Fuentes de datos en tu empresa

Uno de los mayores obstáculos para volverse data-driven no es la falta de datos, sino no saber dónde están. En esta lección, exploraremos las fuentes de datos típicas en organizaciones modernas y cómo crear un mapa de datos para tu empresa.

La paradoja de los datos corporativos

La mayoría de las empresas sufren de dos problemas simultáneos y contradictorios:

1. "No tenemos suficientes datos" - Los equipos sienten que no pueden responder preguntas básicas
2. "Tenemos demasiados datos" - Los sistemas acumulan terabytes que nadie usa

La realidad: tienen datos, pero están fragmentados, desconectados, e inaccesibles.

El problema de los silos

Un estudio de Forrester encontró que el trabajador promedio usa 9 aplicaciones diferentes al día. Cada una genera datos. Ninguna habla con las otras por defecto.

Ejemplo típico:

• Marketing usa HubSpot con sus propios datos de leads
• Ventas usa Salesforce con su propia vista del cliente
• Finanzas usa SAP con transacciones
• Soporte usa Zendesk con tickets
• Producto usa Amplitude con comportamiento

Resultado: Cinco versiones diferentes de "quién es el cliente" que nunca coinciden.

Mapa de fuentes de datos organizacionales

Categoría 1: Sistemas operativos (Transaccionales)

Son los sistemas que ejecutan el negocio día a día. Generan datos como subproducto de las operaciones.

Sistema	Datos que genera	Ejemplos de herramientas
ERP	Transacciones, inventario, órdenes	SAP, Oracle, NetSuite, Odoo
CRM	Clientes, oportunidades, actividades	Salesforce, HubSpot, Pipedrive
E-commerce	Pedidos, carritos, navegación	Shopify, WooCommerce, Magento
POS	Ventas, devoluciones, métodos de pago	Square, Toast, Lightspeed
RRHH	Empleados, nómina, asistencia	Workday, BambooHR, ADP
Finanzas	Facturas, pagos, conciliaciones	QuickBooks, Xero, Contpaqi

Características:

• Datos muy estructurados
• Alta confiabilidad (el negocio depende de ellos)
• Difíciles de modificar o extraer
• Histórico limitado (a veces se purga)

Categoría 2: Sistemas de engagement (Interacción)

Capturan cómo los clientes y usuarios interactúan con la empresa.

Sistema	Datos que genera	Ejemplos de herramientas
Web Analytics	Visitas, comportamiento, conversiones	Google Analytics, Adobe Analytics
Email Marketing	Aperturas, clics, conversiones	Mailchimp, Klaviyo, ActiveCampaign
Redes Sociales	Engagement, alcance, sentimiento	Sprout Social, Hootsuite
Chat/Soporte	Conversaciones, tiempos, resoluciones	Intercom, Zendesk, Freshdesk
App Analytics	Uso de features, retención, crashes	Mixpanel, Amplitude, Firebase

Características:

• Datos de comportamiento e intención
• Alto volumen, actualización constante
• Requieren integración para ser útiles
• Valiosos para entender el "por qué"

Categoría 3: Datos financieros y contables

Son la fuente de verdad para el desempeño económico.

Tipo de dato	Qué captura	Consideraciones
Balance general	Activos, pasivos, patrimonio	Snapshot en un momento
Estado de resultados	Ingresos, costos, utilidad	Período específico
Flujo de caja	Entradas y salidas de efectivo	Cash vs. accrual
Presupuestos	Planes vs. realidad	Actualización periódica
Cuentas por cobrar	Deuda de clientes	Antigüedad importa
Cuentas por pagar	Deuda a proveedores	Timing de pagos

Características:

• Altamente regulados y auditados
• Estructura estandarizada (GAAP, IFRS)
• Histórico completo (requerido por ley)
• Acceso restringido

Categoría 4: Datos de producto y operaciones

Capturan cómo se entrega el producto o servicio.

Fuente	Datos que genera
Logs de aplicación	Errores, performance, uso
IoT/Sensores	Temperatura, ubicación, estado
Logística	Envíos, rutas, tiempos
Calidad	Defectos, inspecciones, rechazos
Inventario	Stock, rotación, obsolescencia
Producción	Tiempos, eficiencia, desperdicio

Categoría 5: Datos externos

Información que no generas tú pero que es valiosa para contexto.

Fuente	Datos que proporciona	Ejemplos
Datos de mercado	Tamaño, crecimiento, competencia	Statista, IBISWorld
Datos demográficos	Población, ingresos, educación	Census, INEGI
Datos económicos	Inflación, PIB, tasas	Banco central, FRED
Datos de industria	Benchmarks, tendencias	Gartner, McKinsey
Datos climáticos	Temperatura, lluvia, desastres	NOAA, servicios meteorológicos
Datos de redes sociales	Tendencias, menciones	Twitter API, Reddit

El inventario de datos: Tu primer proyecto

Antes de cualquier iniciativa de analytics, necesitas saber qué tienes. Aquí está el framework para crear tu inventario.

Paso 1: Identifica los sistemas

Lista todos los sistemas que usa tu organización:

Sistema	Departamento propietario	Tipo de datos	Acceso actual

Paso 2: Documenta los datos clave

Para cada sistema, identifica:

Preguntas a responder:

• ¿Qué entidades principales contiene? (clientes, productos, transacciones)
• ¿Con qué frecuencia se actualiza?
• ¿Desde cuándo hay histórico?
• ¿Quién tiene acceso?
• ¿Cómo se puede extraer?

Paso 3: Identifica las conexiones

¿Qué campo permite unir datos de diferentes sistemas?

Sistema A	Sistema B	Campo de unión	Calidad de match
CRM	Facturación	Email del cliente	85% match
Web Analytics	CRM	User ID (cookie)	40% match
ERP	Inventario	SKU	99% match

Paso 4: Evalúa la accesibilidad

Para cada fuente, califica del 1 al 5:

Criterio	1 (Difícil)	5 (Fácil)
Permisos	Requiere aprobación de IT	Self-service
Formato	Datos crudos, sin estructura	API limpia o export
Documentación	Ninguna	Diccionario de datos completo
Frescura	Días de retraso	Tiempo real

Fuentes de datos subestimadas

Muchas organizaciones ignoran fuentes valiosas que ya tienen:

1. El correo electrónico

Tu inbox es una base de datos no estructurada:

• Conversaciones con clientes
• Negociaciones de precio
• Quejas y feedback
• Decisiones y su contexto

Cómo aprovecharlo:

• Herramientas de análisis de email (Gong, Chorus)
• Exportación y análisis de sentimiento
• Identificación de patrones en comunicación

2. Documentos y archivos

Google Drive, Dropbox, SharePoint contienen:

• Propuestas enviadas (qué ofrecemos, a qué precio)
• Contratos firmados (términos, condiciones)
• Reportes históricos (qué medíamos antes)
• Presentaciones a clientes (cómo nos posicionamos)

3. Calendarios

Tu calendario revela:

• Con quién pasas tiempo (clientes, interno, proveedor)
• Cuánto dura cada tipo de reunión
• Patrones de disponibilidad
• Eficiencia de agendas

4. Sistemas de chat interno

Slack, Teams, WhatsApp empresarial capturan:

• Cómo se toman decisiones informalmente
• Qué problemas surgen frecuentemente
• Quién sabe de qué temas
• El clima organizacional

5. Grabaciones de llamadas

Si grabas llamadas de ventas o soporte:

• Objeciones reales de clientes
• Cómo describen los vendedores tu producto
• Qué confunde a los usuarios
• Comparaciones con competidores

El problema del "dato oscuro"

Dark Data (dato oscuro) es información que recolectas pero nunca usas.

Estadísticas alarmantes

• El 80% de los datos empresariales son no estructurados
• Las empresas analizan solo el 12% de los datos que tienen
• El 55% de los datos capturados nunca se usan

Ejemplos de dark data común

Lo que capturas	Lo que podrías saber	Por qué no lo usas
Logs del servidor	Patrones de uso por hora	"Es para IT"
Emails de soporte	Causas raíz de problemas	"Son muy desordenados"
Notas de CRM	Insights cualitativos	"Cada vendedor escribe diferente"
Documentos escaneados	Términos históricos	"No están digitalizados"
Metadatos de archivos	Patrones de trabajo	"Nunca lo pensamos"

Cómo "iluminar" el dark data

1. Auditoría de sistemas: ¿Qué datos existen que no exportamos?
2. Entrevistas: Pregunta a cada área "¿qué guardas que nunca usas?"
3. Análisis de metadatos: Revisa qué campos existen pero están vacíos
4. Proyectos piloto: Elige una fuente ignorada y explórala

Framework: Las 5 preguntas sobre cada fuente de datos

Para cada fuente de datos, responde:

1. ¿Qué preguntas de negocio puede responder?

No recolectes datos por recolectar. Conecta cada fuente con decisiones específicas.

Ejemplo:

• Fuente: Web Analytics
• Pregunta que responde: "¿Qué páginas generan más leads?"
• Decisión que informa: Dónde invertir en contenido

2. ¿Quién es el dueño?

Cada dato necesita un responsable que:

• Garantice su calidad
• Autorice accesos
• Documente su significado
• Responda preguntas

3. ¿Qué tan confiable es?

Evalúa:

• Completitud (¿hay campos vacíos?)
• Precisión (¿los valores son correctos?)
• Consistencia (¿siempre se captura igual?)
• Actualidad (¿qué tan frescos son?)

4. ¿Cómo se puede integrar?

• ¿Hay APIs disponibles?
• ¿Se puede exportar a CSV/Excel?
• ¿Existe un data warehouse que lo consolide?
• ¿Qué identificadores permiten unirlo con otros datos?

5. ¿Qué restricciones tiene?

• ¿Hay datos sensibles o personales (GDPR, privacidad)?
• ¿Hay restricciones contractuales?
• ¿Qué permisos se necesitan?
• ¿Hay costos asociados al acceso?

Caso práctico: Mapa de datos de una empresa B2B

Veamos cómo se ve un inventario de datos real:

Empresa: Software B2B con 50 empleados

Fuente	Tipo	Datos clave	Actualización	Acceso
Salesforce	CRM	Leads, oportunidades, cuentas	Tiempo real	Equipo de ventas + analytics
HubSpot	Marketing	Emails, formularios, scoring	Tiempo real	Marketing + analytics
Stripe	Pagos	Transacciones, suscripciones	Tiempo real	Finanzas + analytics
Intercom	Soporte	Tickets, chats, NPS	Tiempo real	Soporte + producto
Google Analytics	Web	Sesiones, conversiones, fuentes	24h delay	Marketing
Mixpanel	Producto	Uso de features, retención	Tiempo real	Producto
PostgreSQL	Aplicación	Usuarios, configuraciones, logs	Tiempo real	Ingeniería
Slack	Comunicación	Mensajes, canales, reacciones	Tiempo real	Nadie lo usa para analytics
Google Drive	Documentos	Propuestas, contratos, decks	Manual	Fragmentado

Conexiones identificadas:

• Email conecta: Salesforce ↔ HubSpot ↔ Stripe ↔ Intercom
• User ID conecta: Mixpanel ↔ PostgreSQL
• Company domain conecta: Salesforce ↔ Google Analytics (parcial)

Gaps identificados:

• No hay conexión clara entre actividad de producto (Mixpanel) y ventas (Salesforce)
• El feedback de soporte (Intercom) no llega sistemáticamente a producto
• Google Drive tiene información valiosa pero no estructurada

Ejercicio práctico: Tu inventario inicial

Crea un inventario básico de las fuentes de datos en tu área:

Plantilla

#	Sistema/Fuente	Datos principales	Dueño	Acceso	Preguntas que responde
1
2
3
4
5

Preguntas guía

1. ¿Qué herramientas usas todos los días?
2. ¿Dónde guardas información de clientes?
3. ¿De dónde vienen los reportes que recibes?
4. ¿Qué información buscas cuando tomas decisiones importantes?
5. ¿Qué datos siempre te faltan?

Puntos clave de esta lección

• Las empresas tienen datos en silos fragmentados que dificultan el análisis
• Las fuentes principales son: sistemas operativos, engagement, financieros, producto, y externos
• El dark data (datos no utilizados) representa hasta el 88% de la información empresarial
• Cada fuente de datos necesita un dueño, documentación, y conexión con decisiones
• Crear un inventario de datos es el primer paso para volverse data-driven
• Las fuentes subestimadas (email, documentos, calendarios) contienen insights valiosos

Próxima lección

En la siguiente lección, abordaremos el tema crítico de la calidad de datos: por qué "basura entra, basura sale" y cómo evaluar si tus datos son confiables.

---

Quiz de comprensión

1. ¿Cuántas aplicaciones diferentes usa el trabajador promedio según Forrester?
2. ¿Qué es el "dark data" y qué porcentaje de datos empresariales representa?
3. Nombra tres ejemplos de fuentes de datos subestimadas que las empresas ignoran.
4. ¿Cuáles son las cinco preguntas que debes responder sobre cada fuente de datos?
5. ¿Por qué es importante identificar los "campos de unión" entre sistemas diferentes?