¡Hola buenos días desde México! El sector de seguros es apasionante para el análisis de datos por la cantidad de dimensiones que se cruzan. Sobre tu duda técnica, y basándome en lo que aprendemos en esta comunidad sobre el Modelo en Estrella, aquí le comparto mi visión: 1. El reto técnico (Copo de Nieve vs. Estrella): Lo que comenta de que las dimensiones se filtren entre sí suele dar problemas de ambigüedad si no se gestiona bien. Desde la buena práctica de Salvador Ramos, lo ideal es intentar aplanar el modelo. - Sugerencia: Podría mejor evaluar integrar los atributos de Compañía y Ramo directamente en la Dim_Producto. Al tenerlo todo en una sola dimensión, los segmentadores se auto-filtrarán de forma natural y evitarás el filtrado bidireccional entre tablas de dimensiones, que suele penalizar el rendimiento y complicar el modelo. 2. La perspectiva de Negocio (Framework DCDA v3.1): Más allá de lograr que los filtros funcionen, desde mi framework te invitaría a dar un paso atrás hacia la Fase 0 (Ingeniería de Decisiones): - ¿Cuál es el 'Para qué' de este filtrado? - Generar una capa de Respuesta (Matriz MEDMA): En resumen: Mi consejo técnico es que intentes simplificar hacia una Estrella pura para que los filtros fluyan sin fricción. Y mi consejo estratégico es que definas los Umbrales de Acción antes de terminar el diseño; así, cuando el usuario use esos segmentadores, sabrá exactamente qué está buscando corregir en la operación. ¡Espero que le sirva para desbloquear ese modelo!

Qué gran verdad, Salvador. Justo en ese punto es donde muchos proyectos se quedan en 'visores de noticias' en lugar de ser motores de rentabilidad. En mi caso, tras más de 20 años integrando tecnología y operación, tengo claro que el verdadero reto no es la herramienta, sino el criterio que aplicamos sobre ella. Actualmente, con mi framework (DCDA v3.1), estoy enfocado totalmente en la parte del negocio: - Menos es más: Intento que pasemos de medir decenas de indicadores a enfocarnos en los pocos que realmente mueven la aguja del ROI Analítico. - Fase 0 (Ingeniería de Decisiones): Mi prioridad ahora es que, antes de modelar, el cliente defina qué palanca operativa va a mover cuando el dato se desvíe. Si el dashboard no reduce el tiempo entre el problema y la solución, solo hemos hecho un dibujo caro. - Herramienta de Criterio: Como bien dices, cuando entiendes el negocio, la herramienta final donde se plasme el Dashboard deja de ser un informe para ser una extensión de tu capacidad de decisión. Estoy en ese punto donde disfruto mucho más diseñando la Matriz de Decisiones con el gerente que la parte visual, porque ahí es donde el dato se convierte en dinero recuperado para la empresa. ¿A alguien más le pasa que el cliente se asusta cuando le pides definir una acción antes de ver el primer gráfico?

Totalmente de acuerdo con usted, Salvador. La práctica siempre manda sobre la teoría, y esa resistencia del cliente a visualizar el final sin ver sus datos es el pan de cada día. Me parece clave lo que menciona sobre el Producto Mínimo Viable. De hecho, lo que estoy intentando ajustar en mi framework es precisamente usar esa primera iteración rápida que tú comentas como el 'anzuelo' para, ahora sí, forzar la conversación de la Fase 0. Es decir, una vez que el cliente ve su dato en el prototipo y se sorprende con un número en rojo, aprovecho ese momento de impacto para preguntar: 'Ahora que lo ves, ¿qué orden operativa vas a dar mañana para corregirlo?'. Ese es el punto donde introduzco la Matriz MEDMA: transformar esa actitud de 'asombro' ante el dato en un compromiso de 'acción operativa'. Al final, como bien lo enseña, el modelo estrella es el motor, pero sin esa definición de respuesta, el motor corre el riesgo de girar en vacío sin mover el negocio. ¡Gracias por compartir su enfoque de iteraciones, me ayuda mucho a reestructurar cómo presento la metodología para que no sea una barrera inicial, sino un acelerador de valor!"

¡Un gusto, @Joan Olesa! Con mucho gusto profundizo en el concepto. Cuando le hablo de 'Capa de Respuesta' (parte de mi metodología DCDA v3.1), me refiero a que el dashboard no debe terminar en el diagnóstico, sino en la prescripción. En la práctica, lo aplicaría así sobre el modelo que compartio: 1. Definición de Umbrales (Fase 0): Junto con el dueño del proceso, definimos qué variaciones son 'ruido' y cuáles son 'alertas'. Por ejemplo: una caída del 5% en la cuota de mercado en una zona tipo A. 2. La Matriz de Decisiones (MEDMA): Vinculamos ese dato a una acción predefinida. Si el dashboard muestra esa caída, el reporte debe incluir (o disparar) un protocolo: 'Revisar stock de editorial X en zona Y o programar visita técnica'. 3. Reducción de Fricción: El objetivo es que el usuario no técnico no tenga que 'interpretar' qué hacer, sino que el sistema le guíe hacia la solución inmediata. 4. Así, pasamos de un modelo que responde '¿qué pasó?' a un sistema que responde '¿qué hacemos ahora?'. Es ahí donde capturamos el ROI Analítico, porque reducimos el tiempo entre la detección del problema y la ejecución de la mejora. Le dejo por aqui un post que subi que habla un poquito al respecto, sigo al pendiente por si necesita algun apoyo mas... https://www.skool.com/power-bi-mentor-9202/como-disenan-ustedes-el-para-que-de-un-tablero-antes-de-empezar-a-modelar?p=f6dab475

Hola @Joan Olesa Qué gusto ver cómo has aterrizado el concepto en el modelo. Desde mi perspectiva y lo que busco aplicar con el framework DCDA v3.1, aquí te comparto mis impresiones: 1. Interpretación del Insight: El uso de la narrativa dinámica ('La evolución refleja una ligera erosión. El principal impacto proviene de la materia Sociales...') es un acierto total. Ayuda muchísimo a que el usuario no tenga que 'adivinar' qué está viendo, dándole una interpretación inmediata a la caída del 4,3% en la cuota. 2. Contexto Analítico: Al incluir el Top 5 de competidores y la evolución histórica, das el contexto necesario para entender que, aunque hay una erosión, la posición frente a líderes como Anaya o Santillana sigue siendo competitiva. 3. Facilitar la Toma de Decisiones (Esta es mi parte favorita): El panel de 'Análisis Cuotas de Mercado' con la métrica de 'Dominancia' y la segmentación por materia/zona es donde realmente se habilita la decisión. Mi pequeña aportación para seguir aprendiendo juntos sería esta: Para llevar esta 'capa de respuesta' al nivel de lo que yo llamo Arquitectura de Decisiones, me preguntaría: ¿Qué pasaría si el dashboard, al detectar esa erosión en 'Sociales', sugiriera directamente el siguiente paso operativo?. Por ejemplo, si el umbral de alerta es una caída mayor al 3%, podrías añadir una pequeña nota o indicador que diga: 'Se recomienda revisar la estrategia de precios en la zona de Valencia para la materia Sociales'. De esa forma, cerramos el círculo entre el insight y la acción inmediata. ¡Felicidades por la implementación, Joan! Me sirve mucho ver cómo integras la narrativa con los KPI ejecutivos.