Automatización
Reportes automáticos: de la exportación manual al panel que se actualiza solo
Cada lunes, en miles de empresas, alguien abre tres sistemas, exporta tres archivos, pega todo en una hoja de cálculo, arregla las fórmulas que se rompieron y manda un reporte por correo. En la reunión, la mitad del tiempo se va en discutir si el número está bien. El lunes siguiente, todo de nuevo.
El costo del reporte manual
El reporte hecho a mano tiene tres costos, y solo el primero es visible.
- Horas. El tiempo de quien lo arma, todas las semanas o todos los meses, para siempre.
- Atraso. El número llega días después del hecho. La decisión se toma mirando hacia atrás.
- Confianza. Cada copia es una oportunidad de error. Después del segundo número equivocado, nadie vuelve a creer en el reporte, y las decisiones vuelven a la intuición.
Armar reportes es un ejemplo claro de lo que Asana llama trabajo sobre el trabajo: en el Anatomy of Work Index de 2021, la empresa estimó que cerca del 60% del tiempo en el trabajo de oficina se va en actividades alrededor de la tarea. Tratamos el tema en Trabajo sobre el trabajo.
Sobre el tercer costo, Gartner estimó, en una investigación de 2020, que los datos de baja calidad cuestan en promedio 12,9 millones de dólares al año a las organizaciones encuestadas. Son empresas grandes, pero el mecanismo vale para cualquier tamaño.
Los tres niveles de un reporte
Se puede pensar la evolución en tres escalones. No hace falta saltar directo al último.
Nivel 1: exportación manual
Alguien descarga archivos y arma la hoja de cálculo. Funciona mientras la empresa es pequeña y las preguntas son pocas.
Nivel 2: hoja de cálculo que se alimenta sola
Los datos llegan a la hoja de cálculo por integración, a una hora fija. La persona deja de armar y pasa a revisar e interpretar. Es un salto grande con poca inversión.
Nivel 3: panel conectado a la fuente
Los sistemas alimentan una base única, y un panel muestra los números actualizados, con filtros. No existe "el reporte del lunes": existe una dirección que todos consultan cuando lo necesitan.
Qué resolver antes de armar el panel
La herramienta de paneles es la parte fácil. Lo que hunde los proyectos de datos viene antes.
- Define las preguntas. Un panel responde preguntas de alguien. "¿Cuánto vendemos por canal?", "¿dónde están detenidos los pedidos?". Empieza por cinco a ocho preguntas que hoy generan discusión.
- Elige la fuente de cada número. Si dos sistemas tienen "ingresos", decide cuál vale. Esa decisión es de gestión, no de tecnología.
- Escribe las definiciones. ¿Qué es un cliente activo? ¿La venta cuenta en la firma o en el pago? Una línea por indicador.
- Ordena el registro en el origen. Si el equipo no completa el CRM, el panel va a mostrar con precisión un dato erróneo. Mira Cómo armar un CRM que el equipo usa de verdad.
Un panel bonito sobre datos malos solo vuelve más convincente el error.
Para elegir qué números merecen un lugar, vale la pena leer Indicadores de proceso: qué medir además de la facturación.
Cómo funciona la automatización por detrás
Sin entrar en el código, el camino del dato tiene cuatro etapas:
- Recolección. Los sistemas entregan los datos por API, a una hora fija o con cada evento. Explicamos estos términos en API y webhook para gerentes.
- Organización. Los datos van a un solo lugar y se estandarizan: fechas en el mismo formato, el mismo cliente con el mismo nombre.
- Cálculo. Las definiciones que escribiste se convierten en reglas fijas. El número se calcula siempre de la misma manera.
- Visualización y alerta. El panel muestra, y se disparan avisos cuando algo se sale de lo esperado.
La alerta es lo que cambia la rutina. En lugar de que alguien mire el panel todos los días para descubrir un problema, el panel avisa cuando el problema aparece.
Qué tiene un buen panel
- Pocos números en la primera pantalla. Los que responden a las preguntas principales. El detalle queda a un clic.
- Comparación. Un número solo no dice nada. Muéstralo contra el período anterior o contra la meta.
- Fecha de la última actualización visible. Para que nadie decida con un dato viejo creyendo que es nuevo.
- Un responsable por indicador. Quien explica cuando el número cambia.
- Acceso para quien ejecuta. Un panel solo para la dirección se vuelve un instrumento de control. Abierto al equipo, se vuelve una herramienta de trabajo.
¿Y la IA en todo esto?
Los modelos de lenguaje ayudan en dos puntas: resumir en texto simple lo que cambió en el período y permitir preguntas en lenguaje natural, como "¿qué clientes redujeron sus pedidos este mes?". Los dos usos dependen de la misma base ordenada. Una IA sobre datos desordenados responde con seguridad y se equivoca igual. Otros usos prácticos están en IA generativa en la operación.
Un ejemplo para visualizar
Imagina una cadena de tres tiendas. Hoy, cada gerente envía una hoja de cálculo a fin de mes y la socia junta las tres. Con los sistemas de venta alimentando una base única, ella abre el panel el lunes por la mañana y ve ventas, ticket promedio e inventario parado por tienda, actualizados hasta el domingo. La reunión con los gerentes empieza con la pregunta "¿por qué la tienda dos vendió menos?", no con "¿cuál es el número correcto?".
Por dónde empezar
Toma el reporte que más trabajo da hoy. Enumera de dónde viene cada columna y cuánto tiempo lleva armarlo. Luego, intenta llevar solo ese reporte al nivel 2: datos que llegan solos a una hoja de cálculo. Es un proyecto pequeño, que muestra el camino y se paga solo en horas.
El Diagnóstico de Madurez Operativa de delpra™ tiene una dimensión completa sobre datos e indicadores. En 4 minutos ves en qué nivel está tu empresa.
Escrito por el equipo delpra™Procesos, automatización e IA para que la operación escale con eficiencia.