Datos e inteligencia de negocio

1. 1

   Sesión de preguntas de negocio

   1,5 h

   Antes de tocar nada técnico, identificamos las 5-10 preguntas reales que el negocio no puede responder hoy con agilidad: rentabilidad por cliente, canal con mejor ROAS, pipeline por vendedor, margen real por producto. Todo lo demás se construye para servir a esas preguntas.

2. 2

   Inventario de fuentes y reglas de negocio

   3-5 días

   Listado de sistemas que generan datos (CRM, ERP, ecommerce, publicidad, facturación) y definición conjunta de reglas: qué es una venta cerrada, qué es un cliente activo, cómo se atribuyen ingresos cuando hay multicanal. Este paso evita el fallo más habitual: dashboards con números que cada área interpreta distinto.

3. 3

   Diseño del modelo de datos

   1-2 semanas

   Arquitectura del data warehouse: esquemas, relaciones, claves, transformaciones. Se elige la infraestructura (BigQuery, Supabase o similar) según volumen real y presupuesto. El modelo se revisa contigo antes de construirlo para evitar rehacer luego.

4. 4

   Ingesta y pipelines

   2-4 semanas

   Conexión de las fuentes al data warehouse con cadencia acordada (diaria, horaria, tiempo real según fuente). Los datos se limpian y transforman en el pipeline antes de llegar a la capa de visualización, aplicando las reglas de negocio definidas.

5. 5

   Dashboards iniciales

   2-3 semanas

   Construcción de 4-6 dashboards base por área (ventas, marketing, operaciones, finanzas) en Metabase, Looker Studio o Power BI según decisión acordada. Cada dashboard se valida con la persona que lo va a usar antes de darlo por bueno.

6. 6

   Formación del equipo

   2-3 sesiones de 1h

   Sesiones prácticas para que el equipo sepa consultar, filtrar y, si aplica, crear sus propias preguntas. La mayor causa de abandono de proyectos de BI es que el equipo no sabe usarlos.

7. 7

   Acompañamiento de 60 días

   2 meses

   Tras la entrega, 2 meses de ajustes: métricas que emergen al usar el sistema, consultas nuevas que nadie había pedido antes, refinamientos de definiciones. A los 60 días el sistema está estabilizado y puede mantenerse con revisión trimestral.

Preferimos decirlo antes: si reconoces alguna de estas situaciones, probablemente no es el momento o no es el servicio adecuado. Queda mejor ahorrar el tiempo de ambos.

• Todos tus datos viven ya en un solo sistema (un ERP, un CRM) que tiene informes decentes. Un data warehouse añade complejidad sin resolver un problema real.
• Todavía no tienes definido qué mide el éxito del negocio. Sin esa claridad, un proyecto de datos solo acelera la confusión.
• Quieres dashboards bonitos para una presentación a inversores. Un par de pantallazos de tu CRM con buena edición resuelven eso por menos dinero.
• Tu modelo de negocio aún está en pivotaje constante. Automatizar métricas de un proceso que cambia cada 3 meses es trabajo tirado.
• Nadie en el equipo va a consultar los dashboards con regularidad. Sin usuarios, el proyecto más elegante acaba muerto en 6 meses.
• Tienes menos de 500 clientes/pedidos al año. La intuición directa del fundador supera a cualquier dashboard a esa escala.

¿Se puede empezar con un proyecto mínimo y ampliar después?

Sí, y lo recomendamos. Un proyecto inicial acotado a 2-3 fuentes y 3-4 dashboards (4.000-6.000 €) valida el enfoque antes de invertir más. Si funciona y el equipo lo usa, se amplía a ritmo tolerable. Si no se usa, no tiras un proyecto de 15.000 €.

¿Qué herramienta de visualización acabáis eligiendo más?

Metabase en 6 de cada 10 casos, Looker Studio en 3 y Power BI en 1. Metabase gana por equilibrio entre coste, facilidad para perfiles no técnicos y flexibilidad. Looker Studio cuando los datos son principalmente de marketing digital. Power BI cuando ya hay ecosistema Microsoft arraigado.

¿Los datos salen de mi infraestructura?

Por defecto el data warehouse está en una cuenta cloud tuya (BigQuery, Supabase o similar). Tus datos no pasan por sistemas nuestros. Si usamos alguna herramienta intermedia durante el proyecto, queda documentado y se retira al cerrar.

¿Cómo afecta el RGPD a un proyecto de datos?

Los datos personales tratados en el data warehouse heredan las mismas obligaciones que en el CRM o ERP de origen. Ayudamos a documentar el tratamiento adicional en el registro de actividades y a aplicar seudonimización o anonimización cuando aplica. No certificamos cumplimiento legal; eso es ámbito de asesoría jurídica.

¿Qué pasa si después necesitamos añadir una fuente nueva?

Dejamos pipelines con patrón replicable. Añadir una fuente nueva típicamente es un trabajo de 1-2 semanas si es un SaaS estándar (tiene API) o 3-4 semanas si es una base de datos custom. Se puede hacer dentro de un acuerdo de asesoría técnica mensual o como ampliación puntual.

¿Quién tiene la propiedad del sistema después?

Tú. Todo queda en tu cuenta cloud, con tus credenciales, tu repositorio de transformaciones y tu documentación. Si algún día quieres cambiar de partner técnico, puedes hacerlo sin rehacer desde cero.

• Business Intelligence para PYMEs: cómo tomar decisiones con datos

  Guía práctica de Business Intelligence para PYMEs: qué es, qué dashboards tener, qué herramientas elegir, cuánto cuesta implementarlo y errores típicos al empezar.

  Datos·10 min