lección 6

Día 5 - La demo y el feedback que lo cambia todo

Presentas tus hallazgos al equipo completo. Lucia hace preguntas, Andres (CTO) pide más, y Sandra propone colaborar en el modelo dbt.

40 min

### Viernes, 15:30 PM - Preparando la demo

Quedan 30 minutos para la demo. Tienes tu Notion con los hallazgos, las queries guardadas, y un resumen ejecutivo que Pablo aprobó esta mañana. Repasas mentalmente la estructura: (1) contexto del problema, (2) qué hiciste, (3) hallazgos clave, (4) implicaciones y next steps.

1Tu 15:35 PM (DM a Pablo)
2Todo listo para la demo. Mi estructura:
31. Recordatorio del problema (retención 68% -> 61%)
42. Lo que construi (pipeline eventos, 1.7M eventos cargados)
53. Hallazgo 1: Paradoja de Simpson (mix de planes)
64. Hallazgo 2: Churn se concentra en días 3-7
75. Hallazgo 3: "Aha moment" = automation_created (4.8x)
86. Next steps
9
10Total: ~12 min con preguntas.
11
12Pablo Herrera 15:37 PM
13?? Perfecto. Un consejo: empieza por el hallazgo de Simpson.
14Es lo más impactante y Andres (CTO) va a estar. Le gusta
15cuando los datos contradicen la intuicion.
16
17Ah, y no digas "paradoja de Simpson" -- di "los números
18agregados son enganosos". Nadie fuera de datos sabe que es
19Simpson excepto Sandra ??

### 16:00 PM - La demo

Sala de Meet. Cámaras encendidas: Pablo, Sandra, Marcos, Lucía, y Andrés (el CTO, que casi nunca aparece en reuniones de equipo). Andrés tiene la cámara encendida pero se ve que está revisando otra cosa en paralelo. Sabes que tienes 2 minutos para captar su atención.

1Tu (compartiendo pantalla):
2"Buenos días a todos. Esta semana mi objetivo era construir
3el análisis de retención por cohortes. Antes de entrar en
4los números, quiero compartir un descubrimiento que cambia
5la narrativa:
6
7Todos sabiamos que la retención W1 cayo de 72% a 61%.
8La interpretacion obvia es: el producto está empeorando.
9Pero los datos cuentan otra historia.
10
11[Muestra tabla segmentada por plan]
12
13La retención de usuarios Pro apenas cambio (82% a 80%).
14Business tampoco (91% a 89%). Lo que cambio es el MIX:
15en enero el 40% de nuevos signups eran free. En marzo
16es el 65%. Y los usuarios free retienen al 58%.
17
18No es que el producto sea peor. Es que estamos trayendo
19un tipo de usuario diferente."
20
21Andres Lopez (CTO):
22"Espera. Estas diciendo que marketing está trayendo peor
23calidad de leads?"
24
25Tu:
26"No necesariamente peor calidad -- pero si leads que
27tienen menos intencion de pagar. El funnel de adquisicion
28cambio: en enero la mayoria venía de referrals y contenido
29organico. Ahora hay más paid ads dirigidos a freelancers.
30Los freelancers usan el plan free y churnan rápido."
31
32Lucia:
33"Ey, eso tiene sentido ?? El equipo de growth lanzo una
34campaña de paid en febrero orientada a freelancers. Puedo
35confirmar que el volumen de signups free subio un 45% desde
36entonces."
37
38Andres:
39"OK. Entonces la pregunta no es como mejorar el producto
40para retener free -- es como convertir free a Pro. O como
41cambiar el targeting de la campaña. Interesante. Que más
42tienes?"

Fíjate: Andrés pasó de revisar otra cosa a preguntar activamente. Los datos que contradicen la intuición CAPTAN atención. Pablo tenía razón.

1Tu:
2"Segundo hallazgo: del churn de usuarios free, el 68% se
3concentra entre los días 3 y 7 después del signup. Si un
4usuario free sobrevive la primera semana, su probabilidad
5de quedarse a W4 sube del 30% al 52%.
6
7Y el tercer hallazgo: los usuarios que crean una
8automatización en su primera semana retienen 4.8x más
9que los que no. Es el 'aha moment' del producto. Pero
10solo el 12% de usuarios lo descubren en W0."
11
12Lucia:
13"Ey, eso es SUPER actionable ?? Si el aha moment es
14automatizaciones... podemos guiar a los usuarios hacía
15ahi en el onboarding. Un tooltip, un template, lo que sea.
16Puedo prototiparlo la semana que viene."
17
18Sandra:
19"Tengo una pregunta técnica ??: la correlación entre
20automation_created y retención... es causal o hay un
21sesgo? Los usuarios que crean automatizaciones podrian
22ser simplemente más sofisticados -- retenerian de todos
23modos sin la feature."
24
25Tu:
26"Es una pregunta excelente y honestamente no puedo
27probarlo con estos datos. Es correlación, no causalidad.
28Para probar causalidad necesitariamos un A/B test:
29mostrar el onboarding de automatizaciones a un grupo
30y no al otro. Pero la correlación es lo suficientemente
31fuerte como para justificar el experimento."
32
33Andres:
34"De acuerdo. Lucia, monta el A/B test. Equipo de datos,
35seguid profundizando en las features. Quiero este nivel
36de análisis cada semana."
37
38Pablo:
39"?? Anotado. Sandra y el nuevo se encargan del modelo
40recurrente de cohortes en dbt."

Consejo de senior: Sandra hizo la pregunta CORRECTA: correlación vs causalidad. El hecho de que automation_created correlacione con retención NO significa que forzar la feature mejore retención. Puede ser un proxy de sofisticación del usuario. La respuesta honesta es "no lo sí, necesitamos un experimento". Esa honestidad te da credibilidad.

### 16:20 PM - Andrés pide más (el CTO siempre pide más)

1Andres Lopez (CTO):
2"Muy bien. Dos preguntas finales:
3
41. Este análisis... se puede automatizar? Quiero verlo
5 cada semana sin que nadie tenga que ejecutar una query.
6 Un dashboard que se actualice solo.
7
82. Los números que has mostrado... son verificables?
9 Si alguien del board me pregunta 'de donde sale ese 61%',
10 quiero poder decir 'de aquí, con está definición, con
11 este pipeline'. No quiero que sea un número que alguien
12 saco de un notebook una vez."
13
14Tu: "Para la primera: Sandra y yo estamos convirtiendo las
15queries en modelos dbt que se ejecutan cada día. El lunes
16tenemos el modelo corriendo automaticamente. El dashboard
17en Looker puede estar para la semana que viene.
18
19Para la segunda: absolutamente. Cada métrica tiene su
20definición documentada en Notion con fecha de vigencia,
21responsable y criterios exactos de inclusion. Si alguien
22quiere auditar, puede seguir el trail completo: definición
23-> modelo dbt -> tabla -> dashboard."
24
25Andres: "Excelente. Eso es exactamente lo que necesito.
26Pablo, quiero este nivel de rigor en todo lo que produzcamos."
27
28Pablo: "?? Anotado."
29
30Marcos: (levanta el pulgar sin decir nada)

Fíjate en las preguntas de Andrés: no son sobre los números en sí -- son sobre la INFRAESTRUCTURA detrás de los números. Un CTO quiere saber que los datos son reproducibles, automáticos y auditables. Que los produjo un SISTEMA, no una persona. Porque si la persona se va, los datos desaparecen. Tu respuesta demuestra que pensaste en eso: dbt, documentación, automatización. Eso es lo que separa un análisis ad-hoc de un producto de datos.

### 16:25 PM - Feedback post-demo

1#data-team | Viernes 16:30 PM
2
3Pablo Herrera 16:30 PM
4?? Gran demo equipo. Especialmente la parte de Simpson --
5Andres se activo cuando nunca lo había visto en una demo
6nuestra. Eso es exactamente el tipo de insight que
7justifica la existencia de este equipo.
8
9@nuevo: excelente primera semana. Has entregado más de lo
10que esperaba. El lunes hacemos retro y planificamos la
11siguiente iteracion.
12
13Sandra Vidal 16:32 PM
14+1 ?? Y el hallazgo del bug de timestamps... eso nos
15habria dado números erroneos durante meses si no lo
16pillas. Bien hecho.
17
18Marcos Delgado 16:35 PM
19Buen pipeline. Clean code.
20
21Lucia Fernandez 16:37 PM
22Ey, gracias por los datos ?? Ya estoy pensando en el
23onboarding de automatizaciones. La semana que viene te
24pido segmentaciones por industria del workspace.
25Heads up ??
26
27 ?? 5 ?? 3 ?? 2

"Buen pipeline. Clean code." -- eso, viniendo de Marcos (que lleva 8 años y NO regala cumplidos), es el equivalente a una ovación de pie. Cierras el portátil a las 17:00 con una sonrisa. Ha sido una buena primera semana.

### 17:00 PM - Reflexion del viernes

Mientras recoges para irte, Pablo se acerca a tu mesa. Es raro verle levantarse -- normalmente todo es por Slack. Te dice en voz baja: "Oye, no te lo he dicho delante del equipo pero Andrés me escribió después de la demo. Dijo textualmente: Con estos datos puedo convencer al board de no recortar presupuesto de marketing. Si los datos que producimos evitan un recorte de 200K, este equipo se justifica solo." Te da una palmada en el hombro y se va.

Eso es algo que los juniors no suelen ver: el IMPACTO de tu trabajo más allí de la query. Los datos que produjiste esta semana no son solo filas en una tabla -- son la base para decisiones de negocio que afectan a la empresa entera. Un número bien calculado puede evitar un despido. Un número mal calculado puede provocarlo. Por eso la definición importa tanto. Por eso Sandra insiste en documentar. Por eso Pablo te pidió validar con ella antes de presentar.

1#data-team | Viernes 17:15 PM
2
3Sandra Vidal 17:15 PM
4Buen finde equipo! ??
5El lunes arrancamos con el modelo incremental de cohortes.
6@nuevo si te queda un hueco lee esto:
7https://docs.getdbt.com/docs/build/incremental-models
8No es obligatorio pero te va a servir para entender lo que
9hacemos la semana que viene.
10
11Marcos Delgado 17:18 PM
12Buen finde.
13
14Pablo Herrera 17:20 PM
15?? Buen trabajó está semana equipo. Descansad.
16El lunes retro + planning. Nos vemos!
17
18Lucia Fernandez 17:22 PM
19Ey buen finde todos! ??
20La semana que viene os voy a dar la chapa con segmentacion
21por industria. Perdonadme de antemano jaja
22
23 ?? 3 ??? 2

Consejo de senior: Sandra te mandó un link de documentación para el finde. No es obligatorio pero leerlo demuestra interés y te prepara para el lunes. Los seniors notan quién llega el lunes habiendo leído y quién no. No es sobre trabajar gratis el finde -- es sobre invertir 20 minutos en tu propio crecimiento.

## ejercicios

[01]

Estructura de la presentación para stakeholders

Escribe el outline de tu demo en formato que Pablo aprobaria: contexto del problema, hallazgos con números concretos, implicaciones y next steps. Maximo 12 minutos.

Cargando editor...
[02]

Analisis: correlación vs causalidad en features

Sandra preguntó si automation_created es causal o solo correlación. Escribe un análisis que explique la diferencia, identifique posibles confounders y proponga como validar la causalidad.

Cargando editor...

Regístrate para guardar tu progreso.

## comentarios

Reporta erratas, ayuda a otros o comparte tu opinión. Sé constructivo.

Inicia sesión para comentar y responder.

cargando comentarios...