Analítica que explica el porqué, no solo el qué.
Cada release que planeo viene con los dashboards que lo van a medir. Los construyo con Claude Code dentro del Product Admin interno de Yuhu, para que todo el equipo lea el producto de la misma manera.
- Rol
- Diseñé y construí la analítica de producto
- Hecho con
- Claude Code · GitHub
- Lo usan
- Equipo de producto, líderes, comité
- Frecuencia
- Diaria · semanal · mensual
- El problema
- Los números vivían en lugares distintos, un número por sí solo no decía nada y el trabajo del equipo no tenía un resultado visible.
- Lo que hice
- Una consola donde cada señal se compara contra su rango habitual, los eventos agregan contexto y las iniciativas se siguen como hipótesis medibles.
- El resultado
- Un ritual semanal compartido: leer las señales, registrar lo que pasó y revisar hipótesis, con insights escritos por IA para iniciar la conversación.
Un número solo no dice nada.
Antes, cada pregunta sobre el producto necesitaba su propia consulta, y no había una forma compartida de decir si algo iba bien o mal. Había tres cosas por resolver:
- Números dispersos
Registros, presupuestos, ventas y el chatbot vivían en lugares distintos. Ahora se leen con el mismo periodo y formato.
- Sin punto de referencia
Cada señal se compara contra su rango habitual, así es fácil distinguir una semana normal de una que necesita atención.
- Trabajo sin resultados visibles
Las iniciativas se registran como hipótesis y se revisan junto a las métricas que deberían mover.
Comparado contra lo habitual.
Cada señal cae dentro de su banda histórica (crítico, alerta, normal, bueno o excepcional) según dónde queda frente a las semanas anteriores. Si el periodo va a la mitad, se compara contra los mismos días de periodos anteriores, no contra periodos completos.
Lo que los datos no ven.
Lanzamientos, campañas, incidentes, un cliente nuevo: todo lo que podría explicar un movimiento se registra como evento, con su fecha y las señales que podría afectar. La IA sugiere teorías sobre qué movió una métrica, tratadas como hipótesis y nunca como conclusiones, cada una con lo que hay que revisar para confirmarla.
Trabajo con resultados visibles.
Cada iniciativa es una hipótesis: qué creemos que va a pasar, quién la lidera, cuándo se entrega y cómo va avanzando. Revisarlas junto a las métricas que deberían mover mantiene honesto el roadmap.
El ritual semanal.
- Cada día
Cada líder publica el avance de sus hipótesis para la daily.
- Revisando métricas
Se abre el resumen por día, semana o mes y se revisan las señales en alerta.
- Cuando algo se mueve
Se registra el evento y se generan teorías con IA.
- Cada semana
Un reporte semanal con insights escritos por IA para iniciar la conversación.
