Hay algo casi mágico en ver cómo una decisión tomada desde el dato correcto transforma una experiencia de usuario. No es magia, claro. Es analítica digital bien hecha.

Pero ¿cuántas veces creemos estar midiendo bien… cuando en realidad solo estamos sumando eventos?

En equipos de producto, hablar de datos es fácil. Lo difícil es medir lo que realmente importa: ese momento de fricción en el funnel que parece invisible, ese comportamiento del usuario que se diluye entre dashboards.

Medir bien no es coleccionar KPIs. Es saber hacer la pregunta correcta y construir el sistema adecuado para responderla. Medir bien es una decisión de diseño.

¿Qué significa medir bien?

* Medir bien es priorizar la comprensión sobre el volumen.

* Medir bien es evitar el vanity data y centrarse en el comportamiento.

* Medir bien es tener claridad sobre lo que se quiere accionar después del insight.

No se trata de tener una herramienta cara ni de montar un stack sofisticado. Se trata de cultura. De saber que sin una buena medición, las decisiones de producto son, en el mejor de los casos, apuestas intuitivas.

En Decathlon lo tienen claro

Tuve la suerte de conversar con Jorge López, Head of Digital Analytics en Decathlon España, y hablar de todo esto. De cómo entienden el rol del dato, de cómo usan Amplitude, y de cómo han logrado identificar puntos críticos en el funnel de conversión que no eran visibles con herramientas tradicionales.

👉 Puedes ver la entrevista completa aquí:

Si estás en un equipo de producto, datos o UX, creo que te va a dar buenas ideas y quizá alguna inspiración.

“Un mal producto con buena gestión financiera no va a ningún lado. Pero un buen producto con mala gestión… te pierde el partido.” — Jaime Medina, CEO de Startup CFO

Hace unos días grabamos un episodio con Jaime Medina, fundador de Startup CFO, en el que hablamos sobre un tema que rara vez se discute con profundidad: la relación entre el equipo de producto y el CFO.

En el ecosistema startup estamos muy acostumbrados a pensar en producto como algo casi autónomo: diseño centrado en el usuario, decisiones basadas en datos de uso, discovery continuo… pero, ¿cuántas veces involucramos a Finanzas de verdad?

Jaime tiene una visión muy clara: el CFO no está para revisar facturas ni hacer reporting por obligación. Está para ayudar a tomar mejores decisiones. Especialmente, las de producto.

💸 El CFO no es un deliverable. Es una herramienta estratégica

Uno de los mensajes más potentes de Jaime fue este: el reporting no es el trabajo del CFO, es su herramienta. No sirve para entregar un PDF cada mes, sino para detectar que estamos invirtiendo en la dirección equivocada, o que estamos gastando sin retorno real.

"¿Por qué estamos metiendo pasta en inbound si outbound tiene mejor conversión?"

En otras palabras, el CFO tiene que estar tan cerca del negocio como del Excel.

🔁 ¿Tu producto es recurrente o simplemente lo quieres creer?

Otra joya que dejó Jaime es la crítica al sesgo aspiracional que tenemos en producto (y como founders): creer que tenemos un modelo de negocio recurrente cuando en realidad el caso de uso no lo es.

Puedes cobrar por suscripción. Pero si el usuario solo tiene necesidad una vez al año, tienes un problema de retención disfrazado de MRR.

“Imagínate que haces un SaaS para organizar bodas. Por muy recurrente que quieras que sea… no lo es.”

📊 Habla el idioma del CFO (si quieres que te aprueben el roadmap)

¿Quieres convencer al CFO de que priorice una funcionalidad? Jaime fue muy claro: habla en términos de retorno de inversión.

* ¿Cómo afectará esa funcionalidad al churn?

* ¿Reducirá el cash payback?

* ¿Incrementará el ticket medio?

La clave está en presentar las apuestas del roadmap como escenarios con impacto financiero estimado, no solo como mejoras de UX.

🧪 Elimina incertidumbre, pero con cabeza

Finalmente, Jaime recuperó la esencia del enfoque lean: una startup es una máquina de eliminar incertidumbre. Pero no lo haces por intuición, lo haces con datos. Y si los datos no están, al menos modela hipótesis con rangos, escenarios, riesgos.

“Apunta al caso optimista, toma decisiones en el base, y finańciate para el peor.”

🧠 ¿Qué debería hacer un Product Manager diferente mañana?

* Agenda una reunión con Finanzas. En serio. Conócelos, explícales tu mundo.

* Comparte tus métricas de uso con contexto financiero.

* Empieza a pensar en unit economics. Pero desde el cash.

* Usa cohortes, no averages. No caigas en la trampa de la “media de la teta y el huevo”.

* No compres features milagro. Mide. Compara. Decide.

Este episodio es oro puro si alguna vez te has preguntado: ¿cómo puedo justificar el impacto de producto más allá de lo cualitativo?

Puedes escucharlo completo aquí →

Últimamente todo lo que escuchamos sobre inteligencia artificial tiene que ver con prompts, ChatGPT, generación de imágenes o vídeos. Pero hoy quería traeros una conversación muy distinta.

Invité a Daniyal Shahrokhian al podcast para hablar de la otra IA.La que no se hace viral en redes, pero que se lleva usando desde hace años para resolver problemas reales en empresas. La que requiere datos bien montados, procesos duros de entrenamiento, validación y precisión. Y la que —aunque no tenga nombre de chatbot— mueve millones.

Durante una hora hablamos de:

* Cuál es la diferencia real entre IA generativa y la que él llama "discriminativa".

* Qué tipo de datos se usan para entrenar modelos en el mundo real (y por qué eso es más difícil de lo que parece).

* Cómo funcionan técnicas como el transfer learning y qué es eso de congelar capas de un modelo.

* Qué retos hay al aplicar IA en industrias como la farmacéutica.

* Y por qué el mayor problema no es montar el modelo, sino conseguir y limpiar los datos.

Me gustó mucho una reflexión de Dani:

“No aprendas IA porque sí. Aprende IA cuando veas un problema concreto que quieras resolver. Así es como realmente se aprende.”

Si te interesa entender cómo se aplica la IA más allá del hype, o si estás pensando en usarla en tu empresa, te recomiendo que lo escuches entero.

🎧 Aquí tienes el episodio completo →