Caso real: soluciones de datos que recuperaron S/8 millones en una empresa de retail

Cuando entré a Falabella, la primera reunión fue reveladora. El gerente financiero me miró directamente y me dijo: “tenemos un problema de 8 millones de soles en cuentas por cobrar y nadie sabe exactamente de dónde viene”. Llevaban meses intentando resolverlo. Habían contratado consultores, revisado procesos, hecho auditorías parciales. Tenían sistemas, tenían datos dispersos en múltiples plataformas. Lo que no tenían era alguien que supiera conectar los puntos entre todos esos datos.

Un año después, los S/8 millones estaban recuperados. No con nueva tecnología. No con un software mágico. Con datos bien conectados, procesos rediseñados, y un equipo que aprendió a confiar en la información y actuar sobre ella. Esta es la historia que define mi enfoque en todo lo que hago desde Miss Yera, y la razón por la que creo profundamente que los datos, bien usados, transforman empresas.

El problema: datos dispersos, responsabilidades difusas

Las cuentas por cobrar estaban distribuidas en múltiples sistemas que no se hablaban entre sí. Proveedores registraban notas de crédito en un sistema. Tiendas reportaban devoluciones en otro. Logística manejaba sus propios registros de despacho. Finanzas consolidaba manualmente en Excel. Todos generaban datos, pero nadie los consolidaba de manera integral.

Según Deloitte, la gestión ineficiente de cuentas por cobrar puede representar entre 2% y 5% de los ingresos anuales de una empresa retail. Para Falabella, estábamos exactamente en ese rango. Lo primero que hice fue lo que siempre hago: mapear todas las fuentes de datos, identificar inconsistencias y brechas de información, y construir una vista unificada. El hallazgo fue revelador: el 60% del problema era simplemente falta de visibilidad. Los datos existían, pero estaban tan fragmentados que era imposible ver el panorama completo.

La estrategia: consolidación, análisis, y acción

Diseñé una estrategia de tres fases que luego se convirtió en el framework que uso en todos mis proyectos de analítica corporativa:

Fase 1 - Consolidación (mes 1-2): Integré todas las fuentes de datos en un repositorio unificado. Construí un dashboard en Power BI que mostraba la situación completa por primera vez: montos pendientes por proveedor, por tienda, por antigüedad, y por causa raíz. La sola visualización integrada generó el primer quick win: se identificaron S/2.3 millones en registros duplicados y errores de conciliación que se resolvieron en semanas.

Fase 2 - Análisis de causas raíz (mes 2-3): Con los datos consolidados, empezaron a aparecer patrones. Errores sistemáticos en facturación de ciertos proveedores. Acuerdos comerciales mal registrados que generaban diferencias acumulativas. Devoluciones de tiendas que no se reflejaban en cuentas por cobrar. Cada patrón identificado representaba un flujo de pérdida que se podía cerrar.

Fase 3 - Acción sistemática (mes 3-12): Priorizamos la recuperación por monto y antigüedad. Cada semana revisábamos el dashboard, asignábamos responsables, y medíamos avance. No fue glamoroso. Fue metódico, disciplinado, y basado 100% en datos.

Según McKinsey, las empresas retail que implementan analítica avanzada en operaciones financieras mejoran su capital de trabajo entre 20% y 35%. En nuestro caso, el impacto fue aún mayor porque el problema llevaba meses acumulándose sin ser detectado.

El factor humano: capacitar al equipo

La parte más importante de todo el proyecto no fue técnica. Fue humana. Desde el inicio, involucré al equipo en el proceso de descubrimiento. No fui yo sola analizando datos en una oficina cerrada. Capacité al equipo para que usaran las herramientas de análisis, interpretaran los dashboards, y tomaran acciones basadas en evidencia en lugar de suposiciones.

El momento más poderoso fue cuando un analista junior, usando el dashboard que habíamos construido juntos, descubrió por sí mismo un patrón de errores en facturación de un proveedor específico que explicaba más de S/500,000 en cuentas pendientes. La expresión en su cara cuando conectó los puntos fue inolvidable. A partir de ese momento, su relación con los datos cambió para siempre. Ya no era alguien que llenaba reportes; era alguien que resolvía problemas.

Según Harvard Business Review, los equipos que participan activamente en la resolución de problemas con datos desarrollan cultura analítica sostenible. Lo confirmo con mi experiencia: después de ese proyecto, el equipo de Falabella siguió detectando y resolviendo problemas similares por su cuenta. Eso es capacitación que genera valor real. Es el mismo enfoque que aplicamos en las capacitaciones de Miss Yera, donde hemos formado a más de 200,000 personas.

Lecciones aplicables

Los datos ya existen. En el 100% de las empresas que he asesorado, los datos necesarios para resolver los problemas principales ya estaban en algún sistema. El problema nunca fue falta de datos; fue falta de conexión entre ellos. Según MIT Sloan, el 99% de las empresas invierte en datos pero solo el 24% se considera realmente data-driven.

La tecnología sola no resuelve nada. Según Gartner, hasta el 85% del valor de los datos se pierde por falta de capacidad analítica en el equipo. Puedes tener el mejor Power BI del mundo, pero si nadie sabe leer el dashboard o actuar sobre los insights, es decoración cara.

El impacto es medible desde el primer mes. Con un buen diagnóstico de datos, los quick wins aparecen en semanas. En Falabella, la primera fase de consolidación ya había identificado S/2.3 millones en errores. No necesitas esperar un año para ver resultados.

El cambio sostenible requiere capacitación. Si solo tú resuelves el problema, vuelve cuando te vas. El verdadero éxito es cuando el equipo puede detectar y resolver problemas similares por su cuenta. Eso es lo que busco en cada proyecto: dejar capacidad instalada, no dependencia.

El contexto del retail peruano

Según la Cámara de Comercio de Lima, el sector retail peruano representa una parte significativa del PBI y enfrenta desafíos de eficiencia operativa que los datos pueden resolver directamente. El BID confirma que la analítica avanzada mejora la productividad entre 15% y 25% en empresas latinoamericanas que la implementan correctamente.

Pero esta historia no es solo sobre retail. Después de Falabella, apliqué el mismo enfoque en Glovo (20% más de rentabilidad con pricing dinámico, 40% más de eficiencia operativa), en PedidosYa (30% de mejora en eficiencia, 95% de cumplimiento de KPIs), y en Entel (predicción de churn con 30 días de anticipación). El patrón se repite en todas las industrias: los datos están ahí, solo necesitan ser conectados, analizados, y convertidos en acción.

Esta historia define el enfoque de Miss Yera: las personas capacitadas con las herramientas correctas resuelven problemas que parecían imposibles. Con más de 13 años de experiencia, 200,000+ personas impactadas, y más de 90% de satisfacción, como Ingeniera Industrial con MBA y docente en educadora y speaker, te ayudo a encontrar las oportunidades escondidas en tus datos. Porque en tu empresa hay un “problema de S/8 millones” esperando ser descubierto.

📩 missyera.com/contacto
📱 WhatsApp: +51 944 189 280

— Gera (Miss Yera)

Preguntas frecuentes

— Gera (Miss Yera)