Proyectos que cambiaron cómo deciden los líderes.

El reto

La precisión del pronóstico, las entregas a tiempo y completas, los días de inventario y el costo de servir venían cada uno de un equipo y una fuente distintos. Las causas raíz aparecían semanas después; los fletes urgentes y las bajas de inventario se descubrían después del hecho.

Lo que hicimos

• Definimos un lenguaje único de indicadores para planear, abastecer, producir y entregar: resultados meta, indicadores impulsores, responsables y umbrales
• Construimos un modelo de datos certificado en Microsoft Fabric que cubre demanda, suministro, inventario, producción, logística, calidad e impacto financiero
• Entregamos una torre de control con triaje de excepciones en los siete procesos: de la idea al lanzamiento, del pronóstico al plan, del abastecimiento al pago, del plan a la producción, del pedido al cobro, de la entrega al servicio y del registro al reporte
• Establecimos el modelo operativo: un dueño de negocio por proceso, revisión semanal de la calidad de los indicadores y seguimiento de incidencias de ciclo cerrado

Impacto

• +8 pts de precisión del pronóstico en las categorías piloto
• −12% de días de inventario sin perder servicio
• +4 pts de entregas a tiempo y completas y 15% menos flete urgente

El reto

Los procesos críticos dependían de hojas de cálculo, aprobaciones por correo electrónico y herramientas aisladas. Cada nueva solicitud se construía de manera distinta, sin un modelo común de seguridad, acceso a datos ni soporte.

Lo que hicimos

• Definimos la estrategia de entornos de Power Platform, los roles de seguridad, el modelo de acceso a datos y las políticas DLP
• Creamos patrones reutilizables para apps, flujos en la nube y aprobaciones, integrados mediante Azure Functions, Logic Apps y Data Factory
• Incorporamos agentes de Copilot Studio, orquestación multiagente e integraciones con Model Context Protocol en los flujos de trabajo cotidianos
• Pusimos los proyectos de analítica bajo control de versiones en Git, con CI/CD en Azure DevOps

Impacto

• 30+ soluciones digitales entregadas al año
• Entornos gobernados con una clara segregación de funciones
• Agentes de IA integrados en los flujos operativos, dentro de los estándares de seguridad existentes

El reto

Los equipos comerciales conciliaban las cifras a mano antes de cada revisión. Las excepciones de precio se detectaban tarde y nadie era responsable de una visión integral del proceso de registro.

Lo que hicimos

• Diseñamos e implementamos un sistema de gestión de ventas en Power BI como parte de un programa de transformación digital
• Desarrollamos analítica de control de precios que compara los precios en marketplaces en línea con la política comercial
• Entregamos un tablero de participación de mercado por categoría con análisis de eficiencia financiera
• Dirigimos un proyecto Lean Six Sigma para mapear y agilizar el registro de productos

Impacto

• Una visión única y confiable del desempeño de ventas en todos los canales
• Desviaciones de precio visibles por plataforma y producto
• Tiempos de registro de productos significativamente más cortos

El reto

Las deducciones se liquidaban a mano semanas después de facturar. El flete urgente y los recargos por pedidos pequeños se absorbían como gasto general, así que los patrones de servicio no rentables seguían invisibles.

Lo que hicimos

• Construimos una torre de control del pedido al cobro: nivel de surtido, entregas a tiempo, exactitud de facturas, deducciones abiertas y días de cartera en una sola página
• Modelamos el costo de servir por cliente, canal y ruta, asignando flete, manejo, deducciones y devoluciones al pedido
• Clasificamos las deducciones con IA documental y turnamos las disputas a sus responsables con niveles de servicio
• Dimos a ventas y finanzas la misma vista de rentabilidad por cliente, actualizada a diario

Impacto

• 100% de los clientes con costo de servir visible
• −40% en el tiempo para resolver deducciones
• −6 días de cartera

El reto

El gasto estaba en el ERP por centro de costos, los planes en los archivos de marketing y las ventas en otro sistema. Cada revisión empezaba por reconstruir las cifras, y los excesos se descubrían cuando el presupuesto ya se había agotado.

Lo que hicimos

• Un solo modelo de gasto de marketing, plan y ventas por marca, actividad y mes, actualizado a diario desde el ERP
• Una vista de decisión para el contralor financiero y el director de la unidad: gasto contra plan junto a ventas contra plan, por marca
• Alertas cuando el gasto de una marca va adelante del plan mientras sus ventas se rezagan
• Revisiones operativas mensuales desde la misma vista, con cifras de cierre bloqueadas

Impacto

• Diaria visibilidad del gasto contra plan, en lugar de semanas después del cierre
• 2 marcas reprogramadas dentro del trimestre, antes de agotar el presupuesto
• 1 revisión en la que finanzas y marketing discutían acciones, no cifras

El reto

Los datos de venta a detalle de los distribuidores llegaban en formatos distintos y coincidían solo en parte con los códigos de producto y cliente de la empresa. Prospectos, cuentas clave y cobertura de distribuidores se seguían en hojas de cálculo separadas.

Lo que hicimos

• Empatamos la venta a detalle de los distribuidores con los productos y clientes de la empresa, elevando la cobertura de la mitad de las ventas a la mayor parte
• Un Pareto de distribuidores y una vista de cuentas clave: quién vende qué, dónde, y dónde la penetración es baja
• Seguimiento de nuevos prospectos y oportunidades ligado al CRM, para reconocer los resultados de ventas automáticamente
• Incentivos de ventas recalculados sobre la venta a detalle, con las mismas cifras visibles para ventas, finanzas y distribuidores

Impacto

• 86% de las ventas ya visibles en el punto de venta
• Carga de fin de trimestre eliminada: los embarques ahora siguen a la venta a detalle
• 3 principales distribuidores concentran el 67% de la venta a detalle y tienen planes dedicados

El reto

Los planeadores no tenían alertas tempranas sobre cambios en la demanda, era difícil priorizar el riesgo de inventario según su impacto en el negocio y las fallas de servicio se explicaban a posteriori en lugar de prevenirse.

Lo que hicimos

• Diseñamos una arquitectura objetivo de BI concebida como una cadena de decisión: de los datos de origen a una capa semántica unificada, y de ahí a paneles por rol y acciones dentro de los flujos de trabajo
• Construimos un modelo de capacidades para Planear, Abastecer, Producir y Entregar, articulado por una torre de control transversal
• Definimos un marco de KPI con resultados rectores, métricas impulsoras, responsables, umbrales y periodicidad de revisión
• Priorizamos los casos de uso de detección de la demanda, salud del inventario y entregas a tiempo y completas en una hoja de ruta de tres olas

Impacto

• Un mismo lenguaje de KPI para la cadena de suministro, con un responsable designado para cada métrica
• Una hoja de ruta secuenciada, de los cimientos a las capacidades predictivas y el despliegue global
• Casos de uso que atacan a la vez los faltantes, el exceso de inventario y la confiabilidad del servicio

El reto

Las solicitudes pasaban por seis funciones sin visibilidad de dónde esperaban. Las solicitudes incompletas regresaban, los casos urgentes se resolvían por teléfono y nadie era dueño del tiempo total.

Lo que hicimos

• Mapeamos el proceso y medimos el tiempo de espera y de atención de cada paso con los datos del flujo de trabajo
• Simplificamos el formulario de solicitud y la secuencia de aprobación: un solo paso por función
• Introdujimos reglas de primero en entrar, primero en salir y un monitor de Power BI en tiempo real de cada solicitud abierta
• Fijamos un estándar de servicio por paso, con responsables y revisión semanal

Impacto

• 55 → 18 días de tiempo promedio
• 144 → 21 días de diferencia entre la solicitud más rápida y la más lenta
• 9 de cada 10 productos nuevos dados de alta en 30 días

El reto

Los datos de inventario, venta a detalle y devoluciones de los distribuidores estaban repartidos entre planeación, finanzas y ventas. Nadie veía qué distribuidores tenían demasiadas semanas de inventario antes de que el producto regresara.

Lo que hicimos

• Una sola vista del inventario de distribuidores en semanas, venta a detalle, exposición a caducidad y devoluciones, por distribuidor y producto
• Una política de inventario por segmento de distribuidor, con alertas cuando las semanas de inventario superan el límite
• Desempeño de distribuidores reevaluado cada mes con venta a detalle y devoluciones, no solo con venta al distribuidor
• Finanzas y planeación revisan las mismas cifras antes de cada ciclo de pedidos

Impacto

• 4.1% → 2.3% de las ventas devueltas del mercado
• Menos de 6 semanas de inventario en cada distribuidor importante
• Mensual revisión de distribuidores por venta a detalle, con responsables de las devoluciones por nombre

El reto

Los planeadores equilibraban mezcla de productos, posiciones de tarima y límites de peso en hojas de cálculo. Cada mercado lo hacía distinto, y nadie veía qué tan llenos iban realmente los camiones de la red.

Lo que hicimos

• Reglas de armado de cargas que optimizan la mezcla de productos contra los límites de tarimas, peso y volumen de cada ruta
• Un tablero de utilización de carga: nivel de llenado por ruta, planta y transportista, con las cargas por debajo del estándar señaladas a diario
• Pedidos optimizados creados automáticamente; los planeadores revisan excepciones en lugar de armar cada carga
• Revisión semanal de las rutas por debajo de la meta con logística y planeación

Impacto

• 78% → 91% de llenado promedio de los camiones
• −14% de camiones para el mismo volumen
• Horas → minutos para armar las cargas del día

El reto

Las descripciones debían seguir la voz de cada marca, ser fieles a la receta y pasar revisión. El texto alternativo era obligatorio por accesibilidad, y cada mes llegaban recetas nuevas.

Lo que hicimos

• Una línea de generación que lee los metadatos, etiquetas e imágenes de las recetas y redacta descripciones con la voz de cada marca
• Texto alternativo automático para cada imagen, verificado contra la receta antes de publicar
• Revisión editorial en el sistema de contenidos: aprobar, editar o rechazar, y cada cambio alimenta mejores borradores
• Despliegue en producción que atiende las recetas nuevas de cada mes sin trabajo manual

Impacto

• 3,200 descripciones de recetas escritas en seis semanas
• 100% de las imágenes con texto alternativo
• 9 de cada 10 borradores aprobados por los editores sin cambios

El reto

El desempeño por línea de negocio, producto y región se armaba en hojas de cálculo. Los ajustes eran difíciles de rastrear, y el acceso a la información financiera sensible se administraba reporte por reporte.

Lo que hicimos

• Integramos saldos, ingresos, gastos y datos de crédito en una plataforma de datos gobernada
• Definimos un solo conjunto certificado de métricas de ingresos, margen, eficiencia y pérdidas crediticias
• Automatizamos la conciliación con el libro mayor después de cada actualización
• Construimos scorecards ejecutivos con variaciones frente al plan y al año anterior, y seguridad de la información por línea de negocio

Impacto

• Un solo conjunto de cifras conciliadas para la dirección y las áreas de finanzas y riesgos
• Un cierre de mes más rápido y predecible
• Trazabilidad de cada ajuste, con acceso gobernado por rol

El reto

Cada indicador tenía su propia tarjeta y sus propios colores. Las comparaciones contra plan y año anterior se veían distintas en cada página, así que las reuniones trataban de las gráficas, no del negocio.

Lo que hicimos

• Una sola notación para real, plan y año anterior en cada página, con variaciones con signo y un mensaje en cada título
• Sustituimos 107 tarjetas de indicadores por una matriz compacta y múltiplos pequeños, y reconstruimos el modelo de datos para que fuera rápido
• Un sistema de diseño: paleta, tipografía, plantillas y una lista de verificación adoptados por todos los equipos
• Acompañamos a los analistas para escribir primero el mensaje y después elegir la gráfica

Impacto

• 40 → 6 páginas y de 90 a 4 segundos para abrir
• Una sola definición y un solo aspecto para cada indicador
• La mitad del tiempo de reunión dedicado a aclarar las cifras

El reto

Cada equipo de activo daba seguimiento a sus pozos, presupuestos y producción a su manera, por lo que la dirección no podía comparar el desempeño entre cuencas ni detectar los problemas cuando aún había tiempo para actuar.

Lo que hicimos

• Integramos los datos de perforación, producción y gasto de capital en una plataforma de datos gobernada
• Construimos vistas del desempeño de los pozos que comparan cada pozo nuevo con su curva de producción esperada
• Entregamos el gasto de capital frente a los presupuestos aprobados, pozo por pozo, con actualización diaria
• Automatizamos la validación de los datos y su captura en campo mediante apps low-code

Impacto

• Reportes semanales de operación generados automáticamente
• Desviaciones de costo y de calendario visibles mientras se perforan los pozos
• Una sola vista del desempeño de todos los activos y cuencas

El reto

Cada sitio guardaba sus datos de producción, calidad y mantenimiento en sistemas separados. Las revisiones diarias se iban en debatir las cifras en lugar de las causas, y los esfuerzos de mejora no podían compararse entre plantas.

Lo que hicimos

• Acordamos una sola definición de eficiencia de los equipos y de pérdidas para todas las plantas
• Conectamos los datos de producción, calidad y mantenimiento en Microsoft Fabric
• Dimos a los operadores una app sencilla para registrar en la línea cada paro y su causa
• Entregamos scorecards por planta y por línea, con alertas automáticas ante paros no planeados

Impacto

• Un mismo lenguaje de desempeño, de la línea de producción al equipo directivo
• Tiempos de paro registrados en el origen, por causa
• Prioridades de mejora definidas con base en hechos, planta por planta

El reto

Los supuestos de volumen, precio, mezcla, materiales y mano de obra no estaban ligados, así que la dirección no veía por qué se movía el pronóstico ni podía probar un escenario antes de decidir.

Lo que hicimos

• Construimos un modelo por impulsores: volumen, precio y mezcla por línea de producto, tarifas de materiales y mano de obra por planta, con reales cargados del ERP cada mes
• Pronóstico continuo a 12 meses actualizado cada mes, con instantáneas bloqueadas para que cada versión sea auditable
• Puentes de variación del presupuesto al pronóstico por impulsor, por planta y por línea de producto
• Captura de escenarios en un formulario de Power Apps y aprobaciones en Teams

Impacto

• 4 meses → 10 días de ciclo de pronóstico
• La mitad del error de pronóstico a tres meses
• −60% del tiempo de finanzas dedicado a preparar datos

El reto

Los directivos no podían ver dónde se estancaba el efectivo ni sobre qué problemas podían actuar sus equipos, y cada área mantenía su propia versión de las cifras.

Lo que hicimos

• Construimos modelos semánticos gobernados de Power BI sobre el lakehouse corporativo para ingresos, cobranza y cuentas por cobrar
• Plasmamos las reglas de negocio en el modelo, documentadas y bajo la responsabilidad del propio negocio
• Integramos la seguridad de la información en el modelo, con un acceso gobernado y auditado persona por persona
• Automatizamos la orquestación de las actualizaciones, sincronizada con las cargas del almacén de datos de origen

Impacto

• Una sola vista del desempeño financiero, del scorecard ejecutivo a cada transacción
• Cero diferencias a nivel de línea al conciliar el detalle con el origen
• Acceso gobernado usuario por usuario, con reportes de cobertura listos para auditoría

El reto

Los nombres se escribían de forma distinta en cada sistema, los reportes de detalle se armaban a mano y los ajustes tardíos podían alterar sin aviso cifras que ya se habían reportado.

Lo que hicimos

• Resolvimos las identidades entre sistemas con identificadores estables en lugar de nombres
• Entregamos un scorecard personal con seguridad de la información integrada, para que cada persona vea solo sus propios resultados
• Creamos una exportación independiente para finanzas, restringida a usuarios autorizados y sujeta a un bloqueo mensual
• Introdujimos instantáneas bloqueadas de cierre de mes, que se actualizan automáticamente después del cierre

Impacto

• Acceso en autoservicio al detalle del desempeño individual
• Cifras de cierre de mes bloqueadas y auditables, sin reexpresiones silenciosas
• Exportaciones controladas por rol, conforme a la política de finanzas

El reto

La rotación solo se veía cuando la gente ya se había ido. Las revisiones de compensación comparaban puestos a mano, y los datos sensibles no podían compartirse fuera de RH.

Lo que hicimos

• Un solo modelo de plantilla: dotación, contrataciones, salidas, vacantes, horas y compensación por sede, puesto y antigüedad, actualizado cada semana
• Análisis de rotación por antigüedad, puesto y gerente, con indicadores de alerta temprana
• Posicionamiento de la compensación frente a las bandas, con seguridad de la información para que cada líder vea solo a sus equipos
• Plan de plantilla frente al presupuesto por mes, con escenarios de vacantes y horas extra

Impacto

• −5 pts de rotación en el primer año
• −18 días en el tiempo de cobertura de vacantes
• Semanal una vista con acceso por rol sustituye la presentación trimestral

El reto

Los directivos veían los resultados solo después del cierre de mes. Los presupuestos se fijaban por mes mientras la operación se manejaba por semana, y no era posible vincular el desempeño de cada canal con los resultados.

Lo que hicimos

• Unificamos los datos de CRM, agenda de citas y operación en el lakehouse y en Power BI
• Construimos curvas de conversión por cohorte, del primer contacto al tratamiento concluido
• Entregamos reportes semanales de visibilidad anticipada frente al presupuesto, por mercado y canal
• Convertimos los presupuestos mensuales en metas semanales con base en calendarios de días hábiles

Impacto

• Una visión de la demanda con semanas de anticipación
• Avance contra presupuesto por mercado y canal, en un solo lugar
• Desempeño de los canales de marketing vinculado a los resultados

El reto

El gasto por canal, los prospectos en el CRM, las citas en el sistema clínico y los ingresos en finanzas se conciliaban una vez por trimestre, en una hoja de cálculo.

Lo que hicimos

• Unimos gasto, prospectos, consultas, citas programadas y completadas e ingresos en un solo modelo gobernado, actualizado a diario
• Vistas de ritmo del gasto y los prospectos frente al presupuesto y la meta del mes, por canal y mercado
• Costo por prospecto, costo por consulta completada y retorno por canal, con un rezago de seis semanas entre el primer contacto y el tratamiento
• Un resumen semanal para los líderes de marketing y operaciones, con las excepciones primero

Impacto

• Semanal el retorno por canal, en lugar de trimestral
• −22% de costo por consulta completada tras reasignar el gasto
• ±3% de ritmo presupuestal cada mes

El reto

Los equipos de calidad y abastecimiento trabajaban con reportes estáticos, y las notificaciones de liberación de planos a proveedores circulaban por canales manuales que introducían errores.

Lo que hicimos

• Desarrollamos tableros de tendencias con gráficas de control, de gestión del suministro y de calidad de proveedores
• Identificamos e implementamos nuevos KPI para el sistema de calificación del desempeño de proveedores
• Agilizamos el proceso de liberación de planos al trasladar las notificaciones al sistema de notificación de cambios a proveedores

Impacto

• Un sistema de calificación de proveedores más amplio y basado en datos
• Menos defectos en el proceso de liberación de planos
• Visibilidad oportuna de la calidad de proveedores para los equipos de abastecimiento y calidad