida de procesar basura.
Anatomía de un caso práctico de optimización de inventario
Este artículo presenta un caso práctico real, que demuestra el valor de la optimización bajo incertidumbre. Enfrentados al clásico dilema entre costes de inventario y nivel de servicio, aplicamos una metodología que combina un gemelo digital, simulación de Montecarlo y un optimizador de caja negra. Los resultados cuantificables incluyen una reducción del 18% en los costes totales de inventario, un aumento de 4.2 puntos en el nivel de servicio y una liberación del 25% del capital inmovilizado.
La insoportable levedad de un CRM… hasta que HubSpot conecta
Los datos son ligeros, transparentes, intangibles, pasan de un sistema a otro sin hacer ruido. En HubSpot, esa “levedad” puede convertirse en fluidez o en caos. Todo depende de lo bien que conectemos sus piezas con nuestro negocio.
El motor de la resiliencia: optimizadores de caja negra para la fábrica inteligente
En nuestro viaje hasta ahora, hemos dado dos pasos gigantescos. Primero, aceptamos que la predicción perfecta es un mito y que la verdadera meta es la resiliencia. Segundo, aprendimos a modelar la incertidumbre, usando la Simulación de Monte Carlo para crear un mapa detallado de miles, o incluso millones, de futuros posibles para nuestra fábrica.
Ahora nos encontramos ante un mapa increíblemente rico, pero también abrumador. Tenemos un millón de resultados posibles para cada decisión que tomemos. La pregunta es obvia: ¿cómo elegimos la mejor?
De píxeles a la acción: cómo desarrollamos el cerebro de un rover autónomo con visión artificial embebida
Nuestro equipo se enfrentó al reto de desarrollar el cerebro completo para un rover autónomo, un sistema que requería percepción visual y toma de decisiones en tiempo real sobre hardware de bajo consumo. Este caso de estudio es una inmersión técnica en nuestro proceso: desde la implementación del modelo de segmentación Mask R-CNN para una identificación precisa de objetos, hasta la aceleración del rendimiento en una Raspberry Pi mediante una aceleradora Coral TPU. Descubre cómo superamos los desafíos de optimización y cuantización de modelos en TensorFlow para entregar una solución de Edge AI robusta y eficiente para la automatización inteligente.
Más allá de la predicción: cómo modelar la incertidumbre y tomar decisiones robustas
Deja de buscar una única respuesta y empieza a prepararte para miles de futuros posibles.
En nuestro anterior artículo, La Trampa del Forecast Perfecto, nos planteamos una nueva pregunta: «¿Cuál es la mejor decisión que puedo tomar hoy, sabiendo que pueden ocurrir miles de escenarios diferentes mañana?»
Fantástico. Pero, ¿cómo empezamos a responder a eso? Suena abstracto, casi filosófico. La respuesta es que el primer paso consiste en tratar la incertidumbre no como un enemigo al que temer, sino como una variable que podemos describir, medir y, en definitiva, modelar.
BLOGS
De Odoo a A Power BI (y IV): llegó la hora de obtener informes y analizar tu negocio
Pintar y analizar los datos de Odoo en Power BI. Cuando ya tienes datos bien extraídos, transformados, modelados y encima los conviertes en un cuadro de mandos claro, Power BI deja de ser “una herramienta de informes” y pasa a ser un panel de control del negocio.
De Odoo a A Power BI (III): el paso que convierte datos en un modelo de negocio
Llega el punto donde muchos proyectos se ganan (o se rompen): el modelado.
Porque una cosa es “tener datos” y otra muy distinta es tener un modelo semántico que cualquiera en la empresa pueda usar sin romper filtros, sin duplicar importes y sin que cada gráfico cuente una historia diferente.
De Odoo a Power BI (II): cuando los datos de Odoo empiezan a decir algo
Odoo es un ERP operativo, no un sistema pensado para analítica. Su estructura está optimizada para ejecutar procesos (ventas, compras, facturación, logística…), y eso significa que los datos vienen con mucha “paja” técnica y con estructuras típicas de aplicaciones. La buena noticia: Microsoft Power BI + Microsoft Power Query.
De Odoo a Power BI (I): obteniendo datos sin morir en el intento
Si estás leyendo esto, seguramente te suena esta escena: tienes Odoo funcionando, tienes Power BI listo para sacar cuadros de mando… y justo en medio aparece “el puente” que nadie quiere construir: cómo sacar datos de Odoo hacia Power BI de forma fiable, entendible y sin depender de un gurú técnico.
IA cuántica: la forma más cara y rápida de procesar basura
Mientras los titulares y las presentaciones corporativas se llenan de promesas sobre la supremacía de la IA Cuántica y la resolución de problemas imposibles, la realidad en las trincheras de la empresa es muy distinta. ¿De qué sirve tener la capacidad de computación más potente del planeta si nuestros sistemas aún no pueden generar un forecast de demanda fiable debido a datos sucios y desestructurados?
En este artículo, analizamos la brecha entre el hype tecnológico que venden los CTOs en sus PowerPoints y la cruda necesidad de madurez en la ingeniería de datos. Porque aplicar mecánica cuántica a una base de datos caótica no es innovación; es simplemente la forma más cara y rápida de procesar basura.
Anatomía de un caso práctico de optimización de inventario
Este artículo presenta un caso práctico real, que demuestra el valor de la optimización bajo incertidumbre. Enfrentados al clásico dilema entre costes de inventario y nivel de servicio, aplicamos una metodología que combina un gemelo digital, simulación de Montecarlo y un optimizador de caja negra. Los resultados cuantificables incluyen una reducción del 18% en los costes totales de inventario, un aumento de 4.2 puntos en el nivel de servicio y una liberación del 25% del capital inmovilizado.
La insoportable levedad de un CRM… hasta que HubSpot conecta
Los datos son ligeros, transparentes, intangibles, pasan de un sistema a otro sin hacer ruido. En HubSpot, esa “levedad” puede convertirse en fluidez o en caos. Todo depende de lo bien que conectemos sus piezas con nuestro negocio.
El motor de la resiliencia: optimizadores de caja negra para la fábrica inteligente
En nuestro viaje hasta ahora, hemos dado dos pasos gigantescos. Primero, aceptamos que la predicción perfecta es un mito y que la verdadera meta es la resiliencia. Segundo, aprendimos a modelar la incertidumbre, usando la Simulación de Monte Carlo para crear un mapa detallado de miles, o incluso millones, de futuros posibles para nuestra fábrica.
Ahora nos encontramos ante un mapa increíblemente rico, pero también abrumador. Tenemos un millón de resultados posibles para cada decisión que tomemos. La pregunta es obvia: ¿cómo elegimos la mejor?
De píxeles a la acción: cómo desarrollamos el cerebro de un rover autónomo con visión artificial embebida
Nuestro equipo se enfrentó al reto de desarrollar el cerebro completo para un rover autónomo, un sistema que requería percepción visual y toma de decisiones en tiempo real sobre hardware de bajo consumo. Este caso de estudio es una inmersión técnica en nuestro proceso: desde la implementación del modelo de segmentación Mask R-CNN para una identificación precisa de objetos, hasta la aceleración del rendimiento en una Raspberry Pi mediante una aceleradora Coral TPU. Descubre cómo superamos los desafíos de optimización y cuantización de modelos en TensorFlow para entregar una solución de Edge AI robusta y eficiente para la automatización inteligente.
Más allá de la predicción: cómo modelar la incertidumbre y tomar decisiones robustas
Deja de buscar una única respuesta y empieza a prepararte para miles de futuros posibles.
En nuestro anterior artículo, La Trampa del Forecast Perfecto, nos planteamos una nueva pregunta: «¿Cuál es la mejor decisión que puedo tomar hoy, sabiendo que pueden ocurrir miles de escenarios diferentes mañana?»
Fantástico. Pero, ¿cómo empezamos a responder a eso? Suena abstracto, casi filosófico. La respuesta es que el primer paso consiste en tratar la incertidumbre no como un enemigo al que temer, sino como una variable que podemos describir, medir y, en definitiva, modelar.