El problema no es que no haya datos — es que nadie los cruza
Una empresa distribuidora de Monterrey con 18 vendedores descubrió, después de un análisis de tres semanas, que estaba aplicando descuentos promedio de 12% en pedidos que el contrato marco autorizaba hasta 5%. Nadie lo había notado porque el CRM mostraba cierres exitosos y el área de finanzas veía los ingresos llegar. El margen se veía “normal” hasta que se comparó contra lo que debería ser.
Ese tipo de fuga — silenciosa, distribuida, sin un responsable claro — es lo que se llama un leak de revenue. No aparece en ninguna alerta. No genera un ticket de soporte. Se acumula mes a mes hasta que alguien decide cruzar los datos correctos.
Dónde viven los leaks más comunes en B2B
Los leaks no son uniformes. Dependiendo del modelo de negocio, aparecen en lugares distintos. Estos son los cuatro patrones más frecuentes en empresas B2B de LatAm:
1. Descuentos fuera de política. El equipo comercial tiene autonomía para cerrar — y la usa. Sin un cruce entre lo aprobado en contrato y lo facturado, el descuento promedio real puede duplicar el autorizado. El dato vive en el ERP, pero nadie lo compara contra el CRM.
2. Servicios entregados fuera de scope. En empresas de servicios profesionales o manufactura con contratos de servicio, es frecuente que operaciones entregue más de lo que el contrato especifica — sin cobrar el diferencial. El área comercial no se entera, el cliente tampoco lo pide explícitamente, y el margen se erosiona.
3. Renovaciones que nadie siguió. En modelos de suscripción o contrato anual, los clientes que no renuevan a tiempo generan un período de servicio activo sin factura. Parece un problema de cobranza, pero en realidad es un problema de visibilidad: nadie tiene un dashboard que muestre contratos por vencer en los próximos 30 días con su valor asociado.
4. Costos operativos no capturados por cliente. Si el costo de atender a un cliente varía significativamente entre cuentas pero se factura igual, los clientes que más consumen recursos están subsidiados por los que menos consumen. Esto no es un leak de facturación — es un leak de margen que solo se ve cuando se cruzan datos de operación con datos financieros por cuenta.
Cómo estructurar el análisis para encontrarlos
El método no es complejo, pero requiere disciplina en la secuencia. El criterio que usamos en Eurema para estructurar este tipo de análisis es trabajar siempre en tres capas antes de sacar conclusiones:
Capa 1 — Qué se prometió: datos del CRM o de los contratos firmados. Precio acordado, scope, condiciones especiales, descuentos autorizados.
Capa 2 — Qué se entregó: datos de operación. Horas registradas, pedidos despachados, tickets atendidos, servicios activados.
Capa 3 — Qué se cobró: datos de facturación y cobranza. Facturas emitidas, notas de crédito, pagos recibidos, descuentos aplicados.
La brecha entre Capa 1 y Capa 3 muestra leaks comerciales. La brecha entre Capa 2 y Capa 3 muestra leaks operativos. Cuando las tres capas coinciden, el margen es el que debería ser. Cuando no coinciden, hay una fuga.
Este cruce parece obvio, pero en la práctica las tres capas viven en sistemas distintos — o en archivos distintos de la misma persona — y nadie tiene el mandato de juntarlas regularmente.
Las señales de alerta que los datos revelan primero
Antes de hacer el análisis completo, hay señales que ya están en los datos y que indican que vale la pena profundizar:
- Margen bruto que varía más de 8 puntos porcentuales entre clientes similares sin una razón de negocio clara.
- Notas de crédito que representan más del 3% de la facturación mensual — cada nota de crédito es un ajuste post-facto que debería tener una causa documentada.
- Clientes con alto volumen de pedidos y bajo NPS o alta rotación de ejecutivo — suelen ser cuentas donde el scope se fue expandiendo sin ajuste de precio.
- Diferencia entre el precio lista y el precio promedio facturado mayor a 10% en categorías donde no hay política de descuento escalonado.
Ninguna de estas señales requiere un modelo de machine learning. Requieren un dashboard básico que cruce las fuentes correctas. Lo que estamos viendo en Eurema con empresas de manufactura y servicios profesionales en Monterrey y CDMX es que estos indicadores existen en los datos desde hace meses — simplemente nadie los había puesto en una misma pantalla.
Qué hacer cuando encuentras un leak
Detectar el leak es la mitad del trabajo. La otra mitad es saber si es un problema de proceso, de sistema o de cultura comercial — porque la solución es diferente en cada caso.
Si el leak viene de descuentos no autorizados, la solución es un flujo de aprobación con datos: el vendedor ve en tiempo real cuánto descuento ha aplicado en el mes antes de cerrar. No necesita un CRM nuevo — necesita un reporte automatizado que llegue al director comercial cada lunes.
Si viene de servicios fuera de scope, el problema es que operaciones no tiene visibilidad del contrato. La solución es conectar el sistema de tickets o de órdenes de trabajo con los términos del contrato — algo que se puede resolver con una integración simple o incluso con un proceso manual disciplinado mientras se construye la automatización.
Si viene de renovaciones no seguidas, la solución es un pipeline de renovaciones con alertas por valor de contrato y fecha de vencimiento. Esto es un caso donde un agente personalizado puede automatizar el seguimiento sin depender de que alguien recuerde revisar una hoja de Excel.
El punto es que cada tipo de leak tiene una intervención específica. Mezclarlos en un solo proyecto de “transformación de datos” es una forma segura de no resolver ninguno.
Antes de contratar un BI tool, haz esto
La respuesta más común cuando una empresa descubre que tiene leaks de revenue es comprar una herramienta de Business Intelligence. Tableau, Power BI, Looker — todas son buenas, y todas pueden quedarse sin usar si el problema de fondo no es la herramienta sino la falta de fuentes limpias y de un dueño del análisis.
El paso previo a cualquier herramienta es un inventario de fuentes de datos: qué sistemas existen, qué datos captura cada uno, con qué frecuencia se actualiza y quién tiene acceso. En proyectos de análisis de datos con empresas medianas, ese inventario suele revelar que el 80% de los datos necesarios ya existen — pero que están fragmentados entre tres personas y dos sistemas que nunca se hablan.
Con eso claro, el siguiente paso es construir el cruce de las tres capas descrito arriba en la herramienta más simple que funcione: puede ser Power BI, puede ser un script de Python que corra cada semana, puede ser un Google Sheet con fórmulas bien estructuradas. La sofisticación viene después, cuando ya sabes qué estás midiendo y por qué.
Si en los próximos 30 días quieres saber si tu empresa tiene leaks de revenue activos, el punto de partida es simple: exporta tu facturación del último trimestre, cruza contra los contratos vigentes y busca las tres señales de alerta descritas arriba. Lo que encuentres ahí define si el siguiente paso es un análisis profundo o un ajuste de proceso puntual.