Devoluciones Subiendo = Dinero Desapareciendo

El Problema:
Devoluciones en Ropa subieron 18%. Margen se comía. Nadie sabía por qué.

Nuestra Investigación:
Analizamos data de devoluciones. 42% eran por "talla no coincide".

La Recomendación (Insight):
"Revisar con proveedor el etiquetado de tallas."

El Resultado:
Devoluciones bajaron 12%. +$120,000/año en margen recuperado.

Eficiencia Diferente Entre Plantas = Oportunidad Oculta

El Problema:
Planta A y B hacen el mismo producto. Rendimiento diferente. Nadie veía por qué.

Nuestra Investigación:
Planta A tiene 15% más eficiencia. Investigamos proceso.

La Recomendación (Insight):
"Planta A está usando Proceso XYZ en Paso 4. Replica en Planta B."

El Resultado:
Planta B sube a eficiencia de A. +$30,000/mes en producción.

EL PROBLEMA INICIAL

Situación: Empresa retail mediana con 150 empleados, 8 tiendas, vendiendo ropa y accesorios.

Lo que notaron:

• Mes anterior: 5,000 unidades devueltas

• Este mes: 5,700 unidades devueltas

• Aumento: 14% de devoluciones

• Impacto: Pérdida de margen estimada en $85,000 ese mes

• Pregunta sin respuesta: "¿Por qué pasó esto?"

Reacción típica sin STRTGY:

• CEO preocupado pero sin datos claros

• Gerente de tienda culpa a vendedores

• Vendedores culpan a proveedores

• Nadie tiene claridad real

• Pasa otra semana, problema persiste, margen sigue bajando

CÓMO STRTGY LO DETECTA

Viernes, sesión ejecutiva con cliente:

Nuestro equipo llega con análisis en dashboard:

1. Extracción de datos:

   • Conectamos a sistema de punto de venta

   • Traemos todas las devoluciones del mes

   • Categorización automática por razón de devolución

   • Comparación mes anterior vs mes actual

2. Lo que vemos en el dashboard:

   • Total devoluciones: 5,700 unidades

   • Distribución por categoría:

     • Ropa: 3,200 devoluciones (56%)

     • Accesorios: 1,500 devoluciones (26%)

     • Calzado: 1,000 devoluciones (18%)

3. Drill-down en Ropa (donde está el problema):

   • Total ropa: 3,200

   • Razón de devolución más frecuente: "Talla no coincide" = 1,344 devoluciones

   • Eso es 42% de todas las devoluciones de ropa

   • Esto representa ~$85,000 en margen perdido

4. Benchmark mes anterior:

   • Mes anterior: "Talla no coincide" era 8% de devoluciones

   • Ahora es 42%

   • Es un salto dramático que necesita investigación

ANÁLISIS PROFUNDO (Lo que hace STRTGY)

Pregunta: ¿Por qué pasó este cambio drástico?

Investigación:

1. Contactamos a proveedor de ropa principal

2. Descubrimos: "Hace 3 semanas cambiamos el etiquetado de tallas"

3. Razón: "Queremos ser más eco-friendly, etiquetas más pequeñas"

4. Realidad: Las nuevas etiquetas tienen números más pequeños, confundiendo a clientes

La cadena causa-efecto:

• Etiquetas nuevas → Números confusos → Clientes compran talla equivocada → Devoluciones suben

• Además: Vendedores no fueron entrenados en cambio → No explican el cambio → Clientes aún más confundidos

LA RECOMENDACIÓN (El Insight)

Lo que le presentamos al CEO:

"📊 INSIGHT CRÍTICO: Devoluciones en categoría Ropa subieron 14% este mes.

🔍 ROOT CAUSE ANALYSIS:

• 42% de devoluciones son por "talla no coincide"

• Causa raíz: Nuevo etiquetado de tallas es confuso

• Afecta clientes desde la compra en tienda

💡 RECOMENDACIÓN INMEDIATA (48 horas):

• Reunión proveedor: Volver a etiquetado anterior OR hacer números más grandes

• Training a vendedores: Cómo explicar nuevo sistema de tallas a clientes

• Signage en tiendas: Explicar sistema de tallas claramente

💡 RECOMENDACIÓN MEDIA PLAZO (1-2 semanas):

• Si el proveedor no puede cambiar etiquetas rápido: Agregar sticker con talla grande en tienda

• Monitor: Medir devoluciones diarias, no esperar a fin de mes

💡 RECOMENDACIÓN LARGO PLAZO:

• Implementar control de calidad en cambios de proveedores

• Siempre test con 1 tienda antes de rodar a todas

💰 IMPACTO ESTIMADO:

• Si lo arreglas esta semana: Ahorras ~$20,000 en devoluciones (quedan 3 semanas del mes)

• Si lo arreglas el próximo mes: Ahorras ~$85,000 completo

• ROI de esta recomendación: Infinito (cuesta casi nada, ahorra mucho)"

ACCIÓN DEL CLIENTE

Lunes siguiente:

• CEO llama al proveedor

• Deciden: Imprimir etiquetas nuevas con números más grandes

• Se entregan en 5 días

• Se entrena a vendedores el fin de semana

• Se colocan nuevas etiquetas en tiendas

Resultado:

• Devoluciones por "talla no coincide" bajan 60% en 2 semanas

• Mes siguiente: Devoluciones normalizan a niveles históricos

• Ahorro: +$85,000 ese mes, +$50,000 al mes siguiente

Eso es un insight de STRTGY.

EL PROBLEMA INICIAL

Situación: Empresa manufacturera con 350 empleados, 2 plantas, producen componentes electrónicos.

Lo que sabían pero no medían:

• Planta A (ubicada en CDMX): Produce 1,200 unidades/día

• Planta B (ubicada en Monterrey): Produce 1,000 unidades/día

• Diferencia: 200 unidades/día (17% menos en Planta B)

• Costo: ~$30,000/mes en producción perdida

• Pregunta sin respuesta: "¿Por qué Planta B es menos eficiente? ¿Es normal?"

Reacción típica sin STRTGY:

• Director de operaciones asume: "Es geografía, mercado diferente"

• O asume: "Planta B tiene menos experiencia, así es"

• O asume: "Máquinas viejas en Planta B"

• Nadie investiga realmente porque "así es la vida"

• Mes tras mes pierden $30,000

CÓMO STRTGY LO DETECTA

Viernes, sesión ejecutiva con cliente:

Nuestro equipo presenta análisis de producción:

1. Extracción de datos:

   • Conectamos a sistema MES (Manufacturing Execution System) de ambas plantas

   • Traemos datos de producción últimos 12 meses

   • Hora de inicio, hora de fin, unidades producidas, paros, tiempo de setup

2. Lo que vemos:

   • Planta A: 1,200 unidades/día en promedio

   • Planta B: 1,000 unidades/día en promedio

   • Diferencia: 200 unidades/día = 17% menos

   • Esto es consistente todos los días

3. Pregunta: ¿Por qué?

Investigación manual no funcionaría:

• Gerente de Planta B diría: "Nuestras máquinas son viejas"

• Pero cuando revisamos, máquinas son casi idénticas

• ¿Entonces qué es?

ANÁLISIS PROFUNDO (Nuestra investigación)

Comenzamos a comparar proceso paso a paso:

Paso 1: Setup

• Planta A: 15 minutos

• Planta B: 15 minutos

• Igual ✓

Paso 2: Producción automática

• Planta A: 20 minutos para 100 unidades

• Planta B: 20 minutos para 100 unidades

• Igual ✓

Paso 3: Inspección de calidad

• Planta A: 3 minutos por 100 unidades

• Planta B: 3 minutos por 100 unidades

• Igual ✓

Paso 4: Empaque y clasificación ← AQUÍ ESTÁ LA DIFERENCIA

• Planta A: 2 minutos por 100 unidades (proceso automático)

• Planta B: 8 minutos por 100 unidades (proceso MANUAL)

• Diferencia: 6 minutos por cada 100 unidades

¿POR QUÉ?

• En Planta A: Hace 3 años compraron máquina empacadora automática ($50,000)

• En Planta B: Nunca la compraron, siguen haciéndolo manual

Impacto acumulado:

• 6 minutos por 100 unidades × 12 lotes/día = 72 minutos perdidos/día

• 72 minutos ÷ 60 = 1.2 horas perdidas/día

• En 1.2 horas de máquina sin parar: Se pierden 200 unidades

¡ES EXACTAMENTE LA DIFERENCIA DE 200 UNIDADES!

LA RECOMENDACIÓN (El Insight)

Lo que le presentamos al Director:

"📊 INSIGHT CRÍTICO: Planta B tiene 17% menos eficiencia que Planta A.

🔍 ROOT CAUSE ANALYSIS:

• Planta A produce 1,200 unidades/día

• Planta B produce 1,000 unidades/día

• Diferencia: 200 unidades/día

• Causa raíz: Paso 4 (Empaque) es MANUAL en B, AUTOMÁTICO en A

• Planta A: 2 min/100 unidades (automático)

• Planta B: 8 min/100 unidades (manual)

• Diferencia acumulada: 72 minutos/día = 200 unidades perdidas

💡 RECOMENDACIÓN:
Comprar máquina empacadora automática idéntica a Planta A e instalarla en Planta B

💰 ANÁLISIS FINANCIERO:

• Costo máquina: $50,000 (inversión única)

• Unidades recuperadas: 200/día × 250 días laborales = 50,000 unidades/año

• Margen por unidad: $6

• Ingreso adicional: 50,000 × $6 = $300,000/año

• Payback de la inversión: 2 meses

• ROI: 600% (se recupera 6 veces en el año)

💡 ALTERNATIVA SI NO QUIEREN INVERTIR:

• Entrenar a personal Planta B en método de Planta A (tomar 1 semana)

• Usar mismo proceso manual pero más optimizado

• Recuperaría ~30-40% de la ineficiencia (no todo, pero algo)

• Impacto: ~$60,000-80,000/año"

ACCIÓN DEL CLIENTE

Semana 1:

• Gerente de operaciones aprueba compra de máquina

• Se coloca orden con proveedor

Semana 6:

• Llega máquina a Planta B

• Técnicos la instalan

Semana 7:

• Se capacita a operadores

• Se comienza a usar

Resultado:

• Planta B comienza a producir 1,190 unidades/día (casi igual a Planta A)

• Diferencia ahora: solo 10 unidades/día (variación normal)

• Impacto: +$30,000/mes en producción adicional

• Payback se logró en 2 meses

EL PROBLEMA INICIAL

Situación: Empresa de servicios B2B (consultoría), 250 empleados, 150 clientes activos.

Lo que sabían pero no analizaban:

• Ingresos totales: $5,000,000/año

• Costo del equipo: $3,000,000/año

• Margen bruto: $2,000,000 (40%)

• Pregunta: "¿De dónde viene realmente el margen?"

Reacción típica sin STRTGY:

• CFO reporta: "Margen general 40%, bien"

• CEO asume: "Todos los clientes son rentables"

• Realidad: Algunos clientes pierden dinero, otros ganan mucho

• Nadie lo sabe porque no se ha analizado por cliente

CÓMO STRTGY LO DETECTA

Viernes, sesión ejecutiva con cliente:

Nuestro equipo presenta análisis de rentabilidad por cliente:

1. Extracción de datos:

   • Conectamos a sistema contable/ERP

   • Traemos: Ingresos por cliente, costos directos (salarios asignados, gastos)

   • Calculamos margen neto por cliente

2. Lo que vemos al agrupar:

Ranking de clientes por rentabilidad:

Top 10 (20% de clientes):

• Cliente A: +$200,000/año (margen 45%)

• Cliente B: +$150,000/año (margen 42%)

• Cliente C: +$140,000/año (margen 40%)

• (...)

• Total Top 10: +$1,400,000/año (70% del margen total)

Middle 50 (40% de clientes):

• Margen promedio: $50,000/año cada uno

• Total: +$600,000/año

Bottom 90 (40% de clientes):

• Cliente X: $2,000/año (margen 5%)

• Cliente Y: -$10,000/año (PÉRDIDA, margen negativa)

• Cliente Z: $5,000/año (margen 8%)

• (...)

• Total Bottom 90: +$100,000/año (5% del margen)

¡DESCUBRIMIENTO CLAVE!

20% de los clientes generan 70% del margen.

40% de los clientes generan casi NADA.

ANÁLISIS PROFUNDO

¿Por qué los clientes Bottom 90 no son rentables?

1. Cliente Y (que pierde dinero):

   • Ingresos: $40,000/año

   • Costo directo: $50,000/año (equipo asignado es muy caro para poco trabajo)

   • Resultado: -$10,000/año PÉRDIDA

   • ¿Por qué?: Se ganó el cliente hace años a "precio competitivo", pero no es rentable

   • Realidad: Debería costar $60,000 para ser rentable, pero cliente paga $40,000

2. Clientes Bottom 50 en general:

   • Ingresos promedio: $30,000-50,000/año

   • Requieren: Equipo senior (porque cliente pide expertise), soporte intenso

   • Resultado: Rentabilidad baja (5-15%)

3. Clientes Top 10:

   • Ingresos promedio: $140,000/año

   • Requieren: Mismo equipo que otros, pero cliente paga más

   • Resultado: Rentabilidad alta (40-45%)

La pregunta: "¿Qué hay de diferente?"

Análisis:

• Top 10: Empresas grandes, pagan por valor, dan proyectos grandes

• Bottom 90: Empresas pequeñas o medianas, negociaron precio bajo, proyectos fragmentados

• Plus: Bottom 90 requieren MUCHO soporte administrativo porque son muchos clientes pequeños

LA RECOMENDACIÓN (El Insight)

Lo que le presentamos al CEO:

"📊 INSIGHT CRÍTICO: 70% de tu margen viene de 20% de tus clientes.

🔍 ANÁLISIS POR RENTABILIDAD:

• Top 20 clientes (30 empresas): $1,400,000/año (70% margen)

• Middle 40: $600,000/año (30% margen)

• Bottom 40 (60 empresas): $100,000/año (5% margen)

🔍 ¿POR QUÉ?

• Clientes grandes negocian mejor precio, dan proyectos grandes, son menos demandantes

• Clientes pequeños: Precio bajo (negociado hace años), muchos servicios por poco dinero, soporte administrativo intenso

• Ejemplo: Cliente Y PIERDE $10,000/año (client debt)

💡 RECOMENDACIÓN - ESTRATEGIA EN 3 FASES:

FASE 1 (Inmediato):
Identifica clientes que pierden dinero (ej: Cliente Y)

• Opción A: Subir precio de servicio 25% para que sea rentable

• Opción B: Reducir scope de servicios

• Opción C: Terminar relación (más agresivo pero honesto)

FASE 2 (30 días):
Para clientes Bottom 90 rentables pero bajos:

• Aumentar precio 15-20% con justificación

• Consolidar servicios para reducir overhead administrativo

• Si cliente dice que no: Ofrecerle salida elegante

FASE 3 (3 meses):
Enfoque de ventas NUEVO:

• 80% esfuerzo en clientes similares a Top 20 (grandes, valoran, pagan bien)

• 20% esfuerzo en mantener clientes Bottom 90 rentables

• PARAR de perseguir clientes pequeños con precio bajo

💰 IMPACTO ESTIMADO:

Escenario 1 (Conservador):

• Subir precio 15% a Bottom 90: +$15,000/año (solo en margen, no en ingresos)

• Terminar 3 clientes que pierden dinero: +$30,000/año evitados

• Total: +$45,000/año = $3,750/mes

Escenario 2 (Moderado):

• Subir precio 20% a rentables: +$30,000/año

• Terminar clientes con pérdida: +$30,000/año

• Agregar 2 clientes Top 10 nuevos: +$280,000/año

• Total: +$340,000/año = $28,333/mes

Escenario 3 (Agresivo - Recomendado):

• Transformar Bottom 90 a precio justo (subirlo): +$60,000/año

• Terminar clientes con pérdida: +$30,000/año

• Agregar 5 clientes Top 10: +$700,000/año

• Reducir equipo asignado a Bottom 90 (consolidar): +$100,000/año

• Total: +$890,000/año = $74,166/mes

🎯 ACCIÓN RECOMENDADA:
Comenzar con Escenario 2, midiendo mes a mes."

ACCIÓN DEL CLIENTE

Semana 1:

• Identifica Cliente Y y otros con pérdida

• Contacta a Cliente Y: "Vamos a aumentar precio 30% porque nuestro modelo no es rentable al precio actual"

• Cliente Y responde: "Oye, eso es mucho. Busco otro proveedor"

• Respuesta: "Entiendo. Aquí está la salida ordenada"

Semana 2:

• Identifica 60 clientes Bottom 90 rentables

• Comienza a subirles precio 15-20% gradualmente (cada renovación de contrato)

• Mensajes: "Hemos aumentado valor en nuestros servicios, ajustamos precio"

Semana 3:

• Sales team enfocado: BUSCAR clientes similares a Top 20

• Mensajes: "Somos especialistas en empresas de tu tamaño"

Mes 3:

• Resultado: 3 clientes Bottom 90 se van (por precio)

• Pero ganan 2 clientes Top 10 nuevos

• Clientes Bottom 90 que quedan: Precio 18% más alto

• Margen general sube de $2,000,000 a $2,340,000/año