Embedded Files
Desarrollo de un sistema de homologación de catálogos médicos mediante arquitecturas Bi-Encoder y Cross-Encoder, permitiendo una comparación técnica de precios entre proveedores con descripciones no estandarizadas y detectando ahorros críticos para una EPS en insumos de alta rotación.
1. Tema del Proyecto
Se implementa un pipeline de procesamiento de lenguaje natural (NLP) para resolver el problema de la falta de trazabilidad en la codificación de productos. El proyecto utiliza modelos de Sentence Embeddings multilingües para cruzar bases de datos de diferentes proveedores y analizar la competitividad de sus tarifas en una escala logarítmica.
2. Resumen Ejecutivo
Problema:
La EPS enfrentaba la imposibilidad de comparar directamente los precios de dos proveedores principales debido a que las descripciones de los productos no seguían un estándar único, dificultando la identificación de la opción más económica para cada insumo. La falta de una malla de validación semántica impedía un análisis de dispersión real, ocultando variaciones de precio que, en algunos casos, alcanzaban una diferencia significativa.
Solución:
Se diseñó un flujo de trabajo en Python que utiliza el modelo paraphrase-multilingual-MiniLM-L12-v2 para una búsqueda semántica inicial (Bi-Encoder) y el modelo stsb-xlm-r-multilingual para un re-ranking de alta precisión (Cross-Encoder), asegurando un matching correcto entre descripciones técnicas complejas.
Resultado:
El análisis concluyó que resulta necesario implementar una estrategia de compra híbrida: adjudicar el volumen masivo al Proveedor_2 y conservar al Proveedor_1 únicamente en su nicho de alta eficiencia. Esta combinación evita un sobrecosto proyectado cercano a $7.500 millones y asegura un ahorro neto superior a $19.000 millones, maximizando el impacto económico global en favor de la EPS.
3. Contexto de Negocio
En el sector salud colombiano, la gestión y compra de insumos requiere una trazabilidad absoluta. Dado que cada proveedor maneja nomenclaturas propias, la auditoría manual es ineficiente. Este proyecto automatiza el cruce de información compleja para garantizar la consistencia del dato.
4. Trabajo Realizado
Importación y Limpieza de Datos:
Carga de bases de datos desde archivos Excel y normalización básica (conversión a minúsculas y eliminación de espacios en blanco) de los nombres de productos.
Generación de Embeddings (Bi-Encoder):
Uso de SentenceTransformer para convertir miles de descripciones en vectores numéricos, permitiendo búsquedas semánticas rápidas mediante similitud de coseno.
Re-Ranking de Precisión (Cross-Encoder):
Implementación de una segunda capa de validación que evalúa pares de productos candidatos para filtrar falsos positivos y asignar un score de confianza definitivo.
Análisis de Dispersión Logarítmica:
Visualización de los resultados en una gráfica de dispersión con escala logarítmica para identificar visualmente qué proveedor es más caro en qué nicho de productos.
Análisis Comparativo de Proveedores
1. Histograma con curva de densidad: Estrategia de Precios:
Asimetría negativa (Proveedor_2): Ventaja estructural, no casual. Su modelo está sesgado para ser ~12% más barato en la mayor parte del catálogo, con picos de hasta -50%.
Cola derecha (Proveedor_1): Gana en menos productos que su competencia, Representa un catalogo de productos específico y cuando gana representa un ahorro a considerar.
2. Diagrama de Dispersión: Dominio y Nichos
La Línea Diagonal Roja -El "Punto de Equilibrio"-La línea punteada roja representa la igualdad perfecta y = x, donde el precio de Proveedor_1 es idéntico al de Proveedor_2. Todo lo que esté por debajo de la línea roja significa que Proveedor_2 -Puntos Azules- es más barato. Todo lo que esté por encima, significa que Proveedor_1 -Puntos Naranjas- es más barato.
El proveedor_2 domina en cobertura y volumen, pero presenta vulnerabilidades sistemáticas en el rango medio-alto donde Proveedor_1 logra ventajas relativas significativas.
En el Proveedor_1 la nube naranja no representa todo el gasto menor. Representa un cluster muy específico de productos que cuestan entre 10x5 y 10x7 (en el eje X).
En esa franja de precios específicos, Proveedor_2 tiene una debilidad importante de precios, por eso los puntos naranjas volando por encima de la línea punteada. Proveedor_1 protege a la EPS de las fallas de precio que tiene Proveedor_2 en ese nicho específico (aproximadamente del 30% de ahorro).
3. Conclusión para toma de decisión:
Son complementarios estratégicos, no sustitutos.
Proveedor_2 (Azul) domina en volumen y productos de alto costo.
Proveedor_1 (Naranja) protege un nicho específico donde Proveedor_2 es débil, con descuentos sustanciales.
Eliminar a Proveedor_1 crearía una falla de precio en ese nicho, encareciendo la operación.
5. Business Case
Problema:
¿Es financieramente viable unificar el 100% de las compras con el proveedor de mayor cobertura del catálogo para simplificar la operación logística?Hipótesis clave:
Unificar la operación en el proveedor dominante (Proveedor 2) generará eficiencias administrativas, pero expondrá a la EPS a un riesgo financiero crítico: asumir el sobrecosto oculto en el nicho del 30% del portafolio donde el Proveedor 1 maneja descuentos estructuralmente más agresivos. La simplificación logística no justifica la pérdida de eficiencia financiera.Resultado:
El análisis de similitud semántica (NLP) y el cruce estadístico confirmaron que los proveedores no son sustitutos perfectos, sino complementarios.
El Proveedor 2 gana por volumen de cobertura (~70% de los ítems).
El Proveedor 1 gana por profundidad de margen en un nicho específico (~30% de los ítems, con descuentos que superan la mediana del 33%).
Una estrategia híbrida maximiza el beneficio económico total a ~$18 mil millones en eficiencia combinada, suma de ahorro + evitar sobrecosto.
Repositorio en [GitHub]
Page updated
Report abuse