La evolución de la analítica: de Excel a los agentes de IA

¿Cuánto tarda tu equipo en saber cómo vendió cada cadena la semana pasada? Para algunos, es la mañana del lunes: entrar al portal B2B de cada cadena, descargar los reportes y cuadrarlos en un Excel. Para otros, es abrir un dashboard. Y para los más avanzados, es preguntárselo a un agente de IA y tener la respuesta en segundos.

La diferencia no está en las personas, sino en la etapa de la analítica en la que trabaja cada equipo. Son cuatro: Excel, el data warehouse, el BI y la analítica agéntica. Cada una nació para resolver el límite de la anterior, y cada una acerca un poco más la respuesta a quien la necesita.

En este artículo recorremos las cuatro etapas: qué resuelve cada una, dónde se queda corta y cómo saber en cuál está tu equipo. Y te contamos por qué construimos Ciro para acompañarte en todas.

¿Cuáles son las etapas de la analítica de datos?

La analítica de datos ha pasado por cuatro etapas, y en cada una la respuesta llega más rápido:

Etapa	Cómo llegas a tus datos	Tiempo hasta una respuesta
1. Excel	Descargas los reportes de cada fuente y los cruzas a mano	Días
2. Data warehouse	Tus fuentes llegan solas a un solo lugar, y un analista las consulta	Horas
3. BI	Abres un dashboard y filtras	Minutos, si el dashboard ya existe
4. Analítica agéntica	Le preguntas a un agente de IA, en tus palabras	Segundos

Las etapas no se reemplazan, se suman. Un equipo con dashboards todavía descarga un Excel para la reunión con la cadena, y uno que conversa con su agente de IA sigue revisando sus dashboards cada semana. Veamos cada una.

Etapa 1. Excel: tus datos, a mano

Todo empieza con una hoja de cálculo. Con el sell-out, la rutina se parece en casi todas las empresas: alguien entra al portal B2B de cada cadena, descarga los reportes de ventas e inventario, los pega en un Excel maestro, usa un BUSCARV para vincular los códigos de cada cadena con los productos de la marca y arma las tablas dinámicas del reporte semanal. Te lo contamos en detalle en Un portal B2B por cadena.

Excel tiene ventajas reales: todos lo conocen, no requiere inversión y permite cualquier cálculo. Por eso sigue presente en casi todos los equipos comerciales. Pero tiene límites:

• Es manual. Cada consolidado se arma a mano, y la respuesta llega en días.
• Se equivoca en silencio. Un número con coma decimal que Excel lee como texto o un código sin vincular no generan ningún aviso: solo un total que no cuadra, si alguien lo nota.
• Depende de una persona. El Excel maestro y sus fórmulas suelen vivir en la cabeza de quien lo arma.
• No escala. Una hoja de Excel admite hasta 1.048.576 filas. Por ejemplo, una marca con 50 productos en 300 tiendas puede generar hasta 15.000 filas de venta por día (50 × 300). Con el detalle diario, el límite llega en unos 70 días.

Etapa 2. Data warehouse: tus datos, en un solo lugar

Cuando los archivos ya no alcanzan, las empresas centralizan. Un data warehouse (almacén de datos) es una base de datos central que reúne la información de todas las fuentes, ya limpia y ordenada para el análisis: tu sell-out, tu sell-in, tu presupuesto. Un data lake (lago de datos) guarda datos en bruto y en cualquier formato a un costo menor, y el data lakehouse combina ambos. Entre las plataformas más conocidas están BigQuery, Snowflake, Databricks y Microsoft Fabric.

La ventaja es enorme: los datos llegan solos, todas las áreas parten de la misma información y la respuesta se acorta a horas. Pero tiene un costo:

• Hay que construirlo y mantenerlo. Con el sell-out, eso significa una conexión por cada portal B2B, cada una con su propio formato, y repararla cada vez que una cadena cambia su portal.
• Hay que homologar. El data warehouse reúne los datos, pero alguien tiene que vincular los códigos de cada cadena con tu catálogo maestro.
• Hay que saber consultarlo. Los datos están juntos, pero responder una pregunta requiere SQL o un analista. Para el equipo comercial, cada pregunta sigue siendo un pedido.

Etapa 3. BI: tus datos, en dashboards

Para que el negocio vea sus datos sin pedírselos a nadie, llegó el BI (business intelligence o inteligencia de negocios). Herramientas como Power BI o Tableau se conectan a tus datos y los muestran en dashboards y reportes: la venta por cadena de la semana, el avance frente al año pasado, los quiebres de stock. Con el BI de autoservicio, el propio equipo comercial arma sus vistas.

Las preguntas de siempre se responden en minutos: abres el dashboard, filtras y listo. El límite aparece cuando la pregunta cambia:

• Responde lo que alguien previó. Cada pregunta nueva necesita un reporte nuevo y, otra vez, días de espera.
• Muestra el qué, no el porqué. Un dashboard te dice que la venta cayó, pero explicar la caída sigue siendo trabajo de alguien.
• Lo aprovechan pocos. El autoservicio suele quedarse en manos de quienes saben armar filtros y tablas.

Te contamos más sobre estos límites en Analítica agéntica vs. BI tradicional.

Etapa 4. Analítica agéntica: tus datos, en una conversación

La etapa más reciente pone a un agente de IA a trabajar con tus datos. Le preguntas en tus palabras, como le preguntarías a tu mejor analista: «¿Por qué cae la venta en Wong este mes?» o «¿Dónde tenemos quiebres de stock hoy?». El agente consulta tus datos, revisa lo que encuentra y responde con una conclusión, la evidencia que la respalda y una recomendación.

Es posible porque los agentes que tu equipo ya usa, como ChatGPT, Claude o Copilot, pueden conectarse a otras aplicaciones con un estándar abierto, el Model Context Protocol (MCP), y consultar sus datos.

Una pregunta directa se responde en segundos; una investigación completa, como explicar una caída, en minutos. Y ya no hace falta saber SQL ni armar tablas: basta con saber preguntar. Pero también es la etapa que más exige:

• Necesita una base confiable. Un agente que lee datos desordenados puede responder con total seguridad un número equivocado.
• Necesita una sola definición de cada métrica, para que el agente y tus dashboards den los mismos números.
• Necesita a una persona que decida. El agente investiga y recomienda; tú decides.

¿En qué etapa está tu equipo?

Estas señales te ayudan a ubicarte:

Etapa	Te reconoces si…
Excel	El reporte del lunes se arma copiando archivos de cada portal, y solo una persona sabe actualizar el Excel maestro.
Data warehouse	Tus datos ya llegan a una base central, pero cada pregunta nueva pasa por el equipo de datos o de TI.
BI	Tu equipo revisa dashboards cada semana, pero el porqué de cada cambio se investiga a mano.
Analítica agéntica	Tu equipo le pregunta a un agente de IA y recibe respuestas con tus datos en segundos.

Es común estar en dos etapas a la vez: el área comercial en Excel y finanzas en el BI, por ejemplo.

¿Hay que pasar por todas las etapas?

No. Puedes empezar en cualquiera y combinarlas: no hace falta recorrerlas en orden ni dejar una para pasar a la siguiente. Lo que sí necesitas, en cualquier etapa, es la misma base: los datos de todas tus cadenas en un solo lugar, con un mismo criterio de fechas, números e impuestos, homologados con tu catálogo maestro, al día y con una sola definición de cada métrica.

Esa base es lo que hace confiable a cada etapa. Sin ella, los errores avanzan contigo: un Excel que no cuadra se convierte en un dashboard que no cuadra, y luego en un agente que responde con seguridad un número equivocado. Con ella, cada etapa es solo una forma distinta de usar los mismos datos.

Ciro, en cada etapa

Cuando construimos Ciro, pensamos en todas estas etapas. Trabajamos con marcas que llevan años en Excel y solo necesitan sus datos en orden, y con equipos que ya tienen su data warehouse, su BI o sus agentes de IA. La analítica agéntica es lo más nuevo, pero no todos los equipos están listos para empezar por ahí, y no tienen por qué.

Por eso Ciro resuelve la base una sola vez: se conecta a cada cadena dos veces al día, unifica tus ventas e inventario y vincula cada producto y tienda con tu catálogo maestro. Después, te entrega esos datos en la etapa en la que estás:

• Excel. Descarga el detalle de ventas y stock de todas tus cadenas, ya unificado y homologado, en Excel y hasta 200.000 filas. Sigues con tus plantillas de siempre, sin entrar a cada portal ni vincular códigos a mano.
• Data warehouse. Lleva tus datos de Ciro a tu data warehouse o data lake y crúzalos con tu sell-in, tu presupuesto o tus precios. Tu equipo de datos no tiene que construir ni mantener una conexión por cada portal B2B.
• BI. Crea tus exploraciones y dashboards en Ciro, un BI propio hecho para el sell-out, en la web y en el celular. Y si tu empresa ya trabaja con Power BI, Tableau u otra herramienta de BI, conéctala a tus datos de Ciro.
• Agentes de IA. Conecta ChatGPT, Claude, Copilot u otro agente compatible con MCP y pregúntale lo que quieras. Tu agente responde con los mismos números de tus dashboards y, si un análisis te sirve, lo guarda como dashboard en Ciro.

Empieza donde estás. Si hoy tu equipo vive en Excel, Ciro le quita el trabajo de descargar y cuadrar archivos. Y cuando quiera dar el siguiente paso, sus datos ya estarán listos para un dashboard o para un agente de IA.

Revisa las cadenas que conectamos en Integraciones, mira cada funcionalidad en un video de 30 segundos en Funcionalidades y conoce cómo conectar tu agente en Ciro en tu agente de IA.