Demo · Finanzas corporativas · 2022–2024 (36 meses, datos simulados)
Pulso Financiero: crecimiento, margen, caja y predicción
Del “qué pasó” al “qué hacer”: descriptivo, diagnóstico, cuatro modelos predictivos comparados a ciegas (descomposición, Holt-Winters, Fourier y SARIMA) y KPIs inteligentes — con incertidumbre declarada y gobernanza. Y ahora con tus propios datos: sube un CSV/Excel y todo el tablero se recalcula e interpreta en tu navegador.
5 niveles de analítica4 modelos comparadosKPIs InteligentesGobernanza umbral·dueño·decisiónOffline · 1 archivo⤒ Trae tus datos (CSV/XLSX)
¿Con qué datos quieres ver el tablero?Elige un origen: todo se recalcula al instante.
Resumen ejecutivo · ¿Está sano el negocio?
Cinco signos vitales con comparación explícita. Verde/ámbar/rojo según los umbrales definidos en Gobernanza.
Alertas activas
Generadas por reglas sobre los datos, no a mano.
La historia en 6 pasos
Situación → Problema → Insight → Causa → Impacto → Acción.
Crecimiento · ¿A qué ritmo y con qué motor?
Pregunta 1: ¿crecemos? Pregunta 2 (la importante): ¿el crecimiento viene de vender más unidades o de cobrar más caro?
Ventas con la tendencia estimada por descomposición (sin ruido estacional).
El patrón que se repite cada año
Cycle plot: cada año superpuesto sobre el mismo eje.
Puente precio-volumen
Cuánto del cambio en ventas aporta cada palanca (ingreso implícito = ventas/unidades), comparando años móviles.
Margen & Caja · ¿La utilidad se sostiene y se vuelve efectivo?
El margen dice si el modelo de negocio es rentable; la conversión de caja dice si esa rentabilidad es real.
Margen bruto mensual (%) contra el piso de gobernanza (30%). La media anual cae tres años seguidos.
Caja y conversión
Flujo de caja operativo (barras) y conversión Flujo/Margen (línea, panel inferior) contra el umbral de 85%.
Ventas y costos indexados (Ene-2022 = 100). Cuando la línea de costos supera a la de ventas, el margen se comprime.
Liquidez · ¿Podemos pagar el corto plazo cada mes?
Razón corriente = activos corrientes / pasivos corrientes. Sana en promedio, pero con meses de estrés: el promedio esconde el riesgo.
Razón corriente
Bandas de decisión: rojo < 1.0 (crítico), ámbar 1.0–1.2 (alerta), verde ≥ 1.2. Se usa el ratio (adimensional), inmune a la unidad de origen.
Predicción · cuatro modelos, una decisión
No existe un modelo bueno para todas las series: existe el que menos se equivoca con la tuya. Aquí los cuatro compiten en igualdad de condiciones y el tablero recomienda uno con evidencia, no con fe. Regla de los Sources: una predicción sin rango ni decisión asociada es curiosidad estadística.
0 · ¿Qué quieres pronosticar?
El pronóstico no es solo de ventas. Elige el indicador y los cuatro modelos se re-entrenan y se vuelven a comparar sobre esa serie. Las opciones dependen de las columnas que traiga tu archivo.
1 · ¿Qué modelo merece tu confianza paralas ventas?
—
Cómo leer el gráfico: la línea gruesa es lo que ocurrió de verdad; las punteadas son lo que cada modelo predijo sin haberlo visto. Se muestra el corte más reciente; los errores de la tabla promedian todos los cortes. El rango bajo cada MAPE indica cuánto varía entre cortes: si es amplio, la ventaja de ese modelo es frágil.
Fórmulas de los indicadores de error y del protocolo
Notación: At = valor real observado · Ft = valor pronosticado · n = número de periodos evaluados · m = 12 (periodos por ciclo anual).
MAPE (error porcentual absoluto medio) = (100/n) · Σ |At − Ft| / |At| — comparable entre series; inestable si At ≈ 0.
MAE (error absoluto medio) = (1/n) · Σ |At − Ft| — en las unidades de tus datos.
RMSE (raíz del error cuadrático medio) = √( (1/n) · Σ (At − Ft)² ) — penaliza más los errores grandes.
Método ingenuo estacional: Ft = At−m. Es la referencia mínima: predecir repitiendo el mismo periodo del año anterior.
Ventaja vs. ingenuo = (1 − MAPEmodelo / MAPEingenuo) × 100. Negativa ⇒ el modelo no aporta valor.
AICc (usado para elegir armónicos y orden SARIMA) = n·ln(SSE/n) + 2k + 2k(k+1)/(n−k−1), donde k = número de parámetros. Premia el ajuste y castiga la complejidad.
Protocolo (origen móvil): el modelo se re-entrena en varios cortes del tiempo; en cada corte predice a ciegas los H periodos siguientes y se promedian los errores. Es más robusto que un holdout único, cuyo resultado depende de dónde se corte.
2 · Proyección delas ventascon el modelo que elijas
El recomendado viene marcado con ★. Puedes cambiarlo si prefieres otro criterio — por ejemplo, uno más fácil de explicar en comité.
3 · Llévate el pronóstico
Descarga los meses proyectados por los cuatro modelos, la banda de incertidumbre del elegido y la tabla que justifica la recomendación.
Incluye la metodología y las advertencias, para que quien reciba el archivo sepa cómo se produjo cada cifra.
4 · Anatomía de la serie: por qué los modelos ven lo que ven
Observado = Tendencia + Estacionalidad + Residuo (modelo aditivo, periodo 12). Fuerza estacional: . Si la estacionalidad es fuerte, los modelos que la capturan bien llevan ventaja; si el residuo domina, ningún modelo predecirá con precisión y hay que decidir con rangos.
KPIs Inteligentes · Histórico vs IA Proyectado
Tres indicadores que proyectan el siguiente trimestre con factores calculados automáticamente a partir de tus datos: tendencia (crecimiento interanual suavizado del volumen) y precio. Cada mes se etiqueta como escenario Optimista / Base / Pesimista según su desempeño relativo. Elige el escenario: los factores se recalculan y cada tarjeta muestra su fórmula.
Escenario de simulación
Lectura de gobernanza de modelos
Triangulación: cuando la proyección IA y la estadística (Holt-Winters) divergen, la brecha es una tarea de diagnóstico, no una elección de la cifra que más guste.
Gobernanza · Umbral · Dueño · Decisión
Un KPI sin dueño ni decisión es un adorno. Completa la casa permanente de cada indicador: quién responde, con qué umbral y qué decisión se dispara. Se guarda localmente y se exporta a JSON.
La IA es el músculo; el criterio humano es el cerebro. Ninguna proyección de este tablero dispara acciones sin un dueño que la valide.
Q&A conversacional · Brief para comité
Pregunta en lenguaje natural: las respuestas se calculan sobre los datos embebidos (nivel cognitivo, humano en control). Luego exporta el brief ejecutivo.
Brief ejecutivo exportable
Resumen, hallazgos, pronóstico con rango, KPIs inteligentes y estado de gobernanza — listo para pegar en el acta del comité.
Datos · elige con qué quieres ver el tablero
Tres caminos, el mismo motor analítico: todo el tablero —veredicto, KPIs, alertas, los cuatro modelos predictivos, KPIs inteligentes, Q&A y brief— se recalcula con el origen que elijas.
⤓ Llévate los resultados
Tus datos no se guardan en ningún servidor, así que el tablero es efímero pero los resultados no tienen por qué serlo. Descarga el análisis completo — con el pronóstico de los cuatro modelos y la comparación que justifica cuál es el mejor.
El Excel trae Resumen, Pronóstico, Modelos, Serie y Metodología en hojas separadas. El CSV los apila en un solo archivo, listo para abrir en cualquier herramienta.
Tus propios datos · CSV o Excel
Privacidad total: el archivo se procesa localmente en tu navegador — ningún dato sale de tu equipo.
1 · Prepara el archivo
Una fila por periodo y el periodo en la primera columna. Después, las métricas que quieras — el tablero activa las capas según lo que encuentre y te dice qué reconoció. No necesitas columnas auxiliares de año, mes ni nombre del mes. En Excel se usa la hoja “Datos” o, si no existe, la primera.
Columna
Ejemplos de encabezado
Uso
Qué habilita
1ª columna: el periodo
Fecha, Periodo, Mes… o el nombre que quieras AAAA-MM mensual · AAAA-QX trimestral
Requerida
La serie temporal. Se detecta por posición: basta con que vaya primero.
Escala libre (miles, millones…): el tablero es consistente mientras todas las columnas monetarias usen la misma.
2 · Súbelo y valida
El validador revisa formato, continuidad mensual y columnas antes de recalcular nada.
📄 Arrastra tu CSV o Excel aquí o haz clic para elegir el archivo (.csv, .xlsx, .xls)
Tus datos se guardan solo en el almacenamiento local de tu navegador para que sigan al recargar. “Volver al demo” los elimina.
Nota metodológica y de honestidad analítica (léela antes de citar cifras)
Modo demo / modo tus-datos. Por defecto se muestra una serie mensual ficticia 2022–2024 (36 puntos). Si subes tu archivo, todos los cálculos y modelos se re-ejecutan en tu navegador con tu información; nada se envía a ningún servidor.
Unidades de activos/pasivos corrientes. El diccionario los declara “en millones”, pero su escala es inconsistente con las ventas. Por eso el tablero usa solo la razón corriente (ratio adimensional), que es inmune a la unidad.
Ventas ≠ unidades × precio promedio en el origen (brecha ~12%). El puente precio-volumen usa el ingreso implícito (ventas/unidades), que es internamente consistente.
Factores IA como simulación, no como predicción validada. La correlación de IA_Factor_Tendencia con la variación real de ventas es ≈ 0.06, y la de IA_Precio_Ajustado con el precio real ≈ 0.06. Además IA_Escenario está sesgado (19 de 36 meses “Optimista”). Los KPIs Inteligentes se presentan como escenarios what-if declarados y se triangulan contra el modelo estadístico.
Holt-Winters. Aditivo en tendencia y estacionalidad (periodo 12), con parámetros optimizados por búsqueda de mínimos cuadrados y validación por backtest contra un benchmark ingenuo estacional. Requiere ≥24 meses (2 ciclos); el backtest, ≥30. Las bandas usan la desviación de los residuos del ajuste (aproximación, no intervalos exactos).
ROI proxy. El origen no trae base de inversión; se usa Margen LTM / Costos LTM (retorno sobre costos), declarado en la tarjeta.
Distinción de los Sources: hechos (histórico), inferencias (descomposición), proyecciones con rango (HW) e hipótesis simuladas (factores IA) se etiquetan como tales y no se mezclan.