Hay un momento en la vida de toda empresa de tecnología en LATAM donde el CEO se da cuenta de que tiene un sistema que funciona, usuarios que lo usan y ninguna claridad sobre qué están haciendo esos usuarios, dónde se van, qué les genera fricción o qué funcionalidad genera más valor.
Ese momento es costoso. Porque las decisiones de producto que se tomaron sin datos generalmente son las que más tiempo y dinero cuestan corregir.
Los tres niveles de analítica que toda plataforma necesita
Nivel 1: Observabilidad técnica - saber que el sistema funciona
Antes de hablar de estrategia de negocio, el sistema tiene que ser observable. Eso significa saber en tiempo real cuando algo falla, cuánto tarda cada operación crítica y dónde están los cuellos de botella.
En Ab4cus implementamos tres herramientas de observabilidad en cada proyecto:
- Sentry para error tracking cuando una transacción falla, Sentry captura el error con stack trace completo, el contexto del usuario y la secuencia de eventos que llevaron al error. El equipo sabe qué falló antes de que el usuario escriba un ticket.
- Pino para logging estructurado en el backend cada transacción, cada llamada a API externa, cada error de validación queda registrado con contexto (userId, transactionId, amount) en formato JSON consultable.
- OpenTelemetry para distributed tracing en arquitecturas con múltiples servicios, permite ver el camino completo de una request a través de todos los servicios involucrados y medir la latencia de cada paso.
Nivel 2: Analítica de producto - entender qué hacen los usuarios
PostHog es la herramienta que usamos para analítica de producto en los proyectos de Ab4cus donde el cliente necesita entender el comportamiento de sus usuarios. A diferencia de Google Analytics que mide pageviews, PostHog mide eventos de negocio: "usuario completó onboarding KYC", "usuario abandonó el formulario de transferencia en el paso 3", "usuario activó la tarjeta virtual".
Esto permite responder las preguntas que realmente importan:
- ¿En qué punto del funnel de onboarding se van la mayoría de usuarios?
- ¿Qué funcionalidades usa el 80% de los usuarios vs. cuáles son ignoradas?
- ¿Cuánto tiempo tarda un usuario promedio en completar su primera transacción?
- ¿Los usuarios que usan la funcionalidad X tienen mayor retención?
PostHog también incluye feature flags la capacidad de activar o desactivar funcionalidades para segmentos específicos de usuarios sin hacer un nuevo deploy. Para fintechs que lanzan nuevas funcionalidades de compliance o nuevos productos financieros, esto permite lanzamientos controlados y A/B testing real.
Nivel 3: Business Intelligence - datos que informan decisiones estratégicas
Para clientes con volúmenes de datos significativos, implementamos pipelines de Business Intelligence que consolidan datos de múltiples fuentes PostgreSQL de producción, eventos de PostHog, métricas de Cloudflare en dashboards ejecutivos que responden preguntas de negocio:
- ¿Cuál es el LTV (Lifetime Value) promedio por cohorte de usuario?
- ¿Qué segmentos de clientes tienen mayor propensión a churn?
- ¿Cuál es el costo de adquisición real por canal vs. el valor que generan esos clientes?
- ¿Las alertas AML están generando falsos positivos que friccionan a clientes de bajo riesgo?
El error más común: instrumentar después del lanzamiento
La analítica no se agrega después se diseña antes. Los eventos de negocio que quieres medir tienen que estar en el código desde el inicio. Si el sistema lleva 18 meses en producción sin instrumentación, los datos históricos para entender el comportamiento simplemente no existen.
En Ab4cus, el plan de instrumentación qué eventos se van a trackear, qué métricas van a ser el norte del producto es parte del proceso de diseño antes de escribir código. No un sprint separado "de analítica" que siempre se pospone.
Analítica e inteligencia en Epitagoras
Epitagoras, nuestro sistema de KYC/KYB y compliance, tiene analítica integrada en su capa de compliance:
- Dashboard de volumen de alertas AML por tipo y severidad
- Trending de scores de riesgo por segmento de clientes
- Tiempo promedio de resolución de casos por analista
- Tasa de falsos positivos de las reglas AML por período
- Comparativa de KPIs regulatorios período a período
Estos dashboards no son decorativos son los que el oficial de compliance usa para demostrarle al regulador que el programa AML está funcionando efectivamente.
Si quieres entender cómo podría verse la estrategia de analítica para tu proyecto específico, empieza por calcular el alcance:
→ Calcular el costo de mi plataforma con analítica integrada
0 Comentarios