Operaciones y Oficina → Dashboard métricas e informes

Dashboard métricas e informes

1) Nombramiento y cobertura

• imagen instantánea de la salud de los sistemas y P&L,
• detección temprana de desviaciones,
• transparencia para el liderazgo y los equipos,
• unificar los indicadores de productos, mercados y regiones.

Cobertura: métricas operativas (SLA, incidentes), productos (actividad, conversión), financieras (GGR/NGR, ARPPU, LTV), marketing (CAC, ROMI), riesgos y cumplimiento (KYC/AML), chargeback, fraude), soporte (tickets SLA).

2) Roles y consumidores

C-level/Dirección: KPI resumidos, tendencias en objetivos OKR, P&L, riesgos.
Operaciones/NOC: aptime de servicios, alertas, colas de tareas, incidentes.
Producto/Crecimiento: embudos, A/B, análisis de cohorte, retención.
Finanzas: informes diarios/semanales sobre ingresos y gastos, recortes fiscales.
Cumplimiento/Riesgo: estados KYC, patrones sospechosos, informes para el regulador.
Soporte: respuestas SLA, NPS/CSAT, tipología de llamadas.

• Accountable: Propietario de Dashboard (Head of Ops/Analytics).
• Responsable: Comando de datos/BI.
• Consultado: Producto, Finanzas, Riesgo, ERE.
• Informados: Directores de área.

3) Arquitectura de datos y actualizaciones

Fuentes: eventos (stream), OLTP DB, registros, proveedores de pagos, CRM/Helpdesk, plataforma A/B.
Capa de procesamiento: ETL/ELT, streaming (para T-15-T + 5 minutos), deduplicación, validación de circuitos, SCD.
Modelo: en forma de estrella (hecho de la tabla por eventos/transacciones + medidas: tiempo, región, producto, canal).

• Tiempo real: 1-5 minutos (quirófanos, alertas).
• Batch incremental: 15-60 minutos (marketing/producto).
• Batch de cierre diario: 01: 00-03: 00 (finanzas/cumplimiento).
• Calidad de datos: reglas de validación (integridad, singularidad, rangos permitidos), monitoreo de latencia de paipline, control de deriva.

4) Directorio de KPI y fórmulas (plantilla)

4. 1 Operaciones/ERE

Aptime (%) = 1 − (tiempo de inactividad/tiempo total) × 100

MTTR (Mean Time To Restore)

MTTA / MTTD (Mean Time To Acknowledge / Detect)

Error de consulta (%) = errores _ 5xx/todas _ consultas

4. 2 Producto/Comportamiento

DAU/WAU/MAU

Retention D1/D7/D30

Conversion Funnel: Visit → Sign-up → KYC → Deposit → First Action

ARPPU = usuarios de ingresos/pagos

LTV (t) = Σ (margen medio del período × probabilidad de retención)

4. 3 Marketing/Crecimiento

CAC = gastos de marketing/número de nuevos pagos

ROMI = (margen de adición − gastos )/gastos

CR por canales (SEO/ASO/Ads/Affiliates), Cohorts por fecha de atracción

4. 4 Finanzas

GGR (ingresos brutos)

NGR = GGR − bonificaciones − comisiones de proveedores − impuestos a los juegos

Net Margin = (NGR − OPEX − CAPEX − procesado )/NGR

4. 5 Riesgo/Cumplimiento

Completion KYC (%) = registros verificados/nuevos

Tasa SAR (actividades sospechosas)

Chargeback Rate = chargebacks/transacciones exitosas

Fraud Score medio/percentil

4. 6 Soporte

SLA ответов (P1/P2/P3), First Response Time, CSAT/NPS, Backlog Size

5) Arquitectura de la información del dashboard

Inicio (Ejecutivo): 8-12 tarjetas clave + sparkline, tarjetas térmicas por región, tendencias YTD/MTD/WoW.
Panel operativo (Command Center): aptime, alertas, colas, incidentes, rendimiento de API, retardos ETL.
Producto/Crecimiento: embudos, cuadrículas de cohorte, segmentos, A/B-ME (métricas de efecto).
Finanzas: GGR/NGR, márgenes por proveedor/mercado, pagos, procesamiento, impuestos.
Riesgo/Cumplimiento: KYC, anomalías, flagelos, informes para el regulador.
Soporte: SLA, volumen de llamadas, tipología, tickets repetidos, VOC.

Navegación: filtros globales (período, región, producto, plataforma, canal), presets rápidos (Hoy/Ayer/MTD/QTD/YTD), botón «Drill-through» en los detalles.

6) Widgets y plantillas de visualización

Tarjeta KPI: valor actual, Δ al período anterior, mini sparkline, estado (verde/amber/rojo).
Embudo de conversión: lista de barras por etapas, conversión entre pasos, desviado (%).
Matriz de cohorte: retención por semana/mes, escala térmica.
Serie de tiempo: valores diurnos/horarios con límites de control (± 2 σ, ± 3 σ).
Tabla N superior: proveedores/canales/regiones con contribución a KPI, click drill-down.
Mapa térmico de incidentes: densidad por servicios de tiempo ×.
Sankei/Flow: flujo de usuarios/dinero entre etapas.
Geo-map: KPI por país/región, capa de restricciones de cumplimiento.

7) Señales, alertas y umbrales

Tipos: información, advertencia, crítica.
Umbrales: estático (rígido) + dinámico (por estacionalidad e variación histórica).
Plantillas de notificación: brevemente «qué pasó», contexto (rango, tendencia), hipótesis de causa, referencia al panel detallado, propietario del incidente.
Desduplicación de alertas: supresión de «burst», grupo de señales conectadas.
SLO por alerting: MTTA ≤ 5 min (Critic.) , MTTR ≤ 30-60 minutos.

8) Acceso y seguridad

RLS/CLS (Row/Column Level Security): filtros por región y jurisdicción.
PII/Findans: enmascaramiento y tokenización, acceso mínimo necesario.
Auditoría: quién miró lo que descargó, qué filtros aplicó.
Versificación de artefactos: Git para SQL/visualizaciones y diccionario de métricas.

9) Normas para la presentación de informes

Diariamente (D-reports): corte operativo, incidentes, GGR/NGR, delta clave.
Semanalmente: retransmisión, canales de atracción, ROMI, frode-digest.
Mensualmente: P&L, informes de cohorte, KPI contra objetivos OKR, informes de cumplimiento.
A petición: informes para reguladores/auditorías, resultados A/B, post-mortem.

Todos los informes se generan a partir de un solo diccionario de métricas y un único modelo de datos - sin «Excel manual con verdad alternativa».

10) Implementación: plan paso a paso

1. Inventario de métricas: recopilar los KPI actuales, eliminar tomas/conflictos.
2. Diccionario métrico: ID, fórmula, propietario, fuentes, periodicidad, umbrales.
3. Modelo de datos: hechos/medidas, SCD, unidades, cronología.
4. Tratamientos débiles: streaming para métricas «calientes», batch para finanzas.
5. Diseños de dashboards: low-fi → high-fi, alineación con roles.
6. RLS/CLS y privacidad: accesos, enmascaramiento, auditoría.
7. Alerting: reglas, umbrales, canales (chat, correo, PagerDuty, etc.).
8. Piloto y beta: 2-4 semanas por vertical (por ejemplo, Operaciones), recogida de fidback.
9. Aprendizaje y playbook: videos cortos/hyde, plantillas de investigación.
10. Mejora continua: mejoras de respaldo, liberación de notas de lanzamiento.

11) Anti-patrones

«Zoo Dashboards»: docenas de versiones de un solo KPI sin un solo diccionario.
Informes manuales: inestabilidad, riesgos de errores y fugas PII.
Excesivo detalle en la pantalla principal: «ruido informativo».
Alerta spam: falta de priorización y deduplicación.
Sin el dueño de la métrica: la responsabilidad borrosa → la polémica «verdad».

12) Hojas de cheques

Antes del lanzamiento del dashboard

• KPIs negociados, descritos y con propietarios
• Unidades de medida y zonas temporales unificadas
• RLS/CLS configurados, PII enmascarados
• Los umbrales de alertas se verifican con datos históricos
• Se han probado las actualizaciones de carga y SLA
• Onboarding hyde y changelog publicado

Servicio

• Revuelo del diccionario de métricas (cambios, nuevas métricas)
• Validación de fuentes y retrasos de paipelines
• Retrospectiva de alertas (falsas/omitidas)
• Mejoras en UX: velocidad, filtros, presets

13) Ejemplos de SQL/lógica (simplificado)

ARPPU (día)

sql
SELECT d::date AS day,
SUM(revenue) / NULLIF(COUNT(DISTINCT CASE WHEN pay_count > 0 THEN user_id END), 0) AS arppu
FROM daily_user_finance
GROUP BY 1;

Cohorte de registro (MAU Retention M1)

sql
WITH cohorts AS (
SELECT user_id, date_trunc('month', signup_at) AS cohort_month
FROM users
),
activity AS (
SELECT user_id, date_trunc('month', activity_at) AS active_month
FROM user_activity
)
SELECT cohort_month,
COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month) AS m0,
COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month + INTERVAL '1 month') AS m1,
ROUND(100. 0 COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month + INTERVAL '1 month')
/ NULLIF(COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month),0), 2) AS m1_retention_pct
FROM cohorts c
LEFT JOIN activity a USING (user_id)
GROUP BY 1
ORDER BY 1;

Alerta sobre anomalías GGR (día a día)

sql
SELECT today. ggr,
yesterday. ggr,
(today. ggr - yesterday. ggr) / NULLIF(yesterday. ggr,0) AS delta
FROM revenue_daily today
JOIN revenue_daily yesterday ON yesterday. day = today. day - INTERVAL '1 day'
WHERE today. day = CURRENT_DATE
AND ABS((today. ggr - yesterday. ggr) / NULLIF(yesterday. ggr,0)) > 0. 25;

14) Localización y multi-región

Taxonomía unificada de países/jurisdicciones, monedas, IVA/impuestos de juego.
Conversión de divisas según reglas fijadas (end-of-day vs average).
Zonas horarias: almacenar UTC, visualizar en la ubicación del usuario.
Informes regulatorios: plantillas + parametrización por país.

15) Indicadores de calidad del propio dashboard

Cobertura: proporción de KPI clave disponibles en el panel.
Freshness SLA: la proporción de actualizaciones que han entrado en la ventana declarada.
Adoption: MAU dashboard, profundidad de sesión, presets guardados.
Regla de decisión: tiempo medio desde la alerta hasta la acción tomada.
Accuracy: proporción de discrepancias consistentes <del umbral permitido.

16) Resultado

Dashboard métricas y reporting no es un conjunto de gráficos hermosos, sino una herramienta de gestión con un solo diccionario de métricas, un modelo de datos sostenible, SLAs claros y responsabilidades. Su misión es acelerar la toma de decisiones, reducir los riesgos operativos y mejorar la previsibilidad del resultado.