Trade Marketing · Guía
Dashboard de trade marketing: cómo armarlo para decidir
Cómo armar un dashboard de trade marketing: fuentes de datos, modelo, vistas por rol y herramientas BI. Un tablero que decide en vez de un reporte que nadie abre.
Un dashboard de trade marketing sirve si en la primera pantalla te dice dónde no estás, dónde estás mal ejecutado y dónde la ejecución no está moviendo la venta. Esta guía cubre cómo construirlo de punta a punta —fuentes de datos, modelo, vistas por rol, herramientas BI y ritmo de actualización—, con los errores que más vemos al integrar datos de punto de venta con datos de demanda digital.
Qué indicadores medir ya lo desarrollamos en la guía de KPIs de trade marketing. Acá el foco es otro: cómo convertir esos indicadores en un tablero que el equipo use todas las semanas y no en un reporte que se abre el día del comité.
Reporte vs. dashboard: dos herramientas para dos momentos
La confusión más frecuente es pedirle a un mismo archivo que haga las dos cosas. Un reporte de trade marketing y un dashboard tienen usuarios, frecuencias y formatos distintos.
| Reporte de trade marketing | Dashboard de trade marketing | |
|---|---|---|
| Pregunta | ¿Qué pasó en el período? | ¿Qué tengo que corregir ahora? |
| Frecuencia de uso | Mensual o trimestral | Varias veces por semana |
| Usuario típico | Dirección, comité, cliente | Supervisores, KAMs, brand manager |
| Formato | Narrativa + gráficos cerrados | Filtros, excepciones, drill-down |
| Unidad de análisis | Programa, marca, canal | PDV, ruta, cadena, SKU |
| Riesgo | Llegar tarde | Mostrar todo y no priorizar nada |
Los dos son necesarios. El error es que el dashboard termine siendo un reporte con filtros: cuarenta gráficos, sin objetivos marcados y sin una lista de qué hacer el lunes.
Las cuatro fuentes de datos que tiene que cruzar
Un tablero de trade marketing es, antes que nada, un problema de integración de datos. Las fuentes típicas son cuatro, y cada una tiene su lag y su nivel de confiabilidad:
- Relevamiento de campo. Lo que cargan mercaderistas y promotoras en cada visita: presencia, quiebres, frentes, precio, exhibición, fotos. Es el dato más fresco y el más controlable, pero depende de que la definición de cada campo sea la misma para todos.
- Sell-in. Lo que la marca facturó al canal, desde el ERP. Llega rápido y limpio, pero no mide demanda. Si todavía se usa como proxy de venta al consumidor, conviene leer primero sell-in vs sell-out.
- Sell-out. Venta del canal al consumidor: data compartida por cadenas o droguerías, paneles de retail measurement o estimaciones propias. Es el dato que más importa y el que llega con más demora, típicamente semanas.
- Inversión. Fee de agencia, costo del equipo de campo, material POP, cánones, rebates, medios digitales. Suele vivir en planillas de finanzas y es la fuente que más tarda en consolidarse.
A estas cuatro se suma, en marcas que invierten en performance, la data de demanda digital: tráfico, búsquedas de marca, conversiones por zona. Cruzarla con el sell-out por región es lo que deja ver si la demanda que se genera online está encontrando el producto en góndola.
El modelo de datos: donde se gana o se pierde el tablero
La herramienta de BI es la parte fácil. Lo que define si el dashboard dice la verdad son tres maestros:
- Maestro de PDV. Un identificador único por punto de venta, con cadena, formato, región, cluster y peso en la categoría. Si la cadena llama a una sucursal de una forma, el relevamiento de otra y el ERP de una tercera, ningún cruce funciona.
- Maestro de SKU. Código propio con equivalencias contra los códigos de cada cadena y del panel. Sin esto, el sell-out de un SKU aparece partido en tres filas.
- Calendario. Semanas y meses definidos igual para todas las fuentes. Una cadena que reporta de lunes a domingo y otra de domingo a sábado ya desalinean la comparación.
El trade-off honesto: armar y mantener estos maestros es trabajo poco visible, y es lo primero que se recorta cuando hay apuro por "ver el tablero". En la práctica, la mayor parte del esfuerzo de un proyecto de BI de trade marketing se va en limpiar y mapear datos, no en diseñar gráficos.
Vistas por rol: un dashboard, cuatro pantallas
Cada usuario necesita una pregunta contestada, no el tablero completo.
Supervisor de campo. Cumplimiento de ruta, PDV visitados vs. planificados, quiebres detectados y resueltos, lista de puntos con peor índice de perfect store. Actualización diaria. Es la vista que decide la ruta de la semana siguiente.
Key account manager. Por cadena: distribución, surtido efectivo, cumplimiento de exhibición negociada y sell-out vs. objetivo. Es la vista que se lleva a la reunión con el comprador, con el dato de qué se pagó y qué se ve en góndola.
Brand o category manager. Sell-out en unidades, share de categoría, lift de los programas activos y su relación con la ejecución. Acá entra el cruce con la demanda digital por región.
Dirección. Cinco o seis números: distribución ponderada, quiebre promedio, sell-out vs. año anterior, share, inversión ejecutada y retorno por programa. Con la posibilidad de bajar al detalle, pero sin obligar a hacerlo.
Una regla útil para todas las vistas: excepciones antes que promedios. Un 8% de quiebre nacional puede esconder un 20% en farmacias independientes del interior. La lista de los veinte PDV con peor desempeño vale más que el gráfico de tendencia.
Herramientas de analytics para PDV y BI de trade marketing
Hay dos capas de herramientas, y conviene no mezclarlas.
Captura en punto de venta. Apps de relevamiento para el equipo de campo (las llamadas SFA o retail execution): formularios por visita, fotos geolocalizadas, check-in en el PDV, rutas. Algunas suman reconocimiento de imagen para contar frentes a partir de una foto de góndola. La pregunta clave al elegir no es la cantidad de funcionalidades, sino si exportan los datos crudos con el identificador de PDV y SKU que usa tu maestro. Sumamos más detalle sobre esta capa en digitalización del punto de venta en farmacia.
Consolidación y visualización. Una base de datos donde se cruzan las fuentes, y un BI encima.
| Opción | Cuándo sirve | Límite |
|---|---|---|
| Excel / Google Sheets | Validar indicadores, pocos PDV, una persona a cargo | Versiones, volumen, carga manual |
| Looker Studio | Equipos chicos, datos ya en Google Sheets o BigQuery | Modelado de datos limitado |
| Power BI | Compañías en el ecosistema Microsoft, varias fuentes, permisos por rol | Requiere alguien que mantenga el modelo |
| Tableau u otras plataformas | Cuando ya están en el stack corporativo | Costo de licencias para muchos usuarios |
| Módulo de BI de la app de campo | Vista operativa rápida del equipo | Rara vez cruza sell-out e inversión |
No hay una opción correcta en abstracto. Si la compañía ya trabaja con Microsoft, Power BI suele ser el camino de menor fricción; si el volumen es chico y el equipo vive en Google Workspace, Looker Studio alcanza para empezar. Lo que no conviene es elegir la herramienta antes de tener resueltos los maestros de PDV y SKU.
Ritmo de actualización y fecha de corte
Cada bloque del dashboard se actualiza al ritmo en que el dato se puede corregir:
- Ejecución en PDV: diario o con cada sincronización de la app. Un quiebre detectado el lunes se resuelve el jueves.
- Presencia y distribución: mensual. Se corrige con negociación comercial, no con visitas.
- Sell-out: semanal o mensual, según el acuerdo con el canal o el panel.
- Retorno: por ciclo de programa, típicamente trimestral.
Todo bloque tiene que mostrar su fecha de corte. Si la ejecución es de ayer y el sell-out tiene tres semanas de lag, el tablero lo tiene que decir en pantalla; si no, alguien va a concluir que una exhibición nueva "no movió la venta" mirando datos de antes de que se instalara.
Para series en valor, deflactar con los índices de precios de INDEC o, mejor, trabajar en unidades. Con inflación, un sell-out en pesos que sube puede ser una marca que pierde volumen.
Farma y OTC: ajustes al tablero
En farmacia la estructura es la misma, pero hay cortes que no pueden faltar:
- Mostrador vs. autoservicio como dimensión fija del maestro de PDV. En autoservicio pesan share of shelf y exhibición; en mostrador, disponibilidad y recomendación del farmacéutico.
- Cobertura de capacitación al personal de mostrador como indicador propio de la vista de campo.
- Sell-out por cluster de farmacias, no punto por punto: el volumen por PDV en OTC o dermocosmética es bajo y la lectura individual es ruido.
- Distribución vía droguerías, que en farma suelen ser una fuente de sell-in a farmacia más cercana a la demanda que la facturación propia.
Cómo encaramos la ejecución y la medición en este canal está en nuestra propuesta de trade marketing farmacéutico.
Errores frecuentes al armar un dashboard de trade marketing
Empezar por la herramienta. Comprar licencias de BI antes de definir indicadores y maestros. Resultado: un tablero lindo que nadie cree.
Relevar todo en cada visita. Cada campo adicional suma minutos por PDV, y esos minutos salen de la cobertura. Definir qué se mide siempre, qué por muestra y qué se compra a un panel.
Sin objetivos en pantalla. Un valor sin objetivo ni período anterior no dispara ninguna acción.
Separar el tablero de trade del de digital. Si la marca invierte en performance para generar demanda y en PDV para convertirla, los dos datos tienen que estar en la misma vista por región. La demanda sin ejecución no convierte y la ejecución sin demanda no escala: es la lógica con la que trabajamos la medición en OnTradeMax.
En una línea
Un dashboard de trade marketing vale por el modelo de datos que lo sostiene y por las decisiones que dispara; la herramienta de BI es lo último que se elige.
Si querés revisar cómo estás consolidando hoy los datos de campo, canal e inversión, y qué haría falta para que tu tablero sirva para decidir, escribinos por WhatsApp.
Preguntas frecuentes
¿Qué es un dashboard de trade marketing?+
Es un tablero que junta en una sola vista los datos de presencia, ejecución en punto de venta, sell-out e inversión de una marca, cortados por cadena, región y cluster de PDV. A diferencia de un reporte mensual, se actualiza con el ritmo de cada dato y está pensado para disparar decisiones: qué punto visitar, qué cadena renegociar, qué programa cortar.
¿Qué diferencia hay entre un reporte y un dashboard de trade marketing?+
El reporte cuenta qué pasó en un período cerrado y se lee una vez. El dashboard muestra el estado actual contra objetivo, con excepciones marcadas, y se consulta varias veces por semana. Los dos son útiles: el reporte sirve para el comité trimestral y la rendición de cuentas; el dashboard, para la gestión diaria del equipo de campo y de los key account managers.
¿Qué herramienta de BI conviene para trade marketing?+
Para la mayoría de las marcas medianas alcanza con Power BI o Looker Studio conectados a una base que consolide el relevamiento de campo, el sell-out del canal y la inversión. Tableau u otras plataformas tienen sentido cuando ya están en el stack de la compañía. La herramienta pesa mucho menos que el modelo de datos: con maestros de PDV y SKU sucios, cualquier BI muestra números equivocados más rápido.
¿Cada cuánto se actualiza un dashboard de trade marketing?+
Cada bloque a su ritmo. La ejecución en PDV (quiebres, exhibición, cumplimiento de ruta) conviene actualizarla a diario o con cada sincronización de la app de campo. El sell-out suele llegar semanal o mensual, según el acuerdo con el canal o el panel. La inversión y el retorno se cierran por ciclo de programa. Lo importante es que la fecha de corte de cada dato quede visible.
¿Se puede armar un dashboard de trade marketing en Excel?+
Para arrancar, sí: una planilla con maestro de PDV, relevamiento y sell-out sirve para validar qué indicadores se usan de verdad. El límite aparece con el volumen y con varias personas cargando datos: versiones duplicadas, fórmulas rotas y nadie seguro de cuál es el número oficial. Cuando el equipo de campo pasa de unas pocas personas o hay más de una fuente de sell-out, conviene migrar a una base y un BI.
¿Qué cambia en un dashboard de trade marketing para farmacia?+
Hay que separar farmacias de mostrador y de autoservicio, porque los indicadores que importan son distintos; sumar cobertura de capacitación al personal de mostrador; y leer el sell-out por cluster de farmacias, porque el volumen por punto es bajo. Las mecánicas de precio están acotadas por la regulación de ANMAT, así que el tablero pone el foco en disponibilidad y visibilidad.
Seguí leyendo
SEO para empresas industriales: keywords técnicas y leads B2B
SEO para empresas industriales: cómo elegir keywords técnicas, qué páginas armar por aplicación y cómo medir el posicionamiento web en oportunidades B2B.
Modelos de atribución B2B: cuál usar en ciclos de venta largos
Modelos de atribución B2B comparados: first touch, last touch, lineal, en U y data-driven. Cuál sirve en ciclos largos y cómo medir la contribución real de cada canal.
Marketing de contenidos B2B industrial: qué publicar y cómo medirlo
Marketing de contenidos B2B industrial: qué formatos sirven en cada etapa del ciclo, cómo producir contenido técnico con ingeniería y cómo medirlo en pipeline.