Un dashboard de riesgo que un gerente sí entiende

Le muestras un dashboard de riesgo a un gerente y en tres segundos pregunta: "¿qué tengo que mirar acá?". Si tiene que preguntar, el dashboard falló. Construí dashboards de riesgo para más de 100 usuarios en banca, y aprendí que el problema casi nunca es la herramienta. Es el diseño.

30 gráficos no son un dashboard

Son un volcado de datos. El error más común es meter todo lo que se puede medir en una pantalla, por miedo a que falte algo. El resultado: el que decide no sabe dónde mirar ni qué hacer. Un buen dashboard de riesgo responde una pregunta por pantalla: ¿está la cartera dentro del apetito de riesgo, sí o no? Recién después viene el detalle.

El patrón que funciona

• Arriba: KRI, no KPI sueltos. Indicadores clave de riesgo (mora temprana, cosechas que se deterioran, concentración) — no veinte tarjetas decorativas. El gerente mira tres números y sabe si hay que actuar.
• En el medio: segmentos. Qué perfil de cliente concentra la mora, por producto, por canal, por cosecha. Aquí es donde se decide la acción.
• Abajo: alertas tempranas. Ratio de endeudamiento, deterioro de cosechas recientes, señales que anticipan el problema antes de que sea pérdida.
• Color con significado. Rojo es acción, no estética. Si todo tiene color, nada lo tiene.

Lo técnico que sostiene todo: el modelo semántico

La discusión de "¿de qué Excel salió este número?" en plena reunión de comité no es un problema de visualización: es de modelo de datos. La solución, en 2026, sigue siendo la misma idea: una sola fuente de verdad. En Power BI o en Looker Studio —da igual la marca— las métricas se definen una vez, en el modelo semántico, con refresco automático. Nadie recalcula la mora a mano. El dashboard solo muestra lo que el modelo ya garantiza.

Power BI sigue siendo el líder de self-service BI en banca por su modelado y su integración; Looker Studio gana cuando el ecosistema es Google y el costo importa. La herramienta es secundaria: el modelo bien hecho es lo que separa un dashboard confiable de uno bonito.

La idea que se queda

Un dashboard no es bueno porque sea bonito. Es bueno si el que decide sabe qué mirar en diez segundos y puede actuar. Es claro, o no sirve.

Ver en video

El recorrido completo —del error común al patrón que decide y el modelo semántico— está en mi canal: Cristina Chapoñán | Data & IA — busca "Un dashboard de riesgo que un gerente sí entiende".

¿Tu último dashboard lo entendió el negocio a la primera, o tuviste que explicarlo? Cuéntame.