Por qué evitamos los conectores listos para usar (y qué hacemos en su lugar)

¿Buscas plantillas de datos? Consulta nuestras guías de mejora continua de procesos con plantillas listas para usar para procesos como Compra a pago (P2P), Pedido a cobro (O2C) y Cuentas por pagar.

La minería de procesos necesita datos—pero lo estamos haciendo mal

”Los datos son el 80 % del trabajo en minería de procesos”.

Seguramente has escuchado esta estadística. Nosotros la hemos vivido. Pero aquí va la verdad incómoda: que los datos sean el 80 % del trabajo no es una ley de la naturaleza; es una señal de que algo se está haciendo mal.

Cuando extraer los datos se convierte en un proyecto de meses, algo se desvió. El objetivo de la minería de procesos no son pipelines de datos perfectos. Son los hallazgos. Es descubrir que las facturas se quedan 12 días sin que nadie las toque. Es encontrar que el 40 % de los pedidos requieren intervención manual por una mala configuración del sistema.

Los datos son un medio, no el fin.

Entonces, ¿por qué tantos proyectos de minería de procesos se quedan atascados en la fase de datos? A menudo se debe a una decisión: elegir conectores listos para usar.

La promesa de los conectores listos para usar

Seamos justos: la promesa es atractiva.

Los conectores listos para usar son integraciones prediseñadas que afirman extraer datos de procesos de sistemas como SAP, Salesforce, ServiceNow u Oracle. El discurso suele ser así:

• Apunta a tu sistema
• Pulsa un botón
• Tus datos aparecen, perfectamente formateados
• Configura actualizaciones diarias
• Listo

En un mundo ideal, sería transformador. Y, siendo sinceros, lo hemos visto funcionar—en demos. A veces incluso en entornos productivos sencillos con configuraciones estándar del sistema.

Pero hay un detalle: tu empresa no es un entorno de demostración.

La realidad

Llevamos años ayudando a organizaciones con minería de procesos. Hemos visto qué funciona y qué no. Y una y otra vez hemos visto cómo los conectores listos para usar crean más problemas de los que resuelven.

La “configuración rápida” que tarda un año

Uno de nuestros clientes empezó su camino en Process Mining entusiasmado con el conector para SAP de un proveedor. “Tres semanas para los primeros insights”, les prometieron.

Dieciocho meses después, seguían depurando problemas de calidad de los datos.

No fue un caso aislado. Hemos visto proyectos con conectores alargarse más de un año, consumiendo presupuesto y ánimos por igual. La “configuración simple” deja de serlo cuando la realidad choca con el discurso comercial.

Por qué los conectores fallan en la práctica

• Tu sistema no es estándar. Los conectores se construyen para versiones específicas de software específico. Pero las empresas personalizan: añaden campos, modifican workflows, cambian estructuras de tablas. Ese ERP que usas probablemente lleva una década evolucionando. El conector espera una instalación de manual; tú tienes un sistema vivo, moldeado por años de decisiones de negocio.

• Los conectores intentan resolverlo todo. Un conector preparado para cubrir cualquier caso de uso de Process Mining se vuelve tremendamente complejo. Debe soportar casos extremos que nunca verás y, aun así, puede que no cubra justo el análisis que necesitas. El enfoque de “talla única” te obliga a pelear con una complejidad que no aporta valor.

• El laberinto de múltiples tablas. La mayoría de conectores trabajan con varias tablas de origen. Suena potente—y lo es—, pero configurar y mantener esas relaciones es complejo. Debes entender no solo tu proceso de negocio, sino el modelo de datos del conector, el del sistema fuente y cómo se mapean entre sí. Son muchos modelos.

• Las cajas negras generan desconfianza. Cuando algo falla (y algo siempre falla), no puedes ver dentro para entender por qué. ¿Los datos están mal en el origen? ¿El conector los transforma incorrectamente? ¿Hay un problema de configuración? Estás depurando a ciegas, lo que frustra a todos y hace casi imposible explicar resultados a los stakeholders.

• Trabajo duplicado. Ironías de la vida: muchas organizaciones ya tienen datos limpios y preparados en sus data warehouses o data lakes. Tus ingenieros de datos llevan años construyendo pipelines, resolviendo problemas de calidad y creando conjuntos de datos confiables. Un conector ignora ese trabajo y empieza desde cero, introduciendo posibles inconsistencias con los datos en los que la organización ya confía.

• Nombres genéricos que confunden a todos. Los conectores usan terminología estandarizada que quizá no coincide con cómo tu organización habla de sus procesos. Si el conector llama a algo “Order Confirmation” pero tu equipo lo llama “Sales Acknowledgment”, acabas de crear una capa de traducción que ralentiza cada conversación.

• La trampa del ETL. Muchos conectores te obligan a usar las herramientas ETL del proveedor. Implica aprender sistemas propietarios, depender de funciones específicas y construir una experiencia que no es transferible a otras herramientas. Mientras tanto, tu empresa seguramente ya tiene infraestructura ETL y gente que la domina.

• Bloqueo del proveedor por diseño. Seamos claros: pipelines de datos complejos y propietarios son una “feature”, no un “bug”, desde la óptica del proveedor. Tras invertir seis meses montando una infraestructura basada en conectores, cambiar de herramienta se vuelve carísimo. No es casualidad.

Los costos ocultos

Más allá de lo técnico, el enfoque de conector trae costos muy reales:

• Tiempo: meses dedicados a extraer datos en vez de analizarlos
• Dinero: licencias caras para conectores y honorarios de consultoría
• Oportunidad: las mejoras del proceso se aplazan mientras se arma el pipeline
• Ánimo: los equipos pierden entusiasmo cuando el proyecto se atasca en la fase de datos
• Confianza: los stakeholders cuestionan el valor de Process Mining cuando los proyectos iniciales se alargan

Nuestro enfoque: plantillas de datos

Elegimos otro camino. En lugar de crear conectores, creamos plantillas de datos.

La idea es sencilla: definir qué datos necesitas en un formato cercano a tu proceso y fácil de generar.

Empieza con Excel

Sí, en serio: puedes empezar con Excel.

¿Eres nuevo en los registros de eventos? Nuestra guía sobre cómo crear un registro de eventos para Process Mining te lleva paso a paso para construir tu primer registro de eventos, con ejemplos en Excel y SQL.

Nuestras plantillas de datos definen exactamente qué columnas necesitas para cada tipo de análisis. En muchos procesos basta con un Case ID, un Timestamp y el nombre de la Activity, además de los atributos que importen a tu negocio.

Puedes armarlo tú mismo, hoy. Sin esperar al equipo de TI. Sin pasar por compras. Sin contratar consultores. Exporta algunos datos de tu sistema, ordénalos en nuestro formato de plantilla, cárgalos y ya estás analizando tu proceso.

¿Queda perfecto? No. ¿Es rápido? Por supuesto. Y cuando quieres entender tu proceso, la velocidad pesa más que la perfección.

¿Por qué una sola tabla?

Usamos deliberadamente un formato de tabla única para la mayoría de los análisis. Parece limitante hasta que entiendes el porqué:

1. Fácil de entender: cualquiera ve una hoja de cálculo y capta qué está pasando
2. Fácil de crear: sin joins complejos ni gestión de relaciones
3. Process Mining lo hace de todos modos: incluso las herramientas que ingieren múltiples tablas las fusionan en un event log para el análisis

Igual puedes trabajar con múltiples tablas en ProcessMind—distintas perspectivas, procesos diferentes e incluso enfoques object-centric de Process Mining. Pero no tienes que empezar ahí. Empieza simple y suma complejidad solo cuando aporte valor.

Trabaja con tu equipo de datos

Algo que hemos aprendido: el enfoque de conectores suele dejar fuera a tus ingenieros de datos. Es un error.

Tu equipo de datos conoce tus sistemas. Sabe dónde están los problemas de calidad de los datos, qué campos son confiables y cuáles hay que validar. Probablemente ya resolvieron muchos de los obstáculos con los que chocaría un conector.

Nuestras plantillas de datos crean un lenguaje común. Dale la plantilla a tu ingeniero de datos y entenderá al instante lo que se necesita. Puede usar las herramientas que ya domina—SQL, su plataforma ETL actual, su data warehouse—para generar exactamente los datos requeridos.

Sin aprender sistemas nuevos. Sin capacitaciones propietarias del proveedor. Requisitos claros que la gente de datos con experiencia puede resolver rápido.

Aprovecha lo que ya tienes

La mayoría de las organizaciones ya cuentan con una infraestructura de datos sólida:

• Data warehouses con datos depurados y validados
• Pipelines ETL que mueven la información con fiabilidad
• Data lakes con registros históricos
• Herramientas de BI con consultas ya establecidas

El enfoque de plantillas te permite aprovechar todo eso. No reconstruyas lo que ya existe. No crees pipelines de datos en paralelo. Saca partido de las inversiones que ya hiciste.

Además, los datos que prepares para Process Mining se pueden reutilizar en otros frentes. Construye un conjunto de datos una vez y úsalo para Process Mining, machine learning, BI tradicional y lo que venga. Eso es eficiencia.

Flexibilidad potenciada por IA

Aunque las plantillas sean claras, sabemos que los datos no siempre llegan perfectamente formateados. Por eso incorporamos mapeo de datos con IA en ProcessMind.

Sube tus datos y, muchas veces, nuestro sistema los entenderá automáticamente: reconocerá qué columna es el case ID, cuál es el timestamp y cuál contiene los nombres de actividades. Si algo no se mapea bien, puedes ajustarlo manualmente con unos clics.

El objetivo es quitar fricción entre tú y los hallazgos.

¿Listo para empezar?

Construimos ProcessMind con estos principios. Requisitos de datos simples. Valor en poco tiempo. Tú mantienes el control.

Explora nuestras guías de mejora continua de procesos para encontrar plantillas de datos para procesos comunes. Cada guía incluye:

• Actividades del proceso y qué datos capturar
• Archivos de plantilla para usar de inmediato
• Orientación para sistemas populares como SAP, Oracle y Microsoft Dynamics
• Buenas prácticas para preparar los datos

O simplemente empieza una prueba gratuita y sube algunos datos. Te sorprenderá lo rápido que aparecen los hallazgos cuando no estás esperando a que configuren un conector.

Los datos no son el objetivo. Entender tu proceso sí. Lleguemos más rápido.