Cómo hacer un Dashboard económico-financiero con Excel (4)

Seguimos en este artículo con la planificación de un dashboard o cuadro de mando económico-financiero. Vamos a ver la forma en la que se organizan los datos en las distintas hojas de cálculo. Es decir, los modelos de datos.

Como resumen y adelanto a este artículo y los siguientes, podemos decir que tenemos que aprender a llegar hasta aquí (presentación)...

...pasando por aquí (análisis)...

...y empezando desde aquí (datos)....

Lo que acabamos de ver son 3 ejemplos de las 3 capas o fases del flujo de la información:

datos > análisis> presentación

o bien...

datos > información > conocimiento

Cuando necesitamos desarrollar una aplicación cuya utilidad última va a ser el análisis de datos, no podemos pretender hacerlo de una vez y en una sóla hoja de Excel. Debemos trabajar en distintas hojas "especializadas" porque ello dará orden y escalabilidad (posibilidad de ampliación y sostenibilidad a lo largo del tiempo). Además, utilizar una hoja más, es gratis en Excel. Remitimos al lector al artículo "Buenas prácticas: Estructura y tipos de hojas en Excel" especialmente al gráfico de pirámide y al punto nº 7.

En este artículo vamos a desarrollar la primera de las fases anteriormente mencionadas:

DATOS

La primera fase o estado en el que se encuentra la información se llama "fase o capa de datos" y puede tomar varias formas. Comenzamos por descubrir los modelos que pueden adoptar los datos en esta primera fase:, pero antes recordemos el concepto "Dimensión" a la hora de hablar de tablas y modelos de datos:

"Dimensión" es un criterio por el que podemos ordenar, clasificar o agrupar unos datos numéricos. Por ejemplo, si tenemos una tabla con los campos "Fecha", "Tipo de gasto" y "Euros", las dimensiones serán los campos "Fecha" y "Tipo de gasto", puesto que podremos ordenar por fechas (ya sea por días, meses, años, etc.) o clasificar/ordenar por tipo de gasto (Suministros, Reparaciones, Impuestos, etc.). 

Ahora si....vamos allá con los modelos de datos...

1) TABLAS UNIDIMENSIONALES

Son las resultantes cuando introducimos nuestros datos en una colección de tablas de una dimensión, donde cada tabla representa normalmente a un período de tiempo (no siempre). En las siguientes tablas, la única dimensión es la "Cuenta" (Ingresos, Compras, Servicios, etc.). Esta primera modalidad que comentamos es UN GRAVE ERROR... y es el error más habitual en el usuario. 

... también es muy habitual poner cada tabla en una hoja distinta a la cual se pone un nombre descriptivo ...

Si no acertamos en la forma en la que disponemos nuestros datos en esta fase, el resto de desarrollo de nuestro dashboard será un proceso arduo, muy poco eficiente y tremendamente limitado en sus posibilidades. La mayoría de usuarios de Excel no superan esta fase de forma óptima porque no conocen otras posibilidades y aplican la única que saben y que cumple con estas 3 condiciones:

• La disposición de los datos se hace de forma intuitiva y responde a corto plazo a algunas necesidades de información.

• El usuario sólo necesita utilizar los operadores básicos (+-*/) y poco más.

• Como consecuencia de los anteriores puntos, es rápida.

El motivo de considerar este tipo de organización de datos como un error, estriba en su limitación a la hora de ofrecer más información (y de más valor) de la que se ve en cada tabla:

• Cada mes hay que copiar y pegar una nueva tabla (o copiar en una nueva hoja y nombrarla) y modificar como mínimo la fecha.

• Para sumar los datos de todos los meses se debe hacer una nueva tabla e introducir en cada celda correspondiente, una fórmula que vaya sumando cada dato en cada uno de todos los meses. Cuando transcurre un mes, se deben modificar todas las fórmulas para añadir el nuevo período. Todo ello es un consumo de recursos enorme y además, con una alta probabilidad de errores.

• Si quisiéramos sumar los datos de un número determinado de meses distinto al anteriormente realizado, deberíamos construir otra tabla más y de forma exclusiva para esos meses, debiendo modificar todas las fórmulas de la tabla cada vez que quisiéramos variar los meses consultados.

• Si quisiéramos realizar un gráfico para ver la evolución de alguna cuenta, nos encontraríamos con los mismos problemas de los anteriores puntos.

• Si transcurren, por ejemplo, 7 años desde que se crea la aplicación, tendríamos 84 hojas de calculo para manejar con 84 tablas, o bien 84 hojas ubicadas en una misma tabla... (según modelo elegido) y todo ello, necesitando manejarlas como hemos comentado en los anteriores puntos.

Es decir, para cualquier otra información que no sea la que se ve directamente en esas tablas, hay que volver a copiar y pegar la estructura, crear nuevas fórmulas y además modificarlas a lo largo del tiempo. Todo esto es insostenible y nada productivo.

En resumen, podemos decir que es un modelo de datos que:

NUNCA HAY QUE UTILIZARLO

Podemos ver un ejemplo si descargamos el siguiente archivo:

2) TABLAS BIDIMENSIONALES ("flat tables" o tablas planas): 

Son las que tienen una dimensión con sus items extendidos a lo largo de los encabezados de columna y otra dimensión con sus items extendidos a lo largo de las filas.

No tiene porqué ser así siempre, pero suelen presentar en las columnas los períodos de tiempo (la dimensión "fecha", que está extendida a lo largo de las columnas, pero es sólo una dimensión. ¡Cada mes NO es una dimensión!) y en las filas los items de otra dimensión a estudiar, por ejemplo, las cuentas:

Se utilizan para modelos de datos que están limitados en el tiempo y cuyo análisis se circunscribe a un período definido de antemano (sería insostenible una tabla durante muchos años con decenas de columnas). Ejemplos de ello, podrían ser un plan de viabilidad económico-financiero a X años, previsiones de tesorería o una gestión presupuestaria.

Este es un modelo de organización de datos que tiene las siguientes VENTAJAS:

• Es ciertamente intuitivo y fácil de desarrollar en un principio (los datos con este formato, suelen ser introducidos por el usuario, no importados de otros programas).

• En el paso de la fase de DATOS a INFORMACIÓN hay posibilidad y flexibilidad para introducir ratios y fórmulas complejas y otras combinaciones de datos. Por ejemplo, las fórmulas del punto de equilibrio o las de los períodos medios de cobro y pago.

• Es un modelo de datos que aporta muchas posibilidades para la última fase de PRESENTACIÓN en el propio dashboard: es fácil extraer rangos de celdas para construir gráficos y es fácil extraer valores para formar KPI's comparativos y de alto valor (gráficos de velocímetro, de termómetro, etc.).

Pero también presenta algunas DESVENTAJAS:

• La posibilidad de agrupar la información por distintos períodos de tiempo no es ágil y se hace compleja.

• Debido al anterior punto y a otros similares, el usuario se ve obligado a utilizar de forma intensiva fórmulas y funciones como SI, Y, O, BUSCARV, BUSCARH, INDICE, COINCIDIR, DESREF, etc. En definitiva, el paso de la fase DATOS  a INFORMACIÓN es más difícil y ardua.

• 2 dimensiones es un origen de datos muy escaso. Estamos privados de conocer otros puntos de vista (otras dimensiones) de forma ágil, aunque sí es posible con ciertas rigideces y apelando a algunos "trucos".

En resumen y como factores más destacados, podemos decir que es un modelo de datos que:

• No tiene limitaciones para ofrecer KPI's y gráficos de alto valor
• Requiere más conocimientos del usuario y utilización intensiva de funciones
• El manejo de los períodos de tiempo

Las tablas bidimensionales suponen un avance espectacular respecto de las tablas unidimensionales, como se puede ver en el archivo que a continuación puede descargar el lector:

TABLAS DE DATOS MULTIDIMENSIONALES (Cubos [3D] o hipercubos [+3D] OLAP)

Son tablas en las que hay una o varias columnas con un "Valor en euros" y el resto de columnas son dimensiones o criterios por las que se podría consultar la información. Entre las dimensiones, en el ámbito económico-financiero casi siempre está el campo o columna "Fecha". Vemos a continuación un ejemplo de "Tabla Multidimensional":

Es la forma habitual que nos encontramos en las tablas que importamos desde otras aplicaciones (por ejemplo, el diario de una contabilidad o el listado de facturas emitidas), pero también es posible que sea una tabla que el usuario administre introduciendo datos registro a registro (por ejemplo una aplicación de gestión de costes por proyectos o de gestión de nóminas). Podemos ver en la tabla anterior las dimensiones "Fecha", "Tipo de movimiento", "Código Cuenta" y "Descripción Cuenta". Es decir, un hipercubo OLAP.

Con este modelo de datos, se tienen las siguientes VENTAJAS: 

• Desaparecen los problemas de sostenibilidad en el tiempo, puesto que  la tabla puede aumentar hasta 1.048.576 registros.

• Se pueden añadir, mediante columnas, tantas dimensiones como sea necesario.

• Una organización de datos así, podrá servir como origen de datos de Tablas Dinámicas y ahí... se abre un mundo de posibilidades que podemos descubrir (si el lector no lo ha hecho ya) en la serie de artículos dedicado a las Tablas Dinámicas que comienza por este: "Tablas Dinámicas (I) ¿Qué son y para qué sirven?". La principal ventaja que se obtiene de esto es la velocidad de proceso y la agilidad. Es decir:
• Es una forma eficiente de ordenación de datos y se procesan las consultas y filtros a una velocidad inigualable y muy superior a las bases de datos relacionales.
• Podemos cambiar la presentación de la información por un criterio u otro de forma ágil y en tiempo real según necesidades.

Estas serían las DESVENTAJAS:

• La estructura multidimensional u OLAP, es poco intuitiva y genera rechazo a usuarios poco experimentados.

• Si la tabla la administramos nosotros introduciendo la información de forma cotidiana, en cada registro hay que introducir de forma repetitiva los datos de cada dimensión (ver en la tabla anterior los nombres de los "Agentes", por ejemplo, repetidos muchas veces en la tabla. Esta desventaja desaparece, evidentemente, si la tabla es importada.

• Las tablas multidimensionales están destinadas casi irremediablemente a ser procesadas mediante Tablas Dinámicas para convertir los "Datos" en "Información". Esto proporciona las ventajas propias de dichas tablas dinámicas, pero también sus servidumbres: las tablas dinámicas ofrecen más rigideces y dificultad para ser incluidas en Dashboards o para combinar datos que generen KPI's de muy alto valor. Es decir, son muy buenas (únicas y las mejores) para pasar de "Datos" a "Información", pero no tanto para pasar de "Información" a "Conocimiento".

En resumen y como factores más destacados, podemos decir que es un modelo de datos que:

• Es fácilmente sostenible en el tiempo y escalable en tamaño.
• Es extremadamente rápido, fácil de utilizar y eficaz para el entorno operativo y táctico en la empresa (a nivel de mandos intermedios).
• En muchas ocasiones, ofrece rigidez y dificultades para construir KPI's para la toma de decisiones estratégica.

Los siguientes archivos muestran ejemplos del modelo de datos multidimensional y de posibles formas de convertir los datos en información mediante Tablas Dinámicas y algunos gráficos:

Tabla Multidimensional importada de otra aplicación:

Tabla Multidimensional administrada por el usuario:

Puede  ver otros artículos de esta serie:

Cómo hacer un Dashboard económico-financiero (1)
Cómo hacer un Dashboard económico-financiero (2)
Cómo hacer un Dashboard económico-financiero (3)
Cómo hacer un Dashboard económico-financiero (5)
Cómo hacer un Dashboard económico-financiero (6)

Si desea llevar a la práctica todo lo que le hemos ofrecido en este artículo, puede asistir a nuestros cursos prácticos de Excel o puede solicitarlos in company: