“Quiero un tablero que me diga cómo va el negocio sin que nadie arme el Excel del lunes.” Se puede, y en reportes automáticos y dashboards para dirección expliqué qué medir y con qué herramienta. Lo que no expliqué ahí, y es donde fallan la mayoría de los proyectos, es lo que va antes: de dónde sale cada número y qué tiene que estar ordenado para que el número sea cierto.
Un tablero conectado a datos sucios no falla: se llena a tiempo, se ve bonito y muestra una cifra equivocada con total seguridad. Y como nadie la armó a mano, nadie la cuestiona. Ese es el reporte más caro que existe.
Respuesta corta: el reporte es lo fácil, el dato es lo difícil
Un reporte automático es una suma. Si lo que suma está bien, el reporte está bien. Para que lo que suma esté bien, hacen falta cuatro cosas que no dependen de ninguna herramienta:
- Una fuente única por dato. Cada dato nace en un solo lugar.
- Catálogos limpios. Un producto, un cliente, una ruta: un solo nombre y una sola clave.
- Claves consistentes. El mismo identificador en ventas, inventario y entregas.
- Fechas y estatus reales. La fecha en que pasó, no en que se capturó; un estatus de una lista cerrada, no texto libre.
Con eso, el tablero se arma en días. Sin eso, se arma igual de rápido y engaña igual de rápido.
Dónde nace cada dato (y quién lo captura)
La pregunta clave es: ¿en qué momento y en manos de quién ocurre el dato? Ahí, y solo ahí, se captura. Esta tabla es el mapa que armo con cada negocio antes de tocar un tablero:
| Dato | Dónde debe nacer | Quién lo captura | Qué pasa si nace en otro lado |
|---|---|---|---|
| Venta (producto, cantidad, precio) | Punto de venta o pedido registrado | Quien vende, al cerrar | Se recaptura al final del día y se pierden ventas o se duplican |
| Precio vigente | Catálogo de productos | Quien administra precios | Cada vendedor cotiza con un precio distinto |
| Existencia | Movimiento de almacén (entrada / salida) | Quien recibe o surte | El inventario del reporte no coincide con el del anaquel |
| Pedido y su estatus | Sistema de pedidos, al recibirlo | Quien lo recibe (o el cliente, si pide en línea) | Nadie sabe cuántos pedidos están pendientes de verdad |
| Entrega | Celular del repartidor, al entregar | El repartidor | Todas las entregas aparecen capturadas el viernes |
| Cotización y seguimiento | Registro de cotizaciones con fecha y etapa | El vendedor, al enviarla | El reporte de prospectos dice lo que el vendedor recuerda |
| Atención por WhatsApp | Registro del chat con motivo y resultado | El sistema o quien atiende, al cerrar | No sabes por qué te escriben ni cuántos terminan en pedido |
| Cliente (nombre, ciudad, contacto) | Catálogo de clientes, una sola vez | Quien lo da de alta | “Xalapa”, “xalapa” y “Xal.” son tres ciudades |
Fíjate en el patrón: el dato lo captura quien lo genera, en el momento en que ocurre, en un solo lugar. Todo lo demás (el reporte, el tablero, la alerta) lee de ahí. Nunca al revés.
Los cuatro requisitos, uno por uno
Fuente única: un dato, un lugar
El error más común es que el mismo dato viva en varios lados. El precio está en el catálogo, pero también en la plantilla de cotización del vendedor, en el sitio web y en la hoja de dirección. Se actualiza uno y los otros tres se quedan viejos. Cuando el reporte de margen toma el precio de la hoja vieja, el margen sale mal y la decisión (subir precio, quitar producto) se toma con un número que no existe.
Consecuencia: horas de “¿cuál es el bueno?” cada vez que dos reportes no coinciden, y una decisión de precios basada en un dato de hace meses.
Catálogos limpios: el trabajo que nadie quiere hacer
Un catálogo limpio es una lista donde cada producto, cliente o ruta aparece una sola vez, con un nombre y una clave. Es aburrido y decide todo. Si “Aceite 20W-50 1L”, “aceite 20w50” y “ACEITE 20W-50 LITRO” son tres filas, el reporte de más vendidos las cuenta por separado y el producto que en realidad va primero aparece en quinto lugar. Y las decisiones de compra se toman con ese ranking.
El estudio de ECR con siete cadenas europeas encontró que el 60 % de los registros de inventario están mal, y que corregirlos elevó las ventas entre 4 y 8 % (ECR, 2020). No es un problema de tiendas grandes: en una hoja sin validación, el porcentaje es igual o peor.
Consecuencia: compras de más de lo que no se vende y de menos de lo que sí, con el dinero atorado en anaquel.
Claves consistentes: el mismo identificador en todos lados
Para que ventas, inventario y entregas se crucen solas, el producto tiene que tener la misma clave en los tres. Lo mismo el cliente y el pedido. Si ventas usa el nombre, almacén usa un código interno y el repartidor escribe “la tienda de la esquina de Lázaro Cárdenas”, no hay forma de que un reporte diga cuánto se vendió, cuánto queda y cuánto se entregó de un mismo producto a un mismo cliente.
Consecuencia: el reporte de entregas por cliente no se puede armar, o lo arma una persona a mano cruzando tres listas, dos horas cada lunes.
Fechas y estatus reales
Dos trampas silenciosas. La primera: capturar la fecha del día en que se capturó, no del día en que ocurrió. Si las entregas se registran el viernes, el reporte dice que el tiempo de entrega promedio es de cinco días cuando en realidad es de uno. La segunda: el estatus como texto libre. “Entregado”, “entregado ok”, “ya se entregó” y “listo” son cuatro estatus para el sistema; el reporte de pendientes cuenta mal.
Consecuencia: decisiones sobre rutas y personal tomadas con tiempos de entrega inventados por el calendario de captura.
Un reporte automático con datos sucios es peor que ninguno. Al reporte manual se le desconfía porque alguien lo armó; al automático se le cree porque “lo sacó el sistema”. Si el dato de origen está mal, el sistema solo lo reparte más rápido.
Lo que cuesta un reporte con datos sucios
Hay una regla vieja en calidad de datos, la 1-10-100 de Labovitz y Chang: verificar un dato al capturarlo cuesta 1, corregirlo después cuesta 10, y no corregirlo y actuar con él cuesta 100 (Loqate, citando a Labovitz y Chang, 1992). Es una proporción, no una cifra exacta, pero describe bien lo que veo: el error barato es el que se evita en la captura; el caro es el que llega a una decisión.
A escala grande, Gartner estima que la mala calidad de datos cuesta a las organizaciones en promedio 12.9 millones de dólares al año (Gartner, 2021). Un negocio de 20 personas no pierde eso, pero pierde en proporción: el estudio de Ray Panko, de la Universidad de Hawái, encontró que el 88 % de las hojas de cálculo auditadas en campo contiene al menos un error (Panko), y la mayoría de los reportes de pymes salen de una hoja.
Ejemplo: una distribuidora en Boca del Río
Imagina una distribuidora de bebidas en Boca del Río con tres rutas de reparto. Dirección pide un reporte automático de “producto más vendido por ruta” para decidir qué cargar en cada camión. El tablero se conecta a la hoja de ventas y se arma en dos días.
El problema: en la hoja, los vendedores capturan el producto a mano. La presentación de 600 ml aparece de cuatro formas distintas. El tablero, honesto, cuenta cuatro productos. Ninguno queda entre los diez más vendidos de la ruta 2, aunque sumados serían el primero. Dirección decide cargar menos de ese producto en la ruta 2.
Resultado: dos semanas de ruta 2 sin surtir lo que más se vendía. Si esa presentación representaba una parte importante de las ventas de la ruta, son ventas perdidas dos semanas seguidas, más las tiendas que compraron a otro proveedor mientras tanto. Y el reporte nunca lo mostró, porque el reporte estaba “bien”: sumaba correctamente datos incorrectos.
La corrección no fue el tablero: fue un catálogo de productos con clave única y una lista desplegable en la captura para que nadie vuelva a escribir el nombre a mano.
Cómo ordenar antes de automatizar (en este orden)
- Lista de reportes que hoy se arman a mano. Quién los arma, cuánto tarda, de qué hojas los saca.
- Para cada número del reporte, su fuente. Si un número sale de dos lugares, se decide cuál es el único y el otro se elimina o pasa a leer del primero.
- Limpieza de catálogos. Productos, clientes, rutas, motivos de atención. Duplicados fuera, una clave por registro.
- Captura en origen. Cambiar el proceso para que el dato lo registre quien lo genera, con listas cerradas en vez de texto libre y fecha automática.
- Después, el tablero. Con las fuentes limpias, conectar la herramienta es la parte corta.
Meterle una herramienta de tableros o IA a datos sin ordenar es exactamente lo de la tesis que repito: “meterle IA a un mal proceso nada más automatiza el caos”. El orden viene primero.
Por dónde empezar
Toma el reporte que más usas y, junto a cada número, escribe de qué hoja o sistema sale y quién lo capturó. Si algún número tiene dos respuestas, ahí está tu primer proyecto. Si quieres que lo hagamos juntos, agenda un diagnóstico de tu operación por WhatsApp o lee cómo funciona en /diagnostico/.
Trabajo con negocios de Xalapa, Puebla, Boca del Río y, de forma remota, de todo México.
¿Tu negocio ya vende bien pero opera a mano? Empecemos por un diagnóstico: mapeo tu operación, encuentro el cuello de botella y te digo qué conviene automatizar primero.
Agendar diagnósticoQué incluyeFuentes
Jahziel Cabrera · Desarrollador de software en Xalapa, Veracruz
Más de 6 años creando páginas web, chatbots de WhatsApp y software a la medida para negocios de Xalapa, Puebla y todo México. Físico por la Universidad Veracruzana, primer lugar del Datatón Anticorrupción 2022 (Sistema Nacional Anticorrupción) y coinventor de un dispositivo con registro ante el IMPI. Lo que escribo aquí sale de proyectos reales. Conóceme.