Bases de datos antes de la IA: las correcciones que se recuperan en dos trimestres

La mayoría de los planes de IA dan por hecho que los datos de la empresa están listos y que el trabajo consiste en elegir un modelo. En las empresas consolidadas, los datos suelen estar en los sistemas correctos y con la forma equivocada: el mismo cliente registrado de tres maneras, códigos de producto que significan cosas distintas en la tienda y en el almacén, ingresos que difieren entre la propiedad de analítica y el libro contable.

La forma más rápida de averiguar qué hay que corregir es seguir registros reales. Tome una muestra de pedidos, facturas y movimientos de inventario y rastree cada uno a través de todos los sistemas que lo tocan, desde la tienda o la herramienta de cotización, pasando por el proveedor de pagos, el CRM y el almacén, hasta el paquete contable y la capa de informes. Anote dónde se vuelve a introducir el registro a mano, dónde lo copia una hoja de cálculo, dónde cambia su identificador y dónde desaparece. Esos puntos son la lista de trabajo pendiente.

Las correcciones que siguen son las que esperamos que se recuperen en dos trimestres. Cada una elimina trabajo manual o un error de reporte que ya cuesta dinero, y cada una es un requisito previo para cualquier función de IA que más adelante lea esos mismos registros.

Todo uso posterior depende de las uniones entre datos. Los ingresos por cliente requieren que el sistema de pedidos y el libro contable compartan una clave de cliente. El margen por producto requiere que la tienda, el almacén y el libro contable de compras coincidan en lo que significa un código de producto. Un asistente de IA que responde preguntas sobre pedidos o productos hereda cualquier ambigüedad que arrastren las claves.

La comprobación es rápida. Para cada identificador, verifique que está informado y que es único en toda la población, de modo que un código corresponda a un solo producto. Son pruebas distintas. Un campo de código de producto puede estar completo en todos los registros y aun así estar compartido por dos artículos diferentes, lo que basta para que un asistente describa el producto equivocado con total seguridad, o para que un catálogo enviado a un socio comercial cotice el artículo equivocado con el código correcto.

El retorno proviene del trabajo que la corrección elimina: notas de crédito por envíos erróneos, horas dedicadas a conciliar estados de cuenta de clientes e informes que se rehacen a mano cada mes porque dos sistemas no coinciden.

Las propiedades estándar de Google Analytics 4 conservan los datos a nivel de usuario y de evento durante 2 meses de forma predeterminada y 14 meses como máximo; la retención más larga de los datos de eventos solo está disponible en el nivel de pago 360. Los informes estándar funcionan sobre tablas agregadas y siguen mostrando los totales antiguos, de modo que la pérdida permanece invisible hasta que alguien construye una exploración o un embudo interanual y encuentra vacío el periodo anterior. Aumentar el ajuste de retención solo protege los datos que todavía no se han borrado.

La solución duradera es la exportación a BigQuery, que copia los eventos sin procesar en un almacén de datos propiedad de la empresa. Las propiedades estándar pueden enviar hasta 1 millón de eventos al día mediante la exportación diaria. La exportación en streaming no tiene límite de volumen y cuesta $0,05 por gigabyte, que según Google equivale aproximadamente a 600.000 eventos. Con esas tarifas, la factura de almacenamiento de una empresa mediana es pequeña frente al costo de planificar una temporada alta sin los datos de comportamiento del año anterior.

Esta corrección lleva el plazo incorporado. Cada mes de espera es un mes de historial de eventos que no podrá recuperarse, y el ciclo de planificación de 2027 querrá la temporada alta de 2026 completa.

La facturación electrónica convierte los datos maestros de clientes en una dependencia de cumplimiento. En Alemania, las empresas cuya facturación del año anterior superó los €800.000 deben emitir sus facturas nacionales entre empresas en un formato electrónico estructurado a partir del 1 de enero de 2027, y todas las demás se suman a partir del 1 de enero de 2028; recibirlas es obligatorio desde el 1 de enero de 2025. En el Reino Unido, el gobierno ha anunciado que todas las facturas con IVA tendrán que ser electrónicas a partir de abril de 2029, ha confirmado Peppol como red de intercambio y ha indicado que una hoja de ruta detallada de implementación acompañará al presupuesto de 2026, previsto para el 28 de octubre.

El trabajo que se recupera es el mismo en ambos países y empieza mucho antes de cualquier plazo. Complete y valide en el maestro de clientes los identificadores de IVA, los números fiscales y las direcciones electrónicas de enrutamiento. Estandarice los códigos de producto y de impuestos en las líneas de factura. Elimine los pasos manuales entre el sistema de pedidos y la factura. Una factura rechazada retrasa el cobro, así que unos datos maestros limpios acortan la cobranza además de cumplir la norma, y un modelo de datos construido este trimestre para una entidad alemana puede reutilizarse más adelante para el Reino Unido.

La última corrección es más una disciplina que un sistema. Los informes de gestión toman los ingresos de la tienda o del CRM, los costos del libro contable y los resultados de marketing de las plataformas publicitarias, y los tres rara vez coinciden. Cuando el paquete del consejo y las cuentas difieren en un importe que nadie sabe explicar, todas las cifras del paquete pierden autoridad y las decisiones se ralentizan mientras se discute cuál es el número correcto.

Una conciliación mensual lo resuelve. Después del cierre, cada cifra principal del paquete de información de gestión se concilia con el libro contable, y la diferencia se desglosa en partidas recurrentes con nombre: desfases temporales, reembolsos, impuestos, operaciones entre empresas del grupo, pedidos de prueba. La conciliación se genera desde los sistemas y no se arma a mano, y cualquier residuo sin explicar por encima de un umbral acordado se investiga antes de distribuir el paquete. Una vez que las partidas recurrentes tienen nombre, lo que queda suele ser una lista corta de procesos que nadie había documentado.

Esta es también la base que necesitará cualquier asistente de IA para informes. Un modelo al que se le pregunta por qué cayó el margen en una región solo puede responder correctamente si las cifras que lee ya están conciliadas. Construimos estas conciliaciones desde el libro contable hacia afuera por la misma razón por la que empezamos cada proyecto por los pedidos, los libros contables y los registros de actividad: un panel solo es tan bueno como los registros que tiene debajo.

En noviembre de 2026, rastrear una muestra de pedidos, facturas y movimientos de inventario reales a través de todos los sistemas y enumerar cada punto en el que un registro se vuelve a introducir, se copia o recibe un nuevo identificador.

Antes de finales de noviembre, fijar en 14 meses la retención de eventos de GA4 en todas las propiedades y vincular cada propiedad a BigQuery, para conservar completa la temporada alta de 2026.

A más tardar a finales de diciembre, realizar comprobaciones de unicidad y completitud de los identificadores de clientes, productos y pedidos en todos los sistemas, y corregir los códigos de producto duplicados antes de que cualquier función de IA o catálogo comercial dependa de ellos.

En cualquier entidad alemana, confirmar antes del 1 de enero de 2027 si supera el umbral de €800.000 y si sus datos de facturación y su maestro de clientes están preparados, y planificar la obligación del Reino Unido sobre el mismo modelo de datos una vez que se publique la hoja de ruta.

A partir del cierre de enero de 2027, publicar cada mes una conciliación entre el paquete de información de gestión y el libro contable, con partidas conciliatorias con nombre y un umbral para el residuo.

A más tardar en junio de 2027, elegir el primer caso de uso de IA a partir de los datos conciliados y medir su línea base con esos mismos registros.