Plataforma de inteligencia de negocios para análisis de ventas farmacéuticas con cifrado de datos end-to-end, pipeline ETL automatizado y dashboard interactivo desarrollado con Python y Streamlit.

Sistema completo de Business Intelligence diseñado para analizar datos de ventas farmacéuticas manteniendo la seguridad y confidencialidad de la información mediante cifrado AES-256-GCM.

Las farmacias generan grandes volúmenes de datos de ventas, inventario y productos, pero carecen de herramientas accesibles para:

• Analizar tendencias de ventas
• Identificar productos rentables
• Gestionar inventario eficientemente
• Proteger datos sensibles del negocio

Plataforma modular que integra:

1. Seguridad: Cifrado de archivos con AES-256
2. ETL: Pipeline automatizado para limpieza y transformación
3. Analytics: Cálculo de KPIs y métricas de negocio
4. Visualización: Dashboard interactivo con filtros dinámicos

• Cifrado AES-256-GCM con autenticación de integridad
• Datos raw nunca persisten sin cifrar
• Descifrado en memoria durante procesamiento
• Gestión de claves mediante variables de entorno
• Compatible con estándares de seguridad empresarial

• KPIs en tiempo real: ingresos, ganancias, márgenes
• Análisis temporal: tendencias mensuales y estacionalidad
• Top productos: por ventas y rentabilidad
• Gestión de inventario: alertas de stock bajo
• Análisis por categoría: rubros y laboratorios
• Distribución de márgenes: histogramas interactivos

• Filtros dinámicos por mes y categoría
• Visualizaciones con Plotly (zoom, pan, export)
• Tablas con formato profesional
• Descarga de datos filtrados en CSV
• Caché inteligente para performance
• Responsive design

• Extracción segura desde archivos cifrados
• Limpieza y normalización de datos
• Validaciones de calidad automáticas
• Cálculo de métricas derivadas
• Categorización automática de productos
• Complejidad O(n) optimizada

┌─────────────────────────────────────────────┐
│           Datos Raw (CSV)                   │
│  ├── enero.csv, febrero.csv, ...           │
│  └── Información sensible del negocio      │
└─────────────────────────────────────────────┘
                    ↓ Cifrado AES-256
┌─────────────────────────────────────────────┐
│        Datos Cifrados (*.enc)               │
│  ├── Solo legibles con clave correcta      │
│  └── Almacenados de forma segura           │
└─────────────────────────────────────────────┘
                    ↓ ETL Pipeline
┌─────────────────────────────────────────────┐
│       Procesamiento en Memoria              │
│  ├── Extracción y descifrado temporal      │
│  ├── Transformación y validación           │
│  └── Cálculo de métricas                   │
└─────────────────────────────────────────────┘
                    ↓ Agregación
┌─────────────────────────────────────────────┐
│          Dashboard Streamlit                │
│  ├── Solo visualiza datos agregados        │
│  └── Sin exposición de datos individuales  │
└─────────────────────────────────────────────┘

• Python 3.11 o superior
• pip o poetry para gestión de dependencias
• Git

git clone https://github.com/nnvelez95/pharmacy-sales-intelligence.git
cd pharmacy-sales-intelligence

# Windows
python -m venv .venv
.\.venv\Scripts\activate

# Linux/macOS
python3 -m venv .venv
source .venv/bin/activate

pip install --upgrade pip
pip install -r requirements.txt

# Copiar plantilla
cp .env.example .env

# Generar clave de cifrado (copiar el output)
python -c "import secrets; print(secrets.token_hex(32))"

# Editar .env y pegar la clave
# ENCRYPTION_KEY=tu-clave-generada-aqui

# Colocar archivos CSV en data/raw/
# Luego ejecutar:
python scripts/encrypt_initial_data.py

streamlit run app/streamlit_app.py

El dashboard se abrirá automáticamente en http://localhost:8501

pharmacy-sales-intelligence/
├── app/                        # Dashboard Streamlit
│   ├── components/            # Componentes de visualización
│   │   └── charts.py         # Gráficos con Plotly
│   ├── utils/                # Utilidades del dashboard
│   │   └── metrics.py        # Cálculo de KPIs
│   └── streamlit_app.py      # Aplicación principal
│
├── src/                       # Código fuente
│   ├── security/             # Sistema de cifrado
│   │   ├── encryption.py     # AES-256-GCM
│   │   └── data_manager.py   # Gestor de datos cifrados
│   ├── etl/                  # Pipeline ETL
│   │   ├── extractors.py     # Carga de datos
│   │   ├── transformers.py   # Limpieza y validación
│   │   └── pipeline.py       # Orquestación
│   ├── analytics/            # (Futuro) Análisis avanzados
│   ├── ml/                   # (Futuro) Machine Learning
│   ├── utils/                # Utilidades generales
│   │   └── logger.py         # Sistema de logging
│   └── config.py             # Configuración centralizada
│
├── data/                      # Directorio de datos
│   ├── encrypted/            # Archivos cifrados (*.enc)
│   ├── processed/            # Cache temporal (no en Git)
│   └── raw/                  # CSVs originales (no en Git)
│
├── scripts/                   # Scripts de utilidad
│   └── encrypt_initial_data.py
│
├── tests/                     # Tests unitarios
│   ├── unit/
│   └── integration/
│
├── notebooks/                 # Jupyter notebooks
├── logs/                      # Archivos de log
├── .env.example              # Template de configuración
├── .gitignore                # Archivos ignorados por Git
├── requirements.txt          # Dependencias Python
├── CHANGELOG.md              # Historial de cambios
├── CONTRIBUTING.md           # Guía de contribución
├── LICENSE                   # Licencia MIT
└── README.md                 # Este archivo

• ~71,000 registros de datos procesados
• 12 meses de información histórica
• 6,000+ productos únicos analizados
• 800+ laboratorios en el catálogo
• 40+ rubros categorizados
• <2 segundos de carga del dashboard (con caché)

Los archivos *.enc en este repositorio están protegidos con AES-256-GCM.

⚠️ Información importante:

• Los datos raw NUNCA están en el repositorio
• Solo el propietario con la clave correcta puede descifrarlos
• El descifrado ocurre en memoria durante el procesamiento
• No se persisten datos sin cifrar en ningún momento
• Compatible con normativas de protección de datos

Las contribuciones son bienvenidas. Por favor lee CONTRIBUTING.md para detalles sobre nuestro código de conducta y el proceso para enviar pull requests.

• 🐛 Reportar bugs o errores
• ✨ Sugerir nuevas funcionalidades
• 📝 Mejorar documentación
• 🧪 Agregar tests
• 🎨 Mejorar visualizaciones
• 🤖 Implementar modelos de ML

• Tests unitarios con Pytest (cobertura >80%)
• GitHub Actions para CI/CD
• Pre-commit hooks automáticos
• Documentación API con Sphinx

• Módulo de Machine Learning (forecasting, clustering)
• Análisis de sentiment en productos
• Sistema de recomendaciones
• API REST con FastAPI
• Base de datos SQL para históricos
• Multi-farmacia support

Norberto Velez

• 💼 LinkedIn: www.linkedin.com/in/norberto-velez-672916172
• 📧 Email: [email protected]
• 🐙 GitHub: @nnvelez95

Project Link: https://github.com/nnvelez95/pharmacy-sales-intelligence

Este proyecto está bajo la Licencia MIT. Ver el archivo LICENSE para más detalles.

• Streamlit - Framework para el dashboard
• Plotly - Visualizaciones interactivas
• Cryptography - Biblioteca de cifrado
• Pandas - Análisis de datos
• Pydantic - Validación de datos

Si este proyecto te resultó útil, considera darle una estrella ⭐