Drill 20
El mes que todavía no termina
El mes en curso se ve hundido. ¿Cayó, o todavía no termina?
Cómo comparar un período en curso contra uno completo sin fabricar una caída.
Cuándo se saca
Cuando un tablero compara el mes, la semana o el trimestre que va corriendo contra uno ya cerrado, sobre todo en los primeros días.
Cómo se usa
- Revisa hasta qué fecha llegan los datos. Si el período no ha terminado, su total acumulado siempre va a verse menor que el de uno completo.
- Compara lo comparable. El promedio por día, mejor por día hábil si el negocio no vende parejo toda la semana, o los mismos días del período anterior.
- Si hay que mostrar el período en curso, rotúlalo como parcial y pon al lado el ritmo diario o la proyección. Así nadie reacciona a una barra corta.
Un período que no ha terminado no se compara. Se proyecta.
Una escena típica
Escena ilustrativa, sin datos de un caso real.
Escena típica en un reporte semanal de ventas.
Lo que se veíaA mitad de mes, el reporte compara lo vendido en el mes contra el mes anterior completo y la jefatura pide un plan de recuperación.
Lo que eraFaltaba la mitad de los días, y además el mes anterior tenía más días hábiles. Por día hábil, las ventas iban igual.
En qué terminóEl reporte pasó a mostrar el ritmo diario contra el mismo tramo del mes anterior, y el plan de recuperación no se hizo.
Dónde se cae la gente
Ajustar solo por días de calendario. Un negocio que vende en días hábiles cambia de ritmo con los feriados y los fines de semana, y la comparación por día corrido también engaña.
Fuego rápido
3 preguntas sobre esto mismo. Si fallas una, la línea de abajo dice por qué.
Dónde se pone a prueba
Saber el método no es la habilidad. Estos challenges no te dicen cuál usar, y ese es justamente el ejercicio.
Quién lo revisa
Rodrigo Urrea
Analítica · Forecasting · Productos digitales
- 14 años
- Chile · Alemania · EE.UU.
- Varias industrias
- Forecasting
- Productos digitales
- MSc Business Analytics
- AI-ready
Catorce años en analítica, en Chile, Alemania y para compañías en Estados Unidos.
Empecé en consumo masivo y bebidas, donde los pedidos llegaban con apuro y sin contexto. Después forecasting, productos digitales, y empresas sin equipo de datos que necesitaban una respuesta usable el lunes y no el mejor modelo posible. Un MSc en Business Analytics en el camino. Trabajé en varias industrias, y el patrón se repite en todas: el problema casi nunca es la técnica o la herramienta.
Hoy trabajo en construir capacidades AI-ready para tareas de analítica: qué parte del trabajo conviene automatizar y qué parte sigue siendo criterio. La segunda es más grande de lo que parece.
Los 21 challenges salen de pedidos que me hicieron a mí.
LinkedIn ↗Todos mis enlaces ↗