La mayoría de pymes pierde dinero porque no sabe qué cliente es rentable, qué canal le funciona ni cuándo se va a quedar sin stock. Tienes los datos repartidos entre Excel, Holded, tu CRM y Google Analytics, pero no los miras nunca porque no se entienden. Te monto la base de datos, las integraciones entre tus herramientas y, si quieres, una capa de IA encima que responde preguntas en lenguaje natural y predice patrones. Datos reales, no vanity.
Cuando reviso una pyme la primera vez, hago tres preguntas y la respuesta marca todo lo que sigue. Si no las sabes responder en menos de 30 segundos con datos reales, hay trabajo:
No el que más factura: el que más margen deja una vez descontados los costes de adquisición, soporte y operativa. Casi ninguna pyme lo sabe. Y por tanto sigue atendiendo a clientes que le hacen perder dinero sin saberlo.
Google Ads, SEO, referidos, redes, eventos. Cada uno te trae perfiles distintos con tasas de retención distintas. Si no lo mides, sigues invirtiendo en lo que te trae volumen pero te abandona en 3 meses.
La señal está en tus datos (caída de actividad, último pedido, último contacto). Pero no se ve si no la miras. La diferencia entre llamar a tiempo y perder al cliente son 1-2 semanas. Y se automatiza con alertas.
Modelado de las entidades clave de tu negocio (clientes, pedidos, productos, ingresos). PostgreSQL, Supabase o Airtable según escala. NAP del negocio: una sola dirección, un solo teléfono, un solo dato bueno. Cero duplicados.
CRM, facturación (Holded, Quaderno), e-commerce (Shopify, WooCommerce), marketing (Google Ads, Meta, Mailchimp), Google Sheets. Datos fluyen automáticamente con Make, n8n o conectores nativos. Cero copiar-pegar.
Looker Studio (gratis), Metabase o Tableau según volumen. Métricas que mueven el negocio: MRR, LTV, churn, ROAS por canal, margen por producto. Acceso por roles, actualización automática, alertas cuando algo se sale del rango.
Chatbot interno con Claude o GPT-4o conectado a tu base de datos via RAG. Preguntas como "¿qué clientes han pedido menos este trimestre?" o "¿qué producto baja en margen?" en lugar de pelearte con SQL. Predicciones basadas en histórico cuando aplica.
Cuando hablo de IA aquí me refiero a algo muy concreto, no a la moda. Diferenciémoslo claro porque es lo que más confusión genera:
Modelo (Claude, GPT) conectado a tu base de datos con técnica RAG (retrieval-augmented generation). La IA recibe la pregunta, busca en TUS datos reales y responde con información tuya, no inventada. Auditable, trazable, sin alucinaciones.
Eso es la mitad. Un chatbot que te resume tus emails no es lo mismo que un chatbot que sabe TU negocio. Lo primero lo hace cualquiera. Lo segundo requiere ingeniería de datos.
Eso es marketing. Para 99% de pymes, entrenar un modelo propio cuesta 50.000-500.000 € y aporta 1% extra vs usar Claude/GPT con RAG bien hecho. Si alguien te lo propone como solución obvia, sospecha.
Por debajo de esa cifra el coste de oportunidad de no tener datos es bajo. Por encima empiezas a perder dinero por decisiones a ciegas. El setup se paga en 6-12 meses con 1-2 decisiones bien tomadas.
CRM + facturación + e-commerce + marketing. Cada una con su listado de "clientes". Si no están conectadas, estás trabajando 4 veces y decidiendo con datos parciales.
Excel basta. Punto. Cualquier dashboard sería sobreingeniería. Lo digo claro y te lo ahorras.
Si tu negocio va a funcionar igual con o sin datos, los dashboards son adorno caro. Antes de montar nada hago un análisis de qué decisiones cambian con datos. Si la respuesta es ninguna, no lo montamos.
El trabajo de datos es 90% remoto. Reuniones presenciales en Bilbao y comarca, ejecución desde mi mesa con cualquier negocio de España o Europa.
Base de datos central + integraciones entre tus herramientas + dashboards + capa de IA opcional que responde preguntas en lenguaje natural sobre tus datos. No es ChatGPT genérico, es IA sobre TU negocio.
Setup básico: 1.500-3.500 €. Dashboard completo multi-fuente: 3.500-7.000 €. Capa IA encima: +1.500-3.500 €. Mantenimiento: 80-200 €/mes según volumen. Sin permanencia.
Looker Studio + Google Sheets (gratis) para casos sencillos. Airtable o Supabase + Metabase para casos medianos. PostgreSQL + Metabase self-hosted para serio. Claude/GPT con RAG para capa IA.
Sí, con cuidado. Contrato de encargo de tratamiento con cada proveedor. Servidores UE cuando aplica. Para datos especiales (salud, financiero) Azure OpenAI con datos en UE o infraestructura europea con DPA específico.
Solo sirve si tomas decisiones con ello. Antes de montar nada, análisis de qué decisiones cambian con datos. Si la respuesta es "ninguna", no lo montamos. Honestidad por encima de facturar.
Eso es automatización pura con Make/n8n. Más barato, te lo recomiendo si encaja.
Cuéntame qué herramientas usas y qué decisiones te gustaría tomar mejor. Te paso análisis gratis en 30 minutos: si te conviene un dashboard, una integración, IA encima o nada. Sin compromiso.