# De Excel caótico a dashboard en tiempo real: un caso de transformación Source: https://baqueiro.es/automatizacion/excel-caotico-dashboard-tiempo-real/ Published: 2025-12-03T07:51:00+00:00 Updated: 2025-12-03T07:51:00+00:00 Author: Baqueiro Desarrollo Web Language: es Usage: Atribución requerida: se permiten citas con un enlace visible hacia atrás --- **TL;DR** - Una empresa de logística trabajaba con una docena de archivos Excel enviados por email cada mañana, con versiones contradictorias y decisiones tomadas sobre datos de hace horas. - Conectamos sus sistemas a una base de datos central y montamos un dashboard que se actualiza solo, sin consolidación manual. - Resultado: 4 horas diarias de consolidación eliminadas, datos con menos de 1 hora de retraso y una única fuente de verdad. Cuando llegamos, la operación funcionaba con una arquitectura de datos que, siendo generosos, llamaríamos «distribuida»: una docena de hojas Excel en carpetas compartidas, versiones enviadas por email cada mañana y una persona que dedicaba media jornada, todos los días, a consolidarlo todo en un «master» para la dirección. El problema no era la falta de datos. Tenían demasiados y en demasiados sitios. Y convertirlos en información útil llevaba tanto tiempo que, cuando el informe llegaba a dirección, ya era historia. ## El contexto: logística con datos fragmentados La empresa gestionaba transporte de mercancías para clientes B2B. Su operación incluía: - Varios almacenes que introducían datos en sistemas locales. - Una flota de vehículos con hojas de ruta en papel y en Excel. - Un departamento de mantenimiento con registros en Access. - Facturación en un programa contable desconectado de las operaciones. - Clientes que preguntaban «¿dónde está mi carga?» y respuestas que tardaban horas en llegar. El sistema de reporting era este: cada almacén enviaba un Excel por email al responsable de reporting a las 9:00. Él lo consolidaba a mano, aplicaba fórmulas, generaba gráficos y enviaba un PDF a dirección hacia el mediodía. Para entonces, los datos tenían entre 3 y 15 horas de antigüedad. Los problemas eran previsibles: versiones contradictorias (alguien reenvía un Excel antiguo por error), errores humanos al consolidar, imposibilidad de profundizar (¿por qué sale este número? toca abrir los Excel originales uno por uno) y la frustración constante de operar con información desfasada. ## Análisis previo: entender antes de construir Antes de proponer ninguna tecnología, dedicamos 2 semanas a entender 3 cosas. **Qué decisiones se toman con qué datos.** Dirección quería ver la ocupación de los almacenes, el rendimiento de las rutas, las incidencias y el flujo de caja operativo. Operaciones necesitaba visibilidad en tiempo real de la carga pendiente y de los problemas en curso. **Dónde viven los datos originales.** Algunos estaban en un software de gestión de almacén con API. Otros seguían en Excel porque no existía ningún sistema. Y otros nacían en papel y alguien los tecleaba después en Excel. **Qué pasos eran realmente necesarios.** Muchos pasos de consolidación existían solo porque los sistemas no se hablaban entre sí, no porque aportaran valor. Si un paso solo sirve para copiar datos de un sitio a otro, es candidato a desaparecer. ## La solución: una arquitectura de datos unificada Diseñamos un sistema en 3 capas. ### Capa 1: ingesta de datos - **Conexiones por API:** los sistemas que ya tenían API (el software de almacén y el GPS de la flota) se conectaron directamente. El almacén se sincronizaba cada hora; el GPS, cada pocos minutos. - **Carga estructurada:** para los datos que seguían en Excel (mantenimiento), plantillas estandarizadas con validación que se subían a la base de datos central. Si faltaba un campo o una fecha no tenía sentido, el sistema lo rechazaba en el momento. - **Formularios digitales:** una app móvil sencilla sustituyó el papel de los conductores y alimentaba directamente la base de datos. ### Capa 2: base de datos central y procesamiento Una base de datos PostgreSQL donde convergían todos los datos, con procesos automáticos de: - Limpieza y normalización (el mismo cliente aparecía escrito de varias formas según la fuente). - Cálculos derivados (rendimiento por ruta, porcentaje de ocupación). - Histórico (conservar la evolución en el tiempo para poder comparar semanas y temporadas). ### Capa 3: dashboard y reporting - **Dashboard operativo:** Metabase (open source) con los KPI actualizados automáticamente, accesible desde el navegador y desde el móvil. - **Alertas automáticas:** cuando la ocupación de un almacén supera el 90%, cuando una ruta acumula más de 30 minutos de retraso, etc. Avisos por email y Telegram. - **Informes programados:** envío automático de PDF diarios y semanales sin intervención humana. ## Implementación: fases y aprendizajes ### Fase 1 (mes 1): resultados rápidos Conectamos las API existentes y creamos un dashboard básico de ocupación de almacenes. Valor visible desde el primer mes, y eso generó la confianza y el impulso necesarios para lo que venía después. ### Fase 2 (meses 2 y 3): datos manuales Sustituimos los Excel sueltos por formularios estructurados. Fue la parte más tediosa: convencer a operaciones de que el nuevo proceso era mejor e iterar los formularios hasta que fueran realmente cómodos de usar. *Lección:* la resistencia al cambio no era tecnológica, era de hábito. Cada uno tenía «sus» Excel y confiaba más en ellos que en cualquier sistema nuevo. Ganamos esa confianza demostrando, durante semanas, que el dashboard mostraba exactamente lo mismo que ellos veían en su Excel local. ### Fase 3 (meses 3 y 4): app móvil para conductores Sustituimos las hojas de ruta en papel por una app sencilla (una PWA, no una app nativa, para acortar plazos y no depender de las tiendas de aplicaciones). Permitía marcar entregas, reportar incidencias con foto y consultar la siguiente parada. Ese fue el punto de inflexión. Tener la posición de cada vehículo y el estado de las entregas en tiempo real cambió la operación: el centro de control veía dónde estaba cada camión y podía gestionar las incidencias antes de que el cliente llamara. ### Fase 4 (mes 5): automatización del reporting Con los datos fluyendo, eliminamos la consolidación manual. La persona que dedicaba media jornada al reporting pasó de mover datos de un lado a otro a analizarlos y proponer mejoras operativas. Cambio de rol, no eliminación del puesto. ## Resultados medidos A los 6 meses de completar la implementación: **Tiempo de reporting:** de unas 4 horas diarias de consolidación manual a 0. Los informes se generan solos. **Antigüedad de los datos:** de entre 3 y 15 horas (según el momento del día) a menos de 1 hora en la mayoría de las métricas, y tiempo real en la posición de la flota. **Errores por versiones contradictorias:** eliminados. Hay una única fuente de verdad. **Respuesta a clientes:** de «te lo confirmo en 1 o 2 horas» (mientras alguien buscaba en los Excel) a «ahora mismo veo que tu carga está en tal punto y llega a tal hora». **Decisiones operativas:** capacidad de ver tendencias (por ejemplo, carga acumulándose en un almacén) y actuar antes, en lugar de reaccionar a problemas ya ocurridos. **Retorno:** la inversión total en desarrollo rondó los 25.000 €. El tiempo de consolidación recuperado, sumado a menos errores y a respuestas más rápidas, la justificó en menos de un año. ## Qué hicimos bien - **Empezar simple y ampliar.** No intentamos resolverlo todo en el primer lanzamiento. Los resultados rápidos nos dieron margen para las fases difíciles. - **Implicar a operaciones desde el principio.** No fue «tecnología impuesta desde arriba», sino «una herramienta que resuelve los problemas que tú ya tienes». - **Mantener Excel donde tenía sentido.** No lo sustituimos por sustituir. Para análisis puntuales y escenarios hipotéticos, Excel siguió disponible, ahora alimentado con datos fiables. - **Documentar procesos.** El nuevo sistema tenía documentación clara, algo que el caos de Excel nunca tuvo. Es una parte que muchos proyectos se saltan y que [sale cara más adelante](https://baqueiro.es/automatizacion/coste-automatizaciones-mal-documentadas/). ## Qué haríamos diferente - **Más formación al principio.** Subestimamos cuánta formación necesitaban algunos usuarios no técnicos. Una sesión de presentación no basta: hace falta acompañamiento las primeras semanas y una guía corta a mano. - **Permisos más granulares desde el inicio.** Tuvimos que rehacer parte del modelo de permisos cuando surgieron necesidades del tipo «este departamento no debería ver esos datos». - **Copias de seguridad probadas, no solo configuradas.** Un incidente menor de corrupción de datos nos recordó que una copia automática no vale nada si nunca se ha probado a restaurarla. ## Aplicabilidad a otros casos Este patrón (datos dispersos, consolidación, dashboard y automatización) sirve para muchas empresas: - **Retail:** consolidar las ventas de varios canales (tienda física, tienda online, marketplaces). - **Industria:** conectar máquinas, inventario y planificación. - **Servicios:** horas de los equipos, estado de los proyectos y facturación. - **Marketing:** reunir las métricas de varias plataformas en un único informe. Los detalles cambian, pero la arquitectura de 3 capas (ingesta, procesamiento, visualización) es sólida y replicable. Y no siempre exige cambiar de sistema: muchas veces basta con conectar lo que ya existe, como contamos en [cómo automatizar el reporting de tu ERP sin cambiar de sistema](https://baqueiro.es/codigo-que-trabaja-por-ti/como-automatizar-el-reporting-de-tu-erp-sin-cambiar-de-sistema/). Si quieres identificar primero qué información debería moverse sola en tu empresa, empieza por [qué datos de tu negocio deberían actualizarse solos](https://baqueiro.es/automatizacion/datos-negocio-actualizarse-solos/). ## Conclusión La transformación no consistió en «dejar Excel». Consistió en dejar de usar Excel para lo que Excel hace mal: ser un sistema de datos multiusuario y en tiempo real. Excel es magnífico para el análisis exploratorio; como base de datos operativa es un problema. El valor real no estuvo en la tecnología (PostgreSQL y Metabase son estándar y asequibles). Estuvo en entender qué datos alimentan qué decisiones y en diseñar flujos que los conecten sin fricción. Si tu empresa vive en un laberinto de Excel compartidos por email y sospechas que hay una forma mejor de trabajar, probablemente la haya. [Cuéntanos cómo funciona hoy tu operación](https://baqueiro.es/contacto/) y te diremos, con números, qué tendría sentido conectar primero.