Del CSV al dashboard: análisis de datos con IA verificable
Una hoja de cálculo con miles de filas contiene los datos pero no el sentido: qué importa, qué es ruido y qué tendencia se está formando. El capítulo 14 de ChatGPT Work para Profesionales 2027 describe un agente de análisis que procesa un CSV y devuelve hallazgos con cifras, y este tutorial convierte ese capítulo en un procedimiento completo: preparar el archivo, escribir las instrucciones del analista, pedir hallazgos accionables y verificar cada cifra contra la fila de donde salió.
El ejemplo conductor es hipotético: un CSV semanal de ventas de un comercio con producto, unidades, ingresos y devoluciones. No se trata de sustituir a un especialista en datos —el libro es explícito en que el agente no es un estadístico—, sino del análisis rutinario que un profesional necesita para decidir lo de la semana. Todo el flujo está pensado para dejar cada cifra comprobable por quien firma el informe.
1. Prepara el archivo antes de pedir nada
El agente de análisis es tan bueno como los datos que recibe: si la hoja tiene errores de formato, fechas inconsistentes o columnas sin nombre, el resultado es mediocre no porque no sepa analizar sino porque no entiende qué le están dando. La regla del libro es limpiar primero, analizar después.
Conviene además distinguir el análisis rutinario del análisis crítico. El libro sitúa el agente en el primer grupo: variaciones, tablas dinámicas, resúmenes —el trabajo mecánico que ocupa la mayor parte del tiempo— queda cubierto, mientras que el análisis estratégico y la interpretación matizada siguen siendo humanos. La ventaja de ese reparto es que el análisis crítico se hace mejor cuando el agente ya dejó preparado el mecánico: quien interpreta llega con las variaciones calculadas y las anomalías señaladas, no con la hoja en bruto.
El chequeo de cinco minutos del CSV
Antes de subir el archivo, conviene una revisión breve: que todas las columnas tengan nombre descriptivo, que las fechas sigan un formato único, que no haya filas vacías intercaladas y que los números no vengan con texto pegado. Cinco minutos de limpieza, según el libro, evitan treinta minutos de resultados inútiles, porque el agente no corrige la calidad de los datos, los procesa tal cual llegarán.
Una práctica de control que el tutorial añade al chequeo es registrar el estado del archivo: cuántas filas y columnas tenía, qué campos faltaban y qué se decidió hacer con los huecos. Ese registro breve convierte la limpieza en una decisión documentada en lugar de una operación silenciosa, y cuando el informe final refleje un dato que «no estaba», la respuesta estará en el registro y no en la sospecha de que el agente lo inventó.
En el ejemplo hipotético del comercio, el CSV semanal suele llegar con fechas en dos formatos distintos —una cifra con decimales separados por coma y otra por punto—. Ese detalle, que Excel tolera, puede desordenar los cálculos del agente. El chequeo previo lo detecta antes de que el análisis herede la inconsistencia.
Limpieza con el propio agente, con criterio declarado
Si los datos no están limpios, el libro propone delegar la limpieza con instrucciones explícitas: «Limpia esta hoja: elimina duplicados, estandariza fechas a formato DD/MM/AAAA, rellena huecos con la media de la columna». La limpieza se pide como paso separado del análisis, y el resultado de la limpieza se revisa antes de analizar nada encima.
Separar las dos fases tiene una razón verificable: si el relleno de huecos o la eliminación de duplicados alterara el resultado del análisis, hay que poder distinguir si el efecto viene de los datos o del tratamiento. Con dos pasos separados, la cadena queda auditable: archivo original, archivo limpio, análisis sobre el limpio.
Exporta a CSV si el archivo es grande
El libro recuerda que los agentes procesan mejor CSV, el formato más ligero y universal, y que si el archivo es demasiado grande o pesado conviene dividirlo. Si solo interesa el último trimestre, se sube solo el último trimestre: analizar todo el año para responder una pregunta del trimestre es perder la atención del modelo en filas que no la aportan.
La división también protege la verificación: un archivo de tamaño manejable permite conservar una copia congelada de la versión analizada, de modo que el informe de la semana pueda contrastarse contra el archivo exacto que se subió, y no contra uno que siguió mutando en el ERP. En trabajo recurrente, esa copia es la referencia de auditoría: nombre el periodo, guarda junto al informe, y la cadena archivo-informe queda cerrada.
2. Escribe las instrucciones del analista
El bloque de instrucciones es lo que convierte una pregunta suelta en un procedimiento repetible. El libro da una plantilla completa para el agente analista, y el tutorial la adapta a un CSV de ventas.
La plantilla del agente analista
El formato que propone el libro incluye el objetivo —analizar los datos que se le pasen y generar hallazgos accionables— y cinco reglas: cada hallazgo debe incluir qué dice el dato, qué significa y qué acción sugiere; no inventar datos y responder «dato no disponible» si falta; citar la fila o columna de donde extrae cada cifra; marcar el nivel de confianza —alto si es dato directo, medio si es estimación, bajo si es suposición—; y entregar en tabla con columnas Hallazgo, Cifra, Interpretación y Acción sugerida.
Esa quinta regla merece atención: el formato de tabla obliga a estructurar, y la fila es la unidad de verificación. Cuando cada cifra lleva su fila de origen, contrastar contra el archivo original es un control de minutos, no una investigación.
Pedir hallazgos accionables, no curiosidades
El consejo del libro que más cambia el resultado: especificar «accionable». «Las ventas bajaron» es un hallazgo; «las ventas bajaron, correlacionado con tal cambio, acción sugerida: revisar ese cambio» es un insight, porque te dice qué hacer con la información. Un informe sin acciones es una colección de curiosidades que obliga a empezar la decisión desde cero.
La diferencia entre hallazgo e insight es también la herramienta de control del tutorial: una acción sugerida absurda o desproporcionada delata que la interpretación del agente se apoya en poco. Si la acción no aguanta el sentido común, se revisa primero la cifra y su fila de origen.
La ventaja de fondo del análisis en lenguaje natural, explica el libro, no es la velocidad: es que no hace falta saber calcular, hace falta saber preguntar. Tradicionalmente, analizar datos exigía dos habilidades —saber qué preguntar y saber ejecutar la respuesta técnicamente en tablas y fórmulas—, y el agente elimina la segunda. La barrera baja de dominar la herramienta a conocer el propio negocio, que es el conocimiento que la persona ya tiene.
Ahora bien, dominar la pregunta sigue siendo una habilidad, y el libro la entrena con el contraste: «¿qué producto vende más los viernes?» es una pregunta que el agente responde en segundos; «dime lo importante de esta hoja» produce generalidades. El criterio profesional de formular preguntas concretas —con periodo, con métrica, con comparador— es lo que el tutorial pide practicar con el CSV real de cada uno.
Cinco tipos de análisis y cuándo usar cada uno
El libro enumera los análisis que el agente maneja bien: resumen ejecutivo con los hallazgos clave, comparación temporal entre periodos con variaciones y tendencia, correlación entre variables que se mueven juntas, detección de anomalías que se salen del patrón, y proyección con línea de tendencia. Cada tipo responde a una pregunta distinta, y nombrarlo en el encargo estrecha la respuesta.
En el CSV hipotético semanal, el resumen ejecutivo responde a «¿qué pasó esta semana?»; la comparación temporal, a «¿qué cambió respecto de la anterior?»; las anomalías, a «¿hay productos que se desviaron de su patrón?»; y la proyección, solo si se planifica con horizonte. No hace falta pedir los cinco cada vez; hace falta saber qué pregunta tiene uno.
La advertencia sobre la proyección
El libro describe la línea con especial cuidado: el agente hace proyecciones, no predicciones. Una proyección asume que el futuro repetirá el pasado; una predicción incorporaría estacionalidad, cambios de mercado o acciones de la competencia, que el agente no conoce. La línea de tendencia es una extrapolación matemática, no una lectura del futuro, y conviene usarla para planificar, no para apostar.
En la práctica del tutorial, cada cifra proyectada lleva su nivel de confianza «bajo» explicitado en la tabla. Si la dirección pide números para el trimestre, la proyección entra con esa etiqueta y con el supuesto escrito: «asumiendo que la tendencia de los últimos N meses continúa».
3. Verifica el análisis contra el archivo original
Ninguna cifra del informe final pasa sin contrastar su fila de origen. El libro pide citar la fila exacta y evitar redondeos silenciosos, y la verificación por filas convierte esa petición en un control aplicable.
El control fila a fila
Por cada cifra destacada del análisis, abrir el CSV original y localizar la fila que el agente citó. Comprobar el valor exacto —sin redondeo no declarado— y que la interpretación no exceda lo que el dato sostiene. Cuando una cifra sorprenda, la regla del libro es directa: verificar en el original antes de aceptarla.
En el CSV hipotético, si el informe afirma que un producto concentró tanto por ciento de los ingresos de la semana, la fila citada debe mostrar ese producto con esas unidades y ese ingreso. Si el porcentaje era una estimación del agente sobre un subtotal, la fila no lo mostrará y la fila de confianza debe bajar de «alto» a «medio» o «estimación», con el cálculo explicado.
Correlaciones y anomalías: lo que el agente ve y tú confirmas
El valor más citado del análisis agente —descubrir correlaciones que el ojo humano no ve en miles de filas— es también el que exige más revisión. El libro ilustra el mecanismo con un caso hipotético: un gestor que detectó, gracias al agente, que las incidencias subían los fines de semana con cierto patrón de turnos. El dato estaba; la explicación y el ajuste los puso la persona.
Para el tutorial, la regla operativa: cuando el agente anuncia una correlación, pedirle además los grupos de filas que la sostienen y comprobar que los dos patrones están en el archivo. Una correlación mostrada sin su evidencia en filas se queda como hipótesis —nivel de confianza bajo—, no como hallazgo.
Qué hacer cuando el agente dice que no puede
El libro documenta los fallos conocidos y sus remedios. Si el archivo no se procesa, exportar a CSV o dividirlo. Si el análisis tarda demasiado, filtrar los datos antes de subirlos. Si los hallazgos son obvios o superficiales, la pregunta era demasiado genérica: «analiza estos datos» produce generalidades, mientras que una pregunta específica produce hallazgos útiles. Y si el agente inventó o redondeó cifras, añadir a las instrucciones la regla de la fila exacta y no aceptar el informe corregido sin re-verificación.
Ninguna de estas correcciones es negociación con la herramienta: son ajustes en las instrucciones, y una instrucción que corrige un fallo lo corrige para las próximas ejecuciones, no solo para la actual.
Datos sensibles: la antesala obligatoria
El libro incluye una regla que precede a todo el flujo: no subir datos confidenciales a versiones gratuitas de las herramientas, porque los datos pueden usarse para entrenar. Si los datos son sensibles, las opciones del libro son el plan de pago —que no usan los datos para entrenar, según su política vigente—, un modelo local o la anonimización antes de enviar. La seguridad, dice el capítulo, no es opcional.
Para el tutorial, la regla práctica es revisar el CSV antes de subirlo: si contiene identificadores de clientes o datos personales innecesarios para la pregunta, se eliminan o anonimizan con guiones antes de nada. El análisis que necesita «ventas por producto» no necesita nombres de compradores.
El libro acompaña esta regla con una orientación general de protección de datos: si se manejan datos personales de clientes, las leyes de protección aplicables exigen base legítima, minimización —procesar solo el dato necesario— y, cuando la plataforma procesa datos de terceros, un contrato de encargado de tratamiento en los planes que lo ofrecen. La orientación del capítulo no es asesoría legal; para casos con datos especialmente protegidos, la recomendación expresa es consultar con asesoría local.
Un segundo caso de la rutina mensual
El libro ilustra el análisis recurrente con un caso hipotético de consolidación mensual: un gestor que compila sus hojas diarias en un CSV del mes, lo procesa con instrucciones específicas y recibe un informe con las incidencias más recurrentes, su frecuencia y unas recomendaciones concretas. El beneficio secundario que relata es representativo: el agente señaló en los datos una correlación que el gestor no había visto en meses de revisión manual, y la corrección que aplicó la persona con ese hallazgo fue de organización, no de datos.
La transferencia al tutorial es la estructura, no la cifra: consolida, analiza con instrucciones fijas, recibe tabla de hallazgos con origen, verifica las filas críticas y decide. El informe mensual y el semanal son el mismo procedimiento con distinta ventana temporal, y las instrucciones del analista sirven para ambos cambiando el encabezado del encargo.
Una prueba antes de confiar en el flujo
El libro sugiere una prueba comparativa sencilla para el arranque: pedir al agente las decisiones que tomaría con los datos y contrastarlas con las que tomaría uno mismo. La comparación no busca sustituir el criterio, calibrarlo. Si las decisiones coinciden, la confianza en el tablero crece con base; si difieren, la diferencia señala o un hallazgo que uno no había visto o una interpretación que conviene revisar fila a fila.
Conviene repetir la prueba con cada tipo de análisis nuevo que se pida: resumen, comparación, anomalías. Cada tipo tiene sus modos de fallo, y calibrarlos con datos donde uno conoce la respuesta correcta es la forma más barata de saber dónde colocar el control en las ejecuciones siguientes. El tablero que se entrega a terceros debe llegar con esa calibración ya hecha, no con la promesa de que funciona.
4. Del análisis al tablero: entregar lo entendible
El último paso es de comunicación: convertir la tabla de hallazgos en un tablero —un informe con visualizaciones— que un tercero lea sin explicar nada. El libro describe cómo cada plataforma lo resuelve: en ChatGPT el gráfico se genera nativamente y en Claude se produce HTML interactivo con el gráfico incluido.
Estructura de un informe semanal legible
- Título con el periodo analizado y la fuente del archivo.
- Resumen ejecutivo: los cinco hallazgos con su cifra y su fila de origen.
- Tabla de hallazgos en las cuatro columnas del analista.
- Un gráfico por hallazgo relevante, con ejes y periodo rotulados.
- Proyección, si aplica, con su nivel de confianza y su supuesto escrito.
- Lista de pendientes: los [DATO PENDIENTE] o datos no disponibles.
Con esa estructura, el tablero no es una pantalla bonita: es el informe anterior en formato que se lee solo. El gráfico responde a la vista lo que la tabla justifica por escrito, y cada pieza remite a su fila de origen si alguien quiere auditarla.
Elegir el gráfico que responde, no el que adorna
El principio del tutorial para las visualizaciones es funcional: cada gráfico responde a la necesidad informativa de un hallazgo. La comparación temporal pide una serie por periodo; la comparación entre productos, un ranking; la distribución, un histograma; la anomalía, la serie con el umbral marcado. Un gráfico que no responde a un hallazgo de la tabla sobra, y el libro —con su regla del formato accionable— deja poco espacio a la decoración.
Conviene además comprobar la legibilidad básica antes de entregar: ejes rotulados, periodo visible, unidades claras y colores que aguanten la impresión en blanco y negro si el destinatario la va a imprimir. El gráfico del tablero trabaja de apoyo de la tabla, no sustituye la interpretación a la vista, y por eso los rótulos no son un detalle tipográfico sino parte del control: la misma cifra debe poder leerse en los dos.
Qué queda fuera del tablero
El alcance del tablero es la respuesta a la pregunta de la semana, no el archivo completo. Los hallazgos que no generan decisión pueden quedarse fuera —o en un anexo—, porque el informe no es un reflejo del CSV sino una selección con criterio. El libro insiste en el valor de la brevedad con su estructura del informe ejecutivo: contexto corto, hallazgos concretos, acciones y próximos pasos. Un tablero con veinte paneles se lee como el archivo que pretendía resumir.
La rutina semanal completa
El flujo recurrente del libro conecta el análisis en un workflow: un disparador a la hora fijada, lectura de la hoja o del ERP, análisis con las instrucciones del agente y envío del informe. En el ejemplo hipotético semanal, el profesional lee el informe con café, marca las dos o tres acciones sugeridas que acepta y archiva el resto, con la trazabilidad completa por si cualquier cifra se cuestiona más adelante.
Ese envío automatizado tiene una condición de mantenimiento que el capítulo 17 del libro extiende a todos los workflows: revisión periódica de que sigue funcionando. Un formato del ERP que cambia, un token que caduca o un campo renombrado pueden dejar el flujo en silencio, y la revisión semanal de logs —o una alerta de fallo configurada— es lo que distingue un tablero fiable de uno que dejó de actualizarse sin que nadie lo notara. La automatización del análisis hereda, como todo el sistema, la obligación de supervisión.
La prueba final del tutorial es comparar el informe del agente con el análisis propio de la misma semana, igual que sugiere el libro al pedir qué decisiones tomaría el agente con esos datos. La comparación no busca reemplazar el criterio: calibra en qué confía uno de cada pieza del tablero y dónde conviene mantener el control. Para ampliar el contexto del sistema de trabajo hay un artículo de MargaPress sobre el sistema con IA, y en MargaBooks una reseña de Tu Empleado Digital que sitúa la delegación con control humano. Ambos recursos son lectura complementaria, no fuente de las reglas de aquí.
ChatGPT Work para Profesionales 2027
Una guía para estructurar encargos, fuentes, borradores y revisión en el trabajo con IA.
Consulta la ficha del libro para conocer disponibilidad y condiciones actuales.
