Tenemos la información. Tenemos el análisis. Entonces, ¿por qué seguimos llegando tarde?

Una reflexión sobre Category Management, Analytics, fabricantes, retailers y la capacidad de convertir conocimiento en decisiones comerciales mientras la oportunidad todavía existe.

Hay una escena que probablemente resulte familiar para cualquiera que haya trabajado en Category Management, Trade, RGM o áreas comerciales de un fabricante o un retailer.

El retailer detecta algo en una categoría y necesita entender qué está pasando. Puede ser una caída en una referencia, una oportunidad de surtido, una señal en el comportamiento del shopper o simplemente la necesidad de decidir qué debería cambiar. Seguidamente el Category Manager del fabricante prepara la información, se cruzan fuentes, se revisan datos, se construyen escenarios y aparece una recomendación. Después llegan las preguntas, algún ajuste, una nueva validación y, finalmente, se agenda la conversación.

Hasta ahí, todo parece razonable… el problema es que mientras las organizaciones hacen todo eso, la categoría sigue ocurriendo.

El mercado no espera el comité, el shopper no espera la propuesta de surtido y planograma, el competidor no espera la presentación, ni la promoción espera que terminemos de validar el Excel. Hasta cuando finalmente ambos lados de la mesa están listos para conversar (suelen pasar semanas en el mejor de los casos), existe una posibilidad incómoda: la categoría ya se movió.

Ahí empieza una pregunta que me parece mucho más importante que «¿cuántas personas necesitamos para atender requerimientos analíticos y decisionales?»: ¿cuánto tiempo necesita nuestra organización para convertir una señal del mercado en una decisión comercial?

Quizá hemos estado midiendo capacidad de la manera equivocada

Quizá estamos contratando talento para compensar algo que debería resolverse de otra manera.

Cuando un equipo empieza a sentirse desbordado, la respuesta suele ser bastante predecible: «necesitamos más gente», y es fácil entender por qué. Si las solicitudes se acumulan, los tiempos se alargan y cada nueva urgencia llega antes de haber terminado la anterior, contratar parece la solución lógica.

Así que llega un analista más. Después otro. Quizá alguien de BI, un planogramador, una nueva herramienta, otro dashboard y, si todavía no alcanzamos, alguien más.

El organigrama crece y la estructura se fortalece… hasta que llega el siguiente comité y alguien vuelve a decir: «no llegamos».

Ahí algo deja de cuadrar: porque si cada vez necesitamos más personas para sostener el mismo modelo de trabajo, quizá no estamos aumentando capacidad. Quizá estamos aumentando el costo de mantener nuestra propia complejidad. Y esto no significa que sobren personas, sino que antes de discutir headcount deberíamos preguntarnos algo más incómodo: ¿qué parte del trabajo que hoy hacemos necesita realmente el talento que tenemos?

El problema no está en ninguna etapa: está en el recorrido completo

Category Management es un buen lugar para observar esta tensión, porque allí la distancia entre información y decisión puede ser enorme.

Un análisis de categoría puede parecer una tarea sencilla hasta que miramos todo lo que ocurre antes de poder hacerlo: recibir información de distintos clientes, trabajar con formatos diferentes, integrar fuentes, validar estructuras, revisar segmentaciones, comprobar indicadores y preparar los datos para que alguien pueda finalmente interpretarlos.

Y todo eso ocurre antes de llegar a la conversación comercial.

En operaciones reales, además, el trabajo se multiplica: múltiples retailers y categorías, optimizaciones de surtido, diagnósticos, actualizaciones de planogramas, propuestas para clientes, revisiones y ajustes. No necesariamente hablamos de volúmenes extraordinarios; hablamos de muchas piezas que consumen el mismo recurso escaso: tiempo de personas que saben interpretar el negocio.

El problema es que solemos mirar cada tarea por separado: un análisis de tendencias, el diagnóstico de categoría, la revisión de scorecard, un surtido, un planograma o una recomendación. Cada uno parece perfectamente manejable.

Pero están conectados por una misma tubería de capacidad. Si la información requiere reproceso, el análisis empieza tarde; si el análisis empieza tarde, la recomendación se demora; y si la recomendación se demora, la decisión comercial pierde oportunidad.

El problema no está necesariamente en ninguna etapa: está en el tiempo que consume todo el recorrido. Y ese tiempo rara vez aparece en nuestros indicadores.

No es un problema de información: es un problema de sincronización

Aquí aparece algo todavía más interesante. El retailer tiene datos, prioridades y señales del mercado. El fabricante tiene información, conocimiento de categorías, shopper insights y una lectura de su portafolio. Category Management intenta conectar ambos mundos y convertirlos en una recomendación que pueda convertirse en acción.

En teoría, deberíamos estar mejor preparados que nunca: tenemos más información, más tecnología, más dashboards y más capacidad analítica. Pero fabricantes y retailers muchas veces no tienen un problema de falta de información. Tienen un problema de sincronización.

Cada organización tiene sus propios datos, procesos, calendarios, prioridades y ciclos de decisión. Entonces la información empieza a viajar… y cuanto más viaja, más envejece.

Puede llegar mensualmente desde distintos clientes y en formatos diferentes. Antes de convertirse en conocimiento comparable, alguien tiene que recibirla, integrarla, homologarla y validarla. Mientras tanto, el mercado sigue moviéndose. Por eso una recomendación puede ser técnicamente correcta y, sin embargo, llegar tarde para servir.

El fabricante puede tener la información que el retailer necesita, el retailer puede tener una señal que el fabricante todavía no ve y el Category Manager puede tener el contexto para conectar ambas cosas. Pero si esa información tarda demasiado en convertirse en una conversación, y esa conversación tarda demasiado en convertirse en una decisión, todos terminamos trabajando mucho para producir muy poco movimiento.

¿Cuánto del trabajo de nuestros especialistas está dedicado a pensar?

Esto me lleva a una pregunta que cada vez me interesa más: ¿cuánto del trabajo de nuestros especialistas está realmente dedicado a pensar y cuánto a preparar las condiciones para poder pensar?

Todo parece razonable, hasta que sumamos las horas. Porque validar una maestra es razonable, revisar un dato es razonable, ajustar una segmentación es razonable y corregir un reporte antes de enviarlo también lo es.

Los profesionales de datos dedicaban 38% de su tiempo a preparar y limpiar información antes de llegar realmente al análisis.

Es ahí donde aparece una paradoja que va mucho más allá de BI: estamos utilizando especialistas en decisiones para preparar información para que algún día podamos tomar decisiones.

El analista que debería estar interpretando el comportamiento de una categoría termina actualizando un reporte; el especialista que debería estar identificando una oportunidad termina buscando un dato; y la persona que debería estar ayudando a definir una decisión termina preparando información para una reunión que quizá ni siquiera producirá una decisión.

Y después nos preguntamos por qué el equipo no tiene tiempo para pensar estratégicamente. Le estamos pagando para pensar y lo mantenemos ocupado haciendo.

El valor no está en el conocimiento generado, sino en la decisión que cambia

Category Management no fue creado para producir reportes, construir presentaciones o llenar dashboards: estos son vehículos.

El propósito es ayudar a gestionar una categoría como una unidad de negocio, entender qué está ocurriendo y tomar mejores decisiones sobre surtido, precio, promoción y espacio, centrados en mejorar la vida y la experiencia del shopper.

Por eso su verdadero valor no está en cuánto conocimiento consigue generar, sino en qué tan rápido ese conocimiento consigue modificar lo que hacemos con la categoría.

• Podemos producir un excelente análisis de surtido y no cambiar el surtido.
• Podemos construir una gran recomendación promocional y no modificar la promoción.
• Podemos desarrollar un planograma técnicamente impecable y terminar implementándolo cuando el contexto comercial ya cambió.
• Podemos incluso tener razón y llegar tarde.

Por eso quizá deberíamos dejar de medir Category Management solamente por la cantidad de análisis, surtidos, diagnósticos o planogramas entregados, y empezar a medirlo por cuánto tiempo necesita el sistema completo para convertir una señal del mercado en una decisión. Porque ahí es donde fabricante y retailer realmente se encuentran: en la decisión.

Cada vez me interesa menos saber cuántas personas tiene un equipo analítico. Me interesa saber cuánto tarda una pregunta de negocio en convertirse en una decisión, porque ahí aparece la verdadera capacidad.

Una pregunta respondida en dos días todavía puede generar una ventaja; la misma pregunta respondida en tres semanas puede llegar tarde; y respondida en tres meses puede convertirse simplemente en una explicación de lo que ya ocurrió. Por eso creo que deberíamos empezar a mirar otras cosas.

• No solamente cuántos análisis producimos, sino cuántos cambian una decisión.
• No solamente cuántas recomendaciones hacemos, sino cuántas llegan a ejecutarse.
• No solamente cuánto trabajo absorbe el equipo, sino cuánto trabajo hemos conseguido eliminar.

Y quizá, sobre todo, cuánto tiempo existe entre el momento en que aparece un insight y el momento en que alguien hace algo con él. Porque ese tiempo puede ser una de las mejores medidas de capacidad que todavía no estamos mirando.

La capacidad muchas veces no se crea agregando trabajo: se crea eliminándolo.

La IA no reemplaza al sistema: lo amplifica (para bien o para mal)

En Latinoamérica estamos entrando con enorme entusiasmo en la conversación sobre inteligencia artificial. Y es comprensible: después de años hablando de transformación digital, datos y automatización, la IA parece ofrecer algo diferente, la posibilidad de hacer en minutos lo que antes requería horas, días o incluso equipos completos.

Pero quizá debamos bajar un poco el volumen de la expectativa. No porque la IA no sea importante: precisamente porque puede serlo, el riesgo aparece cuando confundimos tener acceso a una tecnología poderosa con tener una organización capaz de utilizarla bien.

La IA puede analizar, resumir, generar, comparar y acelerar. Pero hace lo que le pedimos a partir de la información que recibe, y puede equivocarse. Lo más riesgoso es que una respuesta incorrecta puede tener exactamente la apariencia de una respuesta correcta.

El caso reciente de Deloitte en Australia es un buen recordatorio: la tecnología puede acelerar el trabajo, pero no puede hacerse responsable de la decisión. Y eso importa mucho en nuestros negocios, porque las herramientas se democratizan, pero el conocimiento, el criterio y la capacidad de convertirlas en resultados son otra historia.

Cuando una tecnología deja de ser diferencial y se convierte en commodity, la ventaja competitiva se desplaza hacia el conocimiento y las personas capaces de utilizarla para resolver problemas reales.

Además, muchas de las grandes eficiencias que transformaron nuestras empresas no necesitaron inteligencia artificial para existir. Automatizar un proceso, integrar información, eliminar reprocesos, construir reglas de negocio o poner los datos correctos en manos de quien decide ya puede cambiar radicalmente una operación. Por eso la pregunta no debería ser solamente qué podemos hacer con IA: deberíamos preguntarnos primero qué parte del sistema necesitamos mejorar.

Si el problema es que la información llega tarde, quizá necesitamos integración. Si las personas pasan horas preparando reportes, quizá necesitamos autoservicio o automatización. Si una decisión requiere demasiadas aprobaciones, quizá necesitamos rediseñar el proceso. Y si después de todo eso la IA puede aportar más velocidad, contexto o capacidad, bienvenida sea.

Pero no al revés: poner IA encima de un proceso mal diseñado y de datos insuficientes o no listos no necesariamente crea inteligencia. Puede crear errores más rápidos. Y al final, alguien sigue teniendo que definir qué pregunta vale la pena hacer, evaluar si la respuesta tiene sentido, entender el contexto y decidir qué hacer con ella.

Tecnología, procesos y personas no son tres iniciativas separadas: son el sistema

La verdadera capacidad aparece cuando ese sistema consigue que la tecnología amplifique el conocimiento de las personas, que los procesos eliminen fricción y que la información llegue a tiempo para que alguien pueda tomar una decisión que todavía cambie el resultado.

Después de todo esto, quizá la pregunta ya no debería ser cuántas personas tiene un equipo, cuántos análisis produce o cuántas herramientas tiene disponibles. Más bien deberíamos preguntarnos cuánto tarda una señal del mercado en convertirse en una decisión, y cuánto de ese recorrido realmente agrega valor.

Porque una organización puede tener excelentes personas, mucha información y tecnología de última generación y, aun así, seguir llegando tarde.

La capacidad aparece cuando personas, procesos, tecnología y conocimiento consiguen trabajar como un sistema: cuando la información llega a tiempo, los procesos eliminan fricción, la tecnología amplifica el criterio y el conocimiento termina convirtiéndose en una decisión que todavía puede cambiar el resultado.

No se trata de producir más información, automatizar por automatizar o incorporar tecnología porque está de moda. Se trata de conseguir que el conocimiento llegue más rápido al lugar donde puede generar una decisión, y que esa decisión llegue a tiempo para generar un resultado.

Es una conversación apasionante, especialmente en una región como Latinoamérica, donde fabricantes, retailers y sus equipos comerciales están intentando hacer más con los mismos recursos mientras aparecen nuevas tecnologías y nuevas expectativas.

Y quizá por eso la pregunta que más vale la pena hacerse hoy no es «¿cuántas personas necesitamos?», sino: ¿qué parte de nuestro sistema está consumiendo capacidad sin generar suficiente impacto?

Si tuvieras que identificar una sola, ¿dónde está hoy ese cuello de botella: personas, procesos, tecnología o la forma en que las estamos conectando?

Publicado originalmente por Ramses Landaverde en LinkedIn, el 9 de agosto de 2026.