La automatización del reporte semanal que liberó 6 horas de trabajo manual

El reporte semanal de marketing que presentaba en la reunión del lunes por la mañana requería, sin que nadie lo hubiera cuantificado formalmente, 6 horas de preparación distribuidas entre el viernes por la tarde y el lunes por la mañana temprano. El proceso era el mismo cada semana: extraer datos de Google Ads, Meta, Dynamics, el sitio web y la herramienta de email. Consolidarlos en la plantilla de Excel que había desarrollado. Verificar que los números eran consistentes entre sí. Preparar los comentarios interpretativos. Formatear el documento para presentación. Era trabajo que yo podía hacer de forma automática. Era también trabajo que me hacía llegar a la reunión del lunes habiendo invertido 6 horas en la producción de los datos en lugar de en el análisis de los datos.

El sistema de automatización del reporte se construyó en 3 fases. La primera fase fue la de conexiones de datos: configurar la extracción automática de cada plataforma usando sus APIs respectivas, con un script que corría cada domingo a las 11 PM y consolidaba los datos en una base de datos central. Google Ads, Meta, Dynamics, Google Analytics y la plataforma de email tenían APIs documentadas que permitían la extracción programática de las métricas que el reporte necesitaba. La conexión de cada API tomó entre 2 y 6 horas de trabajo técnico. El total de las 5 conexiones tomó 3 días.

La segunda fase fue la de la lógica de presentación: construir el template en Power BI que tomaba los datos de la base central y los presentaba en el formato que la reunión necesitaba, con las comparaciones versus la semana anterior, versus el objetivo del mes y versus el mismo período del año anterior. Power BI permitía que el dashboard se actualizara automáticamente cuando los datos de la base central eran refrescados, eliminando cualquier paso manual de actualización de números en el documento de presentación.

La tercera fase fue la más compleja y la más valiosa: la generación automática de los comentarios interpretativos. Usé un modelo de lenguaje para generar párrafos de análisis de las variaciones más significativas de la semana, identificando automáticamente qué métricas habían cambiado más del 15% respecto a la semana anterior y generando un comentario que describía la variación, contextualizaba la causa probable basándose en cambios en la operación registrados en el sistema, y señalaba si la variación requería atención o si era dentro del rango normal de fluctuación.

El primer reporte completamente automatizado llegó a mi inbox el lunes a las 6:45 AM. Tardé 25 minutos en revisarlo, ajustar 2 comentarios donde el modelo había interpretado una variación de forma que requería contexto adicional, y estar listo para la reunión de las 9 AM. Las 6 horas anteriores de preparación se convirtieron en 25 minutos de revisión y ajuste. El tiempo liberado no lo usé para hacer más reportes. Lo usé para preparar la estrategia que el reporte describía. Esa es la distinción que la automatización debe hacer posible: no producir más del mismo trabajo, sino liberar capacidad para el trabajo de mayor valor que el mismo trabajo no dejaba tiempo de hacer.