Consultoría en datos

Automatizo procesos que hoy se hacen a mano en Excel —conciliaciones, cargas de archivos y reportes— para que corran solos y avisen cuando algo no cuadra.

Los tres casos son proyectos reales que hice en mi empleo actual como Data Engineer. Los datos están anonimizados: sin nombres de empresas, socios ni montos.

Cuadrar lo que pagan las apps de delivery

El problema. La app de delivery depositaba cada período un monto neto, y el Excel que entregaba su portal no cuadraba con lo recibido: faltaba cerca del 3 % del pago. Con ese archivo, Contabilidad no podía explicar la diferencia.

Qué hice.

  • Encontré que los tres conceptos que faltaban (IVA sobre comisiones, cargo de plataforma y descuentos) solo aparecían en el estado de cuenta en PDF, no en el Excel.
  • Construí un extractor que lee ese PDF y cuadra cada concepto contra las ventas del período.
  • Detecté de paso que el archivo “.xls” del portal era otro formato disfrazado, que las herramientas estándar rechazaban.

Resultado.

  • El período analizado cuadró a 0.00.
  • La primera corrida en producción, sobre otro período, también cuadró a 0.00 y cerró contra el PDF en 33 segundos.
  • Reproduce 5 de los 6 conceptos que Contabilidad calculaba a mano.

A quién le sirve. Restaurantes, farmacias y comercios que venden por apps de delivery y no logran explicar la diferencia entre lo vendido y lo depositado.

Pagos que llegan por correo, aplicados solos

El problema. Una aseguradora enviaba sus pagos por correo: un Excel con el detalle y las imágenes de los comprobantes de transferencia. Para conciliarlos, esa información tenía que llegar a la base de datos con las referencias bancarias correctas.

Qué hice.

  • Un robot que revisa el buzón cada hora y carga el Excel a la base de datos sin duplicar nada si una corrida se repite.
  • Lee las referencias bancarias de las imágenes y solo acepta una lectura cuando su suma coincide con el total del Excel; si ninguna coincide, abre una incidencia sin detener la carga.
  • Dispara la conciliación tres veces por semana.

Resultado.

  • En producción desde noviembre de 2026.
  • La primera ejecución programada terminó en 11 segundos y las referencias cuadraron con el total del Excel.
  • Una revisión independiente encontró un caso en que la conciliación se repetía tras un bloqueo de la base de datos; lo corregí y quedó cubierto por una prueba automática.

A quién le sirve. Empresas que reciben pagos o avisos de pago por correo (clientes, aseguradoras, distribuidores) y los aplican a mano.

Menos falsas alarmas en listas restrictivas

El problema. La cartera de crédito debía revisarse contra listas restrictivas internacionales (OFAC, ONU) y de personas expuestas políticamente. Comparar nombres por aproximación produce alertas falsas, y cada una le cuesta tiempo al Oficial de Cumplimiento.

Qué hice.

  • Un robot que revisa toda la cartera contra las listas con comparación aproximada de nombres.
  • Antes de pasar a producción detecté que los alias de una sola palabra inflaban las alertas falsas hasta los miles, y ajusté la regla sin dejar de detectar las coincidencias reales.
  • Alerta inmediata al Oficial de Cumplimiento cuando hay una coincidencia, y una revisión completa automática cada seis meses.

Resultado.

  • Un 94 % menos de falsas alarmas, sin perder ninguna coincidencia real.
  • Cumplimiento validó el tablero de resultados y cerró el requerimiento.

A quién le sirve. Cooperativas, financieras, remesadoras y otras instituciones que deben revisar a sus clientes contra listas restrictivas.

¿Tiene un proceso así?

Escríbame a danielbanariba@protonmail.com con una descripción corta del proceso: qué archivos entran, qué se hace a mano y cuánto tiempo toma cada vez. Le respondo con lo que se puede automatizar.