Peter Kroll
Country Manager México
Peter Kroll
Country Manager México
El equipo comercial tardaba hasta 10 días en obtener una respuesta a una pregunta sobre el desempeño de rutas. No porque no hubiera datos — sino porque los datos estaban atrapados en dashboards que nadie podía actualizar sin pasar por el equipo de BI.
Hay un problema que casi ninguna empresa reconoce en voz alta pero que todos los líderes de negocio conocen: la distancia entre la pregunta y la respuesta. Un director comercial quiere saber cómo se comportaron las ventas de una ruta específica en los últimos 30 días, segmentado por tipo de pasajero. La respuesta existe, está en algún sistema. Pero para llegar a ella hay que pasar por el equipo de datos, que tiene otros diez pedidos en cola, y esperar días.
Esa espera no es trivial. En una industria donde las decisiones operacionales se toman en tiempo real, una respuesta que llega en 10 días no es una respuesta útil, es historia. Las decisiones ya se tomaron, con la información que había disponible en ese momento.
El cuello de botella en la mayoría de las organizaciones no es la falta de datos. Es la falta de acceso. Los datos existen — pero solo una parte del equipo puede llegar a ellos.
El desafío: dashboards estáticos que crean dependencia
Una aerolínea líder en América Latina enfrentaba exactamente ese problema. Contaba con datos operacionales y comerciales robustos, pero los equipos de negocio dependían completamente del área de BI para responder cualquier consulta que no estuviera en los reportes predefinidos. El resultado: demoras de hasta 10 días para obtener información crítica, y una cultura analítica que se había atrofiado porque preguntar era costoso.
La solución: consultas en español, sin código
Novacomp diseñó e implementó una infraestructura analítica basada en AWS, utilizando Amazon QuickSight Q — una plataforma que permite consultar datos mediante lenguaje natural directamente en español, sin requerir conocimientos de SQL ni de herramientas de BI.
El proceso de implementación se ejecutó en cinco fases: modelado de dominios de datos, consolidación y preparación de las fuentes, configuración del motor de lenguaje natural, capacitación de los usuarios y plan de adopción. El objetivo no era solo instalar una herramienta — era cambiar la cultura analítica de la organización.
Los resultados obtenidos
Reducción drástica en el tiempo de respuesta a consultas analíticas, pasando de días de espera a respuestas inmediatas para cualquier usuario de negocio.
Cualquier miembro del equipo comercial puede realizar análisis avanzados de forma autónoma, eliminando por completo la dependencia del área de BI.
Implementación bajo un modelo de pago por sesión en AWS, lo que evita costes de infraestructura sobredimensionada y optimiza la inversión tecnológica.
Lo más importante no fue la velocidad, fue el cambio de comportamiento. Cuando los equipos comerciales descubrieron que podían hacer preguntas y obtener respuestas en segundos, empezaron a hacer más preguntas. La curiosidad analítica que antes se suprimía por el costo de preguntar se desbloqueó. Y eso tuvo un impacto directo en la calidad de las decisiones comerciales.
Caso completo: Descargá la historia de éxito completa en crnova.com/historias-de-exito/visualizacion-de-data-en-lenguaje-natural
¿Tu equipo también espera días para obtener respuestas de sus propios datos? Exploremos cómo cambiarlo.
