DEL DATO A LA DECISIÓN
Los datos no hablan solos. Necesitamos aprender a interpretarlos para descubrir aquello que puede cambiar una decisión.
Datos | Analítica | KPI | Insights | Toma de decisiones
Todo comienza con un dato
Tuve la oportunidad de participar como expositor en sesiones de mentoring sobre un tema que considero fundamental para cualquier persona que tenga responsabilidad sobre una operación: cómo transformar información en presentaciones que realmente ayuden a tomar decisiones.
Las sesiones tenían una característica particular.
Cada participante llegaba con una gran cantidad de datos en Excel, cuadros estadísticos, indicadores y diferentes fuentes de información relacionadas con su propia área de interés.
Era un espacio privado, en modalidad one to one, de poco más de 60 minutos.
Los primeros 10 minutos estaban destinados a una breve introducción conceptual.
Los 50 minutos restantes estaban dedicados exclusivamente a aplicar lo aprendido sobre información real de cada participante.
Y fue precisamente allí donde surgía una conclusión recurrente:
tener muchos datos no significa necesariamente tener información útil.
Un archivo puede contener miles de registros, decenas de columnas y múltiples indicadores.
Pero si no sabemos qué buscar, podemos terminar dedicando horas a analizar datos sin encontrar aquello que realmente necesitamos.
Por eso, siempre insistía en seguir cinco etapas:
1. Limpieza de datos
2. Análisis del contenido
3. Elaboración de cuadros estadísticos
4. Dashboard
5. Insight
Cinco etapas que nos llevan de los datos a una posibilidad concreta de decisión.
1. Limpieza: primero debemos ordenar
Los datos pueden provenir de diferentes fuentes y no necesariamente contener la misma información o utilizar los mismos criterios.
Es frecuente encontrar caracteres especiales, nombres escritos de diferentes maneras, fechas con formatos distintos —día/mes/año, año/mes/día, mes/año— o fechas almacenadas simplemente como una secuencia numérica.
También podemos encontrar números con coma decimal y otros con punto decimal, registros almacenados como números y otros como texto, o información que debería estar separada y aparece concatenada.
Por ejemplo:
José Luis Silva
puede aparecer como un único campo.
Pero para determinados análisis quizás necesitemos:
José | Luis | Silva
Esto parece un detalle.
No lo es.
La calidad del análisis posterior depende, en buena medida, de la calidad de los datos con los que comenzamos.
Normalizar los datos es el primer paso para confiar en ellos.
2. Analizar: primero lo MACRO, después lo MICRO
Una vez que tenemos datos ordenados, comienza el verdadero análisis.
Y aquí existe una tentación frecuente:
ir directamente al detalle.
Queremos saber qué ocurrió con cada cliente, cada producto, cada vendedor o cada transacción.
Pero antes de profundizar necesitamos contexto.
Mi recomendación es sencilla:
Analicemos de lo MACRO a lo MICRO.
Comencemos por entender el panorama general y bajemos progresivamente el nivel de análisis.
Veamos un ejemplo.
Imaginemos que tenemos información de ventas de un supermercado.
Nivel 1 — Evolución
Evaluamos el volumen de ventas mes a mes durante 2026.
Obtenemos un evolutivo.
Ahora podemos observar la tendencia.
¿Las ventas están creciendo?
¿Se mantienen?
¿Existen meses con comportamientos diferentes?
Ya tenemos una primera lectura del negocio.
Nivel 2 — Locales
Ahora analizamos las ventas por local.
Elaboramos un ranking y obtenemos la participación de cada establecimiento.
La pregunta cambia:
¿Dónde estamos vendiendo?
Nivel 3 — Categorías
Analizamos las ventas por categoría y construimos un cuadro 80/20.
Ahora podemos identificar la concentración de nuestros ingresos.
La pregunta vuelve a cambiar:
¿Qué categorías explican nuestras ventas?
Nivel 4 — Rentabilidad
Si incorporamos información de compras y costos, podemos aproximarnos a la rentabilidad bruta.
Entonces aparece una pregunta mucho más relevante:
¿Dónde estamos ganando dinero?
Nivel 5 — Vencimientos y pérdidas
Si además incorporamos información de vencimientos, mermas o productos no vendidos, podemos comenzar a identificar pérdidas.
Ahora la pregunta es diferente:
¿Dónde estamos perdiendo dinero?
Nivel 6 — Rotación
Finalmente, podemos relacionar ventas e inventarios para construir indicadores de rotación.
Y aparece una nueva perspectiva:
¿Dónde tenemos capital inmovilizado?
Podríamos continuar estableciendo nuevos niveles de análisis en función de las necesidades del negocio.
Lo importante es entender que cada nivel de profundidad nos permite formular nuevas preguntas.
Y cada nueva pregunta puede abrir una nueva posibilidad de decisión.
3. Los cuadros estadísticos cuentan una historia
Una vez definido qué queremos analizar, necesitamos encontrar la mejor manera de representarlo.
Aquí aparecen los cuadros estadísticos.
No se trata de construir tablas simplemente porque tenemos datos disponibles.
Se trata de utilizarlas para responder preguntas.
Una tabla puede mostrarnos una evolución.
Otra puede permitirnos construir un ranking.
Otra puede mostrarnos una concentración 80/20.
Otra puede ayudarnos a comparar períodos, locales, productos o categorías.
El cuadro estadístico no es el resultado final. Es una herramienta para descubrir patrones.
Y cuando los patrones comienzan a aparecer, estamos preparados para dar el siguiente paso.
4. El Dashboard: ver lo importante
No toda la información necesita estar permanentemente frente a nosotros.
Un dashboard debe ayudarnos a concentrarnos en aquello que realmente necesitamos controlar.
Seleccionamos los indicadores y gráficos relevantes del análisis anterior y los organizamos en una vista que permita monitorear los principales KPI.
Ventas.
Conversión.
Rentabilidad.
Rotación.
Productividad.
Participación.
Tendencias.
Desviaciones.
El dashboard transforma múltiples datos en una visión integrada del comportamiento de una operación.
Pero incluso aquí debemos tener cuidado.
Un dashboard lleno de gráficos no necesariamente es un buen dashboard.
El objetivo no es mostrar todo.
El objetivo es hacer visible lo importante.
5. El Insight: cuando los datos empiezan a hablar
Y llegamos al punto más importante.
El insight.
Me gusta definirlo de una manera sencilla:
El insight es descubrir algo que estaba a la vista de todos, pero que nadie había interpretado.
Los datos estaban allí.
La información estaba allí.
El gráfico estaba allí.
Pero alguien encontró una relación, un patrón, una desviación o un comportamiento que permitió entender algo diferente.
Y es precisamente aquí donde las decisiones pueden cambiar la historia.
Porque descubrir que una categoría representa el 80% de las ventas es información.
Pero descubrir que esa misma categoría concentra el 80% de las ventas y, al mismo tiempo, tiene una rotación baja puede llevarnos a una pregunta completamente diferente.
¿Estamos generando ventas a costa de tener demasiado capital inmovilizado?
Ese es el momento en que el dato comienza a generar valor.
Del dato a la decisión
Podemos resumir todo este recorrido de una manera muy sencilla:
DATO
↓
INFORMACIÓN
↓
ANÁLISIS
↓
VISUALIZACIÓN
↓
INSIGHT
↓
DECISIÓN
Cada etapa tiene un propósito.
El dato nos entrega un registro.
La información nos ayuda a organizarlo.
El análisis nos permite encontrar patrones.
La visualización nos ayuda a comprenderlos.
El insight nos permite descubrir aquello que no era evidente.
Y finalmente, la decisión transforma ese conocimiento en acción.
¿Y dónde queda Excel?
Excel sigue siendo una herramienta extraordinariamente útil.
Permite trabajar con datos, realizar cálculos, construir cuadros estadísticos, generar gráficos y desarrollar dashboards que pueden convertirse en un excelente punto de partida para comprender una operación.
Pero hoy el volumen y la velocidad de generación de datos han crecido de manera exponencial.
Por eso, dependiendo de las necesidades de cada organización, pueden ser necesarias otras herramientas capaces de trabajar con mayores volúmenes de información y procesos de análisis más sofisticados.
Power BI, SQL, Python, plataformas de analítica y soluciones de Inteligencia Artificial son algunos ejemplos de herramientas que pueden ampliar nuestras capacidades.
Pero existe algo que ninguna herramienta puede reemplazar:
la capacidad de formular la pregunta correcta.
Podemos tener la mejor tecnología, el mejor dashboard y millones de registros.
Si no sabemos qué estamos buscando, probablemente solo tendremos más información.
El dato que estamos dejando pasar
Un análisis eficiente de los datos puede convertirse en una herramienta extraordinariamente valiosa para la toma de decisiones.
Pero existe un riesgo:
concentrarnos tanto en procesar información que perdamos de vista aquello que realmente importa.
Quizás siempre exista un insight delante de nosotros.
Quizás los datos ya nos estén mostrando la respuesta.
Tal vez solamente necesitamos cambiar la forma en que los observamos.
Por eso, antes de construir el próximo reporte, dashboard o presentación, vale la pena detenernos y preguntar:
¿Qué quiero saber?
¿Qué me están diciendo realmente los datos?
¿Qué estoy viendo que antes no podía ver?
Y finalmente:
¿Qué decisión puedo tomar con lo que acabo de descubrir?
Porque transformar datos en información es importante.
Transformar información en conocimiento es aún más importante.
Pero transformar ese conocimiento en una decisión capaz de generar resultados es donde realmente comienza el valor.
El dato está ahí.
El insight también.
Solo necesitamos aprender a encontrarlo.
Eyzaguirre Co.
Estrategia · Transformación Digital · Procesos
Del dato a la decisión.