Visualización de datos
¿Los visualizadores están quedando obsoletos?
Armar un dashboard siempre ha sido un desafío. Conectar datos, modelar, diseñar y mantener. Por eso tenía sentido usar una herramienta de BI: te daba gráficos, filtros y estructura listos y en pocas rellenabas , pero bajo las reglas del visualizador
Los gráficos son los que la herramienta trae. Los filtros funcionan como se decidió en algún momento. El layout es el suyo.
Hace poco un cliente nos mandó por WhatsApp una foto de la pizarra y nos dijo: "quiero esto". Cada acuerdo comercial como una barra, por canal, y cuando un acuerdo se pisa con otro, los días que quedaron tapados quiero que estén rayados, para entender de una que esos días ya no se deben tomar en cuenta.
En un visualizador eso no viene en el catálogo: terminas haciendo malabares con lo que hay, o le explicas que "eso no se puede".
Lo que cambió
Hoy construir una visualización a medida cuesta una fracción de lo que costaba. En Pullpo la desarrollamos en conjunto con IA: lo que antes era una semana de desarrollo, hoy lo tenemos en minutos.
Cuando el costo de construir se desploma, la pregunta cambia. Ya no es "¿qué me deja hacer la herramienta?", sino "¿qué necesita ver esta persona para decidir?", las posibilidades son infinitas.
Datos de ejemplo: ningún acuerdo, canal ni monto corresponde a un cliente real.
Lo que decidimos
Empezamos a construir nosotros las visualizaciones de nuestros clientes, 100% personalizadas:
- Gráficos pensados para su negocio y forma de trabajo
- Filtros con su estructura: su calendario comercial, sus canales, sus nombres.
- Más dinámicas y con mejor diseño, porque cada pantalla se diseña para quien la va a usar.
Clic en un canal para filtrar todo
| Producto | Canal | Venta 7 días | vs semana anterior | Últimos 14 días | Stock |
|---|---|---|---|---|---|
| Jeans slim azul | E-commerce propio | $18,4 M | ▲ 34% | Se quiebra en 3 días | |
| Zapatillas urbanas | E-commerce propio | $12,1 M | ▲ 12% | 26 días de stock | |
| Polera básica blanca | Tiendas físicas | $15,7 M | ▲ 8% | Se quiebra en 5 días | |
| Chaqueta denim | Tiendas físicas | $6,2 M | ▼ 21% | ||
| Parka liviana negra | Marketplace | $9,8 M | ▼ 5% | 18 días de stock | |
| Short deportivo | Marketplace | $4,3 M | ▲ 41% | 9 días de stock | |
| Vestido de lino | Retail B | $5,6 M | ▲ 19% | 31 días de stock | |
| Polerón con capucha | Retail A | $7,9 M | ▼ 32% |
Haz clic en la imagen del BI para verla en grande. Datos de ejemplo: ninguna cifra corresponde a un cliente real.
Y ahí pasó algo que no esperábamos: un dashboard a medida se convierte rápido en un portal.
El Portal
Una vez que la pantalla es tuya, empiezas a agregarle lo que un visualizador nunca te dejaría:
- Un glosario que explica cada métrica en lenguaje de negocio, conectado directo a la lógica que la calcula.
- Un analista con IA al que le preguntas en español y responde con los datos del cliente, respetando los permisos de cada persona.
- Una página que muestra cuándo se actualizó cada fuente y si algo falló.
- Formularios para que el cliente cargue sus propios datos maestros, sin planillas por correo.
- Reportes que llegan solos al correo de cada persona, con lo suyo y con lo que tiene que hacer.
Hola, Elena. ¿Qué quieres saber hoy?
Hola Carla, 1 producto de tu canal se queda sin stock antes del domingo. Abajo va cuánto reponer para cubrir 14 días.
| Producto | Stock | Vende al día | Reponer |
|---|---|---|---|
| Polera básica blanca | 5 días | 112 u | 1.008 u |
| Chaqueta denim no se mueve | 74 días | 9 u | No reponer |
Llega de lunes a viernes a las 07:30. Los números salen del mismo modelo que alimenta el portal y el Analista.
Datos de ejemplo: ninguna cifra, producto ni persona corresponde a un cliente real.
Ya no es "el dashboard". Es el lugar donde el cliente trabaja con sus datos.
¿Dónde viven tus métricas?
En la mayoría de las empresas que usan Power BI, la lógica del negocio vive en el último paso. Los datos llegan crudos y Power Query los limpia, los cruza y les cambia los nombres. Después, las medidas DAX deciden qué es "venta neta", qué cuenta como devolución y cómo se calcula el margen. La capa semántica, la que traduce tablas a conceptos de negocio, queda armada dentro del visualizador.
Mientras todo termine en un dashboard, funciona. El problema aparece el día que quieres hacer algo más con esos números.
Conectas una IA para que responda preguntas, y la IA no lee Power Query ni DAX: va a la base de datos y calcula la venta a su manera. Armas un reporte por correo con un script, y el script repite la lógica, pero con la versión de hace tres meses. A las pocas semanas tienes tres "ventas del mes": la del dashboard, la de la IA y la del correo. Y nadie sabe cuál es la buena.
Cifras de ejemplo.
Power BI permite compartir su modelo semántico, pero dentro de su propio ecosistema. Lo que vive fuera de él, como un agente de IA, un correo automático o el sistema de otra área, no puede reutilizar esas medidas y termina reescribiéndolas.
Por eso en Pullpo la capa semántica no vive en la pantalla. Las métricas se definen una sola vez, en el modelo de datos, antes de cualquier visualización. El dashboard, el Analista y el correo leen del mismo lugar. Si mañana cambia la definición de venta neta, se cambia en un punto y los tres canales cambian juntos.
Qué se hace con las tablas
Una sola fuente de datos, distintas formas de usarla. Cada persona la mira donde le acomoda, y todos ven el mismo número.
- Cada uno lo mira donde le acomoda.
- Nadie tiene que aprender una herramienta nueva.
- Si cambia una regla, cambia en los cuatro a la vez.
El core son los datos
En Pullpo lo más importante siempre ha sido la arquitectura de datos: que todo cuadre al peso y esté disponible a cada hora.
Por eso nuestro día a día no ha cambiado tanto. Eso sí, ahora vemos muchos más colores 😄
¿Entonces el BI quedará obsoleto?
Mención honrosa a Diego: sin sus peticiones interestelares, seguiríamos trabajando con visualizadores.
