BI sobre tres años de ventas: el pipeline que confiesa su límite
Reconstruir la historia de ventas de un comercio a partir de exportaciones acumuladas durante tres años, y decir con claridad qué preguntas esos datos sí pueden responder y cuáles no.
Stack
Contexto
Un comercio acumulaba exportaciones de ventas de 2023 a 2026 en archivos sueltos, con formatos que cambiaron por el camino. El encargo fue convertir ese histórico disperso en un modelo consultable que permitiera hacer preguntas de negocio.
Qué se reconstruyó
- • 56,739 transacciones y 107,314 líneas de venta reconstruidas en un modelo estrella sobre SQLite.
- • 2,378 claves canónicas de producto, unificando las variantes con que un mismo artículo se nombró a lo largo de tres años.
- • 3,688 anomalías detectadas y señaladas para revisión en vez de corregidas en silencio.
El hallazgo incómodo
El propio pipeline reporta que solo 1.97% del valor de ventas tiene cliente identificado. Es decir: cualquier análisis de recurrencia, retención o valor de vida del cliente sería, con estos datos, una invención. El sistema lo dice antes de que alguien lo pregunte.
Lo que aprendí
Que la mejor función de un pipeline analítico es delimitar su propio alcance. Un tablero que muestra retención con dos por ciento de clientes identificados no es un tablero: es una alucinación con ejes. Decirlo cuesta una conversación incómoda y ahorra decisiones equivocadas.