Contar una historia con datos es lo que separa un análisis olvidado de una decisión ejecutada. El storytelling con datos convierte hallazgos técnicos en mensajes claros que llevan al negocio a actuar, y aquí está la estructura para lograrlo en seis slides y cinco minutos.
¿Qué es el storytelling con datos y por qué importa?
No se trata de inventar una novela ni de adornar gráficos. Se trata de construir un mensaje con una estructura que guíe a tu audiencia hacia una solución sin perderse en el camino.
La idea central es transformar análisis complejos en decisiones accionables. Pasas del mira todo esto que encontré al esto es lo que significa para el negocio. Y ahí está la diferencia: un insight sin narrativa se queda en el dashboard, un insight bien contado se convierte en presupuesto aprobado.
¿Qué es el storytelling con datos? Es la práctica de estructurar hallazgos analíticos en una narrativa clara, corta y convincente que motive una acción concreta del negocio.
¿Cómo aplicar la estructura de tres actos a una presentación de datos?
La narrativa de tres actos viene del cine y funciona perfecto para presentar análisis [01:30]. Cada acto tiene un trabajo específico y no puedes saltarte ninguno.
Acto uno: el contexto que capta atención
El primer acto plantea el problema. Aquí respondes qué pregunta estás resolviendo y por qué le debería importar a quien escucha.
Un ejemplo concreto: en los últimos tres meses los costos logísticos aumentaron un 20%. Con esa frase ya tienes a tu audiencia enganchada porque entienden qué está en juego.
Acto dos: el desarrollo con datos selectos
Aquí presentas los datos que explican el problema y los hallazgos que encontraste. La regla es clave: no pongas todos los datos, solo los que sostienen tu argumento.
Siguiendo el ejemplo logístico, el desarrollo sería: el aumento se concentra en dos regiones y el 80% del costo adicional viene de proveedores externos no homologados. Dos cifras, una conclusión.
Acto tres: la resolución y el llamado a la acción
El tercer acto es tu propuesta. ¿Qué hay que hacer? ¿Qué decisión esperas que tome tu audiencia?
Por ejemplo: implementar una homologación de proveedores podría reducir el gasto en un 15%. Mi propuesta es iniciar un piloto en estas dos regiones. Acción concreta, impacto cuantificado, alcance definido.
¿Cómo estructurar seis slides que dirijan la atención?
La recomendación práctica es trabajar entre seis y ocho slides máximo, cada uno con un mensaje claro [02:45]. No se trata de decorar, se trata de dirigir la atención.
Una secuencia que funciona:
El problema que descubriste.
Qué lo está causando.
Cómo lo mediste.
Qué alternativas existen.
Qué recomiendas.
Qué acción debería tomarse.
Y sobre los gráficos, menos es más. Un gráfico claro con un mensaje vale más que cinco llenos de color que no dicen nada.
¿Cuántos slides debe tener una presentación de datos para ejecutivos? Entre seis y ocho slides, cada uno con un único mensaje claro y enfocado en dirigir la atención hacia una decisión.
¿Cómo presentar datos ante líderes sin perderlos en el camino?
Presentar a una junta directiva tiene sus propias reglas y la jerga técnica es el primer enemigo. Aquí van tres principios que cambian la conversación.
No expliques cómo hiciste el análisis, explica qué significa para el negocio. A nadie en la sala le interesa tu pipeline, les interesa el impacto.
No uses jerga técnica. En vez de decir algoritmo de regresión logística, di un modelo que predice la probabilidad de cancelación.
Nunca olvides el para qué. Toda presentación debe cerrar con una acción concreta.
Esa traducción del lenguaje técnico al lenguaje de negocio es la habilidad que más valor agrega cuando tu audiencia toma decisiones de millones.
¿Cómo evitar la jerga técnica al presentar datos? Reemplaza cada término técnico por su efecto en el negocio. Modelo predictivo se vuelve herramienta que anticipa qué clientes se van a ir el próximo mes.
¿Cómo construir la narrativa del churn en seis slides?
El reto es claro: tu CEO te pidió una presentación para la junta directiva sobre churn. Tienes seis slides y cinco minutos para convencerlos [04:30].
Las preguntas que tu narrativa debe responder son:
Qué está pasando con el churn.
Por qué te importa y por qué le debería importar al negocio.
Qué datos lo confirman.
Qué segmentos o patrones detectaste.
Qué acciones propones.
Cómo vas a medir el impacto.
Puedes escribirlo como texto o diseñarlo directamente en slides. La idea es que practiques la traducción de un análisis técnico a una historia ejecutiva.
La forma en la que cuentas los datos puede ser igual o más importante que los datos mismos. Si dominas la narrativa de tres actos, la selección quirúrgica de gráficos y el lenguaje de negocio, dejas de ser quien entrega reportes y te conviertes en quien aporta claridad cuando otros solo ven ruido.
¿Cómo estructurarías tu historia del churn? Déjame tus slides o tu guion en los comentarios.
Creo que la pregunta 4. esta muuuuy ambigua, que pasa si una empresa tiene todo en un excel haha o no tiene base datos? O ya la información la tenemos cargada en un dataframe de pandas. Entiendo el punto pero quizás podrían ajustarla un poco más.
Slide 1: ¿Qué está pasando?
¿Por qué tenemos problemas con la retención de clientes en el último trimestre?
Slide 2: ¿Por qué importante?
Es importante por el Riesgo para la sostenibilidad del negocio ya que la pérdida de clientes hace que se tenga un flujo de caja inestable.
Slide 3: ¿Qué datos lo confirman?
Tenemos la evidencia en análisis de CRM donde muestra una disminución en la actividad de clientes.
Slide 4: ¿Qué segmentos o patrones detectaste?
Nos falta seguimiento, y los tiempos de respuesta son muy largos.
Slide 5: ¿Qué acciones propones?
Mejorar los tiempos de respuesta y realizar campañas de fidelización.
📌Storytelling con Datos
🎯 OBJETIVO
✨ No mostrar datos bonitos, sino mover a la acción.
➡️ Pasar de: “Mira lo que encontré”
a: “Esto significa para el negocio”.
📖 NARRATIVA DE TRES ACTOS
🔹 Introducción
👉 Contexto + pregunta de negocio.
👉 Define el problema a resolver.
🔹 Desarrollo
👉 Presenta solo los datos esenciales.
👉 Explica el problema con insights claros.
🔹 Resolución
👉 Propuesta + llamada a la acción.
👉 Deja claro qué decisión esperas.
📝 Ejemplo:
📊 Costos logísticos ↑ 20 % en 3 meses.
🔍 80 % del aumento → proveedores no homologados en 2 regiones.
✅ Acción: homologar → posible ahorro 15 %.
🖼️ SLIDES EFECTIVAS PARA DIRECTIVOS
🎯 Reglas clave:
Máximo 6–8 slides.
Cada slide = un mensaje claro.
No decorar → dirigir la atención.
📂 Orden sugerido:
1️⃣ Problema detectado.
2️⃣ Causas.
3️⃣ Cómo lo mediste.
4️⃣ Alternativas.
5️⃣ Recomendación.
6️⃣ Acción esperada.
📊 Tips visuales:
Menos es más: un gráfico que dice algo > cinco sin mensaje.
Títulos = afirmaciones que hacen avanzar la historia.
🏆 REGLAS DE ORO CON LÍDERES
🚫 No detalles técnicos → ✅ impacto en negocio.
🗣️ Evita jerga → di “modelo que predice cancelación” (no regresión logística).
🔚 Cierra siempre con:
📌 Decisión que esperas.
🚀 Siguiente paso.
SLIDE 1: El Churn (abandono de clientes) creció un 30% en la región Caribe.
SLIDE 2: La región Caribe concentra el 70% de las ventas nacionales. Un Churn del 30% implica un impacto en ventas del 20% respecto al año anterior. Ó a XXX COP.
SLIDE 3: Mapa Nacional con visualizacion de escalas del Churn por regiones (Caribe, Andina, Orinoquía, Pacífico, Amazonía).
SLIDE 4: Gráfica con segmentos de clientes, mostrando los tipos de clientes con mayor Churn. Gráfica de contactos al servicio al cliente. Se evidencia que hay una relación entre los llamados a servicio al cliente y la deserción de los clientes.
SLIDE 5: Se propone una revisión del enfoque de servicio al cliente en la región Caribe. Una evaluación del personal y las respuestas a las solicitudes de los clientes.
SLIDE 6: Se hará seguimiento al Churn por 3 meses para evaluar si la acción propuesta ha funcionado.
En términos generales está muy bueno el curso, se sobreentiende que es introductorio, si no fuera por eso diría que se queda corto y a lo mejor se siente que pasa por arriba muchos temas que luego son un curso entero, aún asi me esta gustando mucho.
slide 1 : ¿ que esta pasando ?
porque tenemos muy poca retención de usuarios en las vacantes ?
slide 2: ¿ porque es importante ?
es importante porque no estamos logrando alcanzar el trafico de personas previstas durante el año
slide 3 : que datos lo confirma ?
con ayuda de un algoritmo que analiza el SEO de la pagina enfocado en las vacantes muestra que nuestro portal no esta siendo visiblemente transitado
slide 4: Qué segmentos o patrones detectaste?
que existen filtros mal incorporados que redireccionan a los usuarios a otros lugares de la página y que los tiempos de repuesta son largos
slide 5 :Qué acciones propones?
revisar como se están contruyendo los filtros y mejorar el rendimiento de repuesta para ver las vacantes
Hola, comparto los apuntes de clase.
¿Cómo estructuro una presentación de datos efectiva?
Piensa en tu presentación como el guion de una película utilizando la estructura de tres actos. En lugar de simplemente arrojar números, debes llevar a tu audiencia por un viaje lógico y persuasivo.
Comienza con la introducción, donde estableces el gancho: ¿qué problema de negocio estamos enfrentando hoy? Luego, pasa al desarrollo, mostrando únicamente las métricas clave que explican por qué está ocurriendo ese problema. Finalmente, cierra con el clímax o resolución, que es tu llamado a la acción.
Si limitas este flujo a un máximo de 6 a 8 diapositivas, obligas a tu cerebro a destilar la información. Cada slide debe responder una pregunta secuencial: el problema, la causa, la medición, las alternativas y la recomendación final. Así, transformas una sesión informativa aburrida en una herramienta estratégica para la toma de decisiones.
¿Una estructura podria ser asi?
Reducir el abandono de checkout en 15–20 % en 8 semanas mediante simplificación del flujo + transparencia de costos + optimización móvil.
1. Introducción
“Estamos perdiendo ventas en el último paso del proceso.”
Tasa de abandono checkout: 68 %
Tendencia: +6 pp en últimos 3 meses
Impacto: ≈ USD $1.2M/mes en ingresos no capturados
¿Cómo reducimos el abandono sin afectar conversión o margen?
2. Desarrollo
Insight 1: Costos inesperados
42 % de usuarios abandonan tras ver costos finales
Principal driver: envío + impuestos no visibles antes
“Sorpresa en precio = fuga inmediata”
Insight 2: Fricción en mobile
72 % del tráfico es mobile
Conversión mobile: 1.3 % vs desktop: 2.8 %
Formularios largos + carga lenta
“El canal principal es el que peor convierte”
Insight 3: Obligación de crear cuenta
28 % abandono en paso “registro”
Usuarios nuevos = mayor fuga
“Forzar registro mata la intención de compra”
Insight 4: Medios de pago limitados
18 % abandono en paso pago
Falta de wallets / pagos locales
“El usuario llega listo a pagar… y no puede”
3. Resolución
Propuesta priorizada por impacto vs esfuerzo:
Mostrar costos totales desde el inicio
Impacto esperado: -8 pp abandono
Checkout como invitado (guest checkout)
Impacto: -5 pp abandono
Optimización mobile (UX + velocidad)
Impacto: +20–30 % conversión mobile
Agregar métodos de pago locales
Impacto: +10 % conversión en pago
Slide 1 — Problema
“Estamos perdiendo el 68 % de las compras en checkout”
Tasa abandono + tendencia
Impacto en ingresos
Slide 2 — Dónde ocurre
“La fuga se concentra en 3 momentos clave del checkout”
Visual del funnel
Paso con mayor abandono
Slide 3 — Causa principal
“Los costos inesperados explican el 42 % del abandono”
Evidencia clara (antes vs después del precio final)
Slide 4 — Factores secundarios
“Mobile, registro obligatorio y pagos limitados amplifican la pérdida”
3 bloques simples (no saturar)
Slide 5 — Recomendación
“Podemos recuperar hasta 20 % de ventas con 4 acciones concretas”
Lista priorizada
Impacto estimado
Slide 6 — Acción
“Propuesta: piloto de 8 semanas con metas claras”
KPI principal: tasa de conversión checkout
Meta: +15 % conversión
Siguiente paso: aprobar piloto
Métricas de éxito
Conversión checkout (principal)
Abandono por paso
Conversión mobile
% uso guest checkout
Tasa de éxito en pago
Storytelling de Producción: "La Fuga de Kilos"
Título general de la presentación:
"De mermas invisibles a rentabilidad recuperada: Cómo los datos de pesaje están salvando nuestro margen de ganancia"
Slide 1 – ¿Qué está pasando?
El síntoma:
"El 45% de los empaques de nuestras líneas principales de madurados y salchichas superan el límite de tolerancia superior (LTS) de peso."
🔍 Evidencia visual:
Mes pasado: 2,500,000 unidades producidas.
De ellas: 1,125,000 unidades se empacaron con sobrepeso (más de 5 gramos por encima de la etiqueta).
Solo un 40%: Estuvo en la franja ideal de peso objetivo.
🗣️ Frase de impacto:
"No estamos produciendo más para vender más. Estamos regalando nuestro margen de ganancia en cada empaque que sale de la planta."
Slide 2 – ¿Por qué importa?
El costo del 'Giveaway' (Producto regalado):
Concepto
Valor
Costo de producción promedio (Kilo)
$18,500 COP
Gramos de sobrepeso promedio x paquete
6 gramos
Paquetes con sobrepeso al mes
1,125,000
Kilos de producto regalados al mes
6,750 Kg
Costo de la fuga mensual
$124,875,000 COP
Costo perdido proyectado (Anual)
$1,498,500,000 COP
Conclusión ejecutiva:
"Reducir la variabilidad de peso para llevar el sobrepeso a menos del 15% equivale a financiar la modernización de toda una línea de empaque al año, sin tocar el presupuesto de inversión."
Slide 3 – ¿Qué datos lo confirman?
Consulta SQL que usamos en la base de SCADA/Pesaje Dinámico:
SQL
--Detección de empaques fuera del límite superior(Giveaway)SELECT linea_produccion,COUNT(id_empaque)AS empaques_sobrepeso,AVG(peso_real - peso_objetivo)AS gramos_extra_promedio
FROM registros_pesaje
WHERE peso_real > limite_control_superior
AND fecha_produccion >=DATEADD(month,-1,GETDATE())GROUPBY linea_produccion
ORDERBY gramos_extra_promedio DESC;
Resultado real:
45% de la producción total tiene sobrepeso.
6 gramos es el exceso promedio por paquete (parece poco, pero el volumen lo multiplica).
Si la embutidora se calibra cada 2 horas en lugar de cada 4: la desviación baja al 12%.
Dato mata relato:
"La diferencia entre cumplir el presupuesto del mes y quedar en rojo, equivale al peso de una sola rodaja de salchichón extra por paquete."
Slide 4 – ¿Qué segmentos o patrones detectaste?
Segmentación de alto riesgo operativo:
Segmento
% de Sobrepeso
Razón principal
Turno 3 (Noche)
58%
Menor supervisión de calibración de máquinas
Línea Salchicha Tradicional
62%
Desgaste en boquillas dosificadoras no reportado
Primeros 15 min de Lote
75%
Ajuste manual ineficiente al cambiar de referencia
Línea Premium (Madurados)
18%
Mayor control (oportunidad de replicar modelo)
Patrón temporal:
Las líneas presentan picos de desviación del 35% extra los fines de semana (viernes noche a domingo), cuando el personal de mantenimiento predictivo no está en planta.
Insight clave:
"El sobrepeso no es un error aleatorio de la máquina. Es un patrón operativo ligado a los turnos y al mantenimiento. Y si es predecible, es controlable."
Slide 5 – ¿Qué acciones propones?
Plan de 3 fases (90 días) en LA PERLA
Fase 1 (Inmediata) – "Operación Calibración"
Acción
Responsable
Plazo
Alerta sonora/visual en línea si 5 paquetes seguidos exceden el LTS
Automatización
Día 1
Protocolo obligatorio de calibración cada 2 horas (Turno 3)
Producción
Día 3
Auditoría a boquillas de línea de salchichas
Mantenimiento
Día 5
Fase 2 (30 días) – "Control Estadístico en Piso"
Instalación de Dashboards en tiempo real en las pantallas de línea (visualización de la curva de Gauss del turno).
Capacitación a operarios: "El impacto de 1 gramo" (conectar su labor con el costo).
Ajuste automático de retroalimentación (Feedback loop) entre la báscula y la embutidora.
Fase 3 (90 días) – "Mantenimiento Predictivo"
Implementar modelo en Python que cruce la desviación de peso con las horas de uso de las piezas mecánicas para predecir desgastes antes de que generen sobrepeso.
Slide 6 – ¿Cómo mediremos el impacto?
Cuadro de mando ejecutivo (KPIs Semanales)
KPI
Línea base
Meta (90 días)
Fórmula de medición
% de Empaques con Sobrepeso
45%
≤ 15%
(Empaques > LTS / Total empaques) × 100
Gramos extra promedio
6g
≤ 2g
AVG(peso real - peso objetivo)
Índice de Capacidad (Cpk)
0.8
≥ 1.33
Min((Promedio - LTI)/(3σ), (LTS - Promedio)/(3σ))
Costo de Giveaway (Semanal)
$31M COP
≤ $8M COP
Kg extra total × Costo unitario
Métrica más importante:
"Reducción del Giveaway: pasar de regalar 6,750 Kg mensuales a menos de 2,000 Kg en 3 meses."
Proyección financiera:
Inversión en analítica, sensores y repuestos (HINFRA): $45,000,000 COP
ROI proyectado: 5.5x (El proyecto se paga solo en el primer mes de control).
Cierre de la presentación
"Señores, los datos son claros. Nuestro problema no es la calidad del producto, nuestra calidad es excelente. El problema es que estamos regalando nuestra rentabilidad gramos a la vez, principalmente de noche y los fines de semana.
Tenemos la visibilidad de los datos de LA PERLA, sabemos dónde fallan las líneas y tenemos el plan técnico para cerrarle la llave a esta fuga.¿Autorizamos la 'Operación Calibración' para el Turno 3 a partir de esta misma noche?"
1. Qué pasa: sube la pérdida de clientes. 2. Por qué importa: baja ingresos y sube costos. 3. Datos: más inactivos y peor retención reciente. 4. Patrones: nuevos y tickets bajos churnean más. 5. Acciones: retención temprana y alertas de riesgo. 6. Medición: churn, retención 30/60/90 y LTV.
Storytelling de Churn: "La Fuga Silenciosa"
Título general de la presentación:
"De clientes que se van a clientes que se quedan: Cómo dos consultas SQL cambiaron nuestro destino"
Slide 1 – ¿Qué está pasando?
El síntoma:
"El 62% de los clientes nuevos no vuelven a comprar después de su primera transacción."
🔍 Evidencia visual (textual):
Mes pasado: 1,200 clientes nuevos.
De ellos, solo 456 hicieron una segunda compra.
744 clientes se fueron para siempre después de una sola compra.
🗣️ Frase de impacto:
"No es que nuestros productos sean malos. Es que los perdemos antes de que nos conozcan."
Slide 2 – ¿Por qué importa?
El costo del churn temprano:
ConceptoValor
Costo de adquisición por cliente (CAC)
$45 USD
Clientes perdidos en último mes
744
Dinero quemado en adquirirlos
$33,480 USD
Ingreso promedio primer año × cliente fiel
$380 USD
Ingreso perdido proyectado
$282,720 USD
Conclusión ejecutiva:
"Reducir el churn temprano en un 20% equivale a abrir una nueva tienda sin invertir en obra civil."
Slide 3 – ¿Qué datos lo confirman?
Consulta SQL que usamos:
sql
--Clientes con solo 1compra(churn inmediato)SELECTCOUNT(*)AS clientes_perdidos,(COUNT(*)*100.0/(SELECTCOUNT(*)FROM clientes))AS porcentaje
FROM(SELECT cliente_id,COUNT(*)AS compras
FROM ventas
GROUPBY cliente_id
HAVINGCOUNT(*)=1)AS una_compra;
Resultado real:
62% de los clientes tienen solo 1 compra.
Tiempo promedio entre compra 1 y compra 2 (cuando existe): 47 días.
Si segunda compra ocurre antes del día 15: fidelidad del 89%.
Dato mata relato:
"La diferencia entre un cliente fiel y uno que se va son solo 8 días."
Slide 4 – ¿Qué segmentos o patrones detectaste?
Segmentación de alto riesgo:
Segmento% de churn Razón principal
Clientes que pagan con tarjeta de crédito
71%
Mayor fricción en registro
Clientes que compran 1 solo producto
68%
No exploraron el catálogo
Clientes sin interacción post-venta
83%
Sin email, sin WhatsApp, sin llamada
Clientes que usaron código de bienvenida
34%
Más fieles (oportunidad)
Patrón temporal:
Los clientes que compran viernes o sábado tienen 42% más probabilidad de churn que los que compran lunes/martes.
Insight clave:
"El churn no es aleatorio. Es predecible. Y predecible = evitable."
Slide 5 – ¿Qué acciones propones?
Plan de 3 fases (90 días)
Fase 1 (Inmediata) – "Operación 15 Días"
AcciónResponsablePlazo
Enviar cupón 20% de descuento el día 7 post-compra
Marketing
Día 1
Llamada de "bienvenida y seguimiento" al día 12
Ventas
Día 3
Email con guía de uso del producto al día 3
CRM
Día 1
Fase 2 (30 días) – "Segmentación inteligente"
Crear flujo automático por tipo de pago (tarjeta → incentivo extra)
Ofrecer "pack de productos relacionados" en primera compra
Programa de referidos: "Invita y gana 15% en tu próxima compra"
Fase 3 (90 días) – "Predictive Churn Score"
Implementar modelo SQL/Python que marque clientes en riesgo
Dashboard semanal para equipo de retención
Slide 6 – ¿Cómo mediremos impacto?
Cuadro de mando ejecutivo (KPIs semanales)
KPILínea baseMeta (90 días)Fórmula de medición
Tasa de segunda compra
38%
≥ 60%
(Clientes con ≥2 compras / total clientes nuevos) × 100
Tiempo promedio a segunda compra
47 días
≤ 21 días
AVG(días entre compra 1 y 2)
CAC efectivo (ajustado por retención)
$45
≤ $30
Gasto marketing / clientes con ≥2 compras
Ingreso por cliente nuevo (LTV temprano)
$112
≥ $250
Ingreso total primeros 90 días / # clientes nuevos
Métrica más importante:
"Reducción del % de clientes con una sola compra: del 62% al 40% en 3 meses."
Proyección financiera:
Inversión en acciones: $25,000 USD
Ingreso incremental esperado: +$310,000 USD
ROI proyectado: 12.4x
Cierre de la presentación (nota para el presentador)
*"Señores, los datos ya hablaron. Nuestro problema no es atraer clientes. Es enamorarlos en los primeros 15 días.*Tenemos el diagnóstico, los segmentos, el plan y las métricas.Solo falta una cosa: la decisión de actuar hoy.¿Aprobamos la 'Operación 15 Días'?"
Anexo (contraportada de la presentación)
text
ConsultasSQL utilizadas para este análisis:-R1:Top clientes por volumen de compra
-R2:Primera compra por cliente y tiempo a segunda compra
-Query adicional:Segmentación por método de pago y día de compra
Autor:[Tu nombre]Fecha:[Actual]Versión:1.0-Confidencial