Brassia Intelligence es una plataforma de BI a la medida que consume datos transaccionales del CRM operativo del cliente, los persiste en BigQuery con tablas crudas y modeladas, y presenta KPIs accionables (pipeline, conversión, tiempos, atribución) en un dashboard web protegido. La ingesta es programada y delta-only para mantener costos bajos. Todo el sistema corre en GCP y fue construido con Claude Code.
El problema: el dashboard del CRM no es el dashboard que el negocio necesita
Los CRMs populares (Bitrix24, HubSpot, Salesforce) traen dashboards genéricos que sirven para empezar pero se quedan cortos cuando el negocio crece. El equipo comercial necesita ver embudos cruzando dos o tres dimensiones (vendedor × etapa × producto × periodo), atribución por canal de origen, tiempos reales entre etapas, y comparativos contra metas. El CRM rara vez expone eso de forma usable.
La solución que muchos equipos toman — exportar a Excel cada lunes — es frágil, tarda, no se actualiza solo y no soporta el volumen cuando hay miles de deals.
La solución: una capa de datos paralela al CRM
Brassia Intelligence ingiere los datos del CRM operativo cada doce horas vía una sincronización delta (solo lo que cambió desde la última corrida). Los registros aterrizan en una tabla cruda en BigQuery (la fuente de verdad inmutable) y de ahí se transforman a una tabla modelada que el dashboard consume.
El dashboard web — protegido con autenticación — muestra los KPIs que importan al equipo: pipeline por etapa, conversión vendedor-a-vendedor, tiempos entre etapas, atribución por canal, comparativos contra metas. Está pensado para que un líder comercial lo abra cinco minutos antes de un comité y entienda el estado real del negocio sin tener que pedirle reportes a nadie.
Stack técnico desplegado en GCP
Pipeline de ingesta en Python (`bitrix_delta_v2.py`) corriendo como Cloud Run Job. Cloud Scheduler dispara la corrida dos veces al día (07:00 y 15:00 hora Bogotá). Cada corrida lee el delta desde la API del CRM, lo carga a BigQuery en una tabla particionada por fecha, y dispara la transformación que actualiza la tabla modelada.
Web y API corren como dos servicios Cloud Run separados en us-central1 — `brassia-web` (frontend) y `brassia-api` (queries a BigQuery con caché). La separación permite escalar cada parte independiente. Autenticación con Firebase Auth y roles por usuario para limitar qué KPIs ve quién.
Logging estructurado en Cloud Logging permite rastrear el camino de un registro desde la API del CRM hasta el dashboard. Si una métrica se ve rara, hay un trace ID que conecta el dato visible con la corrida que lo trajo.
Cómo Claude Code aceleró el desarrollo
Los pipelines de datos están llenos de casos borde: registros eliminados que ya no aparecen en la API, campos que cambian de tipo, fechas en formatos distintos según el origen, retries cuando la API responde con errores transitorios. Claude Code abordó cada uno explícitamente — no con código defensivo paranoico, sino con manejo específico por tipo de fallo y logs claros para diagnóstico futuro.
El otro reto fue el modelado: la tabla cruda tiene cien campos pero el dashboard solo usa veinte. Claude Code propuso la separación raw vs modelada desde la primera iteración, lo que nos ahorró el debt típico de "todo está en una sola tabla, ahora cambiarla es traumático".
Resultados
La plataforma está al aire y el equipo comercial del cliente la usa diariamente. La ingesta corre desatendida desde hace meses sin requerir mantenimiento. Cuando el cliente necesitó un nuevo KPI, sumarlo tomó horas, no semanas, porque el modelo de datos ya estaba listo para extenderlo.
El cliente recuperó visibilidad sobre su pipeline real y tomó decisiones operativas que antes dependían de exportes a Excel del lunes anterior.
¿Qué replicamos a clientes?
Si tu CRM no te muestra lo que tu negocio necesita y los reportes los siguen armando a mano, podemos construirte una capa de datos paralela que ingiere, normaliza y entrega visualizaciones a la medida. Funciona para Bitrix24, HubSpot, Salesforce, Pipedrive y CRMs propietarios con API. Hablemos.