Del reporte a la acción: qué puedes hacer con Mango DataFlow

Son las 8:05 de la mañana y la supervisión necesita algunas respuestas:

¿Cuánto recuperamos ayer? ¿Qué cartera tuvo menor contactabilidad? ¿Cuántas promesas vencieron sin pago? ¿Qué gestores necesitan revisar casos pendientes?

Para responder, una persona ingresa a Mango, ejecuta varios reportes, descarga archivos y comienza a combinarlos. Después actualiza una planilla o un tablero. Cuando termina, probablemente ya apareció una nueva pregunta.

El problema no es la falta de información. La información existe, pero obtenerla y prepararla una y otra vez consume tiempo.

DataFlow propone otro punto de partida.

Una copia de los reportes, lista para ser utilizada

DataFlow permite seleccionar reportes de Mango y trasladar su información a una base de datos externa, donde cada reporte se convierte en una tabla.

En lugar de ingresar al sistema y ejecutar el mismo reporte cada vez, la empresa recibe acceso de lectura a esa base externa y puede consultarla con herramientas de bases de datos, plataformas de Business Intelligence o procesos propios.

En la configuración estándar, los reportes se procesan diariamente y quedan disponibles al día siguiente, habitualmente a partir de las 5:00. Si el reporte está configurado para consultar un rango determinado, la tabla externa reflejará ese mismo criterio.

Desde ese momento, las consultas, los tableros y las automatizaciones trabajan sobre la copia externa. No necesitan ejecutar permanentemente consultas sobre la base productiva de Mango.

Flujo simple:

Reportes de Mango → actualización programada → base externa → dashboards, métricas y automatizaciones.

Dashboards que comienzan el día actualizados

La base externa puede conectarse con herramientas como Power BI, Tableau o Looker Studio.

Por ejemplo, una empresa podría construir:

• Un tablero ejecutivo con recupero total y evolución de la cartera.

• Un panel operativo con contactabilidad y resultados por gestor.

• Un seguimiento de promesas generadas, cumplidas e incumplidas.

• Una comparación por cartera, cliente, entidad, producto o tramo de mora.

• Un tablero de acuerdos y pagos.

• Una vista particular para cada mandante o cliente.

  
  

Power BI dispone de un conector para bases MySQL, lo que permite seleccionar tablas, transformarlas y relacionarlas dentro del modelo de datos.

De esta manera, Mango continúa siendo el centro de la gestión diaria, mientras que el equipo de análisis puede construir sus propias visualizaciones sin depender de una exportación manual para cada actualización.

Métricas adaptadas a cada operación

No todas las empresas miden la cobranza de la misma manera.

Al tener los datos disponibles en tablas, el equipo puede realizar consultas específicas y combinar información de diferentes reportes. Por ejemplo:

• Relacionar gestiones con teléfonos y resultados de contacto.

• Comparar promesas con pagos posteriores.

• Identificar casos sin gestión dentro de un período.

• Analizar recupero por antigüedad de deuda.

• Consultar la historia de un cliente o documento particular.

• Detectar carteras con caída de contactabilidad.

• Comparar estrategias o equipos.

  
  

Las posibilidades dependen de los campos incluidos en los reportes seleccionados. Si Mango almacena un dato pero no existe todavía un reporte que lo exponga, puede evaluarse la creación de un reporte específico.

DataFlow no define cómo debe medirse el negocio. Entrega una base flexible para que cada empresa construya las métricas que necesita.

Integrar Mango con otras fuentes

La información de cobranzas no siempre está contenida en un único sistema.

Una empresa puede necesitar combinar los datos de Mango con:

• Pagos provenientes de otra plataforma.

• Resultados del discador.

• Costos de campañas.

• Datos de clientes

• Objetivos comerciales y presupuestos.

  
  

Al centralizar estas fuentes en un modelo de análisis, es posible responder preguntas que un reporte aislado no podría resolver.

Por ejemplo, se podría comparar el monto recuperado con el costo de contacto de cada canal, o relacionar los pagos informados por una pasarela con los acuerdos generados en Mango.

Consultar los datos con inteligencia artificial

Una base externa también puede utilizarse como fuente para una solución de inteligencia artificial.

Con un acceso controlado y de solo lectura, podría permitirse que un asistente responda preguntas como:

• ¿Qué carteras redujeron su tasa de contacto?

• ¿Dónde aumentaron las promesas incumplidas?

• ¿Qué variaciones deberían revisar los supervisores?

• ¿Qué ocurrió ayer en la operación?

• ¿Qué casos llevan varios días sin una nueva gestión?

  
  

La IA también podría redactar un resumen ejecutivo diario, explicar variaciones y señalar anomalías para que después una persona las revise.

Esto requiere una implementación responsable. No es recomendable entregar a un servicio público acceso indiscriminado a datos personales. Lo adecuado es trabajar con permisos restringidos, vistas específicas y, cuando sea posible, información agregada o anonimizada.

La inteligencia artificial no reemplaza el análisis ni toma decisiones por sí sola. Facilita el acceso a la información y ayuda a detectar dónde conviene mirar.

Pasar de la métrica a una acción con n8n

Una herramienta como n8n puede conectarse a MySQL, ejecutar consultas y activar procesos de forma programada. Su nodo de MySQL permite realizar consultas, mientras que su disparador programado puede ejecutar un flujo todos los días o en horarios definidos.

Algunos ejemplos:

• Enviar cada mañana un resumen de recupero por email.

• Avisar a un supervisor cuando aumentan las promesas incumplidas.

• Generar un archivo con casos sin gestión reciente.

• Notificar si un reporte no se actualizó correctamente.

• Guardar una copia diaria en otro repositorio.

• Distribuir un tablero diferente para cada responsable.

• Pedir a una IA que redacte una síntesis de los principales cambios.

• Crear una tarea cuando un indicador supera un límite definido.

• Tomar datos de contacto para una acción masiva concreta: envió de mails o mensajes.
  

DataFlow aporta la información. n8n consulta esa información y ejecuta el flujo.

Si se quiere modificar un caso, registrar una gestión o iniciar una acción dentro de Mango, será necesario agregar la API o integración correspondiente. DataFlow, por sí solo, funciona como una fuente externa de consulta.

Es tiempo real y no es tiempo real, eso también puede ser una ventaja.

No toda la información de una operación necesita actualizarse al mismo ritmo.

DataFlow permite definir una frecuencia diferente para cada reporte, según el uso que la empresa vaya a darle. Por ejemplo:

• El reporte de teléfonos puede actualizarse una vez por día.

• El reporte de pagos puede procesarse una vez por semana.

• El reporte de gestiones puede actualizarse cada hora.

  
  

De esta manera, la empresa puede mantener más actualizada la información operativa que necesita consultar durante la jornada, sin ejecutar con la misma frecuencia reportes que cambian poco o que solamente se utilizan en cierres periódicos.

La información disponible antes de que aparezca la pregunta

A las 8:05 del día siguiente, la supervisión vuelve a necesitar respuestas.

Esta vez, el tablero ya está actualizado. El resumen diario ya fue enviado y los casos que requieren atención ya están identificados.

El equipo no comienza descargando archivos.

Comienza tomando decisiones.