CONFIDENCIAL: reporte para socios B&T

Análisis de KPI’s (desde 2023)

Autor/a

Fecha de publicación

3 de noviembre de 2025

Resumen

Este reporte contiene información confidencial sobre el análisis de indicadores clave de desempeño relacionados con operaciones del escritorio desde el 2023.

Uso exclusivo para socios de Bolet & Terrero.

Palabras clave

marcas, patentes, estadísticas, KPI, B&T

1 Marcas

1.1 Operaciones (desde 2023)

Nota

La información aquí presentada proviene de Galena. Sin embargo, puede incluir operaciones que no hayan sido gestionadas directamente por B&T, sino por terceros.

Ejemplo: cuando un portafolio de marcas es transferido a B&T, pueden incorporarse marcas al conteo de solicitudes de manera indirecta o no atribuible a una gestión propia.

Por lo tanto, estos datos deben considerarse como un indicador de tendencia y no como cifras definitivas.

1.2 Traspasos detallado (desde 2023)

Nota

La información aquí presentada proviene de Galena. Sin embargo, puede incluir traspasos que no hayan sido gestionados directamente por B&T, sino por terceros.

Ejemplo: cuando se actualiza un expediente de marca a nivel de traspasos tras revisar la cronlogía de la Webpi.

Por lo tanto, estos datos deben considerarse como un indicador de tendencia y no como cifras definitivas.

1.3 Publicaciones en boletín (desde 2023)

Nota

La información de publicaciones en boletín para marcas es suministrada por PuntoIp, boletín a boletín. Al inicio de la vigencia de cada boletín se realiza un proceso de matching para identificar y marcar en Galena las marcas correspondientes.

En consecuencia, los datos no han sido depurados en cuanto a las marcas que se totalizan.

Ejemplo: pueden incluirse marcas inactivas o en vigilancia, entre otras. Asimismo, si se incorporan marcas después de realizado el matching, estas no se reflejarán en el conteo.

La información debe interpretarse como un indicador de tendencia, y no como una cifra definitiva.

1.4 Pago de derechos de registro de marcas concedidas (desde 2023)

Nota

La información sobre pago de derechos de registro de marcas concedidas es tomada de los controles Excel de NB.

El BPI 646 está en vigencia (24-nov-2025).

2 Patentes

2.1 Operaciones (desde 2023)

Nota

La información aquí presentada proviene de Galena. Sin embargo, puede incluir operaciones que no hayan sido gestionadas directamente por B&T, sino por terceros.

Ejemplo: cuando un portafolio de patentes es transferido a B&T, pueden incorporarse patentes al conteo de solicitudes de manera indirecta o no atribuible a una gestión propia.

Por lo tanto, estos datos deben considerarse como un indicador de tendencia y no como cifras definitivas.

3 Facturación y cobranzas

3.1 Top 5 de clientes por $-facturación por año (desde 2023)

3.2 Top 5 de clientes por €-facturación por año (desde 2023)

3.3 Top 5 de clientes por $-deuda por año (desde 2023)

3.4 Top 5 de clientes por €-deuda por año (desde 2023)

--- title: "CONFIDENCIAL: reporte para socios B&T" subtitle: "Análisis de KPI's (desde 2023)" abstract: | Este reporte contiene información confidencial sobre el análisis de indicadores clave de desempeño relacionados con operaciones del escritorio desde el 2023. **Uso exclusivo para socios de Bolet & Terrero.** keywords: [marcas, patentes, estadísticas, KPI, B&T] author: NB lang: es date: today date-format: "D [de] MMMM [de] YYYY" format: html: # Branding logo: "https://byt.com.ve/wp-content/uploads/2025/05/logo-2.svg" favicon: "https://byt.com.ve/wp-content/uploads/2025/06/favicon2-75x75.png" # Estructura number-sections: true number-depth: 3 page-layout: full # Apariencia theme: cosmo # Navegación toc: true toc-depth: 3 toc-location: left toc-title: "Contenido" smooth-scroll: true anchor-sections: true # Código code-fold: true code-tools: true code-link: true # Enlaces link-external-newwindow: true # Pie de página footer: "© 2025 Bolet & Terrero - Documento Confidencial" execute: echo: false warning: false message: false cache: false ---  ```{r} #| label: cargar-librerias #| include: false # Cargar configuración source("galena.R") library(DBI) library(DT) library(dplyr) library(ggplot2) library(glue) library(odbc) library(tidyr) con <- dbConnect(odbc(), Driver = "ODBC Driver 18 for SQL Server", Server = Sys.getenv("DB_SERVER"), Database = Sys.getenv("DB_DATABASE"), UID = Sys.getenv("DB_USER"), PWD = Sys.getenv("DB_PASSWORD"), Encrypt = "yes", TrustServerCertificate = "yes") # Definir formateador de euros euro <- scales::label_currency( symbol = "€", accuracy = 0.01, decimal.mark = ",", big.mark = ".", prefix = "", # evita que el símbolo se repita antes del número si ya lo tienes en el eje suffix = " €" # opcional, si quieres que el símbolo vaya al final ) top_n <- 5 list_n <- list(pageLength = 25) nbs <- paste("NB -", Sys.time()) dtc <- htmltools::tags$caption(style = 'text-align: right; font-size: 9pt; color: red; font-style: italic;',nbs) pc <- element_text(hjust = 1, size = 9, color = "red", face = "italic") ve <- '<img src="https://upload.wikimedia.org/wikipedia/commons/0/06/Flag_of_Venezuela.svg" width="40">' ``` # Marcas `r ve` ## Operaciones (desde 2023) ::: {.callout-note title="Nota"} La información aquí presentada proviene de **Galena**. Sin embargo, puede incluir operaciones que no hayan sido gestionadas directamente por **B&T**, sino por terceros. **Ejemplo:** cuando un portafolio de marcas es transferido a **B&T**, pueden incorporarse marcas al conteo de solicitudes de manera indirecta o no atribuible a una gestión propia. Por lo tanto, estos datos deben considerarse como un **indicador de tendencia** y no como cifras definitivas. :::  ```{r} #| label: marcas-operaciones #| echo: false #| message: false #| warning: false #| fig-width: 12 #| fig-height: 8 #| out-width: "100%" query <- glue_sql(" SELECT YEAR(EXPEDIENTE.FechaSolicitud) [año] ,'SOLICITUD' [tipo] ,COUNT(*) [cantidad] FROM [GALENA_BYT].[dbo].[ExpedientesPrimarios] EXPEDIENTE LEFT JOIN [GALENA_BYT].[dbo].[Marcas] MARCA ON MARCA.Id=EXPEDIENTE.IdMateria WHERE EXPEDIENTE.Tipo='MARCA' AND MARCA.IdPais = 434 AND EXPEDIENTE.FechaSolicitud > DATEFROMPARTS(2023,1,1) AND EXPEDIENTE.IdEstado NOT IN (1826) GROUP BY YEAR(EXPEDIENTE.FechaSolicitud) UNION ALL SELECT YEAR(ES.FechaSolicitud) [año] ,ES.Tipo [tipo] ,COUNT(*) [cantidad] FROM [GALENA_BYT].[dbo].[ExpedientesSecundarios] ES LEFT JOIN [GALENA_BYT].[dbo].[ExpedientesPrimarios] EXPEDIENTE ON EXPEDIENTE.Id = ES.IdExpediente LEFT JOIN [GALENA_BYT].[dbo].[Marcas] MARCA ON MARCA.Id=EXPEDIENTE.IdMateria WHERE EXPEDIENTE.Tipo='MARCA' AND ES.Tipo = 'RENOVACION' AND MARCA.IdPais = 434 AND ES.FechaSolicitud > DATEFROMPARTS(2023,1,1) GROUP BY YEAR(ES.FechaSolicitud), ES.TIPO UNION ALL SELECT YEAR(ES.FechaSolicitud) [año] ,'TRASPASO' [tipo] ,COUNT(*) [cantidad] FROM [GALENA_BYT].[dbo].[ExpedientesSecundarios] ES LEFT JOIN [GALENA_BYT].[dbo].[ExpedientesPrimarios] EXPEDIENTE ON EXPEDIENTE.Id = ES.IdExpediente LEFT JOIN [GALENA_BYT].[dbo].[Marcas] MARCA ON MARCA.Id=EXPEDIENTE.IdMateria WHERE EXPEDIENTE.Tipo='MARCA' AND ES.Tipo <> 'RENOVACION' AND MARCA.IdPais = 434 AND ES.FechaSolicitud > DATEFROMPARTS(2023,1,1) GROUP BY YEAR(ES.FechaSolicitud) ORDER BY año, tipo ", .con = con) oper <- dbGetQuery(con, query) matriz <- oper %>% select(año, tipo, cantidad) %>% tidyr::pivot_wider( names_from = año, values_from = cantidad, values_fill = 0 # Rellenar con 0 si no hay datos ) # Mostrar como tabla matriz %>% DT::datatable(caption = dtc, options = list_n) # Gráfico: filtrar top x directamente desde matriz top_x <- matriz %>% mutate(total = rowSums(across(where(is.numeric)))) %>% arrange(desc(total)) %>% slice(1:10) %>% pull(tipo) # Graficar (necesitamos volver a formato largo solo para el top) oper %>% filter(tipo %in% top_x) %>% ggplot(aes(x = reorder(tipo, cantidad), y = cantidad, fill = tipo)) + geom_col(show.legend = FALSE) + geom_text(aes(label = scales::comma(cantidad)), hjust = 1.1, size = 5, color = "black", fontface = "bold") + coord_flip() + facet_wrap(~año, scales = "free_x") + scale_y_continuous( labels = scales::comma, expand = expansion(mult = c(0, 0.05)) ) + labs(x = NULL, y = "Cantidad", caption = nbs) + theme_minimal() + theme(plot.caption = pc) ``` ## Traspasos detallado (desde 2023) ::: {.callout-note title="Nota"} La información aquí presentada proviene de **Galena**. Sin embargo, puede incluir traspasos que no hayan sido gestionados directamente por **B&T**, sino por terceros. **Ejemplo:** cuando se actualiza un expediente de marca a nivel de traspasos tras revisar la cronlogía de la **Webpi**. Por lo tanto, estos datos deben considerarse como un **indicador de tendencia** y no como cifras definitivas. :::  ```{r} #| label: marcas-traspasos #| echo: false #| message: false #| warning: false #| fig-width: 12 #| fig-height: 8 #| out-width: "100%" query <- glue_sql(" SELECT YEAR(ES.FechaSolicitud) [año] ,ES.Tipo [tipo] ,COUNT(*) [cantidad] FROM [GALENA_BYT].[dbo].[ExpedientesSecundarios] ES LEFT JOIN [GALENA_BYT].[dbo].[ExpedientesPrimarios] EXPEDIENTE ON EXPEDIENTE.Id = ES.IdExpediente LEFT JOIN [GALENA_BYT].[dbo].[Marcas] MARCA ON MARCA.Id=EXPEDIENTE.IdMateria WHERE EXPEDIENTE.Tipo='MARCA' AND ES.Tipo <> 'RENOVACION' AND MARCA.IdPais = 434 AND ES.FechaSolicitud > DATEFROMPARTS(2023,1,1) GROUP BY YEAR(ES.FechaSolicitud), ES.Tipo ORDER BY YEAR(ES.FechaSolicitud), ES.Tipo ", .con = con) oper <- dbGetQuery(con, query) matriz <- oper %>% select(año, tipo, cantidad) %>% tidyr::pivot_wider( names_from = año, values_from = cantidad, values_fill = 0 # Rellenar con 0 si no hay datos ) # Mostrar como tabla matriz %>% DT::datatable(caption = dtc, options = list_n) # Gráfico: filtrar top x directamente desde matriz top_x <- matriz %>% mutate(total = rowSums(across(where(is.numeric)))) %>% arrange(desc(total)) %>% slice(1:10) %>% pull(tipo) # Graficar (necesitamos volver a formato largo solo para el top) oper %>% filter(tipo %in% top_x) %>% ggplot(aes(x = reorder(tipo, cantidad), y = cantidad, fill = tipo)) + geom_col(show.legend = FALSE) + geom_text(aes(label = scales::comma(cantidad)), hjust = 1.1, size = 5, color = "black", fontface = "bold") + coord_flip() + facet_wrap(~año, scales = "free_x") + scale_y_continuous( labels = scales::comma, expand = expansion(mult = c(0, 0.05)) ) + labs(x = NULL, y = "Cantidad", caption = nbs) + theme_minimal() + theme(plot.caption = pc) ``` ## Publicaciones en boletín (desde 2023) ::: {.callout-note title="Nota"} La información de publicaciones en boletín para marcas es suministrada por **PuntoIp**, boletín a boletín. Al inicio de la vigencia de cada boletín se realiza un proceso de ***matching*** para identificar y marcar en **Galena** las marcas correspondientes. En consecuencia, los datos no han sido depurados en cuanto a las marcas que se totalizan. **Ejemplo:** pueden incluirse marcas inactivas o en vigilancia, entre otras. Asimismo, si se incorporan marcas después de realizado el ***matching***, estas no se reflejarán en el conteo. La información debe interpretarse como un **indicador de tendencia**, y no como una cifra definitiva. :::  ```{r} #| label: marcas-boletines #| echo: false #| message: false #| warning: false #| fig-width: 12 #| fig-height: 8 #| out-width: "100%" query <- glue_sql(" SELECT YEAR(BOL.Fecha) [año] ,PUB.Descripcion [tipo] ,COUNT(*) [cantidad] FROM [GALENA_BYT].[dbo].[Publicaciones] PUB JOIN [GALENA_BYT].[dbo].[Boletines] BOL ON BOL.Id = PUB.IdBoletin WHERE PUB.Materia='MARCA' AND PUB.Descripcion NOT LIKE 'BYT-%' AND BOL.IdPais = 434 AND BOL.Fecha >= DATEFROMPARTS(2023,1,1) GROUP BY YEAR(BOL.Fecha),PUB.Descripcion ORDER BY YEAR(BOL.Fecha),PUB.Descripcion ", .con = con) oper <- dbGetQuery(con, query) matriz <- oper %>% select(año, tipo, cantidad) %>% tidyr::pivot_wider( names_from = año, values_from = cantidad, values_fill = 0 # Rellenar con 0 si no hay datos ) # Mostrar como tabla matriz %>% DT::datatable(caption = dtc, options = list_n) # Gráfico: filtrar top x directamente desde matriz top_x <- matriz %>% mutate(total = rowSums(across(where(is.numeric)))) %>% arrange(desc(total)) %>% slice(1:10) %>% pull(tipo) # Graficar (necesitamos volver a formato largo solo para el top) oper %>% filter(tipo %in% top_x) %>% ggplot(aes(x = reorder(tipo, cantidad), y = cantidad, fill = tipo)) + geom_col(show.legend = FALSE) + geom_text(aes(label = scales::comma(cantidad)), hjust = 1.1, size = 5, color = "black", fontface = "bold") + coord_flip() + facet_wrap(~año, scales = "free_x") + scale_y_continuous( labels = scales::comma, expand = expansion(mult = c(0, 0.05)) ) + labs(x = NULL, y = "Cantidad", caption = nbs) + theme_minimal() + theme(plot.caption = pc) ``` ## Pago de derechos de registro de marcas concedidas (desde 2023) ::: {.callout-note title="Nota"} La información sobre pago de derechos de registro de marcas concedidas es tomada de los controles Excel de **NB**. El BPI **646** está en vigencia (24-nov-2025). :::  ```{r} #| label: marcas-concedidas #| echo: false #| message: false #| warning: false #| fig-width: 12 #| fig-height: 8 #| out-width: "100%" oper <- data.frame( año = c( 2023, 2023, 2023, 2023, 2023, 2023, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025 ), boletín = c( 620, 621, 622, 623, 624, 625, 626, 627, 628, 629, 630, 631, 632, 633, 634, 635, 636, 637, 638, 639, 640, 641, 642, 643, 644, 645, 646 ), cantidad = c( 46, 55, 54, 41, 193, 114, 150, 153, 88, 81, 137, 97, 25, 136, 131, 79, 96, 66, 145, 200, 81, 86, 31, 110, 114, 105, 12 ) ) datatable(oper, caption = dtc, options = list_n) ggplot(oper, aes(x = boletín, y = cantidad)) + geom_line(color = "#2E86AB", linewidth = 1) + geom_point(aes(color = factor(año)), size = 3) + geom_smooth(method = "loess", se = TRUE, color = "#A23B72", linetype = "dashed", linewidth = 0.8, alpha = 0.2) + #scale_color_manual(values = c("2023" = "#F18F01", "2024" = "#C73E1D", "2025" = "#6A994E")) + labs( #title = "Evolución del Pago de Derechos de Registro de Marcas", #subtitle = "Cantidad de pagos por boletín (2023-2025)", x = "Boletín", y = "Cantidad de Pagos", color = "Año", caption = nbs ) + theme_minimal(base_size = 14) + theme( #plot.title = element_text(face = "bold", size = 16), #plot.subtitle = element_text(color = "gray40"), plot.caption = pc, legend.position = "top", panel.grid.minor = element_blank() ) + scale_x_continuous(breaks = seq(620, 646, by = 2)) ``` # Patentes `r ve` ## Operaciones (desde 2023) ::: {.callout-note title="Nota"} La información aquí presentada proviene de **Galena**. Sin embargo, puede incluir operaciones que no hayan sido gestionadas directamente por **B&T**, sino por terceros. **Ejemplo:** cuando un portafolio de patentes es transferido a **B&T**, pueden incorporarse patentes al conteo de solicitudes de manera indirecta o no atribuible a una gestión propia. Por lo tanto, estos datos deben considerarse como un **indicador de tendencia** y no como cifras definitivas. :::  ```{r} #| label: patentes-operaciones #| echo: false #| message: false #| warning: false #| fig-width: 12 #| fig-height: 8 #| out-width: "100%" query <- glue_sql(" SELECT YEAR(EXPEDIENTE.FechaSolicitud) [año] ,'SOLICITUD' [tipo] ,COUNT(*) [cantidad] FROM [GALENA_BYT].[dbo].[ExpedientesPrimarios] EXPEDIENTE LEFT JOIN [GALENA_BYT].[dbo].[Patentes] PATENTE ON PATENTE.Id=EXPEDIENTE.IdMateria WHERE EXPEDIENTE.Tipo='PATENTE' AND PATENTE.IdPais = 434 AND EXPEDIENTE.FechaSolicitud > DATEFROMPARTS(2023,1,1) AND EXPEDIENTE.IdEstado NOT IN (1826) GROUP BY YEAR(EXPEDIENTE.FechaSolicitud) UNION ALL SELECT YEAR(ES.FechaSolicitud) [año] ,ES.Tipo [tipo] ,COUNT(*) [cantidad] FROM [GALENA_BYT].[dbo].[ExpedientesSecundarios] ES LEFT JOIN [GALENA_BYT].[dbo].[ExpedientesPrimarios] EXPEDIENTE ON EXPEDIENTE.Id = ES.IdExpediente LEFT JOIN [GALENA_BYT].[dbo].[Patentes] PATENTE ON PATENTE.Id=EXPEDIENTE.IdMateria WHERE EXPEDIENTE.Tipo='PATENTE' --AND ES.Tipo <> 'RENOVACION' AND PATENTE.IdPais = 434 AND ES.FechaSolicitud > DATEFROMPARTS(2023,1,1) GROUP BY YEAR(ES.FechaSolicitud), ES.Tipo ORDER BY año, tipo ", .con = con) oper <- dbGetQuery(con, query) matriz <- oper %>% select(año, tipo, cantidad) %>% tidyr::pivot_wider( names_from = año, values_from = cantidad, values_fill = 0 # Rellenar con 0 si no hay datos ) # Mostrar como tabla matriz %>% DT::datatable(caption = dtc, options = list_n) # Gráfico: filtrar top x directamente desde matriz top_x <- matriz %>% mutate(total = rowSums(across(where(is.numeric)))) %>% arrange(desc(total)) %>% slice(1:10) %>% pull(tipo) # Graficar (necesitamos volver a formato largo solo para el top) oper %>% filter(tipo %in% top_x) %>% ggplot(aes(x = reorder(tipo, cantidad), y = cantidad, fill = tipo)) + geom_col(show.legend = FALSE) + geom_text(aes(label = scales::comma(cantidad)), hjust = 1.1, size = 5, color = "black", fontface = "bold") + coord_flip() + facet_wrap(~año, scales = "free_x") + scale_y_continuous( labels = scales::comma, expand = expansion(mult = c(0, 0.05)) ) + labs(x = NULL, y = "Cantidad", caption = nbs) + theme_minimal() + theme(plot.caption = pc) ``` # Facturación y cobranzas ## Top `r top_n` de clientes por $-facturación por año (desde 2023)  ```{r} #| label: facturado_dolares #| echo: false #| message: false #| warning: false #| fig-width: 12 #| fig-height: 8 #| out-width: "100%" query <- glue_sql(" WITH ClientesPorAño AS ( SELECT YEAR(F.Fecha) [año], F.IdClienteFacturacion [id_cliente], CONCAT(TRIM(UPPER(C.Nombre)) COLLATE Modern_Spanish_CI_AS,' [',C.Codigo COLLATE Modern_Spanish_CI_AS,']') [cliente], SUM(F.ValorTotal) [monto], ROW_NUMBER() OVER (PARTITION BY YEAR(F.Fecha) ORDER BY SUM(F.ValorTotal) DESC) [ranking] FROM [GALENA_BYT].[dbo].[Facturas] F JOIN [GALENA_BYT].[dbo].[Clientes] C ON C.Id = F.IdClienteFacturacion WHERE F.Estado IN (1, 4) AND YEAR(F.Fecha) >= 2023 AND F.Nro <> '' AND F.ValorTotal > 0 AND C.Codigo <> '000000' AND F.PerfilMoneda = 1 -- Solo dólares GROUP BY YEAR(F.Fecha), F.IdClienteFacturacion, C.Codigo, C.Nombre ), TopClientes AS ( -- Clientes que fueron top 5 en al menos un año SELECT DISTINCT id_cliente FROM ClientesPorAño WHERE ranking <= {top_n} ) SELECT c.año, c.cliente, ISNULL(c.monto, 0) [monto] FROM ClientesPorAño c INNER JOIN TopClientes t ON t.id_cliente = c.id_cliente ORDER BY c.cliente, c.año ", .con = con) clientes_dolares <- dbGetQuery(con, query) # Matriz para dólares matriz_dolares <- clientes_dolares %>% tidyr::pivot_wider( names_from = año, values_from = monto, values_fill = 0 ) # Agregar columna de total para ordenar matriz_dolares <- matriz_dolares %>% mutate(Total = rowSums(across(where(is.numeric)))) %>% arrange(desc(Total)) %>% select(-Total) # Quitar columna total después de ordenar # Mostrar tabla matriz_dolares %>% DT::datatable( caption = dtc, options = list_n, rownames = TRUE ) %>% formatCurrency( columns = 2:ncol(matriz_dolares), currency = '$', digits = 2, mark = ',', dec.mark = '.' ) # Gráfico: filtrar top x directamente desde matriz top_x_clientes <- matriz_dolares %>% mutate(total = rowSums(across(where(is.numeric)))) %>% arrange(desc(total)) %>% slice(1:10) %>% pull(cliente) # Graficar con labels inteligentes clientes_dolares %>% filter(cliente %in% top_x_clientes) %>% group_by(año) %>% mutate(max_monto = max(monto), label_pos = ifelse(monto < max_monto * 0.35, monto + max_monto * 0.03, monto), label_hjust = ifelse(monto < max_monto * 0.35, -0.1, 1.1), label_color = ifelse(monto < max_monto * 0.35, "black", "black")) %>% ungroup() %>% ggplot(aes(x = reorder(cliente, monto), y = monto, fill = cliente)) + geom_col(show.legend = FALSE) + geom_text( aes(label = scales::dollar(monto, accuracy = 0.01), y = label_pos, hjust = label_hjust, color = label_color), size = 4, fontface = "bold", show.legend = FALSE ) + scale_color_identity() + coord_flip() + facet_wrap(~año, scales = "free_x") + scale_y_continuous( labels = scales::dollar, expand = expansion(mult = c(0, 0.15)) ) + labs(x = NULL, y = "Facturado (USD)", caption = nbs) + theme_minimal() + theme(plot.caption = pc) ``` ## Top `r top_n` de clientes por €-facturación por año (desde 2023)  ```{r} #| label: facturado_euros #| echo: false #| message: false #| warning: false #| fig-width: 12 #| fig-height: 8 #| out-width: "100%" query <- glue_sql(" WITH ClientesPorAño AS ( SELECT YEAR(F.Fecha) [año], F.IdClienteFacturacion [id_cliente], CONCAT(TRIM(UPPER(C.Nombre)) COLLATE Modern_Spanish_CI_AS,' [',C.Codigo COLLATE Modern_Spanish_CI_AS,']') [cliente], SUM(F.ValorTotal) [monto], ROW_NUMBER() OVER (PARTITION BY YEAR(F.Fecha) ORDER BY SUM(F.ValorTotal) DESC) [ranking] FROM [GALENA_BYT].[dbo].[Facturas] F JOIN [GALENA_BYT].[dbo].[Clientes] C ON C.Id = F.IdClienteFacturacion WHERE F.Estado IN (1, 4) AND YEAR(F.Fecha) >= 2023 AND F.Nro <> '' AND F.ValorTotal > 0 AND C.Codigo <> '000000' AND F.PerfilMoneda = 3 -- Solo euros GROUP BY YEAR(F.Fecha), F.IdClienteFacturacion, C.Codigo, C.Nombre ), TopClientes AS ( SELECT DISTINCT id_cliente FROM ClientesPorAño WHERE ranking <= {top_n} ) SELECT c.año, c.cliente, ISNULL(c.monto, 0) [monto] FROM ClientesPorAño c INNER JOIN TopClientes t ON t.id_cliente = c.id_cliente ORDER BY c.cliente, c.año ", .con = con) clientes_euros <- dbGetQuery(con, query) # Obtener años en orden años_ordenados <- sort(unique(clientes_euros$año)) # Matriz para euros con columnas ordenadas matriz_euros <- clientes_euros %>% tidyr::pivot_wider( names_from = año, values_from = monto, values_fill = 0 ) %>% # Reordenar columnas: cliente primero, luego años en orden select(cliente, all_of(as.character(años_ordenados))) # Agregar columna de total para ordenar matriz_euros <- matriz_euros %>% mutate(Total = rowSums(across(where(is.numeric)))) %>% arrange(desc(Total)) %>% select(-Total) # Mostrar tabla matriz_euros %>% DT::datatable( caption = dtc, options = list_n, rownames = TRUE ) %>% formatCurrency( columns = 2:ncol(matriz_euros), currency = '€', digits = 2, mark = ',', dec.mark = '.' ) # Gráfico: filtrar top x directamente desde matriz top_x_clientes <- matriz_euros %>% mutate(total = rowSums(across(where(is.numeric)))) %>% arrange(desc(total)) %>% slice(1:10) %>% pull(cliente) # Graficar con labels inteligentes clientes_euros %>% filter(cliente %in% top_x_clientes) %>% group_by(año) %>% mutate(max_monto = max(monto), label_pos = ifelse(monto < max_monto * 0.35, monto + max_monto * 0.03, monto), label_hjust = ifelse(monto < max_monto * 0.35, -0.1, 1.1), label_color = ifelse(monto < max_monto * 0.35, "black", "black")) %>% # Corregido ungroup() %>% ggplot(aes(x = reorder(cliente, monto), y = monto, fill = cliente)) + geom_col(show.legend = FALSE) + geom_text( aes(label = euro(monto), y = label_pos, hjust = label_hjust, color = label_color), size = 4, fontface = "bold", show.legend = FALSE ) + scale_color_identity() + coord_flip() + facet_wrap(~año, scales = "free_x") + scale_y_continuous( labels = euro, expand = expansion(mult = c(0, 0.18)) ) + labs(x = NULL, y = "Facturado (€)", caption = nbs) + # Corregido theme_minimal() + theme(plot.caption = pc) ``` ## Top `r top_n` de clientes por $-deuda por año (desde 2023)  ```{r} #| label: adeudado_dolares #| echo: false #| message: false #| warning: false #| fig-width: 12 #| fig-height: 8 #| out-width: "100%" query <- glue_sql(" WITH ClientesPorAño AS ( SELECT YEAR(F.Fecha) [año], F.IdClienteFacturacion [id_cliente], CONCAT(TRIM(UPPER(C.Nombre)) COLLATE Modern_Spanish_CI_AS,' [',C.Codigo COLLATE Modern_Spanish_CI_AS,']') [cliente], SUM(F.ValorTotal-F.TotalPagado) [monto], ROW_NUMBER() OVER (PARTITION BY YEAR(F.Fecha) ORDER BY SUM(F.ValorTotal-F.TotalPagado) DESC) [ranking] FROM [GALENA_BYT].[dbo].[Facturas] F JOIN [GALENA_BYT].[dbo].[Clientes] C ON C.Id = F.IdClienteFacturacion WHERE F.Estado IN (1, 4) AND YEAR(F.Fecha) >= 2023 AND F.Nro <> '' AND F.ValorTotal > 0 AND C.Codigo <> '000000' AND F.PerfilMoneda = 1 -- Solo dólares AND (F.ValorTotal - F.TotalPagado) > 0 -- Solo deudas reales GROUP BY YEAR(F.Fecha), F.IdClienteFacturacion, C.Codigo, C.Nombre ), TopClientes AS ( SELECT DISTINCT id_cliente FROM ClientesPorAño WHERE ranking <= {top_n} ) SELECT c.año, c.cliente, c.monto -- Sin ISNULL FROM ClientesPorAño c INNER JOIN TopClientes t ON t.id_cliente = c.id_cliente ORDER BY c.cliente, c.año ", .con = con) clientes_dolares <- dbGetQuery(con, query) # Obtener años en orden años_ordenados <- sort(unique(clientes_dolares$año)) # Matriz para dólares con columnas ordenadas matriz_dolares <- clientes_dolares %>% tidyr::pivot_wider( names_from = año, values_from = monto, values_fill = 0 # Mantener para la matriz visual ) %>% select(cliente, all_of(as.character(años_ordenados))) # Agregar columna de total para ordenar matriz_dolares <- matriz_dolares %>% mutate(Total = rowSums(across(where(is.numeric)))) %>% arrange(desc(Total)) %>% select(-Total) # Mostrar tabla matriz_dolares %>% DT::datatable( caption = dtc, options = list_n, rownames = TRUE ) %>% formatCurrency( columns = 2:ncol(matriz_dolares), currency = '$', digits = 2, mark = ',', dec.mark = '.' ) # Gráfico: filtrar top x directamente desde matriz top_x_clientes <- matriz_dolares %>% mutate(total = rowSums(across(where(is.numeric)))) %>% arrange(desc(total)) %>% pull(cliente) # Graficar con labels inteligentes - FILTRAR montos > 0 clientes_dolares %>% filter(cliente %in% top_x_clientes, monto > 0.5) %>% # Filtrar montos cero group_by(año) %>% mutate(max_monto = max(monto), label_pos = ifelse(monto < max_monto * 0.40, monto + max_monto * 0.03, monto), label_hjust = ifelse(monto < max_monto * 0.40, -0.1, 1.1), label_color = ifelse(monto < max_monto * 0.40, "black", "black")) %>% # Corregido ungroup() %>% ggplot(aes(x = reorder(cliente, monto), y = monto, fill = cliente)) + geom_col(show.legend = FALSE) + geom_text( aes(label = scales::dollar(monto, accuracy = 0.01), y = label_pos, hjust = label_hjust, color = label_color), size = 4, fontface = "bold", show.legend = FALSE ) + scale_color_identity() + coord_flip() + facet_wrap(~año, scales = "free_x") + scale_y_continuous( labels = scales::dollar, expand = expansion(mult = c(0, 0.18)) ) + labs(x = NULL, y = "Adeudado ($)", caption = nbs) + theme_minimal() + theme(plot.caption = pc) ``` ## Top `r top_n` de clientes por €-deuda por año (desde 2023)  ```{r} #| label: adeudado_euros #| echo: false #| message: false #| warning: false #| fig-width: 12 #| fig-height: 8 #| out-width: "100%" query <- glue_sql(" WITH ClientesPorAño AS ( SELECT YEAR(F.Fecha) [año], F.IdClienteFacturacion [id_cliente], CONCAT(TRIM(UPPER(C.Nombre)) COLLATE Modern_Spanish_CI_AS,' [',C.Codigo COLLATE Modern_Spanish_CI_AS,']') [cliente], SUM(F.ValorTotal-F.TotalPagado) [monto], ROW_NUMBER() OVER (PARTITION BY YEAR(F.Fecha) ORDER BY SUM(F.ValorTotal-F.TotalPagado) DESC) [ranking] FROM [GALENA_BYT].[dbo].[Facturas] F JOIN [GALENA_BYT].[dbo].[Clientes] C ON C.Id = F.IdClienteFacturacion WHERE F.Estado IN (1, 4) AND YEAR(F.Fecha) >= 2023 AND F.Nro <> '' AND F.ValorTotal > 0 AND C.Codigo <> '000000' AND F.PerfilMoneda = 3 -- Solo euros AND (F.ValorTotal - F.TotalPagado) > 0 -- Solo deudas reales GROUP BY YEAR(F.Fecha), F.IdClienteFacturacion, C.Codigo, C.Nombre ), TopClientes AS ( SELECT DISTINCT id_cliente FROM ClientesPorAño WHERE ranking <= {top_n} ) SELECT c.año, c.cliente, c.monto -- Sin ISNULL FROM ClientesPorAño c INNER JOIN TopClientes t ON t.id_cliente = c.id_cliente ORDER BY c.cliente, c.año ", .con = con) clientes_euros <- dbGetQuery(con, query) # Obtener años en orden años_ordenados <- sort(unique(clientes_euros$año)) # Matriz para dólares con columnas ordenadas matriz_euros <- clientes_euros %>% tidyr::pivot_wider( names_from = año, values_from = monto, values_fill = 0 # Mantener para la matriz visual ) %>% select(cliente, all_of(as.character(años_ordenados))) # Agregar columna de total para ordenar matriz_euros <- matriz_euros %>% mutate(Total = rowSums(across(where(is.numeric)))) %>% arrange(desc(Total)) %>% select(-Total) # Mostrar tabla matriz_euros %>% DT::datatable( caption = dtc, options = list_n, rownames = TRUE ) %>% formatCurrency( columns = 2:ncol(matriz_euros), currency = '€', digits = 2, mark = ',', dec.mark = '.' ) # Gráfico: filtrar top x directamente desde matriz top_x_clientes <- matriz_euros %>% mutate(total = rowSums(across(where(is.numeric)))) %>% arrange(desc(total)) %>% pull(cliente) # Definir formateador de euros euro2 <- scales::label_currency( symbol = "€", accuracy = 0.01, decimal.mark = ",", big.mark = ".", prefix = "", # evita que el símbolo se repita antes del número si ya lo tienes en el eje suffix = " €" # opcional, si quieres que el símbolo vaya al final ) # Graficar con labels inteligentes - FILTRAR montos > 0 clientes_euros %>% filter(cliente %in% top_x_clientes, monto > 0.5) %>% # Filtrar montos cero group_by(año) %>% mutate(max_monto = max(monto), label_pos = ifelse(monto < max_monto * 0.40, monto + max_monto * 0.03, monto), label_hjust = ifelse(monto < max_monto * 0.40, -0.1, 1.1), label_color = ifelse(monto < max_monto * 0.40, "black", "black")) %>% # Corregido ungroup() %>% ggplot(aes(x = reorder(cliente, monto), y = monto, fill = cliente)) + geom_col(show.legend = FALSE) + geom_text( aes( y = label_pos, hjust = label_hjust, color = label_color, label = euro(monto) ), size = 4, fontface = "bold", show.legend = FALSE ) + scale_color_identity() + coord_flip() + facet_wrap(~año, scales = "free_x") + scale_y_continuous( labels = euro, expand = expansion(mult = c(0, 0.18)) ) + labs(x = NULL, y = "Adeudado (€)", caption = nbs) + theme_minimal() + theme(plot.caption = pc) ```