Caso 02 · Automatización en producción
Plataforma de distribución y seguimiento de carteras de cobranza
De una operación basada en Excel a una plataforma full-stack con reglas configurables y seguimiento automatizado.
- Empresa
- Fashion’s Park
- Área
- Riesgo y cobranzas
- Mi rol
- Único desarrollador responsable de la evolución técnica del sistema y de la coordinación con usuarios de negocio.
01
Contexto y problema
Fashion’s Park utilizaba archivos Excel con macros y fórmulas complejas para distribuir carteras de clientes en mora y cartera castigada entre distintas empresas externas de cobranza. La distribución debía considerar porcentajes por cantidad de clientes y monto total de deuda, además de reglas específicas para cada tipo de cartera.
El crecimiento del volumen de información hizo que el proceso dejara de ser sostenible. Algunas operaciones podían tardar al menos una semana, fallar durante la ejecución o bloquear los equipos de los usuarios.
02
Mi responsabilidad
Asumí la evolución de una solución existente con poca documentación. Trabajé directamente con los usuarios de Riesgo y cobranzas para entender las reglas de negocio, reconstruir los procesos y convertirlos en una plataforma más estable y escalable.
Fui el único desarrollador del proyecto y participé en la definición técnica, desarrollo, migración de APIs, procesamiento de datos, mantenimiento y evolución de la solución.
03
Solución desarrollada
- 01ConfigurarReglas y porcentajes
- 02DistribuirCarteras y empresas
- 03ProcesarCSV · SFTP · validación
- 04Dar seguimientoAlertas, logs y análisis
Representación conceptual del proceso. Sin capturas, datos de clientes ni código propietario.
Desarrollé un mantenedor web que permitía configurar:
- Reglas de distribución de clientes.
- Porcentajes por cantidad de clientes y monto de deuda.
- Reglas distintas para mora y cartera castigada.
- Ofertas dirigidas a grupos específicos de deudores.
- Parámetros utilizados por los procesos automáticos.
También desarrollé:
- Tablas, vistas, procedimientos almacenados, jobs y triggers en SQL Server.
- Scripts de Python y Pandas para procesos que eran lentos en SQL Server.
- APIs inicialmente desarrolladas con Node.js y posteriormente migradas a Flask según los estándares de arquitectura.
- Procesos batch diarios, mensuales y trimestrales.
- Recepción y validación de archivos CSV mediante SFTP.
- Árboles de decisión para procesar resultados de cobranza.
- Correos de carteras, alertas, resultados y logs.
- Vistas preparadas para el análisis posterior en Power BI.
04
Impacto
- Ejecución diaria
- ≈3 minProcesos automatizados
- Normalmente, en ventana nocturna
- <30 minProcesos mensuales y trimestrales
- Evolución continua
- En producciónNuevas versiones y reglas de negocio
Los procesos diarios pasaron a ejecutarse automáticamente en aproximadamente tres minutos. Los procesos mensuales y trimestrales se completaban durante la ventana nocturna, normalmente en menos de treinta minutos, dejando la información preparada al inicio de la jornada laboral.
La solución se utilizó en producción y continuó evolucionando mediante nuevas versiones y reglas de negocio. El proyecto sustituyó una operación manual y frágil por un sistema parametrizable, monitorizable y preparado para trabajar con grandes volúmenes de información.