Cómo reducir el cierre mensual de 2 semanas a 2 horas

El cierre mensual que tarda días no es un problema de personas. Es un problema de infraestructura de datos. Acá explicamos cómo resolverlo.

Hay algo que casi toda empresa mediana tiene en común: el cierre mensual es un evento traumático.

Empieza unos días antes de que termine el mes. Alguien del equipo financiero manda el primer mail pidiendo datos. Empieza una cadena de pedidos: ventas que manda su Excel, logística que manda el suyo, el ERP que hay que exportar manualmente, el sistema de cobranzas que tiene su propio formato. Alguien cruza todo en un Excel maestro que tiene 47 hojas y macros que nadie entiende. A mitad del proceso aparece algún número que “no cierra”. Se busca el error. Se descubre que en ventas contaron una devolución como venta. Se corrige. El informe llega al CEO con 10 días de atraso y tres versiones distintas que nadie sabe cuál es la final.

Esto no es un problema de eficiencia de los equipos. Es un problema de infraestructura.

Por qué tarda tanto

El cierre mensual tarda porque la información que necesita está distribuida en múltiples sistemas que no se hablan entre sí:

• ERP: tiene las compras, los costos, los pagos a proveedores
• CRM: tiene las ventas, los clientes, el pipeline
• Sistema de logística: tiene los envíos, las devoluciones, los tiempos de entrega
• E-commerce o POS: tiene las transacciones directas
• Planillas: tienen el resto, lo que no entra en ninguno de los sistemas anteriores

Para construir el P&L mensual, alguien tiene que exportar datos de cada sistema, cruzarlos manualmente, resolver las inconsistencias (el mismo cliente con dos nombres distintos, una transacción que aparece en dos sistemas con fechas distintas), y consolidar todo en un formato coherente.

Ese proceso tarda días porque es esencialmente manual.

Cómo se resuelve

La solución no es mágica ni cara. Es arquitectura básica de datos aplicada correctamente:

1. Centralizar los datos (capa Bronze)

En lugar de exportar CSVs cada vez que alguien los necesita, se configura un pipeline que extrae los datos de cada sistema automáticamente y los almacena en un lugar centralizado. Este es el concepto de capa Bronze en la arquitectura Medallion: los datos raw, tal como llegan de cada fuente, sin tocarlos.

Esto se hace una sola vez. Una vez que el pipeline está funcionando, los datos de todos los sistemas llegan solos cada noche (o cada hora, según la necesidad).

2. Limpiar y cruzar los datos (capa Silver)

Sobre los datos raw, se aplican transformaciones estándar:

• Normalización de nombres y formatos
• Deduplicación de registros
• Resolución de conflictos entre sistemas (qué pasa cuando dos sistemas tienen un valor distinto para el mismo campo)
• Cálculo de IDs únicos por entidad (un cliente = un ID, sin importar en qué sistema está)

Esta capa Silver es donde los datos dejan de ser una colección de fuentes y se convierten en información coherente.

3. Modelar para el negocio (capa Gold)

Sobre los datos limpios, se construyen las vistas del negocio:

• P&L por canal, por zona, por producto
• Márgenes reales (ventas - costo de mercadería - logística - devoluciones)
• KPIs de ventas: ticket promedio, tasa de conversión, retención
• Métricas financieras: flujo de caja, cuentas por cobrar, cuentas por pagar

Estas vistas están pre-calculadas. Cuando alguien necesita el cierre mensual, no exporta nada: consulta directamente.

4. Automatizar el reporte

El último paso es conectar estas vistas a una herramienta de reporting (puede ser Power BI, Metabase, Looker, o incluso Excel con una conexión directa). El reporte se genera automáticamente. El cierre mensual pasa de ser un proceso de 10 días a ser un dashboard que se actualiza solo.

Un caso concreto

Una empresa de distribución con operaciones en 3 provincias tenía este proceso de cierre:

• 12 personas involucradas en el proceso
• 8-10 días de duración
• 3-4 versiones del informe final
• Errores frecuentes que se descubrían semanas después

Después de implementar la arquitectura Medallion con sus 5 fuentes principales (ERP, e-commerce, sistema de depósito, CRM, planillas de vendedores):

• 2 personas involucradas (para revisión, no para construcción)
• 2 horas para el cierre completo
• 1 sola versión del informe, generada automáticamente
• Los errores se detectan durante el pipeline, no después

El tiempo de implementación fue de 6 semanas. El ROI se recuperó en el primer mes por el tiempo de trabajo que se dejó de invertir en el proceso manual.

Las señales de que tu cierre tiene este problema

¿Cómo sabés si tu empresa tiene el problema de infraestructura vs. el problema de personas?

• El cierre tarda más de 3 días laborales
• Hay más de 3 personas involucradas en construir el informe
• Existe un “Excel maestro” que nadie quiere tocar
• Aparecen regularmente discrepancias entre sistemas (“en ventas dice X, en el ERP dice Y”)
• El informe final tiene errores que se descubren después
• No existe una única versión de la verdad

Si reconocés alguna de estas señales, el problema no es la gente. Es que la información no está conectada.

Por qué no se resuelve con más herramientas

El reflejo habitual es agregar una herramienta. Comprar Snowflake. Implementar Power BI. Contratar a alguien que “haga el BI”.

El problema es que ninguna herramienta de reporting puede compensar datos que no están integrados. Power BI puede visualizar cualquier cosa, pero si los datos que alimentan la visualización son inconsistentes, la visualización muestra información inconsistente con una presentación bonita.

La solución tiene que empezar en la capa de datos, no en la capa de presentación.

Conclusión

El cierre mensual largo no es una condición de mercado, ni un problema que todas las empresas tienen que aceptar. Es síntoma de una infraestructura de datos que no está a la altura de las necesidades de información del negocio.

La solución existe, es probada, y no requiere presupuestos de empresa grande. Requiere hacer las cosas en el orden correcto: primero los datos, después los reportes.