Bienvenido a BrightCart

### Lunes, 9:15. Tu primer día

Llevas veinte minutos con el portátil nuevo abierto y todavía no has tocado un solo dato. Es normal: es tu primer día como analista en BrightCart, y ahora mismo lo único que tienes es un usuario de Slack, acceso a una carpeta compartida llena de ficheros con nombres raros, y un café que se está enfriando. Esta lección no lleva una sola línea de código, y es a propósito. Antes de calcular nada, un buen analista entiende dónde ha aterrizado. Quién le pide las cosas, para qué, y qué decisión depende de su respuesta. Ese es el trabajo de verdad; el resto son herramientas.

BrightCart es una tienda de moda 100% online: ropa y complementos, sin tiendas físicas, todo se vende por la web. Nació en Madrid en 2018 como una marca nativa digital —empezaron vendiendo por Instagram y una tienda montada en un fin de semana— y en cinco años han pasado de tres personas a unas ciento veinte. Facturan alrededor de 65 millones de euros al año, tienen unos 600.000 clientes registrados y hacen cerca de 1,2 millones de pedidos anuales. La mayor parte del negocio se concentra en dos grandes campañas: las rebajas de invierno (enero) y las de verano (julio), más el Black Friday.

Como toda empresa de moda online, BrightCart convive con una realidad incómoda: se devuelve mucho. Alrededor de una de cada cuatro unidades vendidas vuelve a casa. No es un fallo, es el sector: la gente compra tres tallas del mismo vestido para quedarse con una. Retén ese dato, porque más adelante en la semana va a ser el centro de todo.

Merece la pena entender por qué la moda online se devuelve tanto, porque explica media profesión de analista en este sector. En una tienda física te pruebas la ropa antes de pagar: si no te queda, no la compras, y no hay devolución. Online no puedes probarte nada, así que el probador se ha mudado a tu casa. Compras dos o tres tallas «por si acaso», te las pruebas en el salón y devuelves lo que sobra. La devolución dejó de ser un accidente y pasó a ser parte del modelo: está en el precio, en la logística y en los márgenes. Una empresa de moda online que no mire sus devoluciones con lupa está mirando solo la mitad de su negocio, y esa mitad es la bonita.

Un poco de historia para situar dónde has aterrizado. Hasta los años 2000, vender ropa era abrir una tienda, y medir el negocio era contar lo que había en la caja al cerrar. Cuando llegó el comercio electrónico, pasó algo curioso: por primera vez quedaba registro de todo. No solo de lo que se vendía, sino de quién entraba, qué miraba, qué metía en el carrito y luego abandonaba, y qué devolvía semanas después. De repente había datos por todas partes y nadie que supiera leerlos. Ese hueco —montañas de datos y pocas manos capaces de convertirlos en decisiones— es exactamente el motivo por el que existe el puesto que acabas de ocupar. No es casualidad que te hayan contratado ahora: es que BrightCart ha llegado al punto en que los datos que ya tiene valen más que los que le faltan.

### Una empresa que se está poniendo seria con los datos

Hasta hace un año, en BrightCart «los datos» eran las hojas de cálculo que Marketing exportaba a mano cada lunes. Hace ocho meses contrataron a un analista senior para montar un equipo de datos de verdad. Tú eres la segunda incorporación, y la primera junior. Estás entrando justo en la fase en la que una empresa deja de improvisar con los números y empieza a tratarlos como lo que son: la base de sus decisiones.

Eso significa que el sitio no es perfecto, y menos mal, porque de lo imperfecto se aprende. Hay tres cosas rotas que vas a notar esta misma semana, y conviene que las conozcas de entrada:

1. 01.Cada área calcula «las ventas» a su manera. Marketing mira lo que entra en bruto, Finanzas descuenta devoluciones e impuestos. Los números casi nunca coinciden y nadie sabe cuál es «el bueno».
2. 02.Las devoluciones se ignoran al analizar una campaña. Se celebra lo vendido y casi nadie mira lo que vuelve semanas después.
3. 03.Los ficheros llegan sucios. Fechas en varios formatos, precios escritos como texto con el símbolo del euro, categorías mal escritas, clientes repetidos. Nadie los ha estandarizado.

BrightCart tiene sus paneles corporativos montados en Power BI —una herramienta de cuadros de mando que ven Dirección y Marketing— y con el tiempo tú también los tocarás. Pero para lo de esta semana no lo vas a usar. Para explorar un encargo nuevo (cruzar ficheros, limpiar lo que llega sucio, probar una idea y sacar un gráfico rápido) el equipo trabaja en Python, porque es más ágil para ensayar. Cuando una cifra está validada, entonces se lleva al panel. Tú te quedas en la fase de exploración: Pandas para mover los datos, algo de consulta a las tablas, y gráficos sencillos. Nadie espera que toques Power BI todavía.

### El stack de BrightCart: qué es cada pieza y para qué sirve

Antes de seguir conviene que sepas dónde vive cada dato, porque en tu primera semana vas a oír media docena de nombres de herramientas como si todo el mundo naciera sabiéndolos. No es así: cada una resolvió un problema concreto en algún momento, y entenderlo te ahorra sentirte perdido. El conjunto de tecnologías que usa una empresa se llama, en la jerga, el «stack» (literalmente «la pila»). No tienes que dominar ninguna de estas herramientas esta semana; solo saber qué hace cada una y por qué existe. Piensa en ello como conocer la cocina de un restaurante nuevo: dónde está la nevera, dónde el horno y dónde la despensa, antes de ponerte a cocinar.

Hay una idea que ordena todo lo demás: los datos nacen en un sitio (cuando alguien compra), se guardan en otro (una base de datos), y se miran en un tercero (una herramienta de análisis). Ese viaje —de donde ocurre la venta a donde se toma la decisión— es el mapa que vas a recorrer toda la semana. Míralo entero antes de meterte en los detalles:

Vamos pieza por pieza, en el orden en que el dato las va tocando:

• ▹Shopify Plus — es la tienda online: el escaparate que ve el cliente y, sobre todo, el proceso de pago (el «checkout», la pantalla donde se mete la tarjeta y se confirma la compra). Cada vez que alguien compra un vestido, Shopify es quien registra ese pedido. Existe porque montar una tienda que cobre con tarjeta de forma segura es dificilísimo, y Shopify lo resuelve por ti; BrightCart empezó justo así, con una tienda montada en un fin de semana.
• ▹PostgreSQL — es la base de datos operacional, el gran almacén ordenado donde acaban guardados los pedidos, los productos, los clientes y las devoluciones. «Operacional» quiere decir que sostiene el día a día del negocio: cuando compras, tu pedido se guarda ahí. Una base de datos es como un archivador gigante con reglas estrictas para que nada se pierda ni se duplique. Es de donde se exportan los CSV que vas a analizar esta semana.
• ▹Google Analytics 4 (GA4) — mide lo que pasa en la web aunque no acabe en compra: cuánta gente entra, por qué canal llega (un email, Instagram, una búsqueda en Google), cuántas páginas mira. A eso se le llama «analítica web». Sirve para saber no solo qué se vendió, sino cuánta gente pasó por delante del escaparate sin comprar. De aquí sale el fichero de visitas que cruzarás para calcular conversión.
• ▹Power BI — es la herramienta de BI corporativa (BI, «business intelligence», es el nombre de mercado para los cuadros de mando de una empresa). Son los paneles «oficiales» con gráficos que consultan Dirección y Marketing para ver cómo va el negocio de un vistazo. Es la herramienta a la que llega una cifra cuando ya está validada y hay que enseñarla arriba. Con el tiempo la tocarás; esta semana, no.
• ▹Python con Pandas y seaborn, en Jupyter — es tu banco de trabajo. Python es el lenguaje; Pandas, la librería para mover y calcular sobre tablas de datos; seaborn, la que dibuja gráficos; y Jupyter, el cuaderno interactivo donde escribes el código a trozos y ves el resultado al momento. Todo esto junto es lo más rápido para explorar: cruzar ficheros, limpiar lo que llega sucio, probar una idea y sacar un gráfico en dos minutos. Aquí es donde pasas la semana.
• ▹Google Sheets — la hoja de cálculo de toda la vida, en su versión en la nube. Marketing la sigue usando para casi todo, y no es un pecado: para muchas preguntas, una hoja bien hecha es la respuesta correcta. Tiene su sitio, y también sus límites, que ya irás viendo.

Fíjate en la división que importa para tu semana: hay una herramienta para enseñar cifras ya cocinadas (Power BI) y otra para cocinarlas (Python). Tú trabajas en la cocina. Una cifra no va al panel corporativo hasta que alguien la ha explorado, comprobado y sabe defenderla; ese «alguien», esta semana, eres tú. Que Power BI exista no significa que tengas que abrirlo: significa que tu trabajo tiene un destino claro cuando esté listo.

### De dónde viene tu puesto: una breve historia

Te has sentado en una silla que hace cuarenta años no existía, y merece la pena saber cómo llegó a existir, porque explica qué se espera de ti. Hasta finales de los años setenta, «analizar los números» de un negocio era un trabajo de lápiz, papel cuadriculado y calculadora. Si querías saber qué pasaba con las ventas si subías un precio un 10%, rehacías toda la tabla a mano. Cambiar un número significaba rehacer la hoja entera. Por eso casi nadie se hacía preguntas «¿y si...?»: costaban demasiado.

En 1979 apareció VisiCalc, la primera hoja de cálculo electrónica, y poco después Lotus 1-2-3 y más tarde Excel. Parece un detalle técnico, pero cambió el mundo de los negocios: por primera vez, cambiar una celda recalculaba todo lo demás al instante. De repente, preguntarse «¿y si las devoluciones fueran el doble?» costaba diez segundos en vez de una tarde. La gente de finanzas dejó de ser gente que sumaba y empezó a ser gente que exploraba escenarios. Se dice, medio en broma medio en serio, que la hoja de cálculo hizo por las finanzas lo que el telescopio por la astronomía: no cambió el cielo, cambió cuánto podías mirarlo.

El segundo terremoto llegó con el comercio electrónico, a partir de los 2000. Una tienda física registraba lo que pasaba por caja y poco más. Una tienda online, en cambio, deja rastro de todo: quién entra, qué mira, qué mete en el carrito y abandona, qué compra y qué devuelve semanas después. De golpe las empresas tenían mil veces más datos de los que sabían usar, y las hojas de cálculo, que habían sido la revolución, empezaron a quedarse pequeñas: no aguantan millones de filas ni cruzan bien media docena de ficheros. Ese desajuste —montañas de datos y herramientas de otra época— es lo que creó un puesto nuevo: alguien que supiera traer los datos, cruzarlos, limpiarlos y convertirlos en decisiones. Ese alguien es el analista de datos, y es exactamente lo que pone en tu contrato.

Cuento esto por una razón práctica, no por nostalgia: entender de dónde viene tu oficio te dice qué se valora en él. No te contrataron para hacer sumas (eso lo hace la hoja de cálculo sola desde 1979) ni para saber usar una herramienta concreta (las herramientas cambian cada pocos años). Te contrataron para hacer las preguntas correctas a un montón de datos y traer respuestas en las que se pueda confiar. La tecnología que uses esta semana será distinta dentro de diez años; la habilidad de convertir datos en decisiones, no.

### Tu equipo

Diego Márquez (36) es tu mentor. Viene de Economía y de ocho años entre una consultora y el retail; montó este equipo hace ocho meses y sabe tanto de negocio como de datos. Es tranquilo y pedagógico, y tiene una obsesión sana: que cualquier número que enseñes se pueda defender. Su frase, que oirás mucho esta semana, es «un número que no sabes de dónde sale no es un número, es una opinión con decimales». No te dará la respuesta: te devolverá una pregunta que te hace llegar a ella tú solo.

Nuria Salas (30) es la responsable de Growth y Marketing, es decir, de hacer crecer las ventas y de las campañas. Ella diseñó y lanzó las rebajas de verano que vas a analizar. Es enérgica, entusiasta e impaciente, y ya tiene una conclusión en la cabeza antes de ver un solo dato: «el vestido Alma ha sido el pelotazo, hay que pedir más y volver a promocionarlo». No es mala analista, es que va rápido y mide el éxito en unidades vendidas. Te va a caer bien, y te va a meter prisa.

Álex Peña (28) es tu compañero de al lado, analista con un año de casa. Entró como junior, así que sabe exactamente por dónde vas a sufrir. Es generoso con el tiempo, aunque a veces te suelta un atajo sin explicártelo y te deja con la sensación de haber copiado sin entender. Conoce todas las trampas de los ficheros de Nuria, y repite una cosa que nadie escucha: «ojo con las devoluciones, que en moda son media película».

Carmen Ibáñez (44) dirige el e-commerce y es quien decide los presupuestos. Tiene quince años en moda y poca paciencia para lo técnico. No quiere ver tu código ni tus tablas: quiere tres frases que le digan qué hacer con el dinero de la próxima campaña. El viernes le presentas tus hallazgos, y su pregunta será siempre la misma: «vale, ¿y esto qué significa para el negocio?».

### Las dinámicas que vas a notar

Un equipo no son cuatro fichas de personaje sueltas: son cuatro personas con roces, alianzas y prisas distintas, y entender esas corrientes te va a ayudar tanto como saber Pandas. En tu primera semana, tu mejor herramienta no es el código: es la observación. Fíjate en quién decide, quién corre, quién tiene las respuestas y quién tiene la urgencia. Estas son las corrientes que vas a sentir en BrightCart:

• ▹Diego y Nuria se respetan, pero chocan. Nuria quiere una confirmación rápida; Diego quiere verificar antes de decir nada. Diego suele frenar las conclusiones apresuradas de Nuria «hasta ver el neto», y eso a veces la impacienta. Tú vas a estar justo en medio de esa tensión sana.
• ▹Nuria y Carmen: Carmen confía en Nuria, pero le pide que «lo respalde con datos». Ahí es donde entras tú: eres el respaldo. Cuando Nuria te mete prisa, muchas veces es porque Carmen se la está metiendo a ella.
• ▹Álex y tú: es tu apoyo del día a día. Te salva de las trampas de los ficheros, pero a veces te suelta un atajo sin explicarlo y te deja peor que antes. Es el único del equipo que ya sospecha lo de las devoluciones.
• ▹Diego y Carmen: Carmen valora a Diego porque «traduce» los datos a decisiones sin marearla. Ese es, sin que nadie lo diga, el modelo de analista que se espera que llegues a ser.

### Los canales de Slack que vas a usar

Casi toda la comunicación del equipo pasa por Slack, la herramienta de mensajería interna. Conviene que sepas dónde se habla de qué, porque en la teoría cada cosa tiene su canal y en la práctica la gente te escribe por donde le pilla:

• ▹#datos — el canal del equipo de datos (Diego, Álex y tú). Aquí van los standups async y las dudas técnicas.
• ▹#datos-peticiones — donde negocio pide análisis, en teoría. En la práctica, Nuria te va a escribir por mensaje directo con emojis y prisa.
• ▹#rebajas-verano — el canal de la campaña, con Marketing y Datos juntos. Aquí se cuece lo de esta semana.

### Los rituales de la semana

• ▹Standup cada mañana a las 9:30 — diez minutos en el canal de Slack #datos, cada uno cuenta en qué está.
• ▹Arranque del encargo, hoy lunes a las 10:00 con Diego — te explica la pregunta que tienes que responder.
• ▹Punto con Diego, miércoles y jueves — quince minutos para revisar avance y números.
• ▹Demo a negocio, viernes a las 12:00 — veinte minutos ante Carmen y Nuria para presentar lo que has encontrado.

### Qué se espera de ti (y qué no)

Antes de que llegue el encargo, ten claro el listón, porque los junior sufren más por lo que creen que se espera de ellos que por lo que de verdad se espera. Ya tienes los accesos que necesitas: el repositorio de notebooks del equipo, Slack, Power BI en solo lectura y la carpeta compartida con los ficheros que exporta Marketing. Nadie espera que diseñes una arquitectura, que montes infraestructura ni que tomes decisiones grandes: eso es de Diego. Lo que sí se espera es concreto y alcanzable: que explores unos datos, los limpies lo justo, calcules bien un puñado de cifras y las cuentes de forma que se entiendan. Eso es, entero, el trabajo del analista junior. Y una cosa más que sí se espera, quizá la más importante: que preguntes cuando no entiendas algo y avises pronto si algo te bloquea. Nadie te va a juzgar por preguntar; te juzgarían por callarte tres días atascado.

### 10:00 — El encargo, de boca de Diego

Diego te sienta a su lado y te lo cuenta sin rodeos:

1Diego  10:02
2"Marketing lanzo las rebajas de verano hace tres semanas.
3Nuria quiere saber que funciono y que no. Ese es tu encargo.
4
5Suena vago, y lo es: parte de tu trabajo es convertirlo en
6preguntas concretas que se puedan responder con los datos.
7El viernes lo presentas a Carmen: tres o cuatro hallazgos claros
8y una recomendacion. Nada de jerga. Yo te acompano."
9
10Diego  10:04
11"Una regla mia: cualquier numero que ensenes, tienes que poder
12decir de donde sale. Si no, no lo ensenes."

Y a los pocos minutos, mientras aún digieres eso, salta Slack con un mensaje directo de Nuria:

1Nuria Salas  10:34
2Holaaa, bienvenida/o al equipo!
3Te dejo en la carpeta compartida los CSV de las rebajas de verano
4Estan los pedidos, las lineas de cada pedido, el catalogo de
5productos, los clientes, la info de la campana y las devoluciones
6Ya te adelanto una cosa: el vestido Alma ha sido EL PELOTAZO
7Si me confirmas las unidades vendidas del Alma me harias feliz,
8que quiero pedir mas para agosto
9Graciasss

### La primera habilidad del oficio: encuadrar el encargo

«¿Qué funcionó?» no es una pregunta que un ordenador sepa responder. No hay ninguna columna que se llame «funcionó». Antes de abrir un solo fichero, un analista traduce esa niebla a preguntas concretas, cada una con una cifra detrás que se puede calcular. Es exactamente igual que cuando le pides a alguien «que salga bien la cena»: no significa nada hasta que lo conviertes en «para seis personas, sin gluten, listo a las nueve». Lo medible es lo que se puede cocinar.

Le mandas a Diego tu primer intento de traducción: cuánto más se vendió que la semana anterior, qué categorías y productos tiraron de la campaña, y si el ticket medio (lo que gasta de media cada pedido) subió o bajó. Diego responde en un minuto: «Bien encuadrado. Añade una que a Marketing se le olvida siempre: ¿cuánto de eso se devolvió? Sin eso, no sabes lo que de verdad ganamos». Apúntala. Es la pregunta que va a cambiar la semana.

Hay una forma de pensar que conviene que empieces a cultivar desde hoy, porque es la que separa a un analista de una calculadora: piensa como un detective. Un detective no cree la primera versión de nadie, ni siquiera la del que le contrata. Escucha la hipótesis («fue el mayordomo», «el Alma es el pelotazo»), pero no la da por buena: la usa como punto de partida para buscar pruebas. Descompone el caso, aísla lo que puede comprobar, y va derribando explicaciones hasta que queda la que aguanta los datos. Nuria te ha dado su versión con toda la buena fe del mundo. Tu trabajo no es contradecirla por deporte; es comprobarla, y estar dispuesto a que los datos digan otra cosa.

### Los dos jefes que vas a tener (y no son quienes crees)

En el papel, tu jefe es Diego. En la práctica, esta semana vas a responder ante dos personas, y aprender a distinguir qué te pide cada una es media supervivencia del junior. Diego es el jefe del método: le importa que el número esté bien, que sepas de dónde sale y que lo puedas defender. Nuria es la jefa de la urgencia: le importa tener la respuesta hoy para tomar una decisión de negocio. No compiten por maldad; compiten porque miden cosas distintas. Diego mide la calidad del análisis; Nuria mide la velocidad de la decisión. Y tú estás en medio, con la obligación de servir a los dos sin traicionar a ninguno.

La trampa está en creer que tienes que elegir: o rápido (y le das la razón a Nuria sin comprobar) o riguroso (y haces esperar a Nuria hasta que Diego dé el visto bueno). La salida no es elegir, es comunicar. Cuando Nuria te mete prisa, la respuesta profesional no es ni «ahí va» ni un silencio de tres días: es «te confirmo lo que ya sé con seguridad hoy, y lo que necesito comprobar te lo tengo mañana». Das certeza sobre lo cierto y pones fecha a lo dudoso. Esa frase mantiene contenta a la urgencia sin romper el método, y es exactamente lo que hiciste sin saberlo cuando le escribiste a Nuria «espera a que mire una cosa más antes de cerrar el reorder».

Ese es todo el trabajo de hoy: entender dónde estás y en qué preguntas se ha convertido «qué funcionó». Mañana abres los ficheros y descubres, cara a cara, ese caos de fechas y euros del que te ha avisado Álex. Porque antes de calcular una sola cifra que puedas defender, primero hay que saber qué demonios hay dentro de esos CSV.