inteligencia de negocios SUMMA, modelo de costos y pricing

Implementación de modelo de rentabilidad y costos en empresa de servicios comparatidos sobre la herramienta GaussProfit y Power BI. A cargo de la empresa Ernst & Young.

Empresa

Empresa de servicios compartido de un grupo empresarial que brinda soporte administrativo, logístico y tecnológico a las demás empresas del grupo.

Problema Inicial

La empresa no contaba con un modelo de costos por lo tanto no conocía el ahorro generado con cada servicio.

Solución

Implementación del modelo de costeo híbrido en el habilitador tecnológico GaussProfit and Cost y generación de reportes en Power BI.

Actividades realizadas:

  • Diseño del modelo de datos de cargue de información
  • Revisión de drivers y diseño de plantillas para recopilar información de estadísticas de asignación para el cargue.
  • Automatización del cargue de información de movimiento contable y asignaciones de distribución mensual.
  • Revisión detallada de las fuentes de información y diseño lógico del modelo de datos de cargue y transformación de información (ETL y creación de conectores).
  • Capacitación sobre el habilitador tecnológico y modelo de datos
  • Desarrollo de pruebas técnicas y funcionales de la implementación.
  • Documentación del modelo a implementar y conexiones de datos generadas
  • Identificación y creación automática (en lo posible) de elementos nuevos en el modelo cada mes.
  • Automatización del cargue de información de movimiento contable y asignaciones de distribución mensual.
  • Definición y creación de medidas, columnas calculadas, tablas resumidas y reportes de distribución y pricing en la herramienta de business intelligence Power BI.

Objetivos logrados

La empresa pudo conocer la rentabilidad real de las unidades de negocio y los proyectos desglosada por cada cliente. Comparación de los costos con el modelo de pricing y dashboards de seguimiento de la información del modelo de costos y resultados de asignación.

Se suavizó la carga de la información para la distribución mensual del modelo de costos híbrido, siendo mucho más rica y estructurada la información resultante del proceso, lo cual facilitó el entendimiento de dichos resultados y la consecuente toma de decisiones.