En la mayoría de las empresas constructoras hay datos, y muchos. Partes diarios, remitos, liquidaciones de jornales, presupuestos, informes de avance, actas de reunión. Todo eso existe, vive en algún servidos, en alguna carpeta organizada por año y mes, en algún chat. El problema no es entonces la falta de información. El problema es que esa información rara vez llega a condicionar una decisión.
La paradoja es conocida, pero vale la pena nombrarla: nunca registramos tanto, y sin embargo, seguimos decidiendo principalmente desde la experiencia acumulada de quien lleva más años en el sector. Un informe publicado por AutoDesk confirma que el volumen de datos técnicos en proyectos de construcción se duplicó en tres años, pero que esa información no logra ser aprovechada. Un tercio de los encuestados reconoció haber tomado malas decisiones por basarse en datos de baja calidad. Cuatro de cada diez afirmaron usar menos de la mitad de los datos disponibles.
No es un problema argentino ni exclusivo de las empresas más pequeñas. Es una dificultad estructural del sector.
La experiencia tiene un límite
La intuición y el criterio de quien tiene años de obra son activos genuinos. Un profesional experimentado sabe cuándo una excavación está dando más problemas de los esperados, cuándo un subcontratista va a fallar en el plazo, cuándo un presupuesto tiene holguras y cuándo no. Ese conocimiento tácito es valioso y ninguna herramienta lo reemplaza.
Pero la experiencia tiene al menos dos límites importantes. Primero: no siempre está disponible. Las empresas crecen, los equipos rotan y el conocimiento que estaba en la cabeza de alguien se va con esa persona. Segundo: la experiencia tiende a sobrerrepresentar lo más reciente y, lo más llamativo, y a subestimar las tendencias de largo plazo que solo se ven cuando se analizan series de datos. Para eso, la mirada humana sola no alcanza.
Digitalizar un proceso no es lo mismo que transformarlo. Una empresa puede registrar en software exactamente lo mismo que antes anotaba en papel, con la misma lógica, sin que eso cambie nada en su capacidad de análisis.
Digitalización no es transformación
En los últimos años muchas empresas del sector adoptaron software de gestión de proyectos, implementaron sistemas de compras, digitalizaron procesos administrativos. Eso fue un avance real. Pero el resultado, en muchos casos, fue una constelación fragmentada de datos: cada sistema registra su parte del mundo, pero nadie integra el conjunto. La contabilidad no habla con el seguimiento de obra, el seguimiento de obra no habla con las compras, y las compras no hablan con la planificación.
Cuando alguien necesita entender qué pasó con la rentabilidad real de un proyecto terminado, o cuáles fueron las causas más frecuentes de retraso, tiene que construir esa información desde cero, cruzando fuentes manualmente. El esfuerzo es grande, el margen de error también y el aprendizaje, que debería quedar en la organización, se pierde.
La transformación real ocurre cuando los datos generados por distintos sistemas se integran, se analizan y se usan para aprender: para identificar qué es recurrente, qué se puede anticipar y qué se puede mejorar de manera sistemática.
¿Qué datos conviene mirar?
No todos los datos tiene el mismo valor.
La tentación de querer medirlo todo es comprensible, pero el camino más productivo es el contrario: definir primero qué preguntas se quieren responder y, desde ahí, identificar qué datos son necesarios para responderlas.
En construcción, los datos más útiles son los que permiten tomar mejores decisiones en tres dimensiones: costos, plazos y calidad.
En costos, lo que importa no es el presupuesto inicial sino las desviaciones: dónde se gastó más de lo previsto, por qué, y si esa diferencia era evitable. Si en tres proyectos consecutivos el costo de instalaciones eléctricas superó el presupuesto en un 20%, eso no es mala suerte. Es una señal de que el método de presupuestación para ese rubro necesita revisión. Esa conclusión solo es posible si los datos se registran con coherencia entre proyectos.
En plazos, no alcanza con saber si una obra terminó en fecha o con retraso. Lo útil es saber qué actividades generaron los principales desvíos y si esos desvíos tienen causas recurrentes. Cuánto tiempo se pierde esperando materiales, cuántas veces un equipo estuvo inactivo por falta de mantenimiento: son datos que en obra se naturalizan pero que tienen un costo real y medible.
En calidad y seguridad, los registros de no conformidades y accidentes son quizás los más subutilizados. Se cargan por obligación, pero rara vez se analizan como fuente de aprendizaje. Sin embargo, son exactamente el tipo de dato que permite hacer predicciones: identificar los factores presentes en los incidentes registrados habilita implementar medidas preventivas antes de que vuelvan a ocurrir. Diez no conformidades del mismo tipo en distintos proyectos no son coincidencia: son una señal de que algo en los procesos necesita atención.
Por dónde empezar
El cambio que propone trabajar con datos no requiere grandes inversiones tecnológicas para dar los primeros pasos. Requiere claridad sobre qué se quiere medir, coherencia en cómo se registra, y voluntad de revisar los números con regularidad.
Una forma práctica de decidir qué vale la pena recopilar es preguntarse: ¿esta información me permitiría tomar una decisión diferente, o confirmar que la que estoy tomando es la correcta? Si la respuesta es sí, el dato tiene valor. Si se registra, pero nadie lo consulta jamás, probablemente el esfuerzo de cargarlo pueda redirigirse a algo más útil.
El mayor obstáculo para avanzar en este camino suele ser cultural antes que tecnológico. La convicción de que los datos solo confirman lo que ya se sabe, o la desconfianza respecto de su calidad, son resistencias comprensibles. Pero se resuelven empezando por algo pequeño: un área del negocio, tres o cuatro indicadores concretos, la serie histórica construida con lo que ya existe. El aprendizaje que genera ese primer ciclo suele ser suficiente para convencer a los más escépticos de que es imprescindible seguir.
