En este artículo
En una empresa típica, los datos relevantes para el negocio están repartidos entre el ERP, el CRM, un par de hojas de cálculo que mantiene el controller, el sistema de facturación y algún export puntual que solicita dirección cuando hace falta. Todos funcionan individualmente. Ninguno está conectado.
El problema habitual no es falta de datos. Es falta de claridad sobre qué datos tienes, qué calidad tienen y qué decisiones podrías tomar mejor si los conectaras. Lanzar un proyecto BI de 6 meses sin esa claridad es caro por dos razones: dedicas esfuerzo a modelar fuentes que al final no aportan valor, y descubres tarde los problemas de calidad que obligan a rehacer pipelines.
Data Discovery es la primera fase de nuestro servicio: el ejercicio de descubrir, ordenar y diagnosticar tus datos —y cuantificar su potencial— antes de tomar la decisión de un proyecto grande. Lo resolvemos en 2 semanas, antes de comprometer meses de desarrollo, y te lo entregamos con valor por sí mismo, sigas o no después.
Data Discovery trabaja cuatro planos en paralelo:
1. Inventario de fuentes de datos. Qué sistemas tienes, a qué datos da acceso cada uno, qué volumen y granularidad, qué campos críticos. Incluye fuentes "no oficiales" — las hojas de cálculo que lleva cada departamento en paralelo al ERP — que en la práctica son las que almacenan información de negocio que no está en ningún otro sitio.
2. Calidad de los datos. Para cada fuente relevante, las cuatro dimensiones clásicas: completitud (¿qué % de registros tienen los campos críticos rellenos?), unicidad (¿hay duplicados?), consistencia (¿el mismo cliente tiene los mismos datos en el ERP y en el CRM?) y actualidad (¿cuándo fue la última modificación real?). Estas cuatro dimensiones las desarrollamos con detalle en gobernanza de datos para PYMEs; en Data Discovery es donde se miden por primera vez.
3. Mapeo de decisiones. Entrevistas breves con dirección y responsables de área para identificar las 5-10 decisiones que se toman cada mes sin datos suficientes. Es la parte menos técnica y la que más impacto tiene en la definición del roadmap — conecta la realidad del dato con la realidad del negocio. El enfoque se desarrolla en estrategia de datos para PYMEs: del objetivo al dashboard.
4. Quick wins identificados. Qué información ya existe en los sistemas y podría ponerse en un dashboard útil en las primeras 2-4 semanas del proyecto posterior — sin esperar al modelo completo. Siempre hay dos o tres.
La mezcla de auditoría técnica (scripts automatizados sobre muestras de datos) y entrevistas es lo que distingue un Data Discovery serio de un análisis puramente técnico. La parte técnica dice qué tienes; las entrevistas dicen qué importa.
Todo el proceso se ejecuta en 10 días laborables con 2-3 reuniones de impacto bajo en el equipo del cliente.
Tiene sentido cuando:
Tiene menos sentido cuando:
Data Discovery no te obliga a nada. Una vez tienes el diagnóstico, puedes:
En los tres casos, Data Discovery por sí mismo entrega valor: el mapa, el scorecard y el survival dashboard se quedan contigo aunque decidas no avanzar con nosotros. Eso es parte del diseño — no tiene sentido un diagnóstico que solo se usa para vender el proyecto siguiente.
Data Discovery se mueve entre 3.000€ y 4.000€ según el número de fuentes y el volumen a auditar. Para una empresa con 3-5 sistemas fuente razonablemente estándar, el precio se mueve en la banda baja. Para empresas con más sistemas, sistemas muy customizados o volúmenes grandes de datos transaccionales, se acerca a la banda alta.
Es una inversión dimensionada para ser asumible antes de un proyecto grande. Cómo encaja en el coste total de un proyecto BI para PYME — y qué otros órdenes de magnitud conviene tener en la cabeza — lo tratamos en cuánto cuesta un proyecto de Business Intelligence para una PYME.
¿Tiene sentido Data Discovery para tu empresa? Si tienes 3 o más fuentes de datos sin conectar y estás pensando en un proyecto BI, probablemente sí. Cuéntanos tu situación y te decimos si encaja o si lo que necesitas es otra cosa.
// escrito por
Director de 480 Analytics
En 480 Analytics, la unidad de datos de Cuatroochenta, ayuda a empresas a ordenar y explotar sus datos con Power BI, Microsoft Fabric e IA. Escribe sobre lo que aprende por el camino.
Antes de contratar a ningún proveedor, hay cinco cosas que tu empresa debería tener claras. Sin ellas, el proyecto fracasa da igual la tecnología elegida.
Cuando tres áreas tienen tres versiones del mismo dato, tienes un problema de gobernanza. Qué es, qué pasa si la ignoras y cómo implementarla sin liarte.
Cuatro patrones de IA con retorno real en una PYME —preguntar en lenguaje natural, predecir, detectar anomalías y leer documentos— y cuándo usar cada uno.
Te lo cuantificamos. Empezamos por descubrir y ordenar tus datos, y los convertimos en decisiones — empezando por el reporting financiero (FP&A).