La primera pregunta cuando una cifra se mueve es por qué. Los ingresos están por debajo del plan, el margen bruto bajó, una línea de costos saltó. El tablero muestra el qué en segundos; después los analistas pasan días en el porqué, sacando extractos, cortando por región y producto y llamando a colegas que podrían saber. Para cuando llega la explicación, la junta ya pasó a otro tema.
Tres técnicas, usadas juntas, acortan ese ciclo. La descomposición por impulsores dice cuánto aportó cada factor. La detección de anomalías dice cuáles de esas aportaciones son inusuales. Un modelo de lenguaje convierte el resultado en unas cuantas frases sencillas que citan los impulsores. Ninguna de las tres es nueva por sí sola; el valor está en combinarlas sobre cifras en las que finanzas ya confía.
Empiece por el puente
Toda explicación empieza con aritmética. Un puente descompone el cambio de una medida en los factores que lo produjeron: para los ingresos, volumen, precio y mezcla; para el margen, precio, mezcla, costo de insumos y flete; para los gastos de operación, plantilla, tarifas y partidas no recurrentes. La misma descomposición baja después por la jerarquía, por región, producto y cliente, para que el puente diga no solo qué impulsor se movió, sino dónde.
Las reglas del puente son una decisión de finanzas, no de ciencia de datos. Acuérdelas una vez con el contralor e intégrelas al modelo de reportes, para que cada reporte y cada explicación usen la misma aritmética. Si su equipo ya revisa un puente cada mes, por ejemplo como parte de un pronóstico continuo, la mayor parte de este trabajo ya está hecha.
Separe lo inusual de lo esperado
No todo movimiento merece una explicación. La estacionalidad, los efectos de calendario, los cambios de precio planeados y el crecimiento presupuestado mueven las cifras de formas que nadie necesita discutir. La detección de anomalías aprende del historial el rango esperado de cada medida en cada segmento, incluidos sus patrones semanales y estacionales, y calcula qué tan lejos de ese rango está el valor más reciente. Un puntaje alto significa que un movimiento es inusual para ese segmento en ese momento, no solo que es grande. Los umbrales fijos no pueden hacer esa distinción: marcan cada pico estacional y pasan por alto la desviación lenta que sí importa.
Los puntajes cumplen dos funciones. Indican a los lectores qué impulsores merecen atención y mantienen corta la explicación: un comentario que enumera cada movimiento entierra el que importa. También funcionan en sentido contrario, porque un movimiento grande que el modelo esperaba, como un pico estacional, merece una línea y no una investigación.
Deje que el modelo de lenguaje redacte, no que calcule
Un modelo de lenguaje es bueno para convertir una tabla de impulsores y puntajes en frases legibles. No es una calculadora, y nunca se le debe pedir que encuentre las cifras por su cuenta. El diseño que funciona es sencillo: el modelo de reportes calcula el puente, el modelo de anomalías le asigna puntajes y el modelo de lenguaje recibe ambos como datos estructurados, con instrucciones de empezar por el impulsor inusual más grande, cuantificarlo, nombrar el segmento y citar la fuente. Así, cada cifra de la explicación se puede rastrear hasta una cifra del modelo. Las instrucciones también fijan el tono: palabras sencillas, ningún adjetivo que las cifras no respalden y siempre el mismo orden.
La explicación también debe decir lo que no sabe. Si el impulsor más grande es inusual y nada en los datos lo explica, la frase correcta describe el movimiento y dice que la causa todavía no está en los datos. Una suposición verosímil es peor que un vacío reconocido.
Agregue lo que los datos no ven
Muchos movimientos tienen causas fuera de los sistemas: un aumento de precio anunciado a los clientes, un paro de planta, un contrato de transporte renegociado, una promoción que se movió una semana. Mantenga un calendario sencillo de eventos conocidos, a cargo del negocio, y entrégueselo al modelo junto con las cifras. Cuando un analista confirme o corrija una explicación, guarde eso también. Las explicaciones mejoran en cada ciclo, porque el sistema aprende lo que la organización ya sabe.
El mismo calendario mejora los puntajes de anomalía. Un pico que coincide con un evento conocido es esperado, y la explicación puede decirlo en una línea en lugar de encender una alarma.
Mantenga a las personas donde importa
Las explicaciones automáticas cambian el papel del analista en lugar de eliminarlo. Los analistas revisan las explicaciones de los movimientos más grandes e inusuales antes de que lleguen a los directivos, investigan los que los datos no explican y deciden cuándo un patrón que se repite debe convertirse en un nuevo impulsor del puente. Esa revisión es también lo que da credibilidad al enfoque: los directivos saben que la explicación que tienen enfrente la leyó alguien que conoce el negocio.
Construir los modelos de anomalías y conectarlos con el modelo de lenguaje es trabajo habitual de aprendizaje automático. Decidir qué movimientos importan, y qué debe hacer la organización al respecto, sigue en manos de las personas.
Por dónde empezar
Elija una medida sobre la que los directivos preguntan cada mes, normalmente ingresos contra plan o margen bruto, una jerarquía y un puente con el que finanzas ya esté de acuerdo. Genere las explicaciones en paralelo con las de los analistas durante algunos ciclos, compárelas y publíquelas cuando el contralor esté conforme. Luego extienda el enfoque a las medidas que generan más preguntas de seguimiento.
El objetivo no es reemplazar al analista. Es dar a los directivos el porqué en el mismo momento que el qué, y devolver a los analistas el tiempo para los movimientos que de verdad requieren investigación.