Scenario illustrativo · Integrazione Sistemi

Integrazione ERP Legacy ed E-commerce

Un ERP degli anni 2000 senza API resta il cuore dell'azienda, ma gli ordini dal sito vanno inseriti a mano ogni giorno. Un middleware custom li scrive direttamente nel database gestionale, con validazione e log.

Trasparenza. Quello che segue è uno scenario illustrativo basato su un problema ricorrente tra le PMI manifatturiere italiane. Non descrive un cliente specifico né include dati misurati autorizzati alla pubblicazione.

Il problema

Una PMI manifatturiera con 20-80 dipendenti lavora da quindici anni con un ERP interno sviluppato all'inizio degli anni 2000. Il gestionale governa anagrafiche, distinta base, magazzino e ciclo ordini: è pieno di personalizzazioni accumulate negli anni e contiene lo storico di tutta l'attività. Sostituirlo non è un'opzione realistica — il rischio operativo e il costo di migrazione sono troppo alti.

Negli ultimi anni l'azienda ha aperto un canale e-commerce. Il problema è che i due mondi non si parlano: ogni mattina un addetto dell'ufficio commerciale apre il pannello del negozio online, copia gli ordini ricevuti e li reinserisce a mano nell'ERP, uno per uno. Anagrafica cliente, righe ordine, quantità, indirizzo di spedizione: tutto ribattuto.

Il lavoro è ripetitivo e cresce con le vendite. Gli errori di trascrizione generano spedizioni sbagliate e resi, lo stock a magazzino non è mai allineato in tempo reale con quanto venduto online, e nei picchi di ordini l'inserimento manuale diventa il collo di bottiglia che ritarda l'evasione.

Perché nessun SaaS standard lo risolveva

I connettori e-commerce pronti all'uso — quelli che collegano WooCommerce o Shopify a un gestionale — danno per scontato che dall'altra parte ci sia un ERP moderno che espone API REST documentate. Questo ERP, invece, non ha alcuna API: è stato pensato come applicazione desktop su database aziendale, in un'epoca in cui l'integrazione con servizi esterni non era un requisito.

Le uniche superfici disponibili sono il database SQL diretto e qualche esportazione CSV pianificata. Nessun connettore di mercato sa scrivere ordini rispettando lo schema proprietario di quel database, le sue tabelle non documentate, i vincoli e le personalizzazioni stratificate negli anni. Un middleware iPaaS generico fallirebbe sulla parte che conta: tradurre un ordine e-commerce nella forma esatta che quel gestionale specifico si aspetta, senza corrompere i dati.

L'approccio

Abbiamo costruito un middleware Python che fa da ponte tra i due sistemi, senza toccare l'ERP esistente. Legge gli ordini dall'e-commerce tramite la sua REST API, li normalizza nel formato richiesto dal database del gestionale (mappando prodotti, anagrafiche e modalità di pagamento sugli ID interni dell'ERP) e li inserisce direttamente nel database, rispettandone lo schema e i vincoli.

Prima di scrivere, ogni ordine passa una fase di validazione: cliente esistente o da creare, articolo presente a catalogo, quantità coerente con la giacenza, indirizzo completo. Gli ordini validi vengono inseriti e lo stock aggiornato; le eccezioni vengono segnalate all'operatore invece di entrare sporche nel gestionale. Ogni operazione — lettura, normalizzazione, scrittura, aggiornamento stock — viene registrata in un log con timestamp, così è sempre possibile ricostruire cosa è stato scritto e da dove proveniva.

Il middleware gira in modo schedulato e non presidiato: l'addetto interviene solo sulle eccezioni, non più sull'inserimento ordinario. L'ERP resta esattamente com'è — nessuna modifica al codice del gestionale, nessuna migrazione di dati.

Tecnologie utilizzate in questo tipo di progetto

Python SQLAlchemy WooCommerce REST API PostgreSQL (ERP DB) AWS Lambda CloudWatch

Cosa si ottiene tipicamente

  • Elimina l'inserimento manuale quotidiano degli ordini dall'e-commerce all'ERP
  • Riduce gli errori di trascrizione che generano spedizioni sbagliate e resi
  • Mantiene lo stock a magazzino allineato con quanto venduto online
  • Concentra l'intervento umano solo sulle eccezioni, lasciando l'ERP legacy intatto

I risultati concreti dipendono dalla complessità del processo specifico, dai sistemi coinvolti e dalla qualità dei dati esistenti. La discovery serve a stimare questi parametri sul caso reale.

Hai un processo simile?

Raccontaci il flusso — non servono specifiche tecniche. Nella prima call (30 min, gratuita) capiamo insieme se e come possiamo aiutarti.

Parliamone
Raccontaci il progetto
Scrivici su WhatsApp