Una empresa de componentes industriales en Nuevo León llevaba tres años usando el mismo proceso de ventas: vendedor envía cotización por correo, anota en Excel, espera respuesta. Si el cliente no contestaba, dependía de la memoria del vendedor que lo llamara. Nadie medía qué pasaba después del envío.
Cuando construimos el dashboard, lo primero que apareció no fue una métrica de cierre ni un análisis de margen. Fue un número incómodo: el 22% de las cotizaciones emitidas en los últimos 18 meses no tenía ningún registro de seguimiento posterior al envío. Ni llamada, ni correo, ni nota. Simplemente habían desaparecido del radar.
Qué había detrás del 22%
El equipo de ventas tenía cuatro personas. Cada una manejaba entre 40 y 60 cotizaciones activas en cualquier momento dado. Sin un sistema centralizado, el seguimiento dependía de recordatorios manuales en el calendario o de que el cliente volviera a escribir.
El problema no era negligencia. Era volumen sin estructura. Cuando cruzamos las cotizaciones sin seguimiento contra el valor promedio por cotización, el resultado fue claro: ese 22% representaba aproximadamente 1.8 millones de pesos en oportunidades que nadie estaba persiguiendo activamente. No perdidas formalmente — solo abandonadas por inercia.
Lo que hizo visible el leak fue un cruce simple: fecha de emisión de cotización vs. fecha del último contacto registrado en el ERP, filtrado por estado “pendiente”. Ese cruce existía en los datos desde siempre. El problema era que nadie lo había construido como vista operativa.
Cómo se construyó el dashboard
Los datos vivían en dos lugares: el ERP (donde se generaban las cotizaciones) y un Excel compartido que el equipo usaba como CRM improvisado. Antes de cualquier visualización, hubo que resolver el problema real: los registros de cotización en el ERP y las notas de seguimiento en Excel no compartían un ID consistente. Algunos clientes aparecían con razón social completa en un sistema y con nombre comercial en el otro.
La limpieza tomó dos semanas. Después, la conexión a Power BI fue directa.
El dashboard quedó con tres vistas:
- Vista de pipeline activo: cotizaciones en curso, ordenadas por valor y días desde el último contacto.
- Vista de leak: cotizaciones sin seguimiento en los últimos 7 días hábiles, agrupadas por vendedor.
- Vista histórica: tasa de cierre por mes, por vendedor y por tipo de producto, con comparativo de los últimos 12 meses.
La vista de leak era la más simple de las tres. También fue la que generó más conversación en la primera reunión de revisión.
Lo que cambió operativamente
El dashboard no automatizó el seguimiento — eso vino después, con un agente que enviaba recordatorios internos cuando una cotización superaba el umbral de 5 días sin actividad. Pero el primer cambio fue de visibilidad, no de automatización.
Cuando el equipo de ventas vio el número 22% en pantalla, la conversación cambió. Ya no era “a veces se nos va alguna” sino “tenemos 47 cotizaciones activas sin seguimiento esta semana, con un valor acumulado de X”. Eso tiene otra textura.
En el criterio que usamos en Eurema para medir si un dashboard generó valor real, la pregunta es: ¿cambió alguna decisión operativa en las primeras dos semanas? En este caso sí. El equipo redistribuyó la carga de seguimiento entre los cuatro vendedores basándose en el reporte, sin esperar a la reunión mensual.
A los 60 días de operación con el dashboard activo, la tasa de cotizaciones sin seguimiento bajó de 22% a 6%. No por magia de datos — sino porque ahora había un número visible que alguien revisaba cada lunes.
Por qué esto no requirió un CRM nuevo
La recomendación obvia habría sido: “implementa un CRM”. No era la solución correcta para este caso.
Implementar un CRM nuevo en una empresa de 40 personas con un proceso de ventas ya establecido toma entre 3 y 6 meses, cuesta entre 80,000 y 200,000 pesos en licencias y consultoría, y tiene una tasa de adopción baja si el equipo no ve valor inmediato. La empresa tenía datos suficientes en su ERP actual — el problema era que nadie los leía de forma estructurada.
Lo que se construyó fue una capa de análisis sobre la infraestructura existente, no una sustitución. El ERP siguió siendo el sistema de registro. El dashboard fue la interfaz de decisión. Esa distinción importa porque mantiene el costo de operación bajo y la curva de adopción corta.
Para empresas con operación similar — distribuidoras, proveedores industriales, empresas de servicios B2B con ciclos de venta de 2 a 8 semanas — este patrón aplica directamente. Si los datos de cotización ya están en un sistema (ERP, CRM básico, incluso Excel estructurado), el trabajo es conectarlos y darles una vista operativa, no reemplazar la infraestructura.
Si quieres ver si tu operación tiene un leak similar, el punto de partida es revisar cuántas cotizaciones del último trimestre tienen más de 10 días sin actividad registrada. Ese número, si existe, ya te dice si vale la pena construir la vista. Puedes explorar más sobre este tipo de proyectos en Análisis de datos o revisar cómo aplicamos esto en el sector en Manufactura.