IA para análisis e interpretación

Objetivo del tema

Al finalizar este tema sabrás subir datos a la IA de manera segura, aplicarás un mega-prompt de análisis que convierte cualquier dataset en insights accionables, dominarás las herramientas de análisis avanzado como Code Interpreter y Claude con archivos adjuntos, y aprenderás a transformar hallazgos técnicos en narrativa ejecutiva lista para el directorio.

Cómo subir datos a la IA de forma segura

Antes de cargar un archivo a ChatGPT o Claude, haz una pausa. La IA es una herramienta poderosa, pero también un canal por donde puede salir información sensible. Sigue tres principios:

Qué SÍ incluir

  • Datos agregados (totales, promedios, categorías).
  • Información no identificable (códigos internos en vez de nombres reales).
  • Estructura y metadatos (columnas, tipos, cantidad de filas).

Qué anonimizar antes de subir

  • Nombres de clientes, empleados, proveedores (reemplaza por IDs).
  • Correos electrónicos y teléfonos.
  • Números de documento, RUC, RFC, NIT.
  • Direcciones específicas (deja solo ciudad o región).

Qué NUNCA subir

  • Bases de datos completas con información personal.
  • Contratos firmados, estados financieros confidenciales sin anonimizar.
  • Credenciales, contraseñas, tokens de API.
  • Información protegida por cláusulas de confidencialidad específicas.

Un buen hábito: crea siempre una versión “sanitizada” del dataset antes de subirla. Power Query en Excel te permite automatizar esta anonimización.

El mega-prompt de análisis

“Eres un analista senior con 15 años de experiencia en [sector]. Analiza el dataset adjunto, que contiene [descripción del contexto y columnas]. Identifica: (1) las 5 tendencias más relevantes, (2) anomalías y outliers significativos, (3) correlaciones no obvias entre variables, (4) tres recomendaciones accionables priorizadas por impacto. Sé específico: cita cifras y períodos. Si detectas algo que requiere más datos para confirmarlo, indícalo.”

Este prompt funciona porque asigna un rol experto, define el entregable con estructura numerada y exige especificidad. La última frase es clave: obliga a la IA a reconocer sus límites, lo que reduce alucinaciones.

Code Interpreter y Claude: análisis con gráficos

ChatGPT con Code Interpreter te permite subir un archivo CSV o Excel y ejecutar Python por debajo. No necesitas saber programar: pides en lenguaje natural “grafica la evolución mensual de ventas por categoría” y recibes el gráfico generado, el código usado y una interpretación escrita. Ideal para datasets medianos (hasta 100.000 filas) y análisis estadísticos.

Claude, por su parte, admite archivos adjuntos y sobresale en interpretación narrativa. Sube el CSV, pega el mega-prompt, y recibe un análisis escrito denso y bien estructurado, útil para reportes ejecutivos. Combinación óptima: Code Interpreter para los gráficos, Claude para la narrativa.

Análisis comparativo y detección de patrones

Un análisis comparativo potente se logra pidiendo: “compara los últimos 12 meses contra los 12 anteriores, segmentado por canal y región, e identifica segmentos con aceleración o desaceleración significativa”. La IA te devuelve una tabla y una interpretación.

La detección de patrones es donde la IA brilla más: estacionalidad (ventas que suben cada quincena), clusters (grupos de clientes con comportamiento similar), correlaciones cruzadas (el precio del dólar afecta tus ventas con dos meses de rezago). Pídele explícitamente que busque cada uno de estos patrones y te explique su relevancia.

Del análisis a la narrativa ejecutiva

El análisis técnico no convence al directorio. La narrativa sí. Después de obtener los hallazgos, pide: “Redacta un párrafo ejecutivo para el directorio resumiendo el hallazgo principal, su impacto financiero estimado y la acción recomendada. Máximo 150 palabras, tono formal pero directo.” La IA te entrega un texto listo para pegar en tu reporte.

Caso LATAM: Ventas 12 meses en Santiago de Chile

Una empresa de distribución de productos de limpieza en Santiago contaba con un dataset de 12 meses de ventas: 60.000 registros, 8 categorías de producto, 5 canales y 12 regiones. El gerente comercial debía presentar al directorio un diagnóstico y un plan. Anonimizó la base reemplazando nombres de clientes por IDs, la subió al Code Interpreter con el mega-prompt. En siete minutos recibió: cinco tendencias, tres anomalías (una caída atípica en la región centro en junio vinculada a un conflicto social local), dos correlaciones (el canal tradicional crecía cuando el mayorista caía) y tres recomendaciones. Con Claude generó la narrativa ejecutiva. La presentación al directorio, que antes tomaba dos semanas de preparación, se completó en dos días.

Ejercicio práctico

Toma un dataset propio (o el que compartimos como descargable). Anonimízalo. Súbelo al Code Interpreter con el mega-prompt adaptado a tu sector. Exporta los gráficos. Luego, pásale los hallazgos a Claude pidiendo una narrativa ejecutiva de 200 palabras. Compila todo en un mini-reporte de una página. Comparte el resultado con un colega y pídele feedback sobre claridad y accionabilidad.

Material descargable

Paquete de práctica: un dataset de ejemplo (ventas 12 meses anonimizado), 10 prompts de análisis listos para usar (tendencias, anomalías, clusters, forecasting, comparativos) y un ejemplo completo de reporte ejecutivo generado con IA, para que veas el estándar de salida esperado.

3 ideas clave

  1. La seguridad de los datos es responsabilidad tuya: anonimiza siempre antes de subir información sensible a cualquier IA.
  2. Un mega-prompt bien estructurado (rol, contexto, entregable numerado, exigencia de especificidad) convierte a la IA en un analista senior que trabaja a tu lado.
  3. El valor real no está en los gráficos, sino en la narrativa ejecutiva: traduce siempre los hallazgos técnicos al lenguaje de decisión del negocio.