Análisis de datos en la agroindustria: por qué en el comité cada quien llega con su propio número

Estamos en plena campaña de arándano y este año el clima tiene a más de uno revisando el plan dos y tres veces. Y cada vez que se revisa un plan, alguien pide un dato. Ahí es donde se repite una escena que, si trabajas en una agroexportadora, vas a reconocer de inmediato.

El jefe le dice al asistente: muéstrame tal reporte. El asistente va a la computadora y ubica un archivo. Hasta ahí, todo bien. Pero cuando uno empieza a mirar ese reporte, se da cuenta de que trae información de otras áreas, información que en su momento sí se cargó al sistema. Solo que alguien la volvió a descargar para pasarla al formato que mejor se le acomoda. Y así queda: un archivo que ya no es el del sistema, sino la versión de alguien.

Después pasa lo que tiene que pasar. Llega el comité, se pide el dato, y unos llegan con un número y otros con otro. Nadie está mintiendo. Cada quien trae el suyo.

Si uno sigue la traza hacia atrás, la historia casi siempre es la misma. Se usó el sistema para recoger cierta información. Luego se bajó a Excel para darle formato, porque —según el usuario— hacía falta juntarla con otra información que el sistema no contempla. Y eso se cruza con data que viene de otro proceso, que también se baja, porque ahí están sus fórmulas, las que él armó y en las que confía. Cada descarga, vista por separado, parece inofensiva. La suma de todas es la razón por la que en el comité nadie sabe cuál es el número bueno.

Hay una versión todavía más silenciosa de lo mismo, y esta se ve en cualquier fundo. Cargas la información de los trabajadores en un sistema. Después la descargas para actualizar el sistema que toma la asistencia. Y luego esas asistencias las tienes que bajar otra vez para poder importarlas al ERP, que tiene otra estructura. Nadie hizo nada mal ahí. Cada sistema pide lo suyo, y en el medio queda una persona exportando, formateando e importando, mes tras mes, como si fuera parte natural del trabajo.

Lo que eso cuesta depende de la complejidad. Un reporte puede salir en 30 minutos, tomar cuatro horas, o quedar para el día siguiente. Y cuando algo no cuadra, se pone peor. Me tocó una vez que la información estaba completa pero había una diferencia que no aparecía por ningún lado. Nos pusimos a rastrear el recorrido entero, paso por paso, hasta dar con el punto. Cuando lo encontramos, era algo sencillo. Se nos fue toda la mañana.

Y conviene mirar la misma escena desde varios lados, porque cada área la sufre distinto. El área usuaria vive esperando: pide su reporte de consumos a almacenes y le llega a la semana, ya formateado por otro, con lo que otro decidió que era importante. Contabilidad espera a que alguien le baje los movimientos de bancos y se los comparta. Gerencia recibe todo tarde y con versiones que no coinciden. Y el de sistemas, que debería estar mejorando procesos, termina de despachador de archivos.

En dos de esos casos hicimos algo que suena demasiado simple: darles acceso directo al reporte de origen.

Cuando uno plantea esto, la respuesta más común es: nosotros ya tenemos ERP, ahí está todo. Y es verdad, está. El punto es otro. Toda esa data transaccional que el sistema recoge cada día casi no se aprovecha, porque el usuario se acostumbró a que descargar el reporte a Excel es la octava maravilla del mundo. Tener el dato guardado no es lo mismo que poder usarlo.

Por eso, cuando entramos a una empresa, lo primero no es mostrar pantallas. Es entender el flujo del proceso y cómo se accede a los datos. Recién ahí se arma un ETL con dimensiones claras y medidas bien definidas. Y cuando eso está bien hecho, aparece una cara del negocio que pocos llegan a ver. No hablo de una presentación bonita. Hablo de limpieza de datos. Hablo de detectar procesos operativos que el sistema permitió registrar sin problema y que, mirados con criterio, son data errada: registros que nadie cuestionó porque el sistema los aceptó. Eso sale a la luz cuando ordenas el dato, no antes.

Y cuando por fin muestras la información directo de la fuente, en menos tiempo y ordenada como tiene que estar para decidir, la mirada de gerencia cambia. Ahí es cuando dicen: eso quiero.

Lo veo seguido. Uno muestra lo que se puede hacer con analítica de datos y el cliente responde “eso es lo que busco”. Pero pocos saben cómo se llega a ese resultado, y menos todavía saben cómo se están haciendo hoy las cosas dentro de su propia empresa y cómo deberían hacerse. Ahora, con la inteligencia artificial metida en el análisis de datos, la tentación es mayor: parece que basta con conectar una herramienta y preguntarle. Pero la inteligencia artificial no arregla un dato mal tomado. Lo repite más rápido y con más seguridad. Partir de una buena toma del dato es lo primero. Y aun así, de qué te sirve llenarte de datos si no los explotas. La data tiene un valor enorme, siempre y cuando se aborde con criterio.

Esta semana justamente estuvimos con el equipo revisando este tema: cómo montar un modelo de gobernanza sobre un lakehouse y qué herramientas conviene usar para extraer el dato de forma configurable. El criterio con el que las estamos evaluando no es cuál tiene más funciones. Es cuál puede usar el jefe de área por su cuenta, sin llamarnos. Porque si para ver su propia información tiene que pedírsela a alguien, volvimos al punto de partida.

En SARK, de SF Perú, ese trabajo empieza donde el dato nace: el tareo, la asistencia, la producción por lote y actividad. Es el dato más caro de levantar y el que más rápido se ensucia. Si entra bien, todo lo que viene después —el reporte, el tablero, el análisis— se sostiene solo. Y no llegamos a reemplazar lo que ya te funciona: nos integramos a lo que ya construiste, porque cada empresa armó sus procesos en años y eso no se bota.

Así que la pregunta de esta campaña no es si tienes los datos. Los tienes, y probablemente más de los que crees. La pregunta es a quién le tienes que pedir permiso, y cuántos días tienes que esperar, para poder verlos.