Hace un año un cliente me envió un Excel con 18 meses de datos de ventas y me preguntó: "¿puedes decirme cuáles de nuestros clientes tienen más riesgo de no renovar?"
Lo que antes habría requerido construir un modelo de predicción de bajas con Python me tomó 20 minutos con Claude: pegué los datos, describí el contexto, y pedí el análisis. El resultado no fue un modelo de aprendizaje automático, pero sí un análisis claro de los patrones de comportamiento que indicaban riesgo de fuga, con ejemplos concretos de los clientes que cumplían esos patrones.
Eso es lo que la IA ha cambiado en el análisis de datos: la barrera de acceso. Ya no hace falta saber programar para hacer preguntas útiles a los datos.
Lo que la IA puede hacer con tus datos
Análisis descriptivo básico:
"¿Cuál es el mes con mayor volumen de ventas? ¿Qué producto tiene el margen más alto? ¿Cuál es el cliente con mayor valor de vida?" — Preguntas que antes requerían fórmulas de Excel o consultas SQL, la IA las responde en segundos sobre los datos que le pegas.
Detección de patrones:
"¿Hay algún patrón en los clientes que compran más de una vez? ¿Qué tienen en común los proyectos que se entregaron tarde? ¿Los clientes que llegaron por referido tienen comportamiento distinto a los que llegaron por publicidad en buscadores?"
Segmentación:
"Agrupa estos clientes por comportamiento de compra en 3-4 grupos y dime qué caracteriza a cada grupo."
Identificación de anomalías:
"¿Hay algún dato atípico o que no tenga sentido con el resto?"
Visualización en texto:
Si no puedes crear gráficos fácilmente, la IA puede describir la distribución de los datos de forma que sea interpretable.
Cómo pegar datos en la IA de forma que funcione
La calidad del análisis depende de cómo le das los datos. Hay formas que funcionan y formas que no.
Lo que funciona:
Copiar directamente desde Google Sheets o Excel y pegar en el chat. La IA entiende el formato tabular con cabeceras de columna separadas por tabulaciones.
Pegar CSV directamente: el texto con comas como separadores funciona bien.
Pegar la tabla en formato markdown si sabes hacerlo.
Lo que no funciona tan bien:
Pegar miles de filas. La IA tiene un límite de contexto y con datos muy grandes el análisis se vuelve impreciso. Para conjuntos de datos grandes, trabaja con muestras representativas o con agregados.
Datos sin cabeceras de columna o con nombres de columna crípticos. Si la columna se llama "Col_A", la IA no sabe qué contiene. Renombra antes de pegar.
Datos sin unidades o contexto. "123" no dice nada. "123 (euros)", "123 (unidades vendidas)", o "123 (días hasta cierre)" cambia completamente el análisis.
El prompt que más funciona para análisis de negocio
Aquí hay datos de [descripción breve de qué son los datos] de mi empresa
[nombre del sector o tipo de empresa].
[datos pegados]
Quiero entender [pregunta específica de negocio].
Por favor:
1. Resume los patrones más importantes que ves
2. Identifica cualquier anomalía o dato sorprendente
3. Dame 2-3 conclusiones accionables basadas en los datos
4. Indica si hay preguntas que los datos no pueden responder y que sería útil explorar
La última parte es importante: pedir a la IA que señale los límites del análisis evita que confundas el análisis de datos con una respuesta definitiva.
Las limitaciones que hay que conocer antes de confiar ciegamente
La IA puede alucinar en cálculos:
La IA no es una calculadora — es un modelo de lenguaje. En cálculos aritméticos simples suele ser precisa, pero en cálculos complejos o con muchos pasos puede cometer errores. Verifica siempre los cálculos críticos.
El análisis depende del contexto que le das:
Si los datos tienen un sesgo de selección que no le describes, la IA no lo va a detectar por sí sola. Si la columna "ingresos" tiene datos en distintas monedas sin indicarlo, el análisis va a mezclar las unidades. El contexto del negocio es tu responsabilidad.
No tiene memoria de análisis anteriores:
Cada conversación empieza desde cero. Si analizaste los datos de enero en una conversación y quieres compararlos con los de febrero, tienes que pegar los dos en la misma conversación.
No puede leer archivos directamente (en la mayoría de interfaces):
Tienes que copiar y pegar los datos. Algunas integraciones avanzadas (Claude con herramientas, ChatGPT con Code Interpreter) sí pueden leer archivos subidos — pero en el uso básico, copiar y pegar sigue siendo el método.
ChatGPT con Code Interpreter: el nivel siguiente
ChatGPT Plus tiene una funcionalidad llamada "Advanced Data Analysis" (antes Code Interpreter) que permite subir archivos CSV o Excel directamente y genera código Python para analizarlos, produce gráficos, y hace cálculos precisos.
Es significativamente más potente que el análisis de texto plano porque:
- Puede manejar conjuntos de datos grandes (miles de filas)
- Hace cálculos exactos en lugar de aproximaciones
- Genera visualizaciones reales (gráficos, histogramas, mapas de calor)
- El código Python es auditable si quieres verificar el análisis
Para análisis de negocio con datos reales, ChatGPT con Code Interpreter y Excel cubre buena parte de lo que antes requería un analista de datos. Cuál de los dos modelos conviene en tu caso —y en qué se diferencian de verdad para trabajar— lo comparé en Claude frente a ChatGPT para empresas.
Casos reales de análisis que puedes hacer esta semana
Con tus datos de Google Analytics 4 (exportados a CSV): "¿Cuáles son las páginas con más tráfico pero peor conversión? ¿Hay patrones en el origen del tráfico de los usuarios que más tiempo pasan en el sitio?" Antes de exportar, asegúrate de estar sacando las métricas de GA4 que de verdad dicen algo: con las otras, la IA te dará un análisis impecable de datos irrelevantes.
Con tu hoja de seguimiento de ventas: "¿Qué tipo de cliente cierra más rápido? ¿Hay correlación entre el tamaño de la operación y el número de reuniones antes del cierre?"
Con tu lista de clientes y fechas: "¿Cuántos clientes llevan más de 12 meses sin una segunda compra? ¿Qué mes del año tiene la mayor tasa de renovaciones?"
Con los datos de tu email marketing (exportados desde Brevo o Mailchimp): "¿Qué tipo de asunto consigue más clics sobre aperturas en mis últimas 20 campañas? ¿Hay correlación entre el día de envío y la tasa de apertura?" Cuáles de esas cifras merecen tu atención lo repasé en las métricas de email marketing que importan.
El análisis de datos con IA no reemplaza a un analista de datos para trabajos complejos y críticos. Pero sí democratiza el análisis exploratorio básico que antes requería horas de trabajo con Excel avanzado o conocimiento de SQL. Si tienes datos y preguntas, tienes un punto de partida para extraer valor de ellos hoy.
Newsletter
¿Te fue útil este artículo?
Suscríbete y te aviso cuando publique algo que valga la pena leer. Sin correo basura y sin una frecuencia forzada.