Semana 1: Preguntas de Negocio y Preparación de Datos

Semana 1: Preguntas de Negocio y Preparación de Datos#

Objetivos de Aprendizaje#

  • Traducir escenarios de negocio en preguntas analíticas claras y métricas medibles.

  • Diferenciar métricas absolutas vs relativas e identificar KPI/OKR y guardrail metrics.

  • Distinguir leading vs lagging indicators y redactar preguntas enfocadas.

  • Preparar y combinar datasets (XLOOKUP/VLOOKUP), aplicar limpieza categórica (TRIM/PROPER/CLEAN).

  • Resumir datos con SUMIF/SUMIFS/COUNTIF/AVERAGEIF y organizar un libro “analysis‑ready”.

  • Apoyarse de un LLM para refinar stakeholders, métricas y fórmulas (usándolo con criterio).

💡Trabajaremos este dataset (almacen_ventas.xlsx).

Agenda#

  • Introducción al contexto analítico

  • Preguntas de negocio y métricas

  • Break (10 min)

  • Preparación y exploración del dataset

  • Q&A y próximos pasos.

Preguntas de analíticas en un contexto de Negocio#

Hacer las preguntas correctas para identificar necesidades#

💡 Objetivo: Convertir necesidades del negocio en una pregunta analítica CLARA, MEDIBLE y ACCIONABLE
📝 Debe responder 4Qs::

  1. ¿Qué se quiere lograr?: Define el objetivo (qué se busca).

  2. ¿Cuanto medir?: Define el “Exito”, métricas clave (KPI/OKR), “cómo se miden”

  3. ¿Cuando medir?: Define el horizonte temporal (frecuencia).

  4. ¿Quién toma la decisión?: Identifica stakeholders (quién decide).

Una vez definas la pregunta, valida:

💡 ¿Qué datos necesito para responderla?.

Revisa campos disponibles del dataset y mapea cómo responden preguntas.


El Resultado debe verse así:

✅ “¿Cómo varió la venta neta de Monitores en cada región durante ene-mar 2024 para que inventarios defina el stock?”

Ejercicio práctico: Formular preguntas analíticas#

🧠 Breakout rooms:

Para cada mini-escenario, escribe:

  • Stakeholder
  • Preguntas 4Q
  • Pregunta clave (1 linea)
  • Datos que necesitarías

Escenarios:

  • “Necesito saber qué producto impulsar en el próximo mes en la región West.”
  • “Quiero entender el desempeño mensual por vendedor.”
  • “¿Qué categoría sostiene el crecimiento del trimestre?”
  • “Queremos evitar que se agoten productos populares. ¿Podemos anticipar la demanda?”
  • “Estamos invirtiendo en redes sociales pero no sabemos si trae conversiones.”

Métricas: Absolutas vs Relativas, KPI vs OKR, Leading vs Lagging#

📊 ¿Qué son las métricas?

Las métricas son valores numéricos que reflejan el desempeño de un proceso, producto o área del negocio. Permiten cuantificar resultados, comparar períodos y orientar decisiones basadas en datos.

Ejemplos comunes: ingresos, número de usuarios activos, conversiones, tasa de retención, NPS, tiempo promedio de respuesta.

📈 Tipos de métricas

  • Absolutas: expresan cantidades totales sin referencia comparativa.
    Ejemplo: total de ventas, número de clientes, sesiones por día.

  • Relativas: expresan una proporción o relación entre métricas.
    Ejemplo: tasa de conversión, crecimiento %, margen de ganancia, churn rate.

❓Cuáles métricas absolutas y relativas usar en tu día a día?

🎯 KPI vs OKR

  • OKR (Objectives & Key Results): define un objetivo cualitativo y lo acompaña con resultados clave cuantificables.
    Ejemplo: “Mejorar la retención de usuarios” → aumentar tasa de retención al 85%.

  • KPI (Key Performance Indicator): mide el desempeño continuo de un proceso o resultado clave. Ejemplo: tasa de conversión semanal, NPS mensual, ocupación promedio.

Diferencia clave: los KPI se mantienen en el tiempo; los OKR cambian según metas estratégicas.

🛡️ Guardrail Metrics

Son métricas de seguridad que garantizan que el crecimiento o los cambios no generen efectos negativos en otras áreas del negocio.

Ejemplos:
  • Churn rate (tasa de cancelación)
  • NPS (Net Promoter Score)
  • Tiempo de carga o disponibilidad del sitio

Actúan como “barandillas” que evitan daños mientras optimizas otras métricas principales.

Indicadores Leading vs. Lagging#

🔮 Leading vs. Lagging Indicators

  • Leading (anticipan): métricas que predicen resultados futuros.
    Ejemplos: visitas al sitio, leads generados, cotizaciones, unidades vendidas.

  • Lagging (confirman): métricas que confirman resultados ya ocurridos.
    Ejemplos: ingresos, margen, utilidad, ventas cerradas.

👉 Las métricas leading sirven para actuar antes del resultado; las lagging ayudan a evaluar desempeño pasado.

❓Cuáles indicadores Leading y Lagging reconoces en tu día a día?

☕ Break de 10 minutos

Estírate, toma agua, respira... ¡y regresa con energía!

break

💻 Ejercicio Integrado

Parte A — Métricas y Cálculos en Excel/Sheets

Responde con fórmulas (sin Pivot):

  1. Total de ventas por producto → usa SUMIF o SUMIFS.
  2. Promedio de ventas por región → usa AVERAGEIF.
  3. Crecimiento % Mes a Mes de Total_Sales:
    • Construye una tabla de ventas por Month.
    • Usa la fórmula: (MesActual - MesAnterior) / MesAnterior.
  4. RETO Encuentra el vendedor con mayor Total_Sales en el último mes
  5. RETO Agrega color y formato condicional para resaltar información clave.

👉 Recuerda usar referencias absolutas ($) cuando copies fórmulas a otras celdas para evitar errores.

👉 Deja las fórmulas visibles y nombra los rangos para facilitar la lectura.

Preparación y Exploración de Dataset#

Importar y explorar nuevo dataset

Abre el dataset

Abre la hoja Customers y revisa los campos principales:

  • Customer_ID: identificador único del cliente.
  • Region: zona geográfica asignada.
  • Customer_Type: tipo de cliente (Retail o Wholesale).
  • Segment: categoría comercial (SMB o Enterprise).
💻 Ejercicio

Lista 3–4 posibles conexiones entre hojas del dataset:

  • Por Customer_ID
  • Por Region
  • Por Month
  • Por Product_ID

Vinculando Datos entre Hojas#

🔗 Objetivo:

Aprender a combinar información entre hojas relacionadas del dataset mediante funciones de búsqueda y agregación.

En el archivo datos_practica_lookups.xlsx encontrarás múltiples hojas interconectadas:
  • Customers: información de clientes (ID, Región, Tipo, Segmento).
  • Sales: detalle de ventas (Customer_ID, Product_ID, Total_Sales).
  • Products: catálogo con precios y categorías.
  • Targets: metas de ingresos por Region y Month.
  • FX: tasa de conversión de USD → COP por Month.

🧩 Ejercicio— Funciones de Búsqueda

Abre la hoja Sales y completa las columnas vacías creando vínculos con otras hojas:

  1. Trae el Customer_Type desde Customers por Customer_ID.
    =VLOOKUP(E2, Customers!A2:D21, 4, FALSE)
  2. Trae el Product_Name desde Products por Product_ID.
    =XLOOKUP(F2, Products!A2:A7, Products!B2:B7, "No encontrado")
  3. Agrega la meta de ingresos desde Targets por Region y Month.
    Tip: crea una clave auxiliar =C2 & "-" & D2 en ambas hojas y busca por esa clave combinada.
  4. Convierte las ventas a COP usando la tasa de cambio de FX por Month.
    =XLOOKUP(D2, FX!A2:A10, FX!C2:C10) * J2

👉 Experimenta cambiando VLOOKUP por XLOOKUP y nota cómo mejora la flexibilidad de las búsquedas.

📊 Ejercicio — Agregación Condicional

En una nueva hoja Analysis, crea tablas resumen usando funciones condicionales:

  • SUMIFS — Total de ventas por Region y Month.
  • AVERAGEIFS — Precio promedio por Product_Name y Month.
  • COUNTIFS — Número de pedidos por Salesperson durante Q2-2024.

Usa rangos dinámicos con $ y construye las condiciones una por una para evitar errores.

Mini-Caso de Cierre#

📈 Escenario

Stakeholder: CEO

Pregunta: ¿Cómo evolucionaron las ventas de Laptop y Tablet en el último trimestre por región?

(El dataset no incluye Smartphone, así que usa Tablet como producto sustituto).

🧮 Tareas paso a paso

  1. Verifica la columna Month:
    Asegúrate de tener el formato correcto en la hoja Sales:
    =TEXT(A2,"mmm-yyyy")

  2. Filtra productos:
    Usa FILTER para quedarte solo con los productos Laptop y Tablet.

  3. Calcula Total_Sales por Month, Region y Product:
    Si deseas hacerlo con fórmula:
    =SUMIFS(Sales!J:J, Sales!D:D, A2, Sales!C:C, B2, Sales!F:F, C2)
    (donde A2 = Month, B2 = Region, C2 = Product).

  4. Crea el gráfico comparativo:
    Inserta un gráfico de líneas o columnas agrupadas para visualizar la evolución de ambos productos por región durante el último trimestre (abr-jun 2024).

  5. Redacta 2–3 insights:
    En la hoja Summary, agrega una sección “Insights” donde resumas hallazgos clave.
    • ¿Qué región mostró mayor crecimiento?
    • ¿Algún producto tuvo caída o estancamiento?
    • ¿Se observa alineación con las metas regionales (Targets)?

🎯 ¿Qué aprendimos hoy?#

  • Tipos de métricas (absolutas, relativas, guardrail)

  • Indicadores leading vs lagging

  • Funciones de búsqueda y agregación en Sheets (VLOOKUP, XLOOKUP, SUMIFS)

  • Interpretación de KPIs y redacción de insights

🚀 Siguientes Pasos

  • Próxima sesión: sesión práctica de exploración de datos y funciones de agregación condicionales.

  • Participación continua: asiste a Co-Learning y Sprint Focus, y usa los canales de Discord para hacer preguntas y compartir hallazgos.

  • Recordatorios: la grabación y los recursos utilizados se comparten al finalizar la sesión. Si necesitas apoyo adicional, agenda un 1:1 con tu tutor.