De Excel a un panel en tiempo real: el camino completo

Una constructora con doce años en el mercado, ochenta empleados y proyectos en cuatro comunas de la Región Metropolitana llegó a un punto de quiebre cuando el gerente general se dio cuenta de un problema que siempre había estado ahí: cada vez que necesitaba saber cómo iba el negocio, dependía de que alguien le “sacara los números”. La jefa de administración pasaba cada viernes entre dos y tres horas consolidando información de cuatro planillas distintas. El lunes siguiente, el gerente recibía un PDF con los datos de la semana anterior y tomaba decisiones sobre algo que ya había pasado.

Este escenario no es particular de esa empresa. Es la norma en las pymes chilenas. La buena noticia es que el camino de salida existe, es predecible y se puede recorrer por etapas sin que la operación se detenga. La mala noticia es que muchas empresas intentan saltar directamente al final, contratan una herramienta de visualización sin haber resuelto el problema de fondo, y terminan con un dashboard bonito que muestra datos incorrectos.

En este artículo describimos las tres etapas del camino real: desde la fuente de datos hasta la pantalla donde el gerente ve el número que necesita, en tiempo real y sin que nadie tenga que prepararlo.

Por qué Excel no es el problema, sino el síntoma

Excel es una herramienta extraordinaria. El problema no es Excel: es lo que pasa cuando se convierte en el sistema central de información de una empresa que ya creció. Cuando los datos de ventas están en una planilla, los de inventario en otra, los de cobranza en una tercera y los proyectos en un archivo compartido por Dropbox que tres personas editan a la vez, lo que tienes no es un sistema de información, sino varios sistemas incompatibles que alguien tiene que integrar manualmente cada semana.

El síntoma más claro es la existencia de una persona que “sabe cómo funcionan las planillas”. Si esa persona se va de vacaciones o renuncia, la gerencia pierde acceso a la información del negocio. Eso es un riesgo operacional concreto, no solo una incomodidad.

Antes de invertir en visualización, es necesario resolver la fragmentación de datos. Y eso requiere seguir las etapas en el orden correcto.

Etapa 1: fuente de datos unificada

El primer paso es determinar de dónde vienen los datos que necesitas y consolidarlos en un lugar único. Esto puede ser tan simple como una base de datos en la nube o tan estructurado como un data warehouse, dependiendo del volumen y la complejidad.

Para la mayoría de las pymes chilenas, el punto de partida es conectar las fuentes existentes: el ERP o sistema de gestión (Bsale, Defontana, Softland, SAP Business One), el CRM si existe, las planillas de Excel que todavía tienen datos valiosos y, en algunos casos, el sistema de facturación del SII. El objetivo de esta etapa no es reemplazar ninguna herramienta, sino extraer sus datos hacia un lugar central donde puedan cruzarse.

• →Google BigQuery: la opción más escalable para pymes medianas. Costo inicial prácticamente cero (el primer terabyte de consultas mensuales es gratuito). Ideal si ya usas el ecosistema de Google Workspace.
• →PostgreSQL en AWS RDS: base de datos relacional gestionada en la nube. Para una pyme, el costo mensual es accesible y varía según el tamaño del ambiente. Buena opción si los datos tienen estructura fija y volumen moderado.
• →Google Sheets centralizado: para empresas muy pequeñas o proyectos de bajo presupuesto. No es ideal a largo plazo, pero permite dar el primer paso sin costo adicional si los datos son simples y el volumen es bajo.

Tiempo estimado para esta etapa: entre dos y cuatro semanas, dependiendo de cuántas fuentes existen y qué tan limpios están los datos. En el caso de esta constructora, tomó tres semanas conectar Softland, dos planillas de Excel y el historial de cuentas por cobrar.

Etapa 2: transformación y limpieza de datos (ETL)

ETL significa Extract, Transform, Load: extraer datos de las fuentes, transformarlos (limpiarlos, estandarizarlos, calcular métricas derivadas) y cargarlos en el destino. Esta es la etapa que más se subestima y la que más problemas causa cuando se omite.

Los problemas típicos que aparecen en esta etapa son: fechas en formatos distintos según quién cargó el dato, nombres de clientes escritos de formas diferentes (“Constructora X Ltda.” vs “Constructora X” vs “Const. X”), montos en UF en una fuente y en CLP en otra, o campos vacíos que rompen los cálculos. Sin esta limpieza, el dashboard muestra números que parecen correctos pero no lo son.

• →dbt (data build tool): la herramienta estándar de la industria para transformación de datos. Gratuita en su versión open source. Permite escribir las transformaciones en SQL y versionarlas como código.
• →Airbyte: herramienta open source para mover datos entre fuentes y destinos. Tiene conectores predefinidos para más de 300 sistemas. La versión en la nube parte desde USD 0 con límite de uso.
• →Make (ex Integromat): para pymes sin equipo técnico, Make permite crear flujos de transformación sin código. El plan de entrada tiene un bajo costo mensual y cubre casos simples muy bien.

Tiempo estimado: entre dos y tres semanas para un caso de mediana complejidad. Es la etapa más variable, porque depende directamente de qué tan ordenados estén los datos de entrada. Cuanto más “libre” haya sido el ingreso de datos en el pasado, más trabajo hay aquí.

Etapa 3: visualización en tiempo real

Recién en esta etapa aparece el dashboard que todos quieren ver desde el principio. Pero ahora tiene una diferencia fundamental: está conectado a datos limpios, unificados y actualizados automáticamente. Lo que ve el gerente es real.

• →Looker Studio (Google): gratuito, se conecta nativamente a BigQuery y Google Sheets. Curva de aprendizaje baja. Ideal para pymes que quieren un dashboard funcional sin costo de herramienta. La limitación es la personalización visual avanzada.
• →Power BI: con un costo accesible por usuario al mes. Más potente para análisis complejos y mejor integración con el ecosistema Microsoft. Si ya tienes Microsoft 365, esta es la opción natural.
• →Metabase: herramienta open source con versión gratuita. Permite que personas sin conocimientos técnicos hagan preguntas a los datos en lenguaje natural. Muy buena para equipos operativos que necesitan explorar datos solos.

Tiempo estimado: una a dos semanas para el diseño y configuración inicial del dashboard. Los ajustes y refinamientos continúan durante el primer mes de uso.

Por qué hacerlo por etapas y no de golpe

La tentación es grande: contratar una sola plataforma que promete hacer todo (recopilar, transformar y visualizar datos) y resolver el problema en un clic. Existen herramientas así, y algunas funcionan bien para casos muy específicos. El problema es que cuando algo sale mal, no sabes en qué parte del proceso está el error. Y siempre hay algo que sale mal.

El enfoque por etapas tiene tres ventajas concretas. Primero, permite detectar y corregir problemas de datos antes de que se conviertan en decisiones erróneas. Segundo, cada etapa agrega valor de forma independiente: tener los datos unificados ya es una mejora, aunque el dashboard no esté listo. Tercero, si en el futuro decides cambiar la herramienta de visualización, no tienes que rehacer todo desde cero porque la infraestructura de datos ya está construida.

En el caso de esta constructora, el proceso completo tomó seis semanas. Al final, el gerente tenía un dashboard que se actualizaba cada hora con los datos de ventas, avance de proyectos, cobranza pendiente y margen por obra. La jefa de administración recuperó las dos a tres horas que perdía cada viernes. Y las reuniones de directorio pasaron de discutir qué números eran correctos a discutir qué hacer con ellos.