BIOR Strategy

Proyecto grupal desarrollado durante GEN AI ARENA, el hackathon de IA aplicada al marketing organizado por SIDN.

BIOR Strategy es una plataforma de inteligencia competitiva para equipos de marketing. Su objetivo es reducir el trabajo manual de análisis de competencia reuniendo datos de distintas fuentes, transformándolos en métricas comparables y presentándolos en un dashboard ejecutivo con apoyo de agentes de IA.

Este proyecto fue realizado en equipo con más participantes del evento. Mi aportación se centró principalmente en el desarrollo del frontend, la integración visual del dashboard y la contenedorización para que la solución pudiera presentarse como una demo funcional.

Qué problema resuelve

Los equipos de marketing suelen dedicar muchas horas a revisar webs, redes sociales, medios externos, SEO, paid media y reputación online de sus competidores. Ese proceso es lento, manual y muchas veces llega tarde: cuando el informe está preparado, parte de la información ya ha cambiado.

BIOR Strategy propone automatizar ese flujo:

• Recopila señales de distintas fuentes digitales.
• Estandariza y transforma los datos para poder compararlos.
• Construye métricas de benchmark por competidor y canal.
• Presenta dashboards ejecutivos en Looker Studio integrados en una interfaz web.
• Permite consultar insights mediante un agente de IA conectado a los datos.

Funcionalidades principales

• Dashboard competitivo por áreas: Web y SEO, redes sociales, paid media, reputación online y medios externos.
• Ingesta y transformación de datos con arquitectura cloud.
• Modelos dbt para preparar capas de datos analíticas.
• Integración con BigQuery como data warehouse.
• Frontend en Next.js para centralizar la experiencia de usuario.
• Agente de IA para responder preguntas estratégicas en lenguaje natural.
• Infraestructura declarativa con Terraform para desplegar recursos en Google Cloud.

Stack técnico

• Frontend: Next.js, React, TypeScript, Tailwind CSS.
• Backend y agentes: Python, FastAPI, LangGraph, LangChain.
• Datos: BigQuery, dbt, dlt, datos sintéticos para el piloto.
• IA: Vertex AI, Gemini, embeddings.
• Visualización: Looker Studio embebido en el frontend.
• Infraestructura: Google Cloud Platform, Cloud Run, Cloud Scheduler, Cloud Storage, Secret Manager, Terraform y Docker.

Estructura del repositorio

agent/        API y sistema de agentes de IA.
embeddings/   Pipeline de embeddings y búsqueda semántica.
frontend/     Interfaz web en Next.js.
infra/        Infraestructura como código con Terraform.
ingestion/    Conectores y pipeline de ingesta de datos.
transform/    Proyecto dbt para transformar datos en modelos analíticos.
tests/        Pruebas automatizadas del backend y pipelines.
docs/         Documentación técnica, guías y memoria del proyecto.

Cómo arrancar el frontend

cd frontend
npm install
npm run dev

La aplicación se abre por defecto en http://localhost:3000.

Notas de ejecución

El repositorio contiene varias piezas independientes. Para ejecutar el sistema completo hacen falta credenciales y recursos de Google Cloud configurados localmente. Los ficheros .env.example y terraform.tfvars.example sirven como plantilla, pero no incluyen secretos reales.

Para una revisión rápida del proyecto, lo más directo es levantar el frontend y revisar la documentación de docs/.

Contexto del evento

GEN AI ARENA fue un hackathon presencial de SIDN centrado en resolver retos reales de negocio y marketing digital mediante IA generativa, trabajo colaborativo y metodología Agile.

Proyecto desarrollado en abril de 2026 como Equipo 3.