Datos y analítica

Analítica de datos para pasar del caos a la claridad

Casi todas las empresas guardan más datos de los que usan. Cómo pasar de reportes armados a mano a una vista que explica por qué pasa lo que pasa en la operación.

1 de octubre de 2026 · 10 min de lectura · Moco AI

En resumen

La mayoría de los datos de una empresa no se usa. En una encuesta de IDC para Seagate (2020), los líderes reportaron que el 68% de los datos disponibles quedaba sin aprovechar.

El problema rara vez es la falta de datos. Es que viven dispersos en ERP, hojas de Excel, correos y PDFs, sin un identificador común que permita cruzarlos.

Un dashboard bonito no resuelve nada si no explica la causa. El orden correcto es preguntas de negocio, inventario de fuentes, identificadores comunes, calidad y, al final, visualización.

La barrera principal no es tecnológica. Según la encuesta de Wavestone (2024), el 77.6% de los líderes de datos señala cultura, personas, procesos y organización como el reto principal.

Cualquier empresa con operación —una flota, un almacén, una línea de producción— ya genera los datos que necesita para entender qué está pasando. La analítica de datos no empieza comprando una herramienta de visualización. Empieza por reconocer dónde están esos datos, por qué no se hablan entre sí y qué pregunta concreta queremos responder con ellos.

La mina de oro existe. Lo que falta es el camino para sacarla.

Datos que se guardan pero no se usan

Basta con revisar la semana de un coordinador de operaciones. El ERP tiene los pedidos y el WMS las existencias. Las evidencias de entrega llegan como fotos por WhatsApp o PDFs en un correo. Las incidencias se anotan en una bitácora o en un Excel compartido. Cada viernes alguien dedica medio día a copiar y pegar todo eso para el reporte del lunes.

Todos esos datos existen. Ninguno está listo para responder por qué una ruta cuesta más que otra.

Qué son los datos oscuros (dark data)

Los datos oscuros, o dark data, son la información que una empresa recolecta, procesa y almacena como parte de su actividad diaria, pero que generalmente no aprovecha para otros fines. Esa es, en esencia, la definición de Gartner, tal como la recoge TechTarget.

En transporte o manufactura son muy concretos: PDFs de cartas porte, registros de temperatura que nadie revisa, correos de confirmación de citas, hojas de inspección escaneadas, comentarios libres en órdenes de servicio.

Qué tan grande es el problema

Las cifras de IDC (International Data Corporation) ayudan a dimensionarlo:

Casi todo es no estructurado. Según un estudio de IDC patrocinado por Box (2023), en 2022 el 90% de los datos generados por las organizaciones era no estructurado y solo el 10% estructurado. El mismo estudio indica que solo la mitad de los datos no estructurados de una organización se analiza para extraer valor, y que el 53% se comparte de punto a punto, por canales como correo, chat o memorias USB.
La mayor parte se queda sin usar. En el estudio Rethink Data de IDC para Seagate (2020), basado en una encuesta a 1,500 líderes empresariales, solo el 32% de los datos disponibles para las empresas se ponía a trabajar. El otro 68% quedaba sin aprovechar.
La brecha viene de lejos. En su estudio Data Age 2025 (2017), IDC estimaba que para finales de 2025 solo el 15% de los datos de la esfera global de datos estaría etiquetado, y que solo una quinta parte de ese 15% se analizaría realmente.
Y el volumen sigue creciendo. IDC proyecta que la creación de datos a nivel global pase de 132.4 zettabytes en 2023 a 393.9 zettabytes en 2028, según su pronóstico 2024-2028 citado por Embedded Computing Design.

Los datos no estructurados son la información que no vive en filas y columnas: documentos, correos, fotos, audios, PDFs escaneados, notas libres. Son la mayoría y son, también, los más difíciles de consultar.

El costo de armar reportes a mano

Cuando los datos están dispersos, el tiempo de las personas más capaces se va en buscarlos y limpiarlos, no en entenderlos.

Una encuesta de IDC para Alteryx (2018), con más de 400 profesionales de datos en Norteamérica y Europa, encontró que dedicaban 60% de su tiempo a "llegar a una conclusión", pero solo 27% de ese tiempo era análisis real. El 37% se iba en buscar datos y el 36% en prepararlos. Además, perdían 30% de su semana —14 horas en promedio— porque no podían encontrar, proteger o preparar los datos que necesitaban.

Si eso le pasa a especialistas, en una operación donde el reporte lo arma el jefe de tráfico o el supervisor de turno no suele ir mejor. Y el costo no es solo de horas, es de decisiones:

Tardías. El reporte del lunes describe lo que pasó hace una semana.
Por intuición. Si cruzar dos fuentes toma un día, la gente deja de cruzarlas.
Sobre el número, no sobre la causa. Cada área llega con su propio Excel y la junta se va en reconciliar cifras.
Con errores arrastrados. Un dato mal tecleado se copia a tres reportes antes de que alguien lo note.

Este patrón tiene la misma raíz que el papel en la operación, del que hablamos en el costo oculto del papel en la operación: la información existe, pero no está donde se necesita ni en una forma que se pueda usar.

Por qué un dashboard no basta

La reacción común es comprar una herramienta de visualización de datos y conectar lo que se pueda. El resultado suele ser un tablero que confirma lo que ya se sabía —las entregas a tiempo bajaron— sin decir por qué.

La inteligencia de datos útil para operación explica causa. Eso requiere cruzar fuentes que hoy no se tocan: el pedido del ERP con el movimiento del WMS, el viaje del TMS con la evidencia de entrega, la orden de producción con la lectura del sensor de la máquina.

Dashboard decorativo	Vista que explica la operación
Muestra el indicador (entregas a tiempo: 87%)	Desglosa por cliente, ruta, turno y causa registrada
Se alimenta de una sola fuente	Cruza ERP, WMS, TMS, documentos y sensores con un identificador común
Se actualiza cuando alguien sube el Excel	Se actualiza solo, desde los sistemas de origen
Nadie confía del todo en el número	Cada cifra se puede rastrear hasta el registro que la generó
Responde "qué pasó"	Responde "por qué pasó" y "dónde actuar"

Cómo pasar de datos dispersos a datos organizados

No hace falta un proyecto de dos años ni reemplazar sistemas. Hace falta orden.

1. Empieza por las preguntas de negocio

Antes de tocar un solo dato, escribe las tres a cinco preguntas que hoy no puedes contestar con rapidez. Por ejemplo:

¿Qué clientes o rutas concentran los retrasos y por qué motivo?
¿Cuánto tiempo real pasa un pedido entre que entra y que sale del andén?
¿Qué paros de línea se repiten y qué los antecede?

Las preguntas definen qué datos importan. Sin ellas, el proyecto se vuelve "integrar todo", que es otra forma de no terminar.

2. Haz un inventario de fuentes

Lista dónde vive cada dato que necesitan esas preguntas: sistema, hoja de cálculo, buzón, carpeta compartida, bitácora física. Anota quién lo llena, cada cuánto, en qué formato y qué tan confiable es. Casi siempre aparecen sorpresas: el dato clave vive en un Excel personal o en un PDF que llega por correo y nadie captura.

3. Define identificadores comunes

Este es el paso que más se subestima. Para cruzar fuentes necesitas una llave que exista en todas: número de pedido, folio de viaje, número económico de la unidad, lote, número de serie de la máquina.

El problema típico es que cada sistema la escribe distinto: el ERP usa "PED-00451", el WMS "451" y el chofer anota "pedido 451". Normalizar esas llaves vale más que cualquier gráfica. Si tus sistemas no se hablan, este es el punto de partida que describimos en cómo integrar ERP, WMS y TMS sin reemplazarlos.

4. Atiende la calidad de los datos desde la captura

Limpiar datos después es caro y se repite cada mes. Mejor corregir en el origen: catálogos cerrados en lugar de texto libre, validaciones al capturar, fechas con formato único. Para PDFs, fotos de evidencias y correos, hoy se puede extraer la información automáticamente y convertirla en registros consultables. Es parte de lo que hacemos en automatización de documentación y reportes.

5. Construye la vista al final

Con preguntas claras, fuentes identificadas, llaves comunes y datos confiables, la visualización es la parte fácil. Un buen tablero operativo tiene pocas cifras, cada una con su desglose y su camino hasta el registro de origen.

Un escenario ilustrativo

Imagina una distribuidora regional (ejemplo genérico, no un caso real) que quiere entender por qué aumentaron las devoluciones. Las facturas están en el ERP, las salidas en el WMS, los motivos en correos del área comercial y las evidencias en fotos que mandan los choferes. Responder toma días.

Con el número de pedido como llave común, se extrae el motivo de cada correo, se liga la foto al pedido y se cruza con el turno de surtido. La pregunta se vuelve una respuesta concreta: qué motivo, en qué turno, con qué productos. Ahí los datos para la toma de decisiones se vuelven útiles.

El obstáculo real no es la tecnología

La encuesta de Wavestone a líderes de datos de grandes empresas (2024) es clara: el 77.6% señaló cultura, personas, procesos y organización como el reto principal para volverse una empresa guiada por datos, frente a 23.4% que señaló limitaciones tecnológicas. Y solo el 48.1% afirmó haber creado una organización guiada por datos.

Traducido a la operación: si el supervisor sigue capturando en su libreta porque el sistema "no le sirve", ningún tablero lo arregla. Los datos organizados funcionan cuando capturar bien es más fácil que capturar mal y el reporte que antes se armaba a mano llega solo.

Preguntas frecuentes

¿Qué es la analítica de datos aplicada a la operación?

Es el proceso de reunir, ordenar y cruzar los datos que genera la operación —pedidos, inventarios, viajes, producción, documentos— para explicar por qué ocurren los resultados. No se limita a mostrar indicadores: busca la causa y el punto donde conviene actuar.

¿Qué son los datos no estructurados y por qué importan?

Son la información que no está en tablas: correos, PDFs, fotos, audios, notas libres. Según IDC (2023), representaban el 90% de los datos generados por las organizaciones en 2022. Importan porque ahí suelen estar los motivos, las evidencias y las excepciones que explican la operación.

¿Necesito reemplazar mi ERP para tener datos organizados?

No. Casi siempre basta con conectar los sistemas existentes, definir identificadores comunes y extraer la información de documentos y hojas de cálculo. Reemplazar sistemas no resuelve nada si los datos siguen entrando mal.

¿Por dónde empiezo si mis datos están en Excel y correos?

Empieza por tres a cinco preguntas de negocio que hoy no puedes responder rápido. Después haz el inventario de dónde vive cada dato necesario y qué llave común permite cruzarlos. Con eso ya tienes el alcance de un primer proyecto acotado.

Si quieres saber qué datos ya tienes, dónde están atrapados y qué preguntas podrías responder con ellos, revisa nuestro enfoque de análisis e inteligencia de datos o agenda una sesión de diagnóstico sin costo. Revisamos tus fuentes contigo y te decimos por dónde empezar.