Abstract:
CONDITION FOR PROJECT PUBLICATION. In the fast-food sector, logistics management must be efficient given the volatility of operating costs such as fuel. This work proposes a dynamic tariff model for secondary distribution, which also incorporates business intelligence to optimize budget allocation. The innovation stems from the obsolescence of current tariffs and the need for technical bases to conduct negotiations with suppliers that favor profitability. Methodologically, field data collection and interviews with key stakeholders were carried out, with data processing conducted using ETL techniques. Tools such as Python were used for data cleaning and Excel for structuring, enabling the creation of interactive dashboards in Power BI with allocation models by distance and by route. The analysis of the generated data yielded positive results regarding the cost structure, as well as identifying some irregularities. For example, on the Milagro route, it was found that the cost per km is excessive; considering our model, it is currently being charged 50-60% higher. Another important aspect is the creation of management tools that help identify scenarios and the level of financial sensitivity. Finally, it is concluded that tariff standardization according to this model not only aligns operating costs with reality but also endows management with immediate response capacity to market fluctuations, ensuring informed and sustainable decisions.
Keywords: Tariff Model, Secondary Distribution, Business Intelligence, Logistics Costs, Power BI.
Description:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. En el sector de la comida rápida, la gestión logística debe ser eficiente dada la volatilidad de los costos operativos como el combustible. En este trabajo, se propone un modelo tarifario dinámico para la distribución secundaria, que, además, incorpora inteligencia de negocio para la optimización de la asignación del presupuesto. La innovación parte de la obsolescencia de las tarifas actuales y la necesidad de bases técnicas para llevar a cabo la negociación con los proveedores, que sean en beneficio de la rentabilidad. Metodológicamente se realizó el respectivo levantamiento de información de campo y entrevistas a los actores claves, cuyo procesamiento de los datos se llevó a cabo mediante técnicas ETL. Se utilizaron herramientas como Python para la depuración y Excel para la estructuración, lo que proporcionó que se elaboren dashboards interactivos en Power BI con modelos de asignación por distancia y por ruta. El análisis de los datos generados arrojó buenos resultados en la estructura de costos, así como algunas irregularidades. Por ejemplo, en la ruta Milagro encontramos que se cobra en exceso el Km, y considerando nuestro modelo, vimos que se encuentra cobrando un 50-60% por encima. Otro aspecto importante es que se crean herramientas de gestión que ayudan a identificar cuáles son los escenarios y el nivel de sensibilidad financiera. Por último, se deriva que la estandarización tarifaria de acuerdo con este modelo permite no solo sincerar los costos operativos, sino que dota a la gerencia de capacidad de respuesta inmediata ante fluctuaciones del mercado, garantizando decisiones informadas y sostenibles