Prompts para GPS Estratégico y el SAT

Prompts para el GPS Estratégico y el SAT (Sistema de Alertas Tempranas)

Aquí tienes una batería de prompts diseñados para que la IA actúe como tu copiloto en el análisis de los datos del **GPS Estratégico** usando **gráficos XmR** y **Reglas de Nelson**. La clave está en darle contexto, rol y datos concretos en cada interacción.

Te recomiendo usarlos en secuencia, como si fueras construyendo un análisis paso a paso. Y un consejo: **pídele que escriba código Python o R** cuando necesites cálculos exactos, y luego ejecútalo tú mismo para validar. DeepSeek es excelente interpretando y generando hipótesis, pero la responsabilidad del cálculo preciso es tuya.

### 1. Prompt de configuración del rol y contexto

Actúa como un analista experto en Control Estadístico de Procesos (SPC), gestión estratégica y finanzas. Estoy trabajando con el **GPS Estratégico** de mi empresa y quiero analizar la evolución de un KPI mediante un gráfico **XmR** y las **Reglas de Nelson**. Tu rol es ayudarme a detectar señales tempranas, interpretarlas y vincularlas con los objetivos estratégicos. Trabajaremos con datos históricos de [KPI]. ¿Entendido?

### 2. Prompt para preparar y validar los datos

Te proporcionaré una serie temporal del KPI **[nombre del KPI]** con periodicidad **[mensual/semanal]** desde **[fecha inicio]** hasta **[fecha fin]**. Los datos son:

[pegar tabla o CSV]

Antes de calcular nada, revisa:

• ¿Hay valores atípicos evidentes?
• ¿Faltan datos?
• ¿La serie es suficientemente larga para un XmR (mínimo 20 puntos)?
• ¿Hay cambios de definición o saltos estructurales que debamos considerar?

Dame un diagnóstico previo y sugiere si es necesario dividir la serie.

### 3. Prompt para calcular los límites de control XmR

Con los datos validados, calcula el gráfico XmR para el KPI **[nombre]**. Necesito:

• Media del proceso (X̄)
• Rango móvil promedio (MR̄)
• Límites de control para X: LCS = X̄ + 2.66 * MR̄, LCI = X̄ – 2.66 * MR̄
• Límites para MR: LCS = 3.267 * MR̄, LCI = 0

Muestra los resultados en una tabla y, si es posible, genera el código Python para reproducirlo. Explica si el proceso está bajo control estadístico.

### 4. Prompt para aplicar las Reglas de Nelson

Aplica las **8 Reglas de Nelson** a la serie del KPI **[nombre]** usando los límites XmR calculados. Para cada regla, indica:

• Si se activa o no
• En qué punto(s) de la serie se activa
• -Qué tipo de señal representa (tendencia, cambio de media, punto fuera de límites, etc.)

Prioriza las reglas 1, 2, 3, 5 y 6, que son las más útiles en monitoreo continuo. Ignora por ahora las reglas 4, 7 y 8 si generan mucho ruido. Dame una lista de alertas detectadas con fecha y valor.

### 5. Prompt para interpretar las señales en lenguaje de negocio

De las alertas detectadas por las Reglas de Nelson, explica en lenguaje no técnico qué significan para el negocio. Por ejemplo:

• «La Regla 3 se activó: el KPI lleva 6 meses subiendo. Esto sugiere un deterioro sostenido, no un evento aislado.»
• «La Regla 5 se activó: 2 de 3 puntos cerca del límite superior. Es una señal temprana de que el proceso podría estar desplazándose.»

Para cada alerta, indica si es una **causa especial** (algo anómalo que requiere acción) o **causa común** (variación normal). Justifica.

### 6. Prompt para vincular con el GPS Estratégico

Este KPI **[nombre]** está asociado al objetivo estratégico **[objetivo del GPS]**. Dado el comportamiento detectado por el XmR y las Reglas de Nelson, responde:

• ¿Qué riesgo u oportunidad representa para el logro de ese objetivo?
• ¿Qué otros KPIs del GPS podrían verse afectados por esta señal?
• ¿Deberíamos revisar alguna iniciativa estratégica?

Genera una hipótesis de relación causa-efecto entre la alerta y el objetivo estratégico.

### 7. Prompt para análisis de causa raíz

Para la alerta más crítica detectada, genera una lista de posibles causas raíz. Usa un enfoque de **5 Porqués** o **Diagrama de Ishikawa** adaptado a finanzas/estrategia. Considera factores como:

• Procesos internos
• Factores externos (mercado, competencia, regulación)
• Decisiones de gestión
• Estacionalidad

Luego, sugiere qué datos adicionales necesitaríamos para confirmar o descartar cada hipótesis.

### 8. Prompt para recomendar acciones y umbrales

Basado en el análisis, propón:

• Acciones correctivas inmediatas para las alertas críticas.
• Acciones preventivas para las alertas tempranas.
• Si los límites de control XmR siguen siendo válidos o si el proceso ha cambiado y hay que recalcularlos.
• Si conviene ajustar las metas o benchmarks del GPS Estratégico a la luz de la variación real del proceso.
• Distingue claramente entre «límite de control» (comportamiento histórico) y «meta» (aspiracional).

### 9. Prompt para generar un informe ejecutivo

Genera un informe ejecutivo de una página con este análisis. Incluye:

• Título: «Alerta Temprana del KPI [nombre] – [fecha]»
• Resumen de la situación (1 párrafo)
• Gráfico XmR (describe cómo se vería o pide el código para generarlo)
• Alertas Nelson activadas (tabla)
• Implicaciones para el GPS Estratégico
• Recomendaciones (3-5 bullets)
• Próximos pasos

Usa un tono ejecutivo, claro y orientado a la acción.

### 10. Prompt para generar código reutilizable

Escribe un script en Python que:

• Reciba un CSV con columnas `fecha` y `valor`.
• Calcule el gráfico XmR (media, rango móvil, límites).
• Evalúe las 8 Reglas de Nelson.
• Devuelva una tabla con las alertas detectadas (regla, fecha, valor, descripción).
• Genere una gráfica XmR con los puntos y límites.

Incluye comentarios y explica cómo ejecutarlo. Usa pandas, numpy y matplotlib.

### 11. Prompt para simular escenarios

Si el KPI **[nombre]** sigue la tendencia actual detectada por la Regla de Nelson 3, ¿cuál sería su valor proyectado en los próximos 3, 6 y 12 meses?

• Muestra un rango optimista, base y pesimista.
• Indica en qué momento cruzaría el límite de control o la meta estratégica.
• Sugiere qué acciones podrían cambiar esa trayectoria.

### 12. Prompt de mejora continua del SAT

• Con base en este ejercicio, sugiere mejoras para nuestro Sistema de Alertas Tempranas (SAT):
• ¿Qué reglas de Nelson deberíamos mantener activas y cuáles desactivar para reducir falsas alarmas?
• ¿Cada cuánto deberíamos recalcular los límites XmR?
• ¿Cómo integrar estas alertas en el GPS Estratégico de forma automática?
• ¿Qué otros KPIs del GPS se beneficiarían de un análisis XmR + Nelson?

### Consejos finales para usar estos prompts

Sé específico con los datos: La IA no puede adivinar. Pega la tabla o el CSV en el chat.

Pide código cuando haya cálculos:  “Genera el código Python para calcular los límites XmR y las Reglas de Nelson”. Luego ejecútalo en tu entorno.

Valida siempre: Contrasta los resultados con tu propio conocimiento del negocio y, si es posible, con un software estadístico.

Recalca: Si una respuesta es muy genérica, pídele que profundice: “Dame un ejemplo concreto para mi KPI de DSO”.

Mantén el contexto: Al inicio de cada sesión, recuérdale el rol y el contexto del GPS Estratégico.

Con estos prompts, cualquier IA se convierte en un copiloto muy potente para tu SAT financiero y estratégico.

Ejemplo:

Desarrollar un ejemplo concreto es la mejor forma de validar todo lo que hemos conversado y de tener un caso de referencia para escalarlo luego a otros KPIs del GPS Estratégico.

Para que el ejemplo sea lo más útil posible, te sugiero que elijas un KPI que cumpla con estas características:

• Que sea crítico para el GPS: Que esté directamente vinculado a un objetivo estratégico.
• Que tengas datos históricos suficientes: Mínimo 20-24 puntos (mensuales o semanales).
• **Que su comportamiento sea interesante: ** Que tenga alguna tendencia, cambio de nivel o evento que valga la pena analizar.
• Que sea financiero o estratégico: Un KPI que combine ambas dimensiones, como DSO, Margen Bruto, Rotación de Inventarios, Flujo de Caja Operativo, etc.

### Sugerencia de estructura para tu ejemplo

Te propongo que lo desarrolles en estas etapas, y si quieres, me compartes los avances para que te acompañe en cada paso:

1. Contexto: ¿Qué KPI es? ¿A qué objetivo del GPS Estratégico está vinculado? ¿Por qué es relevante?
2. Datos: La serie histórica (tabla con fecha y valor).
3. Validación previa: Diagnóstico inicial de los datos (outliers, faltantes, cambios estructurales).
4. Cálculo XmR: Media, rango móvil, límites de control.
5. Aplicación de Reglas de Nelson: Qué reglas se activan y en qué puntos.
6. Interpretación: ¿Qué significan esas señales en lenguaje de negocio?
7. Vínculo con el GPS: ¿Qué riesgo u oportunidad representa para la estrategia?
8. Causa raíz y acciones: Hipótesis y recomendaciones.
9. Informe ejecutivo: El resumen de una página.

### ¿Quieres que te ayude a arrancar?

Si me dices qué KPI vas a usar y me compartes los datos históricos (aunque sea una muestra), puedo ayudarte a:

• Validar si la serie es apta para XmR.
• Calcular los límites de control.
• Detectar qué Reglas de Nelson se activan.
• Interpretar las señales en clave estratégica.
• Generar el código Python para que lo reproduzcas.

También puedo sugerirte un dataset simulado si prefieres empezar con un caso ficticio antes de usar datos reales de tu empresa. A veces es útil para entender la mecánica sin la presión de los datos sensibles