1 El Problema
DataFlow Analytics es una consultora de datos con sede en Bogotá que ayuda a empresas medianas a interpretar sus KPIs y tomar decisiones basadas en datos. Su modelo de negocio depende de entregar reportes semanales de alta calidad a cada cliente.
El problema: con 12 clientes activos, cada reporte semanal tomaba un promedio de 6 horas de trabajo. Carlos y su equipo de 3 analistas pasaban el 70% de su tiempo generando reportes estándar, y solo el 30% haciendo análisis estratégico real.
"Éramos analistas de datos que pasaban la mayor parte del tiempo... formateando Excel y escribiendo las mismas conclusiones con números diferentes cada semana. Era absurdo, pero así era la industria."
| Métrica | Antes del Skill | Después del Skill |
|---|
| Tiempo por reporte | 6 horas | 22 minutos |
| Clientes atendidos | 12 | 96 |
| Analistas en el equipo | 3 | 4 |
| % tiempo en reportes rutinarios | 70% | 15% |
| % tiempo en análisis estratégico | 30% | 85% |
2 La Solución
Carlos diseñó el Skill de Analista de Datos para que funcionara como un analista junior siempre disponible. El skill recibe los datos del cliente (pegados en el chat o como descripción de las métricas clave), y entrega el borrador completo del reporte siguiendo la estructura que DataFlow usa con todos sus clientes.
La clave fue incluir en el skill el formato de reporte ejecutivo específico de DataFlow: Resumen Ejecutivo de 3-5 líneas, Hallazgos Clave con números exactos, visualización sugerida y Recomendaciones Accionables. El skill también tiene instrucciones para identificar outliers y señalar datos que requieren análisis manual.
SKILL.md — analista-datos
### Formato de reporte:
Siempre entrega:
1. Resumen Ejecutivo (3-5 líneas, hallazgo principal)
2. Hallazgos Clave (máx 5 puntos con datos concretos)
3. Tabla o visualización sugerida
4. Recomendaciones accionables
5. Limitaciones del análisis (si aplica)
### Reglas:
- Siempre cita números exactos al dar conclusiones
- Distingue entre correlación y causalidad
- Si los datos son insuficientes, dilo explícitamente
3 Implementación
Mes 1
Carlos desarrolla el skill tomando el mejor reporte que DataFlow había producido como modelo. Lo descompone en partes y define instrucciones explícitas para cada sección. Pruebas con datos históricos de 5 clientes.
Mes 2
Flujo operativo nuevo: cada analista recibe los datos del cliente, los pega en Claude con el skill activo, y en 3-5 minutos tiene el borrador. El analista revisa, añade contexto específico del cliente y envía en 22 minutos totales.
Mes 3-4
Con la capacidad liberada, DataFlow comienza a aceptar más clientes. Escalan de 12 a 35 clientes activos sin contratar personal adicional. Solo contratan un analista junior para gestionar el volumen de comunicación.
Mes 8
DataFlow alcanza los 96 clientes activos. El equipo ahora tiene 4 personas, pero atienden 8× más clientes que al inicio. Los ingresos mensuales aumentaron un 40%. Carlos destina el tiempo liberado a productos de análisis más sofisticados.
4 Resultados
22 min
tiempo por reporte
(eran 6 horas)
96
clientes activos
(eran 12)
85%
tiempo en análisis
estratégico (era 30%)
4
personas en el equipo
(vs 3 antes)
+96%
satisfacción de
clientes
"Antes vendíamos horas de trabajo. Ahora vendemos insights. El skill hace que los reportes sean más consistentes y detallados que antes — y encima son más rápidos. Nuestros clientes los reciben los lunes a las 9am, sin excepciones."
5 Aprende de Este Caso
- El skill como estandarizador de calidad. DataFlow tenía 3 analistas con estilos diferentes. El skill hizo que todos los reportes siguieran el mismo estándar de calidad — la empresa dejó de depender del "mejor analista".
- Automatiza el trabajo rutinario, no el estratégico. El skill genera el 80% del reporte (estructura, números, conclusiones básicas). El analista aporta el 20% que requiere contexto del cliente y criterio estratégico.
- Los skills liberan capacidad para crecer. El tiempo liberado no se usó para descansar, se usó para escalar el negocio. En 8 meses pasaron de 12 a 96 clientes.
Ver y copiar el Skill de Datos →