Pipeline automatizado de validación, corrección y clasificación de carteras de deudores para entidades financieras — de archivo crudo del banco a reporte ejecutivo y gestión priorizada, en segundos.

🔗 Ver dashboard interactivo → https://datastudio.google.com/reporting/2efc5167-73ad-4de2-9860-2fd57486cfcc 💻 Repositorio GitHub → https://github.com/enzoestevez/financial-data-pipeline

🎯 El problema de negocio

Las financieras reciben archivos de carteras desde bancos con errores constantes de formato: DNIs con puntos, teléfonos con prefijos duplicados, montos con coma decimal, nombres en mayúsculas. Procesarlos a mano tarda horas, genera inconsistencias, y retrasa la gestión de cobranzas justo cuando el tiempo es el factor que más afecta la probabilidad de recupero.

Este fue un requerimiento real que encontré en procesos de selección de financieras: necesitaban a alguien que reciba el archivo del banco, lo valide, lo corrija, lo clasifique y lo devuelva listo para actuar.

❓ Preguntas que este proyecto responde

• ¿Qué porcentaje de los registros llega con errores de formato?
• ¿Cómo se distribuye la cartera entre clientes al día y en mora?
• ¿Cuánto dinero está en riesgo y en qué grado de mora?
• ¿A quién debe llamar primero el call center para maximizar el recupero?
• ¿Qué casos deben derivarse directamente a gestión legal?

⚙️ Cómo funciona el pipeline

cartera_raw.csv (banco)
        ↓
[1] Ingestión y lectura
        ↓
[2] Detección y corrección de errores
    DNI · Teléfono · Email · Monto · Nombre · Provincia
        ↓
[3] Clasificación de mora y prioridad
    Estado de cuenta (criterios BCRA) · Score de recupero (0-100)
        ↓
[4] Generación de outputs
    ├── Archivo corregido → devolver al banco
    ├── Archivo priorizado → call center
    └── Reporte ejecutivo → gerencia

Pipeline modular en Python puro, sin dependencias externas. Se ejecuta vía línea de comandos:

python pipeline_financiero.py --input cartera_raw.csv

🛠️ Herramientas utilizadas