Por Qué Construí Clarivant

Alguien en el C-suite hace una pregunta simple: "¿Cuál es nuestro customer lifetime value por región?"

Silencio.

Tres semanas después aparece un archivo de Excel. Está mal. Nadie confía en él. Las decisiones se retrasan.

He visto esta película docenas de veces. Y después de 15 años construyendo sistemas de datos — desde hojas de cálculo que no abrían hasta pipelines que movían operaciones multinacionales — decidí que ya era suficiente.

El problema que nadie quiere nombrar

Las empresas medianas no tienen un problema de datos. Tienen toneladas de datos. Lo que tienen es una brecha entre "tenemos datos" y "podemos usarlos para tomar decisiones".

Las grandes empresas resuelven esa brecha con presupuestos enormes: consultoras de medio millón de dólares, equipos de diez personas, plazos de año y medio. Las empresas medianas — las de $100M, $500M en ingresos — no pueden pagar eso. Pero tampoco pueden seguir operando con hojas de cálculo, reportes manuales y decisiones basadas en intuición.

Están atoradas en un limbo que el mercado no atiende bien.

Por qué persiste

La respuesta fácil es decir que les falta tecnología. No es cierto. Snowflake, dbt, Fivetran — las herramientas existen y son accesibles. Lo que falta es alguien que sepa qué construir, en qué orden, y por qué.

Las consultoras grandes venden proyectos largos porque su modelo de negocio depende de eso. Llegan con partners senior en la venta y después mandan a un equipo de recién egresados que aprende con el presupuesto del cliente. Seis meses de discovery. Decks de PowerPoint. Y al final el equipo interno sigue sin poder responder la pregunta del C-suite.

No es que sean malas. Es que su incentivo no está alineado con entregar rápido.

Lo que aprendí en el camino

Mi punto de quiebre fue un archivo de Excel con más de 60,000 filas que no abría. Estaba en Montreal, trabajando en distribución electrónica, y ese archivo me obligó a aprender Access, después SQL, después automatización. Lo que empezó como un workaround se convirtió en una carrera.

En P&G construí analítica sobre cadenas de suministro globales. En eBay escalé infraestructura de marketplace para millones de usuarios en 15 países. En cada lugar, la lección fue la misma: las herramientas importan mucho menos que saber qué problema estás resolviendo en realidad.

Me di cuenta hablando con empresas medianas que necesitan exactamente los mismos frameworks que funcionaron en Fortune 100 — pero ejecutados con la velocidad y el presupuesto que tienen. No una versión diluida. La misma arquitectura, adaptada a su realidad.

En qué cree Clarivant

No creo que la analítica de datos deba requerir presupuesto enterprise para funcionar. Un equipo senior y enfocado puede entregar en meses lo que una consultora grande tarda un año en empezar. Y el cliente debe ser dueño de todo lo que se construye — sin vendor lock-in, sin dependencia eterna del consultor.

Clarivant existe para cerrar esa brecha. No vendemos horas de consultoría. Construimos infraestructura de datos que genera resultados medibles — reducción de costos, mejores decisiones de precio, reportes en los que Finanzas realmente confía — y que sigue funcionando después de que terminamos.

La diferencia no es la tecnología. Es trabajar directamente con alguien que ya construyó estos sistemas antes, a escala, sin handoff a juniors ni fases de discovery interminables.