Del dato a la decisión: así funciona el BI

¿Alguna vez abriste un dashboard lleno de gráficas y colores, revisaste los números y al final seguiste sin saber qué hacer? Eso no es business intelligence, es prácticamente decoración con datos. Aquí vas a entender qué es realmente el business intelligence, por qué existe y cómo convierte un dato suelto en una decisión que puedas defender. Y lo mejor: no necesitas saber programar ni ser técnico para lograrlo.

¿Qué es business intelligence y por qué importa?

El business intelligence (o BI) es el conjunto de procesos, datos, métricas y visualizaciones que convierten la información de una organización en apoyo para decidir [00:52]. La palabra clave ahí es apoyo.

El dato no decide por sí solo. Siempre hay una persona que pone el contexto, las restricciones, la experiencia y su criterio sobre la mesa. El algoritmo no manda; tú sigues al volante.

¿Qué es una decisión basada en datos? Es usar evidencia observable para reducir la incertidumbre antes de actuar. No es magia ni dejar que el algoritmo decida; es bajar el margen de error de lo que antes era una simple corazonada [01:14].

Ese es el corazón del asunto. No se trata de tener más gráficas, sino de que quien tiene la responsabilidad de decidir tenga lo que necesita para hacerlo mejor.

¿Cuál es el camino de un dato a una decisión?

Aquí viene lo interesante. Todo dato recorre un camino de cinco pasos donde cada uno depende del anterior [01:36]. Si te saltas alguno, terminas con una gráfica bonita pero sin acción detrás.

1. Datos: un registro sin interpretar. Por ejemplo, el pedido 99 por 80 dólares a través del canal Instagram el 14 de marzo.
2. Métricas: un cálculo con una definición estable, como ingresos mensuales, tasa de conversión o ticket promedio.
3. Hallazgos: un patrón relevante que aparece en los datos, como que la conversión de la app bajó 18% después del cambio del checkout.
4. Insights: la interpretación que conecta el hallazgo con una decisión, por ejemplo, revisar el checkout antes de invertir en tráfico nuevo.
5. Decisión: la acción concreta, como restaurar el checkout anterior, correr un A/B testing y priorizar una corrección técnica.

¿Ves el patrón? Cada eslabón necesita al anterior para tener sentido. Ese encadenamiento es lo que separa un reporte inútil de una herramienta real.

¿Qué preguntas debe responder un buen dashboard?

Un dashboard que sirve de verdad te permite contestar preguntas concretas [02:44]. Si el tuyo no las responde, probablemente solo sea un grupo de gráficas sueltas.

• ¿Qué está pasando? Los ingresos cayeron 12% en mayo.
• ¿Dónde ocurre? La caída se concentra en clientes nuevos y tráfico a través de la app.
• ¿Qué podría explicarlo? Baja conversión, no el tráfico ni el ticket promedio.
• ¿Qué acción vale la pena evaluar? Auditar el checkout de la app y probar una recuperación de carrito.

Si tus gráficas no dejan responder esto, no tienes una herramienta de decisión, tienes decoración.

¿Cómo se parece tu cerebro a un proyecto de BI?

Esta es la analogía que quiero que lleves durante todo el curso: tu cerebro ya hace business intelligence [03:33]. Procesa la información muy parecido a como debería funcionar un proyecto de BI.

• Las fuentes y documentos son tu memoria semántica, porque guardan contexto, conceptos y antecedentes.
• Los datasets son tu memoria cuantificable, que te deja medir patrones y comparar periodos.
• El dashboard es tu percepción, que vuelve visible una señal que pasaría desapercibida.
• El proceso de análisis es tu razonamiento, que conecta evidencia con hipótesis y opciones.
• El one pager es tu manera de comunicar, que traduce el análisis en algo que otra persona pueda usar.

Así de natural. Ya tienes el instinto; el BI solo lo ordena.

¿Para qué sirve un one pager en business intelligence? Sirve para traducir todo el análisis en un documento breve que otra persona pueda entender y usar para tomar decisiones, sin tener que revisar todos los datos crudos.

¿Cómo se ve el recorrido en una tienda online?

Imagina una tienda online que ve caer su revenue mensual [04:23]. El recorrido sería así:

• Datos: ventas diarias, pedidos, sesiones y descuentos.
• Métricas: revenue, pedidos, conversión y ticket promedio.
• Hallazgo: el tráfico se mantuvo, pero la conversión cayó solo en la app.
• Pregunta clave: ¿qué cambió en la experiencia móvil durante ese periodo?
• Decisión posible: revisar el checkout y pausar la campaña que trae tráfico móvil hasta corregir el problema.

En pocas palabras, el BI no es tener más datos por tenerlos. Es construir el puente entre un dato y una decisión que alguien sea capaz de defender.

¿Cómo defines la decisión antes de abrir una hoja de cálculo?

Antes de abrir una hoja de cálculo o preguntarle a tu IA favorita, el reto es completar una frase que ordena tu pensamiento [05:38]:

Como [rol], necesito decidir [decisión], antes de [fecha], para lograr [resultado].

Un ejemplo real sería: como gerente de e-commerce, necesito decidir qué categoría promocionar en el próximo trimestre para aumentar ingresos sin reducir el margen.

El proyecto de todo el curso es una empresa ficticia de e-commerce donde tú serás el gerente, la categoría será el cuidado de mascotas (petcare) y la empresa está en Bogotá, Colombia [06:05].

¿Qué necesitas para dejar listo tu entorno de trabajo?

Para la próxima clase necesitas dejar todo tu entorno preparado [06:31]. Este primer paso importa más de lo que parece, porque te ayuda a mantener el orden.

• Crea una cuenta de Claude, ChatGPT y Perplexity. Con que tengas una, como Claude o ChatGPT, es más que suficiente.
• Arma una carpeta del proyecto con cuatro subcarpetas: fuentes, datos, análisis y entregables.
• Crea un documento para guardar prompts, fuentes, decisiones y fechas, ya sea en Word, Notion o donde prefieras.

Todo el curso se construye sobre este mismo proyecto, así que ordena bien desde ahora. En la siguiente clase vamos a juntar dos mundos que suelen verse por separado: la investigación cualitativa y el análisis cuantitativo. ¿Ya tienes claro cuál será tu decisión? Cuéntame en los comentarios.