Diez millones de pruebas.
Un SLA por cada vial.
Gemotest — red rusa de laboratorios clínicos con más de 1 000 sucursales de toma de muestras, 20+ laboratorios centrales y más de 10 millones de pruebas médicas al mes — operaba con visibilidad fragmentada: el sistema clínico tenía sus datos, la logística los suyos, la atención al cliente los suyos. Cada incumplimiento de SLA salía a la luz cuando el paciente llamaba. Construimos una plataforma BI operativa sobre Power BI Premium que integra los tres flujos, ajusta rutas y turnos en tiempo real, y entrega pronósticos operativos a más de 1 000 gerentes — con alertas móviles.
El caso, en cuatro frases.
Para los que llegaron desde LinkedIn y solo tienen 30 segundos. Si quieres profundidad, sigue scrolleando.
Tres sistemas, una operación crítica de tiempos médicos.
Sistema clínico (LIMS), logística (transporte refrigerado) y atención al cliente operaban sin diálogo. Si una muestra perdía la cadena de frío, nadie se enteraba hasta el paciente.
Integramos los tres en Power BI Premium operativo.
Cada flujo emite eventos hacia un mismo data warehouse en Azure. Reglas SLA por tipo de prueba, ruta, turno. Pronóstico ML para cargas del día siguiente.
Alertas móviles directas a gerentes de sucursal.
Bot Telegram empuja la alerta al gerente cuando una variable se sale del rango. Reacciona en minutos, no en horas.
Resultado: visibilidad 100%, SLA proactivo, menos verificaciones manuales, ajuste continuo de rutas y turnos.
Un equipo central que ya no apaga incendios — diseña experimentos operativos.
Gemotest · Laboratorios clínicos llegó con un problema medible.
- 01
Carga desigual entre sucursales y laboratorios
Una sucursal de Moscú podía estar saturada con 200 muestras esperando ruta, mientras otra tenía vehículo con espacio sin uso. Nadie veía ambos a la vez.
cuellos invisibles - 02
SLAs sin control proactivo
Un compromiso «resultado en 24h» se monitoreaba post-mortem, cuando el call center recibía la queja. La compensación al cliente llegaba tarde.
SLA reactivo - 03
Logística de biomaterial sin trazabilidad
El conductor recogía 80 muestras en su ruta sin escaneo individual. Si en el laboratorio faltaba una, no había forma de saber dónde se perdió.
0 trazabilidad item - 04
Visibilidad limitada entre sucursales
Una sucursal con problema (técnico ausente, equipo descalibrado) afectaba a las cercanas — pero nadie sabía hasta que el patrón aparecía en quejas.
silos geográficos - 05
Verificación manual entre sistemas
12 personas verificaban a mano que los pedidos del LIMS coincidieran con los reportes logísticos. 6 horas diarias. Errores constantes.
12 personas · 6 h/d - 06
Sin alerta a gerencias de sucursal
El gerente no se enteraba en tiempo real que su almacén estaba al 95% — lo veía cuando llegaba el courier y no podía recibir.
0 alerta proactiva - 07
Reportes a la dirección con días de retraso
El COO veía métricas operativas con 2-3 días de retraso. Las decisiones se tomaban sobre fotografía borrosa.
2-3 d stale
Lo que construimos.
No reemplazamos lo que ya funcionaba. Construimos capas finas que comunicaron sistemas ciegos entre sí.
Mapa operativo con 1 000 sucursales en vivo
Cada sucursal es un pin coloreado por estado SLA (verde · ámbar · rojo). Click → sub-vista con muestras en tránsito desde esa sucursal hacia sus laboratorios.
Mobile gerente sucursal
App móvil con 4 KPIs + bot Telegram que empuja alertas («tu almacén al 92%», «3 muestras en riesgo de SLA», «pico de demanda detectado»). El gerente actúa sobre su sucursal.
Exec dashboard nacional
KPIs agregados nacionales + drill-down por región. Indicador en vivo de cuántas sucursales en zona roja, cuántas rutas optimizadas hoy.
Pronóstico ML · próximas 48h
Modelo entrena sobre 2 años · ajusta por estacionalidad, festivos, campañas. Asigna rutas y turnos del día siguiente automáticamente — el operador valida.
Stack y capas.
stack: Power BI Premium · Azure SQL · Azure Data Factory · Synapse · Apache Airflow · Telegram bot · Stream Analytics
Captura
Procesamiento
Almacenamiento
Superficies
Los números.
Medidos por el equipo del cliente, no por nosotros. Comparativa: baseline previo al go-live.
«Pasamos de explicarle al paciente por qué llegó tarde, a avisarle al gerente antes de que llegue tarde.»
Lo que aprendimos — y aplicamos en el siguiente caso.
El gerente de sucursal es el usuario, no el COO.
Construimos primero el panel ejecutivo. Mal. Hasta que rediseñamos para el gerente local — alertas en su Telegram, no en un dashboard que tiene que abrir — la adopción no llegó. El COO se beneficia del trabajo del gerente, no al revés.
SLA proactivo cuesta diseñar — y se paga solo.
La inversión en pronóstico ML + alertas tempranas parece sobrediseñada al principio. Pero cada incumplimiento de SLA en healthcare cuesta no solo compensación, sino reputación. El ROI «proactivo vs reactivo» es difícil de calcular hasta que dejas de tener calls de queja.
Power BI Premium es una decisión política, no técnica.
Sber MegaMarket eligió Looker; Gemotest eligió Power BI. La diferencia no es técnica. Si el resto del cliente vive en Microsoft (Azure AD, M365), Power BI baja la fricción de adopción 5×.
¿Te suena familiar? Hablemos.
No vendemos software de plantilla. Empezamos siempre con una auditoría gratis de 4 semanas: nos sentamos con tu equipo, mapeamos sistemas y dolores, y entregamos un PDF con 3–5 quick wins concretas.