Preguntale a tus datosEn español, desde WhatsApp o Slack

Cuando alguien escribe "cómo viene el mes en zona sur" por WhatsApp, la pregunta no llega a un modelo de lenguaje con acceso libre a la base. Primero se resuelve la identidad de quien pregunta y su alcance de permisos. Después Metrix interpreta la intención y la traduce a los objetos de la capa semántica: "el mes" es el período que definió finanzas, "zona sur" es una jerarquía de territorio real y "cómo viene" resuelve a la métrica de venta neta acordada en el discovery. Recién con esa traducción hecha se genera la consulta, ya acotada por los permisos de esa persona, y se ejecuta contra el sistema de origen o su réplica de lectura. El resultado vuelve con la cifra, el período, el filtro aplicado y la fuente, y en paralelo se escribe el registro de auditoría: quién preguntó, cuándo, qué consulta corrió y cuántas filas devolvió. Después la respuesta se formatea según la forma del dato (una cifra suelta, un ranking, una serie de tiempo) y llega al canal donde nació la pregunta: WhatsApp, Slack, Microsoft Teams o la interfaz web. El total se mide en segundos, no porque el modelo sea veloz, sino porque el trabajo pesado ya estaba hecho antes de que alguien preguntara.

Metrix no es un repositorio: no copia tu información a una base propia ni te pide migrar nada, se conecta a las fuentes que ya tenés y las consulta donde viven. En la práctica eso incluye bases relacionales (SQL Server, PostgreSQL, MySQL, Oracle Database), almacenes analíticos (BigQuery, Snowflake, Amazon Redshift, Databricks), el ERP de gestión (Tango Gestión, Bejerman, SAP, NetSuite), el CRM (Salesforce) y cualquier sistema con API o vista SQL disponible. Cada fuente entra con un usuario de solo lectura y, cuando la base de producción no tolera consultas analíticas, se apunta a una réplica. Lo que define la frescura del dato no es Metrix sino la fuente: si tu ERP consolida la facturación cada hora, la respuesta refleja esa hora, y eso se documenta métrica por métrica para que nadie confunda "tiempo real" con "lo último que cargó el sistema". Si ya tenés Power BI o Tableau, no se reemplazan: Metrix lee el mismo modelo y convive con los tableros que el equipo mantiene, que siguen siendo mejores para explorar una hipótesis larga cruzando muchas dimensiones.

La escena se repite en todas las empresas: comercial lleva un número a la reunión, finanzas lleva otro y la primera media hora se va en discutir cuál está bien. Casi siempre los dos están bien y lo que cambia es el criterio, porque uno cuenta la venta al emitir el pedido y el otro al facturar, uno incluye devoluciones y el otro no. Ninguna herramienta de consulta resuelve eso sola, y un agente que responde rápido sin resolverlo apenas logra que la discusión llegue antes. Por eso el corazón del proyecto no es el chat: es la capa semántica, el lugar donde cada métrica se define una sola vez, con su fórmula, su período, sus exclusiones y un dueño con nombre y apellido que puede cambiarla. Ahí también viven las jerarquías (qué sucursales forman una zona, qué SKU forma una familia) y los sinónimos con los que la gente pregunta de verdad. Construirla es la parte incómoda del proyecto y es donde se juega el resultado: son conversaciones entre áreas, no configuración. El premio es que después toda respuesta, la pregunte quien la pregunte y por el canal que sea, sale del mismo criterio.

Democratizar el acceso al dato sin gobernanza es abrirle la base entera a la empresa, y el control se aplica en tres capas. Los permisos se resuelven antes de ejecutar: la consulta se genera ya acotada al alcance de quien pregunta, así que un jefe de sucursal que pregunta por las ventas obtiene las suyas y no ve que existan otras. No es un filtro cosmético sobre un resultado completo. Las columnas sensibles, como sueldos, datos personales de clientes o márgenes por cuenta, se enmascaran por rol incluso para quien sí puede ver la fila. Y cada interacción deja rastro: usuario, momento, pregunta en lenguaje natural, consulta ejecutada y volumen devuelto, con una retención acordada con tu equipo de seguridad y detallada en Transparencia de datos. Ese registro además funciona como insumo de producto, porque muestra qué pregunta la organización y qué todavía no sabe contestar el agente. Sobre la infraestructura, Vantegrate no opera nubes propias: tu implementación corre sobre Salesforce o sobre Oracle Cloud Infrastructure, y las certificaciones auditables como SOC 2 Type II e ISO 27001 pertenecen a esas plataformas. En Argentina, la Ley 25.326 se cumple con controles configurables de consentimiento, acceso, rectificación y retención dentro de tu propia implementación.

Metrix no limpia datos sucios, y conviene decirlo fuerte: un agente conversacional montado sobre información inconsistente no avisa que algo está mal, contesta con la misma seguridad que si estuviera bien, y esa confianza es peor que el silencio de un reporte que nadie leía. Si los maestros de clientes están duplicados, si media empresa trabaja sobre planillas de escritorio o si nadie puede decidir qué es un cliente activo, la calidad del dato es un proyecto en sí mismo: ese trabajo va antes y no lo reemplaza ninguna interfaz. Tampoco es un data warehouse ni una herramienta de integración: no transforma, no consolida ni orquesta procesos ETL. No escribe en tus sistemas, solo lee. No hace modelos predictivos ni forecasting estadístico: contesta sobre lo que pasó y sobre lo que está pasando. Y no reemplaza al equipo de BI, lo saca de la cola de pedidos repetitivos; alguien tiene que seguir modelando y cuidando el dato. Si tu caso es explorar una hipótesis durante dos horas cruzando seis dimensiones, un tablero sigue siendo la mejor herramienta. Metrix rinde en la pregunta puntual y frecuente, la que hoy se resuelve interrumpiendo a un analista.