Cómo saber si tus datos son confiables (sin ser técnico)

Cinco señales que cualquier gerente puede detectar sin abrir una base de datos. Si te identificas con dos o más, tus decisiones están en riesgo.

En alguna reunión de tu empresa pasó esto: alguien presenta un número, alguien más dice “ese número no me cierra”, y de repente la reunión deja de ser sobre la decisión y pasa a ser sobre el dato.

Eso no es un problema técnico. Es un problema de negocio. Y tiene señales claras que cualquier persona puede detectar sin saber nada de SQL ni de bases de datos.

¿Por qué importa más de lo que parece?

Cuando los datos no son confiables, las decisiones se toman igual —pero con intuición disfrazada de análisis. El reporte está ahí, el número está ahí, pero en el fondo nadie confía del todo en él.

El costo no es solo el tiempo que se pierde discutiendo datos en lugar de decidir. Es que las decisiones importantes —qué producto potenciar, dónde recortar, qué cliente priorizar— se toman sobre información que puede estar mal. Y ese error no siempre es visible. A veces se descubre meses después, cuando el daño ya está hecho.

En empresas que atienden mercados que se mueven rápido, el costo de tomar una mala decisión de pricing o de inventario por datos incorrectos puede ser mayor que el costo de implementar la infraestructura que lo habría evitado.

Las cinco señales

Señal 1: Dos áreas tienen el mismo número y les da diferente

Finanzas dice que el margen del mes fue X. Comercial dice que fue Y. Ambos exportaron del sistema, ambos hicieron sus cálculos, y llegaron a resultados distintos.

Esto pasa cuando no hay una única fuente de verdad. Cada área construyó su propia versión del dato —con sus propios filtros, sus propias fórmulas, su propio criterio de qué incluir. El resultado son dos “versiones oficiales” del mismo número, y ninguna es definitivamente correcta.

El impacto en la cultura: cuando los números no son confiables, los directivos dejan de confiar en los reportes y empiezan a desarrollar sus propias intuiciones. El área de datos deja de ser un habilitador de decisiones y se convierte en una fuente de debate.

Señal 2: Nadie sabe exactamente de dónde sale el reporte que todos usan

El reporte de ventas del lunes. El cierre del mes. El dashboard que el directorio mira cada semana. ¿Alguien sabe exactamente qué datos usa, de qué sistema los toma, qué cálculos hace?

Si la respuesta es “lo armó alguien hace dos años” o “está en una planilla que descarga del ERP y después le aplica unas fórmulas”, ese reporte es una caja negra. Cuando algo cambia en el sistema de origen, el reporte puede quedar desactualizado sin que nadie se dé cuenta.

La señal de alarma: cuando descubres que el reporte “de ventas” no incluye las devoluciones, o que el “margen” de producto no descuenta el costo de logística, porque esas reglas están enterradas en fórmulas de Excel que nadie documentó.

Señal 3: Antes de una decisión importante, alguien pide “verificar el dato”

Hay una reunión de directorio. Hay que decidir si abrir una nueva sucursal, si ajustar precios, si renovar un contrato. Y alguien dice: “antes de presentar esto, ¿podemos verificar que el número está bien?”

Esa verificación manual —llamar a alguien, cruzar con otra planilla, “chequear”— es la señal más clara de que el sistema no genera confianza por sí solo. Los datos confiables no necesitan verificación antes de cada uso importante. Llegan con el proceso de validación ya incorporado.

En términos prácticos: si tu equipo pasa tiempo “verificando” datos en lugar de analizando datos, la confiabilidad no está en el sistema, está en las personas. Y eso es frágil.

Señal 4: Los cierres cambian después de cerrados

El cierre de marzo quedó en $X. Dos semanas después, alguien encuentra un ajuste, una factura que faltaba, una devolución que no estaba. El cierre pasa a ser $Y.

Un cierre que cambia es un cierre que no tenía los datos completos cuando se cerró. No es necesariamente un error —puede ser que los datos lleguen tarde de algún sistema. Pero si pasa seguido, hay un problema estructural en cómo se consolida la información.

El impacto real: las decisiones que se tomaron basándose en el cierre de marzo se tomaron sobre un número incorrecto. Si se ajustó el presupuesto de marketing, si se aprobó una contratación, si se cerró un acuerdo con un proveedor —todo eso ocurrió con información equivocada.

Señal 5: Hay una persona que “sabe cómo funciona el Excel”

En casi toda empresa mediana hay alguien así. La persona que armó el modelo, que sabe qué hoja toca qué fórmula, que tiene que estar presente cuando se actualiza el reporte mensual porque si no “se rompe”.

Cuando el conocimiento sobre cómo funcionan los datos vive en una persona en lugar de en el sistema, la confiabilidad del dato depende de que esa persona esté disponible, que no se vaya de la empresa, que no cambie nada sin avisar.

Esta es la señal más peligrosa a largo plazo. El riesgo no es evidente hasta que esa persona se va de vacaciones o renuncia. En ese momento, el proceso entero se paraliza.

¿Qué implica cada señal?

Ninguna de estas señales es un defecto moral ni indica que alguien hizo mal su trabajo. Son consecuencias naturales de empresas que crecieron sin que los datos crecieran con ellas.

Lo que sí implican es que las decisiones que se toman con esos datos tienen un margen de error no cuantificado. No sabes cuánto está mal —sabes que podría estar mal. Y esa incertidumbre, aunque nadie la verbalice, está presente en cada reunión de gestión.

¿Cómo se ve la infraestructura de datos confiable?

Un sistema donde los datos son confiables tiene tres características observables, sin necesidad de conocimiento técnico:

Trazabilidad: cualquier número en el dashboard puede rastrearse hasta su fuente. Si el reporte dice que el margen del mes fue $X, hay una cadena de pasos documentados que explica cómo se llegó a ese número.

Unicidad: hay una sola versión de cada métrica, con una sola definición. “Ventas” significa lo mismo en el reporte de finanzas que en el del área comercial.

Automatización: los datos se actualizan solos, en un horario predecible, sin que alguien tenga que ejecutar un proceso manualmente. Si el pipeline falla, el sistema avisa —no silencia el error y muestra números viejos.

Construir esto no requiere un equipo grande ni un presupuesto de empresa grande. Requiere hacer las cosas en el orden correcto, con las herramientas correctas. Puedes leer cómo funciona técnicamente en arquitectura Medallion explicada.

¿Por dónde empezar?

El primer paso no es implementar nada. Es entender exactamente qué datos tienes, de dónde vienen, en qué estado están y cuáles son los puntos de falla.

Con eso claro, se puede construir una infraestructura donde los datos llegan validados, donde hay una sola versión de cada número, y donde cualquier cambio queda registrado. El proceso se llama Data Audit, toma 2 semanas, y el resultado es un diagnóstico honesto de dónde estás parado.

Preguntas frecuentes

¿Cuánto tiempo lleva construir una infraestructura de datos confiable?

Para una empresa mediana con 3-7 fuentes de datos, entre 4 y 10 semanas para tener los primeros reportes confiables. La primera semana suele ser diagnóstico, las semanas siguientes son construcción del pipeline de ingesta y transformación, y las últimas semanas son modelado para los reportes que el negocio necesita. Los resultados no llegan todos al mismo tiempo: los primeros dashboards funcionales suelen estar en la semana 5-6.

¿Qué pasa si tengo datos en Google Sheets y Excel, no solo en sistemas formales?

Google Sheets y Excel son fuentes válidas. Se pueden conectar automáticamente al pipeline y tratarlos como cualquier otra fuente: los datos llegan a Bronze, Silver los limpia y normaliza, Gold los combina con el resto. La clave es que en algún punto de la cadena, el proceso manual de “actualizar el Excel” se convierte en un input estructurado, no en un paso de consolidación.

¿Necesito cambiar mis sistemas actuales (ERP, CRM)?

No. La infraestructura de datos confiable se construye encima de los sistemas que ya tienes, sin modificarlos. El ERP, el CRM y las planillas siguen siendo las fuentes de verdad operacional. Lo que cambia es que hay una capa centralizada que los conecta, los limpia y los pone disponibles para el análisis.

---

Si te identificas con dos o más de estas señales, agenda una llamada. En 30 minutos te decimos qué tan profundo es el problema y cuál sería el primer paso concreto.