Dromersland · 2019–2026

Experiencia profesional

Me incorporé a Dromersland en 2019, después de realizar allí las prácticas de mi formación. Desde entonces sigo trabajando en la empresa, donde he desarrollado mi trayectoria profesional alrededor de los datos técnicos, la automatización, la calidad de la información y, progresivamente, Data Governance y Metadata Management.

⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢼⣀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠆⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢰⣿⣁⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢰⣷⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢸⣿⣏⠠⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢨⣿⡄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢾⣿⣿⡂⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢽⣿⣆⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠢⢀⣿⣿⡿⠦⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣿⣿⢿⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢚⣿⣿⡇⢱⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢠⣿⣿⠄⡇⠂⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠐⢿⣿⣿⣇⢸⡀⡀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠤⠀⢸⣿⣿⠇⣏⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢸⣿⣿⣿⣾⣇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠠⣴⣿⣿⣿⢀⣿⡇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣰⣿⣿⣿⣿⠸⡇⠀⠀⠀⠀⡂⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢼⣿⣿⣿⣾⣿⡁⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠈⢻⣿⣿⣿⣿⠈⠇⠀⠀⠀⢠⣷⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠉⣿⣿⣿⣿⡗⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢽⣿⣿⣿⣿⠀⣠⠀⠀⠀⢸⣿⡀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢀⠴⣿⣿⣿⣿⡇⡄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠄⠙⣿⣿⣿⣿⠀⣿⡆⠀⠀⣿⣿⣇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠈⠀⢼⣿⣿⣿⣿⣾⣷⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢴⣿⣿⣿⣿⣰⣿⡆⠀⢰⣿⣿⡏⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣽⣿⣿⣿⣿⣿⣿⡤⠀⠀⠀⣠⣿⣤⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠄⠀⠀⠀⠀⠀⣰⣾⣿⣿⣿⣿⣿⣿⡇⠀⢨⣿⣿⡷⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠐⣿⣿⣿⣿⣿⣿⣿⠂⠀⠀⢸⣿⣿⣿⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣀⣆⡀⠀⠀⠀⠀⢸⣿⣿⣿⣿⣿⣿⣿⣗⠀⣾⣿⣿⣷⣆⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣴⣿⣿⣿⣿⣿⣿⣿⣇⠀⠀⣸⣿⣿⣿⣆⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣀⣿⣿⡆⠀⠀⠀⠀⢸⣿⣿⣿⣿⣿⣿⣿⣇⣾⣿⣿⣿⣿⣿⣶⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣿⣿⣿⣿⣿⣿⣿⣿⣿⣤⣸⣿⣿⣿⣿⣷⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢹⣿⣿⠙⡆⠀⠀⠐⢸⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣷⡤⢤⠤⡤⢤⠤⡤⠤⡤⢤⢦⢦⢶⠿⡿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠛⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢈⣿⣿⣿⠀⣳⠀⢀⣴⣾⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣷⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣬⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⢒⡄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠰⢾⣿⣿⣿⣅⣻⡇⠸⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡟⠋⣴⣿⣿⣿⣿⣿⣦⣤⣤⣤⣄⣄⣀⣀⣀⣀⣀⣀⣀⣄⣤⣤⣽⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠁⠀⠀⠀⠐⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢀⠀⣽⣿⣿⣿⣿⣿⣧⣾⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡿⠛⠁⣰⣽⣿⣿⣿⣿⠟⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⢹⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣯⡀⠀⠀⢠⣼⣆⡀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣴⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠟⠋⢀⣶⣿⣿⣿⣿⣿⣿⡿⠿⠿⠿⠿⠿⠿⠟⠿⠿⠿⠿⠿⠿⠿⠿⠿⠿⠿⠿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡃⠀⠀⣼⣿⣿⡇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠈⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠟⢠⣾⣿⣿⣿⣿⣿⣿⣿⣿⣿⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣶⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣀⣹⣿⣿⣿⣯⠄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢀⠀⣻⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡟⢁⣠⣾⣿⣿⣿⣿⣿⣿⣿⡿⠛⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⠙⢿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣼⣿⣿⣿⣿⣿⡀⠂⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢸⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣧⣾⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣶⣶⣶⣶⣶⣶⣶⣶⣤⣶⣶⣶⣶⣶⣶⣶⣶⣶⣶⣶⣶⣾⣿⣿⣿⣿⣿⢿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣇⠀⠄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠨⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠿⠛⠋⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⢻⣿⣿⣿⣿⣿⣿⣤⡙⠻⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠀⠤⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢠⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣶⣶⣶⣶⣶⣶⣦⣦⣤⣤⣤⣤⣤⣤⣤⣶⣶⣶⣶⣶⣶⣶⣶⣾⣿⣿⣿⣿⣿⣿⣿⣿⣿⡆⠙⢿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣤⠀⠄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠉⢸⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡿⠟⠛⠛⠟⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠻⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣯⣤⣀⡀⢹⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡆⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣠⣴⣾⣿⣿⣿⣿⣿⣿⣿⣿⣿⢿⣿⣿⣿⣿⣿⣿⣭⣤⣤⣤⣤⣤⣤⣤⣄⣀⣀⠀⣀⣀⣀⣀⣀⣤⣤⣤⣤⣤⣤⣤⣤⣴⣾⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡆⠙⣿⣿⣿⣿⣿⣿⣿⣿⣿⣅⡀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣀⠀⠀⢀⡀⢈⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠋⠁⠾⠟⢿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣷⣦⣍⠹⣿⣿⣿⣿⣿⣿⣿⣿⡀⣠⣴⣀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣰⣄⡀⠀⢀⣽⣿⣿⣿⣿⣿⣿⣿⣿⠿⠂⢀⣤⡄⣠⣾⣿⡿⠟⠛⠁⠉⠈⠁⠉⠈⠈⠈⠈⠈⠈⠈⠈⠈⠉⠉⠈⠉⠉⠉⠉⠉⠉⠉⢿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣧⠹⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣷⡅⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⢀⣿⣿⣿⣿⣀⣼⣿⣿⣿⣿⣿⣿⠿⠃⢁⣴⣦⣤⣴⣾⣿⣿⣷⣦⣦⣦⣤⣤⣤⣤⣤⣤⣤⣀⢀⣀⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣤⣦⣦⣦⣮⣿⣿⣿⣿⣿⣿⣿⠟⠻⢿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡆⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⣸⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠋⣴⣶⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡿⠛⠛⠂⠀⠉⠉⠉⠹⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣟⡡⠠⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠄⢀⣾⣿⣿⣿⣿⣿⣿⣿⣿⣿⢟⣥⣾⣿⣿⣿⣿⣿⣿⣿⣿⣿⡿⠋⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠁⠈⠈⠈⠁⠉⠉⠉⠉⠉⠉⠙⠛⠻⢿⣿⣿⣿⣿⣶⣾⣶⣶⣶⣄⡀⠀⠀⠈⠙⠻⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣄⠄⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠁⣼⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣥⣤⣤⣤⣤⣤⣤⣤⣤⣄⠀⠀⠀⠀⠀⢀⣀⣀⣀⣀⣄⣄⣄⣄⣤⣠⣤⣤⣤⣤⣤⣤⣽⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣦⣤⣶⣶⣤⣤⣽⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠠⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣶⣶⣮⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡛⠿⢿⡿⢿⣿⣿⣿⣿⣿⣿⣿⣿⣿⠤⠄⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠄⣶⣿⣿⣿⣿⣿⣿⣿⣿⣿⡿⠟⠋⠁⠀⠀⢠⣿⣿⣿⣿⣿⣿⣿⠟⠛⠙⠛⠙⠛⠋⠛⠛⠙⠛⠋⠛⠋⠛⠋⠛⠛⠙⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠛⠻⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣆⠀⠀⠈⠹⢿⣿⣿⣿⣿⣿⣿⣿⣶⣀⣤⣄⠀⢀⠀⠀
⠀⠀⠀⠀⣀⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣶⣶⣶⣆⣠⣴⣤⣬⣻⣿⣿⣿⠟⠁⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠉⠉⠉⠛⢿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣦⣄⠀⠈⠙⠺⠈⠙⠿⣿⣿⣿⣿⣿⣿⣷⠀⠀⠀
⠀⠀⣰⣿⣿⣿⣿⣿⣿⡿⠿⠛⣻⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣷⣶⣶⣶⣶⣶⣶⣶⣶⣦⣀⡀⠀⠀⠀⠀⢀⣄⣤⣤⣤⣤⣶⣶⣶⣶⣶⣶⣶⣶⣶⣶⣾⣾⣾⣾⣿⣿⣿⣿⣿⣿⣿⣭⡙⠿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⡍⠁⠀⠀⠀⠀⠀⠀⠉⠻⢿⣿⣿⣿⣿⣦⡀⠀
⠐⠞⠋⣛⠋⠑⠁⠀⠀⠀⠀⢾⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣷⣶⣦⣄⣄⣼⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣋⣉⡁⠀⠈⠉⠛⢿⢿⣿⣿⢿⣿⣿⣿⣿⣿⣦⣄⡀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠉⠙⠛⠷⠆
⠀⠀⠀⠀⠀⠀⠀⠀⢀⣴⣶⣿⣿⣿⣿⣿⣿⠿⠟⠛⠉⠁⣠⣾⣿⠟⠃⠈⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⠉⢉⣉⣉⣉⣉⣹⢿⣿⣿⣿⣿⣿⣿⣶⡄⠀⠀⠀⠀⠀⠀⠈⠙⠻⠟⠿⠿⣿⣿⣦⣄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠂⠀
⠀⠀⠀⠀⠀⠀⠀⠰⠿⠟⠛⡋⠋⠁⠁⠀⠀⠀⠀⠀⠀⠀⠁⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠈⠉⠉⠉⠉⠉⠙⠙⢻⣿⣿⣿⣿⣿⣷⣄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠉⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠘⠛⠋⠛⠛⠛⡛⠛⠀⠁⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀

Automatización de catálogo con Python y pandas

Utilicé Python y pandas para automatizar la transformación de catálogos CSV, realizar joins por SKU o referencia, normalizar atributos y preparar cargas masivas para WooCommerce.

Python
pandas
CSV
WooCommerce

Entradas: Exportaciones CSV de WooCommerce y catálogos recibidos de proveedores
Responsabilidad: En lugar de modificar productos individualmente, preparé procesos reproducibles para transformar datasets completos.

Joins y merges por SKU o referencia
Normalización de títulos, atributos y formatos
Limpieza y enriquecimiento de descripciones
Detección de duplicados y registros sin correspondencia
Comparación entre versiones de catálogo
Generación de ficheros preparados para importación

Exportar CSV
Python / pandas
Validar
Enriquecer
Normalizar
Importar

Normalización de datos de producto

Definí y apliqué reglas reproducibles para normalizar títulos, referencias, atributos, descripciones y campos derivados, conservando trazabilidad de origen hacia el SKU destino.

Python
pandas
CSV
SKU

Responsabilidad: Convertí correcciones que inicialmente se realizaban de forma manual en reglas reutilizables: reconstrucción de títulos, normalización de referencias, homogeneización de nomenclaturas, transformación de formatos, generación de campos derivados y separación de registros válidos o con incidencias.
Sistemas: Durante las transformaciones conservaba identificadores suficientes para relacionar el dato final con el proveedor, la referencia original, la transformación aplicada
Salida: El SKU que debía actualizarse en destino

Escalado progresivo del catálogo hasta más de 150.000 artículos

El catálogo partió de aproximadamente 15.000 artículos en 2019, alcanzó alrededor de 50.000 en 2021–2022 y terminó superando los 150.000, obligándome a adaptar progresivamente los procesos de carga, consulta y validación.

SQL
MySQL
MariaDB
phpMyAdmin

Contexto: A medida que el volumen crecía, los importadores convencionales empezaron a resultar insuficientes por tiempos de ejecución, memoria, tamaño de lote y carga del servidor.
Sistemas: Para trabajar con esos volúmenes profundicé en MySQL/MariaDB, SQL, phpMyAdmin y procesos masivos.

                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                                           "!!!!!!`                                                                     
                                   `<~~~~~]0$$$$$$X+~~~~~l.                                                             
                             .!????uB$$$$$$$$$$$$$$$$$$$$at??I.                                                         
                           .!rk$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$pt)):                                                      
                          !uk$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$mj:                                                    
                      ;ccXk$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$qn,                                                  
                      ~$$$$$$$$$$$$$$]'''''''''''''''')$$$$$$$$$$$$$@bu"                                                
                    Im#$$$$$$$$$$\'..                  ..^x$$$$$$$$$$$B*u^                                              
                  :m%$$$$$$$$$$j'                          ^z$$$$$$$$$$$L"                                              
                "L$$$$$$$$$@8n`                              "U8@$$$$$$$$$c`                                            
                "L$$$$$$$B*u^                                  ,J*@$$$$$$$X,                                            
               .lZ$$$$$$$d;                                      !&$$$$$$$$$f'                                          
              `c$$$$$$$@mt^                                      ,nq$$$$$$$$f'                                          
              `c$$$$$$$&!                                          ~$$$$$$$$Xl'                                         
              `c$$$$$$$&!                                          ~$$$$$$$$$$).                                        
             "?m$$$$$$$&!                                          ^]J$$$$$$$$).                                        
            'f$$$$$$$$$&!                                            ?$$$$$$$$).                                        
            'f$$$$$$$$$&!                                            ?$$$$$$$$).                                        
            'f$$$$$$$$$&!                                            ?$$$$$$$$).                                        
             `>Q$$$$$$$&!                                          :jm$$$$$$$$).                                        
              `c$$$$$$$&!                                          ~$$$$$$$$$$).                                        
              `c$$$$$$$@bu"                                        ~$$$$$$$$u".                                         
              `c$$$$$$$$$d;                                      Im#$$$$$$$$f'                                          
                ,Q$$$$$$$@8U"                                    !&$$$$$$$$$f'                                          
                "U8@$$$$$$$$$z^                                Ib$$$$$$$$$c`                                            
                  ;d$$$$$$$$$$$x^                            ;0$$$$$$$$$Bat`                                            
                  "ub@$$$$$$$$$$$t^''.                  .'';U$$$$$$$$$Bdt^                                              
                    ,nq$$$$$$$$$$$$$${````'     .``````,r$$$$$$$$$$$$$h+'                                               
                      :jm$$$$$$$$$$$$$$$$$q~""""?a$$$$$$$$$$$$$$$$$$$$$$q~""""""'                                       
                        :\Z$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$Q(C$$$$$$$$$$$$rI'                                     
                          :??\d$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$m)??, ^]J$$$$$$$$$$$$rl'                                   
                             .;~~/#$$$$$$$$$$$$$$$$$$$$$$$$q{:.      ?$$$$$$$$$$$$$Bri'                                 
                                 'I!!!iu$$$$$$$$$$$$$%/!!!!,.        ?$$$$$$$$$$$$$$$Mr>'                               
                                       ';;;;;;;;;;;;;:'              ?$$$$$$$$$$$$$$$$$*n<.                             
                                                                     ';n$$$$$$$$$$$$$$$$$ac<.                           
                                                                       .;c$$$$$$$$$$$$$$$$$aU<                          
                                                                         .;U$$$$$$$$$$$$$$$$$*0>                        
                                                                            ;0$$$$$$$$$$$$$$$$$Mbi                      
                                                                              Ib$$$$$$$$$$$$$$$$$Bal                    
                                                                                laB$$$$$$$$$$$$$$$$$bI                  
                                                                                  ibM$$$$$$$$$$$$$$$$$0;                
                                                                                    >0*$$$$$$$$$$$$$$$$$c`              
                                                                                      <Ua$$$$$$$$$$$$$$$c`              
                                                                                       .<ca$$$$$$$$$$$#X_'              
                                                                                         .<n*$$$$$$$Wc+'                
                                                                                           '>rM$$$Bu~'                  
                                                                                             'i~~~<`

Consulta

SELECT y JOIN para consulta y cruce de datos

                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                          ^!!,.                                                     `!!!!,.                             
                      ^~~-C$$q{~~~~^                                            `<~+z$$$$q{~~~~^                        
                  '~??z$$$$$$$$$$$$J]?-`                                    '>??uB$$$$$$$$$$$$$J]^                      
                '+cW$$$$$$$$$$$$$$$$$$BY]`                                .<n*$$$$$$$$$$$$$$$$$$$C{^                    
                "L$$$$$$$$$$$$$$$$$$$$$$d;                                `c$$$$$$$$$$$$$$$$$$$$$$BL1^                  
              '[QW$$$$$$$$$$$$$$$$$$$$$$8O)`                            ._C#$$$$$$$$$$$$$$$$$$$$$$$$d;                  
              `c$$$$$$$$$k>''''lZ$$$$$$$$$L"        lLLLLLLLLLLLLLLLLLLLZ#$$$$$$$$$8+'''';U$$$$$$$$$d;                  
            .1h8$$$$$$$&<.      .!k$$$$$$$L"        ~$$$$$$$$$$$$$$$$$$$$$$$$$$$$$-.       ;0$$$$$$$B*u^                
            'f$$$$$$$$$&!        ;d$$$$$$$L"        ~$$$$$$$$$$$$$$$$$$$$$$$$$$$$$~        "L$$$$$$$$$L"                
            '\8@$$$$$$$&i        Ib$$$$$$$L"        ~$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$&!      ,Q$$$$$$$@8U"                
              `c$$$$$$$$$k!....;0$$$$$$$$$L"        idddddddddddddddddddk&$$$$$$$$$&<....,X$$$$$$$$$d;                  
              ')q8$$$$$$$$$$$$$$$$$$$$$$Bdt^                            .]mW$$$$$$$$$$$$$$$$$$$$$$@bu"                  
                "L$$$$$$$$$$$$$$$$$$$$$$d;                                `c$$$$$$$$$$$$$$$$$$$$$$&!                    
                `]J&$$$$$$$$$$$$$$$$$$BL1^                                '_X#$$$$$$$$$$$$$$$$$$$0\"                    
                  `]))C$$$$$$$$$$$$Q(){^                                    '+))YB$$$$$$$$$$$Z\)),                      
                      ^]J$$$$$$$$Q{,                                            `-???????????:                          
                        ?$$$$$$$$).                                                                                     
                        ?$$$$$$$$).                                                                                     
                        ?$$$$$$$$).                                                                                     
                        ?$$$$$$$$).                                                                                     
                        ?$$$$$$$$).                                               ;cccccccc_.                           
                        ?$$$$$$$$).                                               ~$$$$$$$$f'                           
                        ?$$$$$$$$).                                               ~$$$$$$$$f'                           
                        ?$$$$$$$$).                                               ~$$$$$$$$f'                           
                        ?$$$$$$$$).                                               ~$$$$$$$$f'                           
                        ~dddddddd].                                               ~$$$$$$$$f'                           
                                                                                  ~$$$$$$$$f'                           
                                                                                  ~$$$$$$$$f'                           
                                                                                  ~$$$$$$$$f'                           
                                                                                  ~$$$$$$$$f'                           
                .:!!!!!!!!!!!!!!!!!!!!!!I'                                      'lj$$$$$$$$L+^                          
              .;(k$$$$$$$$$$$$$$$$$$$$$$#/l.                                  'ij%$$$$$$$$$$$C-^                        
              `c$$$$$$$$$$$$$$$$$$$$$$$$$$L"                                '>rM$$$$$$$$$$$$$$$J]^                      
            .!rk$$$$$$$$$$$$$$$$$$$$$$$$$$L"                              .<n*$$$$$$$$$$$$$$$$$$$C{^                    
            'f$$$$$$$$$$$$$$$$$$$$$$$$$$$$L"                            .<ca$$$$$$$$$$$$$$$$$$$$$$BL1^                  
            'f$$$$$$$$$8?````````+h$$$$$$$L"                           <Ua$$$$$$$$$$$$$$$$$$$$$$$$$$8O)`                
            'f$$$$$$$$$&!        ;d$$$$$$$L"                         >0*$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$8q)'              
            'f$$$$$$$$$&!        ;d$$$$$$$L"                         ?$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$c`              
            'f$$$$$$$$$&!        ;d$$$$$$$L"                         ?$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$c`              
            'f$$$$$$$$$&i        Ib$$$$$$$L"                          .{8B$$$$$$$$$$$$$$$$$$$$$$$$$$@8U"                
            'f$$$$$$$$$$$$$$$$$$$$$$$$$$$$L"                            .1h8$$$$$$$$$$$$$$$$$$$$$$@*J,                  
            .]mW$$$$$$$$$$$$$$$$$$$$$$$$$$L"                              ')q8$$$$$$$$$$$$$$$$$$$kU:                    
              `c$$$$$$$$$$$$$$$$$$$$$$$$$$L"                                `)O8$$$$$$$$$$$$$$$dz;                      
              '_X#$$$$$$$$$$$$$$$$$$$$$$&J]`                                  ^1LB$$$$$$$$$$$pxI                        
                '+))YB$$$$$$$$$$$$$$$C))]`                                      ^{C$$$$$$$$ptI                          
                    `-???????????????"                                            ^]J$$$$d\I.                           
                                                                                    ^~~~~;.

Escritura

UPDATE e INSERT para operaciones masivas
búsqueda por claves y referencias

                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                            "!!!!!!!!!!!!!!!!!!!!!!!!l'                                                                 
                           'f$$$$$$$$$$$$$$$$$$$$$$$$&!                ,~~;.                                            
                            "?m$$$$$$$$$$$$$$$$$$$ui!l'              ,{Q$$d\I.                                          
                             .^?d$$$$$$$$$$$$$$$c!'                ,(Q$$$$$$ptI                                         
                               .^?a$$$$$$$$$$$Xl'                "\0$$$$$$$$$$pxI                                       
                                 .`?8$$$$$$$Cl'                ^tm@$$$$$$$$$$$$$dz;                                     
                                    '[$$$$Zl.                ^tdB$$$$$$$$$$$$$$$$$hU:                                   
                                      .{$$L"               `taB$$$$$$$$$$$$$$$$$$$$@*J,                                 
                                                                                                                        
                                                                                                                        
                                                                                                                        
                                                                                                                        
                 '```````````````````````````````````````````````````````````````````````````````````.                  
                "L$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$d;                  
                "L$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$d;                  
                "L$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$d;                  
                .l/#$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$%ji'                  
                  'I!!r$$$$$$$$$$$$ui!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!r$$$$$$$$$$$$ui!l'                    
                      'Ir$$$$$$$$$$Q(,                                          ^{C$$$$$$$$$$c!'                        
                        ';n$$$$$$$$$$~                                          !&$$$$$$$$$Xl'                          
                         .)$$$$$$$$$$qn,                                      ^tm@$$$$$$$$$f'                           
                          ."u$$$$$$$$$@bu"                                  ^tdB$$$$$$$$$U;.                            
                             ,X$$$$$$$$$d;                                  "L$$$$$$$$$0;                               
                               ,Q$$$$$$$@8U"                              `n8@$$$$$$$bI                                 
                               "U8@$$$$$$$$$z^                          'j$$$$$$$$$$%m:                                 
                                 ,J*@$$$$$$$$$f'                      .)$$$$$$$$$$#mI                                   
                                   !&$$$$$$$$$u".                    .^t$$$$$$$$$$~                                     
                                   ,nq$$$$$$$$$$r,.                .^\$$$$$$$$$$dz;                                     
                                     :jm$$$$$$$$$$?                ~$$$$$$$$$$pxI                                       
                                       :\Z$$$$$$$$rI'            ':/$$$$$$$$ptI                                         
                                        .)$$$$$$$$$$rl'        'I/%$$$$$$$$$f'                                          
                                         ,[O$$$$$$$$$&!        ;d$$$$$$$$$q{:.                                          
                                           "?m$$$$$$$&!        ;d$$$$$$$b},.                                            
                                            `c$$$$$$$&!        ;d$$$$$$$L"                                              
                                            `c$$$$$$$&!        ;d$$$$$$$L"                                              
                                            `c$$$$$$$&!        ;d$$$$$$$L"                                              
                                            `c$$$$$$$&!        ;d$$$$$$$L"                                              
                                            `c$$$$$$$&!        ;d$$$$$$$L"                                              
                                            `c$$$$$$$&!        ;d$$$$$$$L"                                              
                                            `c$$$$$$$&!        ;d$$$$$$$L"                                              
                                            `c$$$$$$$&!        ;d$$$$$$$L"                                              
                                            `c$$$$$$$8+''''''''>k$$$$$$$L"                                              
                                            `c$$$$$$$$$$$$$$$$$$$$$$$$$$L"                                              
                                            `c$$$$$$$$$$$$$$$$$$$$$$$$$$L"                                              
                                            `c$$$$$$$$$$$$$$$$$$$$$$$$$$L"                                              
                                            `c$$$$$$$$$$$$$$$$$$$$$$$$$$L"                                              
                                            `c$$$$$$$$$$$$$$$$$$$$$$$$$$L"                                              
                                            .,!!!!!!!!!!!!!!!!!!!!!!!!!!:.

Validación

detección de duplicados y registros huérfanos
recuentos y validaciones de integridad
comprobaciones antes y después de las cargas

Modelado inicial de Product Data

Estructuré el catálogo de iluminación modelando relaciones entre SKU, referencias, tecnología, posición, componentes y compatibilidades, y apliqué controles básicos de Data Quality.

WooCommerce
SKU
Referencias de fabricante
Compatibilidades

El catálogo de automoción combinaba SKU, referencias internas y de fabricante, categorías, atributos técnicos, posición, lado, tecnología, stock, imágenes y compatibilidades. La información no podía mantenerse únicamente como fichas aisladas porque los productos dependían de relaciones entre componentes y vehículos.

Sobre estos datos apliqué controles de completitud, consistencia, unicidad, validez, exactitud y estandarización, especialmente sobre referencias, atributos obligatorios y compatibilidades.

Entidades

Sistema de iluminación

Vehículo

Marca

Modelo

Año

Faro / óptica

Halógeno

Xenón

OLED

Tecnología

Bombilla

Balastro

Módulo / controlador

Sistema de iluminación

Vehículo
- Marca
- Modelo
- Año
Faro / óptica
- Halógeno
- Xenón
- OLED
Tecnología
- Bombilla
- Balastro
- Módulo / controlador

Implantación de Universal Analytics

Implanté Universal Analytics para conectar datos operativos del e-commerce con tráfico, comportamiento, conversiones y ventas.

Universal Analytics

Trabajé en la implantación y mantenimiento de Universal Analytics para medir procedencia del tráfico, navegación, visualización de productos, comportamiento de usuario, conversiones y ventas asociadas a los distintos canales.

Integración con Google Merchant Center y Google Shopping

Preparé y mantuve el feed de producto hacia Google Merchant Center y Google Shopping, resolviendo errores de identificadores, títulos, precios y disponibilidad que afectaban a campañas.

Merchant Center
Google Shopping
WooCommerce
Product Feed

Responsabilidad: Preparé el catálogo para Merchant Center asegurando campos como identificador, título, descripción, marca, MPN/GTIN cuando correspondía, imagen, URL, precio y disponibilidad.
Entradas: También investigaba productos rechazados o con advertencias por discrepancias de precio o stock, identificadores incompletos, campos ausentes, imágenes, categorización o diferencias entre la web y el feed.

Entrada / preparación

Proveedor

referencias / identificadores
títulos / descripciones
precio / stock
imágenes / categorías

Transformación

normalización de campos
limpieza de títulos
mapeo de atributos
validación de identificadores
control de disponibilidad

Catálogo interno

SKU
atributos estandarizados
precio / stock consolidados
source of truth del producto

Publicación

Web

ficha de producto
precio y disponibilidad
categoría / contenido visible

Feed

id
title / description
brand / GTIN / MPN
price / availability
image_link / categoría

Merchant Center

validación del feed
diagnósticos
rechazos / advertencias

Google Shopping

publicación del catálogo
visibilidad del producto
superficies de Google / inventario apto

Control de calidad / feedback

Diagnósticos / incidencias

precio distinto entre web y feed
stock inconsistente
GTIN / MPN incompleto
imagen ausente o deficiente
categorización incorrecta
atributos obligatorios ausentes

Las incidencias detectadas se corregían en la transformación del dato o en el catálogo interno antes de regenerar y publicar el feed.

Entrada / preparación

Proveedor
- referencias / identificadores
- títulos / descripciones
- precio / stock
- imágenes / categorías
Transformación
- normalización de campos
- limpieza de títulos
- mapeo de atributos
- validación de identificadores
- control de disponibilidad
Catálogo interno
- SKU
- atributos estandarizados
- precio / stock consolidados
- source of truth del producto

Publicación

Web
- ficha de producto
- precio y disponibilidad
- categoría / contenido visible
Feed
- id
- title / description
- brand / GTIN / MPN
- price / availability
- image_link / categoría
Merchant Center
- validación del feed
- diagnósticos
- rechazos / advertencias
Google Shopping
- publicación del catálogo
- visibilidad del producto
- superficies de Google / inventario apto

Control de calidad / feedback

Diagnósticos / incidencias

precio distinto entre web y feed
stock inconsistente
GTIN / MPN incompleto
imagen ausente o deficiente
categorización incorrecta
atributos obligatorios ausentes

Las incidencias detectadas se corregían en la transformación del dato o en el catálogo interno antes de regenerar y publicar el feed.

Integración de cinco o seis proveedores

Integré catálogos de cinco o seis proveedores con formatos, idiomas y calidad heterogéneos (CSV, Excel, APIs y estructuras propias).

CSV
Excel
APIs

Cómo llegaban los datos

Tarifa y disponibilidad

Referencia
Precio
Stock

Recursos de producto

Referencia
Imágenes

Ficha enriquecida

Referencia propia
Descripción
Categoría

Información interna

Texto comercial
Clasificación
Equivalencias

Diferencias entre fuentes

Formato

CSV
Excel
APIs
Estructuras propias

Idioma

Español
Inglés
Portugués

Identidad

Referencias propias
Referencias de fabricante
Identificadores inconsistentes

Calidad

Atributos ausentes
Categorías propias
Textos incompletos
Traducciones deficientes

Mismo producto, distintas representaciones de origen

La integración exigía resolver diferencias de estructura, idioma, referencias y completitud antes de incorporar los datos al modelo interno.

Modelo canónico y normalización multilingüe

Construí una representación común de producto para integrar fuentes heterogéneas y normalizar vocabulario técnico entre proveedores e idiomas.

CSV
Excel
APIs
Modelo canónico

La integración dejó de adaptarse individualmente a cada proveedor. Las distintas fuentes se transformaban hacia un modelo interno común, manteniendo el significado técnico de pieza, posición, lado, tecnología, fabricante, referencia, compatibilidad y características del vehículo o componente.

Ejemplo de normalización

Pieza: Piloto delantero
Vehículo: SEAT León 2

Pieza: Seat Leon front light
Vehículo: SEAT Leon II

Pieza: Farolim dianteiro
Vehículo: SEAT Leon MK2

Normalización

Pieza

Traducir
Corregir
Homogeneizar nomenclatura

Vehículo

Resolver marca / modelo
Resolver generación
Mapear denominaciones equivalentes

Conservar significado técnico

Matching con modelo interno

Marca
Modelo
Generación
Periodo

Modelo canónico

Pieza: Piloto delantero
Marca: SEAT
Modelo: León
Generación: 2ª generación
Periodo: 2005–2012
Categoría: Iluminación

Representaciones resueltas

SEAT León 2 · SEAT Leon II · SEAT Leon MK2

Reglas de Data Quality

Apliqué reglas comunes de Data Quality sobre campos obligatorios, formatos, categorías, referencias, duplicados, atributos y compatibilidades.

CSV
Excel
Referencias
Compatibilidades

Ejemplo de registro recibido del proveedor

Datos de origen tal y como podían llegar del proveedor

Referencia proveedor: REF-XXXX-L
Nombre proveedor: PIL DEL SEAT LEON 2
Categoría proveedor: Iluminación
Vehículo informado: SEAT Leon 2
Tecnología informada: No informada

Información inferida del dato recibido

Nombre de piezaPIL → Piloto
PosiciónDEL → Delantero
VehículoSEAT LEON 2 → denominación pendiente de resolución contra el modelo interno

Convención de referencia del proveedor

Sufijo L → posible lado izquierdo

Regla específica de esa fuente; no era una convención universal.

Problemas detectables

Nomenclatura abreviada
Categoría demasiado genérica
Atributos no informados
Referencia con convención propia
Vehículo sin periodo ni variante
Compatibilidad pendiente de contraste

Resolución y enriquecimiento

Nombre

Interpretación de abreviaturas y nomenclatura del proveedor

Referencia

Convenciones de la fuente y contraste con equivalencias OEM

Vehículo

Resolución del modelo, generación y aplicación con TecDoc y fuentes internas

Tecnología / compatibilidad

Contraste técnico cuando el proveedor no aportaba información suficiente

Derivación y contraste

Nombre

PIL → Piloto

DEL → Delantero

Referencia proveedor

Sufijo L → posible lado izquierdo según convención de esa fuente

Equivalencia OEM

Contraste de la referencia con equivalencias de fabricante

TecDoc

Resolución de vehículo, generación, aplicación y compatibilidades

Tecnología

Obtención o validación mediante referencias y fuentes técnicas cuando no venía informada

Fuentes internas

Cotejo adicional cuando el dato de origen no era suficiente

Controles de Data Quality

Completitud y validez

Campos obligatorios
Valores permitidos
Formatos

Pregunta clave

¿Disponemos de los datos necesarios y tienen formatos y valores utilizables?

Clasificación y atributos

Categorías
Descripciones
Atributos

Pregunta clave

¿Hemos podido determinar correctamente qué pieza es y qué atributos técnicos le corresponden?

Identidad e integridad

Claves
Referencias
Duplicados
Compatibilidades

Pregunta clave

¿Las referencias, equivalencias y compatibilidades resuelven contra la misma entidad sin duplicidades ni contradicciones?

Resultado del control

Datos conformes

El registro puede continuar hacia los procesos de integración o publicación.

Incidencias detectadas

El registro requiere revisión o corrección antes de continuar.

Privacidad, cookies y consentimiento

Gestioné requisitos de cookies y consentimiento: finalidad, scripts permitidos y condiciones bajo las que los datos podían enviarse a terceros.

Cookies
Scripts de terceros
Formularios web

Responsabilidad: Participé en las adaptaciones técnicas de cookies, banners de consentimiento, scripts de terceros, analítica, publicidad y formularios.
Control: La implementación debía controlar la finalidad de la recogida, la existencia de consentimiento
Sistemas: Qué herramientas podían utilizar los datos y qué scripts debían permanecer bloqueados antes de la elección del usuario.

Escalado de una a tres plataformas

Mantuve la coherencia de referencias, productos, precios, stock, imágenes, eventos y compatibilidades entre dos WordPress y una aplicación Django.

WordPress
Django

El entorno creció hasta dos plataformas WordPress y una aplicación Django, con catálogos compartidos y datos específicos por aplicación. Una de las plataformas estaba orientada a clientes profesionales y añadía cuentas, condiciones comerciales y funcionalidades B2B.

Tres aplicaciones

WordPress

Catálogo y operativa e-commerce

WordPress B2B

Clientes profesionales y condiciones comerciales

Django

Aplicación con catálogo y lógica propia

Datos que debían conservar el mismo significado

Identidad de producto

Referencias
Identificadores
Productos

Estructura de catálogo

Categorías
Imágenes
Compatibilidades

Estado operativo

Precios
Stock
Eventos

Coherencia entre plataformas

Aunque cada aplicación tuviera funcionalidades y datos específicos, las entidades compartidas debían conservar referencias, relaciones y significado consistentes.

Misma identidad

Una misma referencia o producto debía resolver contra la misma entidad independientemente de la aplicación.

Mismo significado

Categorías, relaciones y compatibilidades debían conservar la misma interpretación entre plataformas.

Estado coherente

Precio, stock y demás datos operativos debían mantenerse consistentes con las fuentes que los alimentaban.

Product Master, Supplier Offers y normalización de tarifas

Separé la identidad del producto de las ofertas de cada proveedor y normalicé sus tarifas para poder comparar coste, portes, disponibilidad y condiciones.

Product Master
Supplier Offers
Tarifas de proveedor
Referencias

Un mismo producto podía estar disponible en varios proveedores con referencias, precios, portes, stock y condiciones diferentes.

Producto maestro

Product Master

Una única identidad de producto

Pieza
Referencia interna
Descripción
Compatibilidad

Ejemplo

Un mismo faro para un SEAT Ibiza de 2005 podía disponer de varias ofertas internas mientras el cliente veía un único producto.

Ofertas de proveedor

Supplier Offer

Referencia proveedor
Precio de compra
Portes
Stock
Condiciones

Supplier Offer

Referencia proveedor
Precio de compra
Portes
Stock
Condiciones

Supplier Offer

Referencia proveedor
Precio de compra
Portes
Stock
Condiciones

Resolución de referencias

Referencia de proveedor

Identificador recibido en cada tarifa

Equivalencia

Relación entre la referencia del proveedor y la pieza correspondiente

Product Master

Resolución contra una única identidad interna de producto

Antes de comparar tarifas había que confirmar que las distintas referencias correspondían realmente a la misma pieza.

Normalización de tarifas

Las tarifas de cada proveedor se transformaban a una estructura común y se resolvían contra el Product Master antes de poder compararse.

Datos recibidos

CampoReferencia

CampoPrecio de compra

CampoPortes

CampoStock / disponibilidad

CampoCondiciones

Estructura normalizada

CampoProduct Master

CampoCoste

CampoPortes

CampoDisponibilidad

CampoCondiciones

Ofertas comparables

Misma base de comparación

Coste

Precio de compra sobre una misma identidad de producto

Portes

Coste logístico asociado a la oferta

Disponibilidad

Stock o disponibilidad informada por el proveedor

Condiciones

Condiciones comerciales aplicables a esa oferta

Una vez resuelta la identidad y normalizados los datos, distintas alternativas de suministro podían compararse sobre el mismo producto.

Selección de proveedor, matching y Source of Truth

Implementé lógica de selección de proveedor basada en matching, actualidad, coste real, portes, disponibilidad, margen y condiciones.

Supplier Offers
Matching
Stock
Tarifas
Referencias

Oferta candidata

Cada Supplier Offer representaba una alternativa real de suministro para el mismo Product Master.

Referencia proveedor

Precio de compra

Portes

Stock

Condiciones

Validaciones previas

Matching

La referencia debía estar correctamente resuelta contra el Product Master para evitar comparar piezas diferentes o perder ofertas equivalentes.

Identidad de producto
Referencias equivalentes
Correspondencia con Product Master

Vigencia

Tarifa, stock y condiciones debían estar actualizados antes de utilizar una oferta en la decisión.

Tarifa vigente
Stock actualizado
Condiciones aplicables

Comparación

Una vez validada la oferta, la decisión no se basaba únicamente en el precio de compra.

Coste real

Precio de compra más costes asociados a la oferta.

Portes

Coste de transporte asociado al suministro.

Disponibilidad

Stock disponible en el momento de la decisión.

Margen y condiciones

Impacto económico y condiciones comerciales aplicables.

Selección

La oferta seleccionada era la que mejor encajaba con las condiciones reales del pedido una vez resuelta la identidad y comprobada la vigencia de los datos.

Proveedor seleccionado

Resultado de comparar las alternativas válidas disponibles para ese Product Master.

Impacto de un dato incorrecto

Matching incorrecto → comparación entre piezas diferentes
Tarifa desactualizada → coste incorrecto
Stock desactualizado → incidencia de suministro

Integración técnica con Smart Shopping

Aseguré la capa técnica de feeds, eventos, conversiones y medición requerida por Smart Shopping, mientras la agencia definía la estrategia de campañas.

Merchant Center
Smart Shopping
Google Ads
Analytics

Distribución de responsabilidades

Agencia

Definía la parte estratégica de la captación.

Estrategia
Estructura de campañas
Creatividades
Presupuestos
Optimización

Responsabilidad propia

Preparaba y mantenía la base técnica para que Smart Shopping pudiera operar correctamente.

Merchant Center
Feeds
Etiquetado
Eventos
Conversiones
Analytics
Google Ads
Depuración de incidencias

Capa técnica implantada

Catálogo / feed

Catálogo de producto
Títulos y descripciones
Precio y disponibilidad
Identificadores e imágenes

Merchant Center

Feed validado
Diagnósticos
Rechazos y advertencias
Calidad del dato enviado

Medición

Etiquetado
Eventos
Conversiones
Analytics

Google Ads / Smart Shopping

Cuenta conectada
Datos de producto
Señales de conversión
Incidencias depuradas

Mi trabajo consistía en asegurar que el catálogo llegara correctamente a Merchant Center y que la medición de eventos y conversiones alimentara de forma fiable las integraciones con Google Ads y Analytics.

Resultado operativo

Feed operativo

El catálogo podía publicarse y mantenerse con incidencias controladas.

Medición activa

Eventos y conversiones quedaban disponibles para la capa publicitaria.

Soporte técnico estable

La agencia podía trabajar campañas sobre una base técnica mantenida y depurada.

Integración de TecDoc y Master Data de automoción

Integré TecDoc resolviendo relaciones entre vehículos, fabricantes, motorizaciones, OE/OEM, equivalencias y compatibilidades con nuestro catálogo y aplicaciones.

TecDoc
OE/OEM
WordPress
Django

Dominio incorporado por TecDoc

Vehículos

Entidad de aplicación y compatibilidad

Fabricantes / modelos

Jerarquía de vehículo

Motorizaciones

Variante técnica del vehículo

Referencias OE/OEM

Referencias de fabricante

Equivalencias

Relaciones entre referencias

Familias de producto

Agrupación técnica de pieza

Compatibilidades

Relación pieza–vehículo

Integración con nuestras aplicaciones

Referencias internas

Vinculación con el catálogo propio

Catálogos de proveedores

Cruce con referencias y equivalencias externas

WordPress / Django

Consumo del dato en las plataformas de catálogo

Filtros y búsquedas

Aplicación del dato a navegación, búsquedas y compatibilidades

Resolución de identidades

La parte crítica consistía en distinguir si una referencia apuntaba al mismo producto, a una equivalencia, a una alternativa compatible o a una pieza diferente.

Mismo producto

La referencia resolvía contra la misma pieza en nuestro catálogo.

Referencia equivalente

La pieza era la misma, pero la referencia procedía de otra nomenclatura.

Alternativa compatible

La pieza no era idéntica, pero podía aplicarse sobre el mismo vehículo o contexto.

Pieza diferente

La referencia no debía mezclarse con la identidad principal ni con sus equivalencias.

Ese trabajo permitía integrar TecDoc sin romper la identidad del catálogo, las compatibilidades ni la lógica de búsqueda de las aplicaciones.

Migración de Smart Shopping a Performance Max

Adapté feeds, conversiones, productos, eventos e integraciones durante la sustitución de Smart Shopping por Performance Max.

Merchant Center
Performance Max
Google Ads
Analytics

Cambio de entorno

Smart Shopping

Base anterior sobre la que ya existían feed, medición e integraciones.

Performance Max

Nuevo entorno al que hubo que adaptar la capa técnica existente.

La migración no consistía en rehacer la estrategia de campañas, sino en adaptar productos, señales y medición al nuevo modelo técnico.

Ámbitos adaptados

Feeds y producto

Feeds
Productos
Merchant Center

Conversión y señales

Conversiones
Objetivos
Señales
Audiencias
Eventos
Etiquetado

Integraciones

Google Ads
Analytics

Base técnica reconfigurada

Catálogo / Merchant Center

Producto, feed y disponibilidad preparados para el nuevo entorno.

Medición

Eventos, conversiones y señales revisadas para mantener la continuidad técnica.

Integraciones

Conexiones con Google Ads y Analytics adaptadas a la nueva operativa.

Resultado de la migración

Feed adaptado

Los productos y su disponibilidad podían seguir utilizándose en el nuevo entorno.

Medición revisada

Conversiones, eventos y señales quedaban preparadas para la transición técnica.

Integración mantenida

Google Ads y Analytics seguían conectados sobre la base técnica adaptada.

La migración exigió ajustar la infraestructura existente sin perder coherencia entre catálogo, medición e integraciones.

Formalización del gobierno: Purview y Collibra

La complejidad introducida por TecDoc llevó a formalizar el gobierno del dato; evaluamos Microsoft Purview y seleccionamos Collibra por madurez, profundidad, flexibilidad y adecuación.

Microsoft Purview
Collibra

Motivo de formalización

TecDoc multiplicó entidades, identificadores, equivalencias y relaciones hasta hacer insuficiente depender de scripts aislados, documentación dispersa y conocimiento implícito.

Más entidades

Más identificadores

Más equivalencias

Más relaciones

Evaluación

Microsoft Purview

Lo evaluamos mediante pruebas, pero para nuestro caso no ofrecía la profundidad, flexibilidad y madurez que necesitábamos en un entorno heterogéneo.

Collibra

Ofrecía una mejor adecuación al modelo que debíamos gobernar y a las relaciones que necesitábamos mantener.

Criterios de decisión

Madurez

Capacidad suficiente para sostener un modelo de gobierno real.

Profundidad

Nivel de detalle necesario para activos, relaciones y mappings.

Flexibilidad

Capacidad para adaptarse a fuentes y estructuras heterogéneas.

Adecuación

Encaje con el modelo de datos y las relaciones que necesitábamos mantener.

Decisión

Collibra

Seleccionada por su mejor adecuación al modelo y al nivel de gobierno que necesitábamos.

Implantación de Collibra

Me encargué de buena parte de la implantación y mantenimiento de Collibra, incluyendo mappings, relaciones, nomenclaturas, fuentes, consumidores y reglas del ecosistema real.

Collibra
Mappings
Assets
Relaciones

Conocimiento trasladado al modelo

Trasladé a Collibra una parte importante del conocimiento que antes estaba repartido entre sistemas, documentos y conocimiento operativo.

SistemasDocumentaciónConocimiento operativo

Modelo gobernado en Collibra

Estructura implantada

Modelo

Definición de estructuras y nomenclaturas para representar el ecosistema de datos.

Estructuras
Nomenclaturas
Adaptación ante nuevas fuentes

Mappings y relaciones

Conexión entre campos, activos, productos, proveedores y referencias.

Mappings entre campos y activos
Producto ↔ proveedor
Proveedor ↔ referencia

Gobierno

Documentación y reglas necesarias para mantener el significado del modelo.

Fuentes y consumidores
Reglas
Excepciones

Relaciones del modelo

Flujo del dato

Fuente

Campo / activo

Consumidor

Relaciones de producto

Producto

Proveedor

Referencia

El objetivo era convertir conocimiento operativo disperso en una estructura mantenible de activos, mappings, relaciones, fuentes, consumidores y reglas.

Automatización y mantenimiento de Collibra

Desarrollé procesos reutilizables para preparar, validar y mantener datos de Collibra ante cambios de proveedores, TecDoc, catálogos y reglas.

Collibra
Scripts
Mappings
Datasets

Cuando el volumen hizo inviable mantener el modelo manualmente, desarrollé scripts para transformar estructuras, normalizar nombres, validar campos, comparar datasets, detectar diferencias y preparar incorporaciones o actualizaciones.

Los mismos procesos se reutilizaban cuando cambiaban proveedores, catálogos, atributos o relaciones, reduciendo tareas manuales y haciendo el mantenimiento más consistente y reproducible.

Entradas de cambio

Proveedores

Cambios en estructuras, referencias o datos recibidos.

TecDoc

Cambios en entidades, referencias o relaciones técnicas.

Catálogos

Cambios en productos, atributos y estructuras de catálogo.

Modelo

Cambios en atributos, relaciones o reglas.

Proceso de mantenimiento

Preparación

Transformar estructuras
Normalizar nombres
Comparar datasets

Validación

Validar campos
Detectar diferencias
Preparar cambios

Revisión

Los cambios se revisaban antes de incorporarlos al modelo.

Actualización del modelo

Collibra

El modelo se actualizaba de forma más consistente y reproducible ante cambios del ecosistema.

Data Contracts e instrumentación con GTM/dataLayer

Definí contratos de eventos consistentes entre WordPress y Django e implementé GTM y dataLayer como capa común de instrumentación.

Google Tag Manager
dataLayer
JavaScript
WordPress
Django

Instrumentación común

Trabajé con etiquetas, triggers, variables, JavaScript, ecommerce, conversiones y consentimiento en Google Tag Manager. La dataLayer actuaba como interfaz entre las aplicaciones y las herramientas de medición.

Aplicaciones de origen

WordPress ×2

Dos plataformas WordPress generando eventos con la misma estructura contractual.

Django

Aplicación Django utilizando el mismo contrato de eventos.

Contrato de evento

Nombre del evento

Identificador común de la acción medida.

Campos requeridos

Datos mínimos que el evento debía proporcionar.

Identificadores

Valores necesarios para relacionar correctamente el evento.

Tipos y valores

Estructura y contenido esperado para cada campo.

Formatos

Representación consistente entre aplicaciones.

Condiciones de envío

Reglas que determinaban cuándo podía emitirse el evento.

Ejemplo: compra

Campos requeridos

transaction_idvaluecurrencyitems

Una compra debía proporcionar de forma consistente transaction_id, value, currency e items independientemente de la aplicación de origen.

Flujo de instrumentación

Aplicación

Origen del evento.

dataLayer

Interfaz común de datos.

Google Tag Manager

Procesamiento del etiquetado y las reglas de envío.

Analytics / Google Ads

Destinos de medición y conversión.

Con tres plataformas, estandaricé nombres de eventos, campos requeridos, identificadores, tipos, valores, formatos y condiciones de envío.

Migración de Universal Analytics a GA4

Reconstruí el modelo de medición en la migración a GA4: eventos, conversiones, ecommerce, tags, triggers, dataLayer, Ads y lógica JavaScript.

GA4
Google Tag Manager
dataLayer
Google Ads
JavaScript

Modelo anterior

Universal Analytics

Modelo de medición que debía sustituirse.

Reconstrucción de la instrumentación

Eventos y ecommerce

Reconstrucción de las acciones de negocio y del modelo de ecommerce.

Eventos
Conversiones
Ecommerce

Etiquetado

Adaptación de la capa de instrumentación.

Etiquetas
Triggers
dataLayer
JavaScript

Objetivos y audiencias

Revisión de objetivos y audiencias vinculados al nuevo modelo.

Objetivos
Audiencias

Integraciones

Adaptación de las conexiones dependientes de la medición.

Google Ads

Modelo migrado

GA4

Eventos, conversiones e integraciones adaptados al nuevo modelo de medición.

La retirada de Universal Analytics obligó a revisar el modelo de instrumentación completo. Adapté eventos, conversiones, ecommerce, etiquetas, triggers, dataLayer, integraciones con Google Ads, objetivos y audiencias, además de revisar JavaScript específico de las diferentes plataformas.

Reconciliación de datos, conversiones offline y first-party

Implementé la reconciliación de campañas, leads, clientes, ventas e identificadores para relacionar conversiones offline con su origen y mantener datos first-party consistentes.

Google Ads
Email
Teléfono
IDs de pedido

Reconciliación de conversión offline

Campaña

Origen de adquisición.

Interacción

Acción previa registrada.

Lead

Contacto relacionado con la oportunidad.

Venta fuera del flujo web

Conversión completada fuera del recorrido online.

Registro interno

Registro utilizado para reconciliar la operación.

Conversión offline

Conversión devuelta a la plataforma con su contexto.

Datos utilizados para reconciliar

IdentificadoresFechasValoresLeadsClientesPedidosDeduplicaciónValidaciones

Parte de las ventas podía completarse fuera del flujo web. Para relacionarlas con su origen trabajé con identificadores, fechas, valores, leads, clientes, pedidos, deduplicación y validaciones.

Preparación de first-party data

Dato first-party preparado para integraciones externas.

Teléfono

Segundo identificador first-party preparado bajo las mismas reglas de calidad.

Preparación

Limpieza

Eliminación de formatos o caracteres no utilizables.

Normalización

Homogeneización de la representación del dato.

Deduplicación

Reducción de registros repetidos.

Validación

Comprobación de que el dato pudiera utilizarse correctamente.

Consentimiento

Control de las condiciones de uso del dato.

Destino

Integraciones externas

Datos first-party preparados y validados para su uso en las integraciones correspondientes.

También normalicé y preparé email y teléfono first-party para integraciones externas, aplicando limpieza, deduplicación, validación y controles de consentimiento.

2023–2025

Product Data, MDM, taxonomía y reglas de negocio

Entre 2023 y 2025 amplié mis responsabilidades sobre Consent Mode, metadata de producto, búsqueda y compatibilidades, pricing profesional, Customer Master Data y Vehicle Data. En paralelo, el catálogo dejó de estar centrado principalmente en iluminación y se amplió a numerosas familias de carrocería y otros componentes: el volumen de producto creció aproximadamente por tres y la taxonomía pasó de unas cinco o seis categorías principales a más de treinta. Ese crecimiento obligó a revisar normalización, clasificación, feeds de Google, logística y reglas de selección de proveedor y transporte.

Consent Mode v2 y depuración de estados

Implementé y depuré Consent Mode v2 sobre GTM, dataLayer y gtag, controlando señales, estados y orden de ejecución.

Consent Mode v2
Google Tag Manager
dataLayer
gtag
CMP
JavaScript

Estandarización de metadata para búsqueda y filtros

Estandaricé atributos necesarios para búsqueda, filtros, categorías y compatibilidades, de forma que los productos pudieran encontrarse y publicarse correctamente.

TecDoc
OE/OEM
Merchant Center

La publicación del producto no era suficiente si faltaban datos necesarios para buscarlo o filtrarlo. Normalicé atributos como tipo de pieza, lado, posición, fabricante, referencias, OE/OEM, tecnología, categoría y compatibilidad.

Metadata estandarizada

Identidad

Datos necesarios para identificar la pieza y relacionarla con sus referencias.

Fabricante
Referencias
OE/OEM

Clasificación

Datos utilizados para determinar qué tipo de producto era y dónde debía aparecer.

Tipo de pieza
Categoría

Aplicación técnica

Atributos necesarios para resolver posición, tecnología y compatibilidad.

Lado
Posición
Tecnología
Compatibilidad

Conjunto mínimo antes de consumo

Campos

Información obligatoria para que el producto pudiera utilizarse correctamente.

Vocabularios

Valores y nomenclaturas normalizadas entre productos y fuentes.

Relaciones

Vínculos necesarios entre producto, referencias, vehículo y compatibilidades.

Destinos

Búsqueda

Localización del producto mediante sus datos normalizados.

Filtros

Filtrado por atributos, categoría y características técnicas.

Navegación por vehículo

Contextualización del catálogo según el vehículo seleccionado.

Web

Publicación consistente del producto en las plataformas.

Merchant Center

Consumo externo del catálogo bajo requisitos de datos específicos.

Cada producto debía cumplir un conjunto mínimo de campos, vocabularios y relaciones antes de alimentar búsqueda, filtros, navegación por vehículo, la web y Merchant Center.

Pricing B2B y control de tarifas profesionales

Implementé pricing B2B y controles de acceso para aplicar la tarifa correcta según cliente, segmento, volumen y condiciones comerciales.

Tarifas B2B
Segmentos
Descuentos
Permisos

En el área profesional el precio pasó a depender de la relación entre producto, cliente, segmento y condiciones comerciales. El modelo utilizaba datos como tipo de cliente, volumen, nivel de tarifa, descuentos, excepciones y vigencia.

Entradas de pricing

Producto

Pieza sobre la que debía calcularse la tarifa profesional.

Identidad del producto

Cliente / segmento

Contexto comercial utilizado para determinar el nivel de tarifa.

Tipo de cliente
Volumen
Nivel de tarifa

Condiciones comerciales

Reglas que podían modificar la tarifa aplicable.

Descuentos
Excepciones
Vigencia

Tarifa aplicable

Resultado de combinar producto, cliente o segmento y condiciones comerciales.

Producto + Cliente / segmento + Condiciones → Tarifa aplicable

Control de acceso

También restringí la visibilidad de precios y condiciones profesionales para reducir errores y evitar que una tarifa de otro cliente o segmento se mostrara o compartiera fuera de contexto.

Visibilidad de precios

La tarifa profesional debía mostrarse únicamente en el contexto correspondiente.

Condiciones profesionales

Las condiciones comerciales debían permanecer asociadas al cliente o segmento correcto.

Least Privilege

El acceso se limitaba a la información necesaria para cada contexto.

Data Access Governance

Las reglas de acceso reducían el riesgo de exposición de tarifas fuera de contexto.

Estos controles se aplicaban mediante la lógica existente del sistema, no mediante una suite DLP formal.

Customer Master Data y estado comercial

Modelé clientes y talleres como entidades de negocio relacionadas con contactos, cuentas, tarifas, pedidos, saldo y estado comercial.

Cuenta de usuario
Cliente
Taller
Pedidos
Saldo / deuda

Modelo de entidades

Persona / contacto

Persona que podía actuar como contacto de una cuenta o empresa.

Cuenta de usuario

Identidad utilizada para acceder a la plataforma.

Cliente comercial

Entidad sobre la que se aplicaban condiciones comerciales y operativas.

Taller / empresa

Organización profesional relacionada con contactos, pedidos y tarifas.

La separación entre estas entidades evitaba duplicados o asociaciones incorrectas.

Relaciones del taller

Taller / empresa

Contactos

Personas asociadas al taller.

Pedidos

Operaciones vinculadas al cliente profesional.

Tarifa y condiciones

Condiciones comerciales aplicables.

Estado comercial

Situación económica y operativa del cliente.

Un taller podía tener varios contactos, pedidos, una tarifa determinada, condiciones y una situación comercial propia.

Estado comercial

Saldo

Situación económica acumulada.

Deuda

Importes pendientes asociados al cliente.

Operaciones abiertas

Operaciones todavía no cerradas.

Estado de pago

Situación de pago utilizada en el contexto comercial.

La exactitud y, especialmente, la actualidad de esos datos podían condicionar nuevas operaciones comerciales.

Stock, lead time y selección de transporte

Relacioné disponibilidad y lead time del proveedor con costes y plazos de transporte, seleccionando la agencia más adecuada según tamaño de la pieza, coste de envío y tiempo estimado de entrega.

Supplier Data
Stock
Lead Time
Agencias de transporte
Coste de envío

Datos de suministro

Coste de compra

Precio de adquisición asociado a la oferta del proveedor.

Portes

Coste logístico asociado al suministro desde el proveedor.

Disponibilidad

Stock disponible en el momento de la decisión.

Margen

Impacto económico de la alternativa de suministro.

Lead time

Tiempo esperado hasta disponer de la pieza.

Condicionantes logísticos

Tamaño y volumen de la pieza

Dimensiones que podían limitar agencias o encarecer el transporte.

Coste de envío

Coste real asociado a transportar esa pieza.

Restricciones de la agencia

Condiciones de transporte aplicables según tipo y tamaño de producto.

Tiempo estimado de entrega

Plazo que podía comunicarse al cliente según proveedor y transporte.

Con la incorporación de piezas de carrocería, el tamaño y volumen del producto pasaron a condicionar también la logística: una pieza grande podía hacer que una oferta aparentemente más barata dejara de ser la opción óptima por el coste del transporte.

Decisión de suministro

Proveedor

Alternativa de suministro seleccionada según coste, disponibilidad y margen.

Agencia de transporte

Alternativa logística seleccionada según tamaño, restricciones, coste y plazo.

Decisión final

Coste total

Resultado económico de proveedor + transporte.

Entrega estimada

Plazo resultante de disponibilidad + transporte.

Cliente

Recepción de una fecha estimada coherente con la alternativa seleccionada.

Comparaba las alternativas de envío según dimensiones de la pieza, coste, restricciones de la agencia de transporte y tiempo estimado de entrega. La decisión final combinaba proveedor y transporte para reducir el coste total sin comprometer la fecha comunicada al cliente.

Vehicle Master Data, matrícula y VIN

Integré Vehicle Master Data, matrícula/VIN y TecDoc para resolver identidad y compatibilidades de producto, controlando falsos positivos y falsos negativos en el catálogo mostrado.

TecDoc
VIN
Matrícula
OE/OEM

Identificación del vehículo

Matrícula

Entrada utilizada para identificar el vehículo cuando estaba disponible.

VIN

Identificador utilizado para resolver el vehículo con mayor precisión.

Selección manual

Alternativa cuando el vehículo se seleccionaba directamente por sus características.

Vehicle Master Data

Fabricante

Marca del vehículo.

Modelo

Modelo identificado.

Versión

Variante concreta dentro del modelo.

Motorización

Configuración técnica del vehículo.

Año

Periodo utilizado para acotar compatibilidades.

Identificadores TecDoc

Identificadores utilizados para relacionar el vehículo con TecDoc.

La búsqueda pasó a identificar primero el vehículo mediante matrícula, VIN o selección manual y después consultar TecDoc para resolver productos compatibles. El dominio de Vehicle Data incluía fabricante, modelo, versión, motorización, año e identificadores TecDoc relacionados con referencias y equivalencias de producto.

Resolución con TecDoc

Referencias

Referencias relacionadas con la pieza.

OE/OEM

Referencias de fabricante utilizadas para resolver equivalencias.

Equivalencias

Relaciones entre referencias técnicamente equivalentes.

Compatibilidades

Relación final entre pieza y vehículo.

Catálogo contextual

Productos compatibles con el vehículo identificado.

Vehículos guardados

También permitimos guardar vehículos en la cuenta para reutilizarlos en búsquedas y filtros. Estas relaciones exigían asociación correcta entre usuario, vehículo e identificadores y controles sobre acceso, almacenamiento y minimización.

Usuario

Cuenta a la que se asociaba el vehículo.

Vehículo

Entidad de vehículo guardada.

Identificadores

Datos necesarios para mantener la asociación correcta.

Acceso

Control de quién podía consultar la información.

Almacenamiento

Persistencia de los datos necesarios para reutilizar el vehículo.

Minimización

Conservación únicamente de los datos necesarios para la funcionalidad.

Riesgo de compatibilidad

Falso positivo

Mostrar una pieza incompatible.

Falso negativo

Ocultar una pieza válida.

Product Data Governance, taxonomía y feeds a escala

Goberné un catálogo que creció aproximadamente por tres, pasando de unas cinco o seis categorías principales a más de treinta e incorporando carrocería y otras familias, con impacto directo en taxonomía, feeds, búsqueda y calidad del dato.

Python
pandas
TecDoc
Merchant Center
CSV

Escala del catálogo

×3 aproximadamente

Volumen de producto

Crecimiento aproximado respecto al catálogo anterior.

5–6 → 30+

Categorías principales

Aumento de la taxonomía necesaria para clasificar el catálogo.

Iluminación → carrocería y otras familias

Ampliación del dominio

Entrada de nuevas familias de producto con requisitos de clasificación y logística distintos.

Entre 2023 y 2025 el catálogo dejó de estar centrado principalmente en iluminación y se amplió a numerosas familias de carrocería y otros componentes. Ese crecimiento multiplicó aproximadamente por tres el volumen de producto y obligó a mantener una taxonomía mucho más amplia, con más de treinta categorías principales y nuevas reglas de clasificación, atributos y compatibilidades.

Taxonomía

Iluminación

Familias históricas del catálogo.

Carrocería

Nuevas familias con mayor impacto en clasificación y logística.

Piezas de seguridad

Productos con categorización específica dentro del catálogo.

Otras familias de producto

Resto de grupos incorporados durante la ampliación.

Evolución de los feeds

Segmentación más simple

En una etapa anterior los feeds podían mantenerse más separados por marcas.

Feeds por marca

Segmentación más granular

El crecimiento del catálogo obligó a dividir y clasificar con mayor precisión los productos enviados.

Grupos de producto
Familias de producto
Clasificación requerida por Google
Merchant Center

La estructura de feeds de Google también tuvo que evolucionar. Los feeds que inicialmente podían mantenerse más separados por marcas pasaron a requerir una segmentación mucho más granular por grupos y familias de producto, manteniendo coherencia entre la clasificación interna, los atributos enviados y los requisitos de Merchant Center.

Automatización

Python / pandas

Base de los procesos de transformación masiva.

Joins y merges

Cruce de datasets por claves y referencias.

Deduplicación

Detección y reducción de registros repetidos.

Normalización

Homogeneización de campos, nombres y formatos.

Comparación de datasets

Detección de cambios entre distintas versiones o fuentes.

Procesamiento por chunks

Trabajo por lotes cuando el volumen hacía inviable procesar todo de una vez.

Validación

Comprobaciones antes y después de las transformaciones.

Source of Truth por atributo

Cuando varias fuentes ofrecían información diferente, definía la fuente fiable según el atributo.

Stock

Desde un proveedor

Imágenes

Desde otro proveedor

Compatibilidad

Desde TecDoc

Contenido

Desde información interna

Catálogo consistente

Resultado de combinar cada atributo desde la fuente considerada fiable para ese dato.

El mismo catálogo seguía alimentándose de proveedores, TecDoc e información interna. Para mantenerlo consistente seguí aplicando normalización, matching, deduplicación, validaciones y Source of Truth por atributo.

2025–2026

First-party data, server-side y arquitectura de medición

En 2025–2026 profundicé en la capa técnica de medición y first-party data, implementando conversiones mejoradas y server-side tagging con normalización, consentimiento, eventos, identificadores, validación y debugging. En paralelo, la empresa internalizó una parte mayor de la operativa de Google Ads; mi responsabilidad siguió centrándose principalmente en la calidad del dato, el etiquetado, los eventos, las conversiones y la medición, mientras la estrategia comercial y creativa correspondía a otra capa.

Conversiones mejoradas y first-party data

Integré conversiones mejoradas con datos first-party para reforzar la medición ante las restricciones crecientes del tracking tradicional.

Enhanced Conversions
Google Ads
Google Tag Manager
Email
Teléfono

Participé directamente en la implementación técnica de conversiones mejoradas utilizando datos first-party, eventos de conversión, normalización, validación, consentimiento, Google Tag Manager y Google Ads.

Datos first-party

Dato propio del cliente utilizado cuando estaba disponible y podía utilizarse bajo las condiciones de consentimiento correspondientes.

Teléfono

Segundo identificador first-party preparado bajo las mismas reglas de calidad y consentimiento.

Preparación del dato

Normalización

Homogeneización del dato antes de incorporarlo al flujo de medición.

Validación

Comprobación de que el dato tuviera una estructura utilizable antes de enviarlo.

Consentimiento

Control de las condiciones bajo las que el dato podía utilizarse en la medición.

Contexto de conversión

Evento

Interacción o acción de negocio que debía medirse.

Conversión

Resultado asociado al evento que se enviaba a la plataforma de medición.

Flujo de instrumentación

Datos first-party preparados

Email / teléfono normalizados, validados y sujetos a consentimiento.

Google Tag Manager

Instrumentación del flujo de medición.

Google Ads

Destino de la conversión y del dato asociado.

Enhanced Conversions

Refuerzo de la medición mediante datos first-party.

Responsabilidad técnica

Responsabilidad propia

Preparación del dato
Normalización
Validación
Consentimiento
Instrumentación
Comprobación del flujo

Responsabilidad de la herramienta

Hashing del dato cuando correspondía

El hashing era gestionado por las herramientas correspondientes; mi responsabilidad estaba en proporcionar y validar correctamente los datos y el flujo de medición.

Capa técnica de Google Ads y certificaciones

En 2025, con una mayor internalización de Google Ads, mi especialización siguió centrada en calidad del dato, etiquetado, eventos, conversiones y medición, y obtuve certificaciones oficiales de Google relacionadas con publicidad y medición.

Google Ads
Merchant Center
GA4
Google Partners

Cambio de contexto

Primeros años

La agencia concentraba estrategia, estructura de campañas, creatividades, presupuestos y optimización.

2025

La empresa asumió una parte mayor de la operativa de Google Ads.

Ese cambio amplió el contexto en el que trabajaba, pero mi responsabilidad principal continuó estando en la capa técnica de datos y medición.

Responsabilidad principal

Mi trabajo se concentraba en preparar, instrumentar, validar y depurar los datos que alimentaban la medición y las integraciones publicitarias.

Calidad del dato

Revisión de la consistencia del dato utilizado por las integraciones.

Etiquetado

Mantenimiento de la instrumentación técnica necesaria para la medición.

Eventos

Comprobación de las acciones y señales enviadas desde las aplicaciones.

Conversiones

Validación del recorrido desde el evento hasta la conversión registrada.

Medición

Depuración de discrepancias y continuidad entre aplicaciones y plataformas.

Google Ads

Integración técnica de datos y conversiones con la plataforma publicitaria.

Ecosistema técnico

Merchant Center

Producto, feeds y calidad del dato comercial.

GA4

Eventos, conversiones y medición.

Google Ads

Consumo de producto, señales y conversiones.

Separación de funciones

Capa estratégica

Decisiones comerciales y de campaña.

Estrategia
Creatividades
Decisiones comerciales

Capa técnica

Datos e instrumentación necesarios para medir y alimentar las plataformas.

Datos
Etiquetado
Eventos
Conversiones
Medición

Certificaciones

En 2025 obtuve certificaciones oficiales de Google relacionadas con publicidad y medición.

Formalizaban conocimientos que ya utilizaba en producción y también resultaban útiles dentro del contexto de Google Partners.

Server-side tagging y medición

Implementé y mantuve la capa server-side de medición como responsabilidad técnica directa.

Server-side tagging
Google Ads
GA4
First-party data

Las restricciones crecientes del navegador y de privacidad hicieron necesario trasladar parte de la instrumentación hacia una capa server-side, manteniendo una relación complementaria con la medición ejecutada en cliente.

Me encargué directamente de implementar y mantener esa capa, trabajando con eventos estructurados, payloads, identificadores, conversiones, first-party data, consentimiento, validación y debugging de los flujos hacia GA4 y Google Ads.

Arquitectura de medición

Origen

Browser / Web

Las aplicaciones generaban las interacciones y eventos de origen.

Procesamiento

Capa server-side

Recibía eventos estructurados y preparaba el procesamiento y envío posterior.

Eventos estructurados
Procesamiento

Destinos

GA4 / Google Ads

Plataformas de destino para medición y conversiones.

Datos y contexto

Payloads

Estructura de los datos enviados entre las capas del flujo.

Identificadores

Datos utilizados para relacionar eventos y conversiones.

Conversiones

Eventos de negocio que debían llegar correctamente a los destinos.

First-party data

Datos propios preparados para su uso dentro de las condiciones aplicables.

Consentimiento

Estado que condicionaba el tratamiento y envío del dato.

Operación técnica

Validación

Comprobaba la estructura de los eventos, los datos enviados y la llegada correcta a los destinos.

Campos
Valores
Payload
Destino

Debugging

Investigaba incidencias entre el origen, la capa de procesamiento y las plataformas de destino.

Origen
Procesamiento
Envío
Recepción

Client-side y server-side

Client-side

La instrumentación ejecutada desde el navegador seguía recogiendo parte de las interacciones y eventos.

Server-side

La capa adicional permitía procesar y reenviar determinados eventos reduciendo parte de la dependencia directa del navegador.

El modelo server-side complementaba la medición client-side; no la sustituía por completo.

Responsabilidad directa

Mi responsabilidad incluía la implementación, mantenimiento, validación y depuración de la capa server-side y de los flujos de medición asociados.

Esta implementación reducía la dependencia del navegador y complementaba la medición client-side dentro de las restricciones de privacidad.

Experiencia profesional

Gestión de catálogo, automatización y analítica

Automatización de catálogo con Python y pandas

Normalización de datos de producto

Escalado progresivo del catálogo hasta más de 150.000 artículos

Modelado inicial de Product Data

Implantación de Universal Analytics

Integración con Google Merchant Center y Google Shopping

Integración de proveedores y estandarización de datos

Integración de cinco o seis proveedores

Modelo canónico y normalización multilingüe

Reglas de Data Quality

Privacidad, cookies y consentimiento

Plataformas, proveedores, pricing y TecDoc

Escalado de una a tres plataformas

Product Master, Supplier Offers y normalización de tarifas

Selección de proveedor, matching y Source of Truth

Integración técnica con Smart Shopping

Integración de TecDoc y Master Data de automoción

Migración de Smart Shopping a Performance Max

Collibra, gobierno del dato y arquitectura de medición

Formalización del gobierno: Purview y Collibra

Implantación de Collibra

Automatización y mantenimiento de Collibra

Data Contracts e instrumentación con GTM/dataLayer

Migración de Universal Analytics a GA4

Reconciliación de datos, conversiones offline y first-party

Product Data, MDM, taxonomía y reglas de negocio

Consent Mode v2 y depuración de estados

Estandarización de metadata para búsqueda y filtros

Pricing B2B y control de tarifas profesionales

Customer Master Data y estado comercial

Stock, lead time y selección de transporte

Vehicle Master Data, matrícula y VIN

Product Data Governance, taxonomía y feeds a escala

First-party data, server-side y arquitectura de medición

Conversiones mejoradas y first-party data

Capa técnica de Google Ads y certificaciones

Server-side tagging y medición