Las ventas del mes son 1.240 millones según el sistema de facturación, 1.180 según el CRM y 1.300 según la hoja de cálculo de la gerencia comercial. Las tres cifras son “correctas” según su propia definición, y ninguna sirve para entrenar un modelo. La mayoría de los proyectos de inteligencia artificial que no avanzan se detienen aquí, en los datos, no en los algoritmos. Integrar los datos es el trabajo que nadie ve y que hace posible todo lo demás.
Qué significa integrar.
Integrar no es “conectar sistemas”. Es tener una versión única y confiable de cada hecho del negocio (una venta, un cliente, un producto, una campaña) construida a partir de todas las fuentes, con reglas explícitas sobre cuál manda cuando se contradicen. Tres pasos:
- Reunir. Traer los datos de cada sistema (ERP, CRM, comercio electrónico, plataformas publicitarias, hojas de cálculo) a un solo lugar, de forma automática y periódica.
- Depurar y armonizar. Corregir errores, eliminar duplicados, unificar formatos y, sobre todo, hacer que un cliente sea el mismo cliente en todos los sistemas. Esta es la parte que más trabajo lleva y más valor deja.
- Organizar. Disponer los datos por capas: tal como llegan, limpios y conciliados, y listos para análisis e inteligencia artificial. Así cualquier cifra se puede rastrear hasta su origen.
Dónde viven los datos integrados.
En un almacén de datos: una base diseñada para analizar, separada de los sistemas que operan el negocio, para no afectarlos. Los nombres que escuchará:
- Warehouse (almacén): datos estructurados en tablas, con esquema definido. Es la opción probada para ventas, inventario, clientes y campañas.
- Lakehouse: combina el almacén con la capacidad de guardar datos sin estructura fija (documentos, registros de aplicaciones, imágenes). Útil cuando la IA va a trabajar también con texto o archivos.
Para una empresa mediana, las dos opciones existen como servicios gestionados en la nube, se pagan por uso y no requieren servidores propios. La elección depende de los datos que tiene, no de la moda.
Qué pasa cuando no se integra.
- Cada área defiende su cifra y las reuniones se gastan en conciliar, no en decidir.
- Los modelos de IA aprenden de datos contradictorios y producen recomendaciones contradictorias.
- Cada proyecto nuevo vuelve a empezar: extrae, limpia y cruza los mismos datos, con otro criterio.
- Nadie puede responder “de dónde salió este número” cuando un cliente o un auditor pregunta.
El costo no aparece en ninguna línea del presupuesto, y es alto.
Lo que no hace falta.
- Integrarlo todo antes de empezar. Se integra lo que la primera decisión necesita (ventas y campañas, o clientes y facturación) y se amplía por etapas.
- Reemplazar sus sistemas. El ERP y el CRM siguen operando; el almacén los lee.
- Datos perfectos. Hacen falta datos suficientes, con sus límites conocidos y documentados.
- Un equipo de ingeniería de datos propio. El trabajo inicial lo hace un especialista; la operación diaria se automatiza.
Cómo se ve bien hecho.
Una cifra tiene un solo valor y una sola definición, conocida por todos. Los datos se actualizan solos, cada noche o cada hora. Cualquier informe o modelo parte del mismo almacén. Si una fuente falla, alguien recibe un aviso antes de que la gerencia vea un número raro. Y cuando llega un proyecto nuevo de IA, los datos están listos en días, no en meses.
Por dónde empezar.
Por la decisión que quiere mejorar, como se explica en Por dónde empezar con inteligencia artificial. Esa decisión define qué fuentes integrar primero. Un Plan de IA incluye el mapa de datos que ordena este trabajo cuando hay varias decisiones en juego.
Qué puede hacer esta semana.
- Pida la cifra de ventas del último mes a tres áreas distintas. Si no coinciden, tiene el diagnóstico.
- Haga la lista de sistemas y hojas de cálculo donde viven datos de clientes, y marque cuáles comparten un identificador común.
- Pregunte cuántas horas al mes dedica su equipo a extraer y cruzar datos a mano. Ese es el primer retorno de integrarlos.
La integración de datos de Raltrix depura, armoniza y organiza sus fuentes por capas en un almacén listo para analítica e inteligencia artificial, en su propia nube. Si sus cifras no coinciden, agende una llamada.
