¿Por qué tus dashboards no cuadran? El problema está en los datos

Tus dashboards no cuadran porque cada uno calcula la cifra a su manera sobre datos que llegan por caminos distintos, no porque la herramienta de BI esté mal. Cuando Finanzas ve una venta neta y Comercial ve otra, casi siempre la causa está en el data foundation: fuentes integradas a mano, definiciones que viven dentro de cada tablero, cortes de fecha diferentes y llaves que no cruzan entre sistemas. Cambiar de Tableau a Power BI, o al revés, no lo resuelve: el nuevo tablero hereda el mismo problema. Lo que sí lo resuelve es corregir la base, en el orden correcto.

¿Por qué pasa tanto en empresas de México?

Por cómo crecieron sus sistemas. Una empresa mediana en México suele tener un ERP (SAP, Oracle, Microsoft o uno local), un punto de venta distinto, un CRM, una tienda en línea y varias hojas de cálculo que se volvieron críticas. Cada área conectó su herramienta de BI directamente a “su” sistema, con un analista que escribió la lógica dentro del tablero.

El resultado es predecible: diez tableros, diez definiciones de venta, diez horarios de actualización. Nadie hizo nada mal; simplemente nadie construyó la capa común. En la red de miles de tiendas donde desplegamos Tableau a nivel de gerente, la condición para que funcionara fue exactamente esa: que todos los gerentes vieran la misma cifra calculada de la misma forma, con seguridad para que cada quien viera solo su tienda.

¿Cuáles son las 6 causas más comunes?

Causa	Cómo se ve en el tablero	Dónde se corrige
La métrica se define dentro de cada dashboard	Dos tableros, misma métrica, dos cifras	Capa semántica
Cortes de fecha distintos	Uno usa fecha de factura, otro fecha de pedido	Modelado y definiciones
Fuentes que se actualizan a horas diferentes	En la mañana cuadra, en la tarde no	Integración con frecuencia conocida
Llaves que no cruzan entre sistemas	El mismo cliente aparece tres veces	Modelado de entidades maestras
Extractos manuales o Excel intermedio	La cifra cambia según quién lo corrió	Integración automatizada
Filtros y exclusiones no documentadas	”Ese tablero no cuenta las tiendas nuevas”	Gobierno y catálogo

Vamos una por una.

1. La métrica vive dentro del tablero

Es la causa número uno. Cada tablero tiene un campo calculado llamado “Venta neta” y cada uno resta cosas distintas: devoluciones sí o no, IVA sí o no, notas de crédito del mes o del periodo original. La solución es que la definición viva una vez fuera de los tableros, en una capa semántica que todos consumen. Lo explicamos a fondo en qué es una capa semántica y por qué la IA la necesita.

2. Los cortes de fecha no coinciden

Ventas reporta por fecha de pedido; Finanzas por fecha de factura o de timbrado del CFDI; Logística por fecha de embarque. Las tres son correctas, pero no son la misma cifra. El data foundation debe tener las tres fechas disponibles y la capa semántica debe dejar claro cuál usa cada métrica oficial.

3. Cada fuente llega a una hora distinta

Si el punto de venta se carga cada hora y el ERP una vez en la noche, un tablero que mezcle ambos va a tener huecos durante el día. La frecuencia de carga debe estar definida, visible en el tablero (“datos al 1 de noviembre, 7:00”) y alineada con la decisión que se toma.

4. Las llaves no cruzan

El cliente tiene un ID en el CRM, otro en el ERP y un correo en la tienda en línea. El producto tiene un SKU en el punto de venta y otro código en el almacén. Sin una tabla que relacione esas llaves, cada cruce es una aproximación. Es trabajo de modelado y casi siempre es donde más horas se ahorran después.

5. Hay un Excel en medio

“Lo saco del sistema, le quito unas filas y lo subo”. Mientras exista ese paso manual, la cifra depende de quién lo hizo y cuándo. La integración automática con conectores administrados elimina la variación; en nuestro servicio de centralización de datos es lo primero que se ataca.

6. Filtros que nadie documentó

Tiendas excluidas, clientes internos, pedidos de prueba, una sucursal que cerró. Cada tablero los filtra diferente porque la regla vive en la cabeza de alguien. Un catálogo de datos con las reglas por escrito evita que se repita en cada tablero nuevo.

¿Por qué cambiar de herramienta de BI no lo resuelve?

Porque las seis causas están debajo del tablero. Hemos visto empresas en México migrar de una herramienta a otra esperando que “ahora sí cuadre”, y en tres meses tienen el mismo problema con otro logo. La herramienta de BI es la capa de consumo; si la base es inconsistente, el consumo muestra la inconsistencia con gráficas más bonitas.

Elegir bien la herramienta importa, y tenemos una comparativa honesta de Tableau vs Power BI en 2026 para empresas en México. Pero el orden es datos primero, herramienta después. Una buena señal de que vas en el orden correcto: si mañana cambias de herramienta, las métricas se conservan porque viven fuera de ella.

¿En qué orden se corrige?

No hace falta rehacer todo. Este es el orden que seguimos en proyectos de analítica y decision intelligence:

1. Inventario de métricas en disputa. Junta los tableros que se contradicen y lista las 10 a 20 métricas que más discusión generan. Normalmente son menos de las que parece.
2. Definición firmada. Una persona de negocio con autoridad (no el analista) firma qué significa cada una: fórmula, fecha que usa, exclusiones.
3. Integración de las fuentes de esas métricas. Automática, con hora de actualización conocida.
4. Modelo con llaves maestras. Cliente, producto, tienda y calendario comunes.
5. Capa semántica. Las definiciones firmadas, implementadas una sola vez.
6. Reconexión de los tableros. Los tableros existentes se apuntan a la capa semántica y se apagan los cálculos locales. Muchos tableros desaparecen en este paso porque ya eran duplicados.

En una empresa mediana, el primer dominio (normalmente ventas) puede estar corregido en un MVP de 6 a 10 semanas. El resto de los dominios se agregan sobre la misma base.

¿Qué gana la empresa además de que las cifras cuadren?

Tres cosas que se notan rápido:

• Juntas que deciden en lugar de conciliar. La primera media hora del comité deja de irse en “mi número dice otra cosa”.
• Tableros que llegan a quien opera. Con seguridad a nivel de fila, el mismo tablero sirve al director y al gerente de tienda, cada uno viendo lo suyo. Es lo que hicimos en retail a nivel nacional y lo describimos en la página de retail.
• La base lista para IA. Un agente que responde “¿cuánto vendimos ayer?” necesita exactamente la misma capa semántica que un tablero confiable. Si la construyes para los dashboards, ya la tienes para los agentes. Lo explicamos en qué es un data foundation y por qué agentes y dashboards dependen de él.

Lo que conviene llevar a la primera llamada

Si tus dashboards no cuadran y quieres saber cuánto trabajo hay detrás, reúne esto:

• Dos tableros que muestren una misma métrica con cifras distintas, con captura de pantalla y fecha.
• La lista de sistemas de los que sale cada uno.
• Quién mantiene esos tableros y cuántas horas a la semana dedica a cuadrarlos.
• Qué herramienta de BI usan hoy y cuántos usuarios la consultan, incluyendo los de Tableau o Power BI si conviven ambas.

Con eso, en el discovery identificamos cuál de las seis causas pesa más en tu caso y qué se corrige primero. Agenda la conversación aquí.