La paradoja de los datos: por qué tener KPIs no es lo mismo que tener visibilidad

Casi ninguna empresa manufacturera mediana empieza hoy de cero en digitalización. La mayoría tiene ya un ERP, algún dashboard de producción, indicadores de calidad, quizás un MES parcial. La pregunta que solemos escuchar en la primera conversación con un director general no es "no tenemos datos" es más bien:

"Tenemos datos, tenemos KPIs... y sigo sin saber dónde se me escapa el margen."

Esa frase resume lo que llamamos la paradoja de los datos: cuanta más tecnología se acumula sin un criterio operativo que la ordene, más ruido se genera alrededor del mismo vacío.

Lo que suele estar disponible vs. lo que sigue faltando

En la mayoría de las plantas que hemos analizado, existe ya una capa razonable de instrumentación: paneles de producción, reportes de calidad, algún ERP con módulo de fabricación, hojas de cálculo de seguimiento.

Lo que casi nunca existe es la capa siguient, la que convierte ese dato en una respuesta a preguntas muy concretas:

• ¿Qué productos generan realmente margen, y cuáles lo destruyen sin que nadie lo haya calculado?

• ¿Qué restricción concreta limita el crecimiento — capacidad, materia prima, mano de obra, secuenciación?

• ¿Dónde exactamente se pierde capacidad productiva: en el cambio de formato, en el microparo repetido, en el cuello de botella no identificado?

• ¿Qué inversión debería priorizarse primero, y con qué evidencia se defiende esa prioridad?

Cuando estas preguntas no tienen respuesta, las decisiones no dejan de tomarse, se toman igual, pero sobre supuestos. Y el capital se asigna en consecuencia: a veces bien, a veces no, sin manera de saberlo hasta que el resultado ya está cerrado.

El iceberg que no se ve en ningún dashboard

Los indicadores que sí se reportan OEE, cumplimiento de plan, coste estándar, son la punta visible. Debajo, sin métrica que lo capture, suele haber tres capas:

Restricciones operacionales ocultas. El cuello de botella real casi nunca es el que aparece señalado en el ERP. Es el que se conoce de memoria en planta, pero que nadie ha traducido a un número defendible.

Falta de visibilidad de margen. El coste estándar dice una cosa; el coste real — con mermas, tiempos improductivos absorbidos, overheads mal repartidos — dice otra. La diferencia entre ambos rara vez se mide de forma sistemática.

Decisiones subóptimas. Sin las dos capas anteriores resueltas, las decisiones de mix, pricing o inversión en capacidad se toman con la mejor intención, pero sin el dato que las sostendría.

La consecuencia práctica: la ventaja competitiva ya no se juega en tener más datos. Se juega en entender mejor la operación con los que ya existen.

Un caso ilustrativo, no atribuido a ningún cliente real

Para que esto no quede en abstracto, un ejemplo construido a partir de patrones que se repiten con frecuencia en plantas de 15-50M€ de facturación (cifras ilustrativas, no correspondientes a ninguna empresa concreta):

El OEE reportado no era el OEE real. El dashboard mostraba un 74% de eficiencia. Al revisar cómo se calculaba, el modelo usaba una velocidad de referencia incorrecta y no capturaba microparos por debajo de cierto umbral. El OEE real estaba entre el 61% y el 65%. La diferencia no era un problema del dato — era un problema de qué se había decidido medir y cómo.

El coste estándar escondía referencias que destruían margen. Tres productos considerados rentables en el reporting mensual resultaron, al recalcular con datos de producción real (no teóricos), estar vendiéndose por debajo de coste en determinados lotes pequeños. Nadie lo había visto porque el estándar no se revisaba contra la realidad de planta desde hacía años.

Una desviación tardaba semanas en detectarse, cuando la infraestructura para detectarla en minutos ya existía. El problema no era tecnológico, los sistemas ya estaban instalados. El problema era que los datos que esos sistemas capturaban no estaban conectados con la decisión que debían soportar.

En los tres casos, el patrón es el mismo: la tecnología ya estaba ahí. Lo que faltaba era el criterio operativo para preguntarle lo correcto.

Por qué esto no se resuelve añadiendo otro dashboard

La tentación natural, al notar esta brecha, es comprar una herramienta más: un módulo de BI, un nuevo panel, una capa de analítica avanzada. En la mayoría de los casos, esto no cierra la brecha, la traslada.

Un dashboard nuevo sobre un proceso mal definido, con responsabilidades poco claras y sin rutina de decisión ante una desviación, produce el mismo resultado que el anterior: más visibilidad de un problema que sigue sin gestionarse.

La secuencia que funciona es la inversa a la instintiva:

1. Entender la operación real, no la que dice el manual, la que ocurre en el turno de noche.

2. Identificar dónde se pierde valor, con evidencia, no con intuición.

3. Cuantificar ese impacto en euros, no en porcentajes sueltos.

4. Solo entonces, elegir la tecnología, si es que hace falta alguna, que resuelve ese problema concreto.

   
   

La pregunta que de verdad importa

No es cuántos indicadores tiene tu planta. Es qué ocurre exactamente después de que uno de ellos sale de tolerancia: ¿hay una interpretación compartida, un responsable, una acción con plazo, una comprobación de que el resultado se mantuvo?

Si esa cadena no está completa, el indicador informa, pero no controla. Y la diferencia entre informar y controlar es, casi siempre, donde vive el margen que no se ve.

¿Dónde está perdiendo valor tu operación sin verlo claramente?

El Check Operacional de Tecno-Fab revisa 12 indicadores agrupados en seis dimensiones, planificación, producción y capacidad, inventarios y servicio, datos, calidad y mejora continua, y digitalización. En unos cinco minutos ayuda a identificar relaciones y posibles exposiciones que merece la pena explorar. Es un resultado orientativo, no sustituye una visita de planta ni constituye un diagnóstico.

¿Hablamos de tu operación?

Email

info@tecno-fab.com

© 2025. ALL RIGHTS RESERVED. · Tecno-Fab · Consultora de digitalización industrial independiente · Barcelona