Desarrollador Qlik Sense · Inteligencia de Negocios
Trabajo en Inteligencia de Negocios del Grupo DAABON, un grupo agroindustrial de 53 sociedades: plantaciones, plantas extractoras, una refinería, una zona franca y operación portuaria.
Tengo 23 informes de Qlik Sense a mi cargo. Los mantengo, los optimizo y respondo por sus números — que es distinto de haberlos hecho una vez.
Santa Marta, Colombia · UTC−5 · Español nativo · Inglés B2 (sin certificación)
Proyecto propio
No puedo enseñar mis tableros de trabajo: llevan clientes, nómina y valores en aduana. Así que construí uno nuevo, con datos completamente inventados, sobre una comercializadora agroexportadora ficticia.
Todo lo que se ve abajo son capturas de Qlik Sense de verdad, no maquetas: 235.000 filas, un modelo en estrella sin una sola clave sintética, y cuatro hojas. El script, el modelo y la definición de cada objeto están en el repositorio.
La hoja que se abre primero: seis KPI, la serie mensual contra presupuesto y contra el año anterior, y el detalle por país.
$(=Max(Anio)). Al filtrar 2025, la comparación pasa sola a 2024.Set analysis
// La barra: el año que mande la selección Sum({<Origen={'Real'}, Anio={$(=Max(Anio))}>} Valor_USD) // La línea de comparación: el año anterior a ese Sum({<Origen={'Real'}, Anio={$(=Max(Anio)-1)}>} Valor_USD)
Cumplimiento en valor y en volumen, desviación por línea con color condicional, y la tabla dinámica de línea por mes.
Origen. Una tabla de presupuesto aparte con Año, Mes, Producto y País habría creado claves sintéticas contra el calendario, el producto y el país a la vez.Modelo + set analysis
// En el script: el presupuesto se concatena, no se une CONCATENATE (Hechos_Comercial) LOAD %LlaveProducto, %LlavePais, Date(MakeDate(Anio_Ppto, Mes_Ppto, 1)) as Fecha, 'Presupuesto' as Origen, ... // En el tablero: lo que los separa vVentaReal = (Sum({<Origen={'Real'}>} Valor_USD)) vVentaPpto = (Sum({<Origen={'Presupuesto'}>} Valor_USD)) vCumplimiento = ($(vVentaReal) / $(vVentaPpto))
Quién factura y quién deja margen — que no son los mismos —, las altas y bajas de cartera por año, y el detalle con variación interanual comparable.
Script + variables
// En la carga: lo que no depende de la selección LEFT JOIN (Clientes) LOAD %LlaveCliente, Min(Year(Fecha)) as Anio_Primera_Compra, Max(Year(Fecha)) as Anio_Ultima_Compra RESIDENT Hechos_Comercial WHERE Origen = 'Real' GROUP BY %LlaveCliente; // En el tablero: los dos lados recortados por igual vVentaYTD = (Sum({<Origen={'Real'}, Anio={$(=Max(Anio))}, Es_Mes_YTD={1}>} Valor_USD)) vVentaYTDAnterior = (Sum({<Origen={'Real'}, Anio={$(=Max(Anio)-1)}, Es_Mes_YTD={1}>} Valor_USD))
La hoja que nadie mira mientras todo cuadra, y la primera que se abre el día que no.
Script
Control_Carga: LOAD Origen as Control_Origen, Count(Origen) as Control_Filas, Date(Min(Fecha)) as Control_Fecha_Min, Date(Max(Fecha)) as Control_Fecha_Max, Round(Sum(Valor_USD)) as Control_Valor_USD RESIDENT Hechos_Comercial GROUP BY Origen;
El visor del modelo de datos de la propia app. Un hecho en el centro, cinco dimensiones y el calendario.
$Syn, ningún lazo circular.Paises colgara de Clientes y a la vez del hecho, el modelo cerraría un lazo. Se resuelve en la carga con ApplyMap.
Siete pestañas, separadas por origen y por tabla, con el porqué escrito arriba.
ApplyMap y no necesita un solo JOIN.Van aquí porque son lo más parecido a una entrevista técnica que cabe en una página. Las tres dieron resultados plausibles y falsos — ninguna dio error.
Con DecimalSep = ',', un LET guarda 1,043 como texto. Al expandirla dentro de Round(precio * $(vDeriva) * ..., 0.01), la coma se lee como separador de argumentos. No dio error: dio precios de centavos, y solo se vio al sumar por año. La deriva pasó a calcularse como campo, no como variable.
Una variable se expande como texto antes de evaluarse. $(vMargenBruto) / $(vVentaReal) se convertía en Sum(a) − Sum(b) / Sum(c), que por precedencia es otra cosa. El KPI mostraba un margen de 1.184.492.738.048 %. Ahora todas las definiciones van entre paréntesis.
Los gráficos de barras creados por API con propiedades mínimas devolvían el hipercubo correcto, con sus filas y sin un solo error, y se pintaban vacíos. La solución fue partir de un objeto real del servidor y sustituirle dimensiones y medidas. El scatterplot que quería para la hoja de clientes no se pudo: no existe ninguno en el servidor del que copiar la carcasa, así que lo cambié por un gráfico combinado que dice lo mismo.
Grupo DAABON · 53 sociedades
No hay capturas aquí: estos informes llevan clientes, nómina y valores en aduana. Lo que sí hay son los números de antes y de después, que es lo que se puede comprobar en una llamada.
Once dominios de negocio conviviendo en una sola app —P&G, costos, ventas, cartera, dos zonas francas, logística, ausentismo, PQRS y CRM—. 6.210 líneas de script en 39 pestañas, 37 hojas, 708 objetos. No se diseñó: se fue apilando.
SET DateFormat distinto y un QVD las guarda ya interpretadas; si una columna llegara como texto ambiguo, las llaves dejarían de casar sin dar ningún error. Comprobado hoja por hoja: las cinco idénticas.De 15 hallazgos, seis arreglados. El último fue el que más dinero movió: al presupuesto de costos le faltaban 240.405 millones de pesos por dos errores encadenados —un Left Join que multiplicaba filas y un LOAD DISTINCT que colapsaba líneas—. Se cuadró contra los QVD de origen leídos directamente.
Lo que hay que decir antes de que lo preguntenLas tres claves sintéticas que quedan no son descuido: están sosteniendo defectos de datos de otros sistemas. Resolverlas cambia cifras que alguien mira, así que están documentadas y esperando decisión, no arregladas a escondidas.
Una app de Desarrollo Humano publicada, que gerencia consultaba, con datos congelados de tres semanas atrás. La recarga manual moría a los 261 segundos y nadie sabía por qué.
LOAD usaba fue todo el arreglo.Cada corrección quedó registrada con el número de antes y el de después. Incluido un diagnóstico mío que resultó equivocado, corregido en el mismo documento.
Lo que hay que decir antes de que lo preguntenEl informe sigue sin disparador por horario. Eso lo decide el administrador del entorno, no yo.
Cuatro informes leen los QVD que deja una extractora. Buscando otra cosa, encontré que los archivos se solapaban.
2026-01-01 se evalúa como 2024. El rango que llega a la API es el de la conexión, no el que pide el script.Está documentado con los números y sin tocar. Arreglarlo en el origen es una app publicada de la que viven cuatro informes: eso se planifica, no se improvisa un martes.
Lo que hay que decir antes de que lo preguntenQue yo lo haya encontrado no lo convierte en mío. Lo que hice fue medirlo y escribirlo donde se pueda decidir.
Una app de gestión de personas llevaba tres meses sin recargar. El bloque de clima laboral leía cinco tablas de encuestas completas.
ErrorMode = 0, es decir, el script seguía adelante como si nada.Un error silenciado con ErrorMode = 0 es una decisión, no un accidente. Lo que hice fue dejarlo visible con una tabla de estado de carga, para que la próxima vez se note.
Lo que hay que decir antes de que lo preguntenMigrar esa conexión mueve datos de varios informes. Sigue pendiente de decisión, y está escrito así.
El informe de rotación mostraba el mes en curso sin un solo retiro. Nadie lo había reportado: parecía un mes bueno.
El origen reportaba 7.048 «renuncias voluntarias». 325 eran traslados entre sociedades del mismo grupo: la persona nunca se fue. Cambiar la llave del episodio de número de nómina a cédula lo corrigió, y eso cambia todas las cifras que van detrás.
Lo que hay que decir antes de que lo preguntenLa app publicada sigue con el dato viejo a propósito: arreglarla sube números que alguien está mirando, y eso se avisa antes, no después.
Un área llevaba su P&G en Excel, con su formato, sus negritas y sus totales desplegables. Querían verlo en Qlik sin perder eso.
Dos discrepancias quedaron abiertas y dichas: su Excel infla el presupuesto en 9.981.369 por dos filas duplicadas en Seguros, y las toneladas reales van un mes atrasadas.
Lo que hay que decir antes de que lo preguntenCuadrar contra el Excel del área no es lo mismo que cuadrar contra la contabilidad. Lo que está verificado es lo primero.
Método
Casi ninguno de los 23 informes lo escribí yo. Llegaron hechos, con el contexto en la cabeza de quien se fue. Esto es lo que monté para no volver a reconstruirlo cada vez.
Cada informe tiene su ficha de contexto, su script troceado por pestañas y versionado, y un registro de quién pidió qué y por qué. Un «devuelve lo que pidió Comercial el mes pasado» es un git revert, no una tarde perdida.
Se trabaja en una copia, se compara contra la publicada y se publica cuando los números cuadran. Las apps de respaldo están marcadas y las herramientas se niegan a escribir en ellas.
Antes de tocar nada, tomo el valor de todas las medidas de la app. Después del cambio, las vuelvo a tomar y comparo. Lo que no aparece en esa comparación no está verificado, y se dice.
Node.js contra la Engine API por websocket para leer y escribir script, hojas y objetos, y contra el Repository Service por REST para lo administrativo. El navegador solo se abre cuando la pregunta es «cómo se ve». Las capturas de la demo de arriba salieron de ahí.
Los mensajes de commit llevan la razón, no el resumen del diff. Cada informe tiene una lista de lo que está a medias y con qué diagnóstico. Eso es lo que hace que una petición cueste una hora y no un día.
Capacidades
Cada línea con dónde está la prueba. Lo que no puedo demostrar va en la lista de abajo, no escondido entre las demás.
| Qlik Sense Enterprise | Qlik Sense Enterprise on Windows, ~4 años. 23 informes en producción a mi cargo: los mantengo, los optimizo y respondo por sus números. | |
| Conexión a orígenes de datos | ODBC contra el ERP y contra la base de nómina; conectores REST; carpetas de red; Excel y SharePoint / Office 365; Google Drive; SAP OData. | |
| Modelado | De 8 claves sintéticas a 3 en la app más grande, con las tres restantes documentadas y explicadas. La demo de arriba es una estrella limpia: 0 sintéticas, 0 lazos circulares. | |
| Scripting y QVD | Apps extractoras que dejan QVD para otros informes; una eliminó 23 aperturas de un Excel que costaban ~21 s cada una. Catálogo de 419 QVD de la biblioteca leyendo solo cabeceras. | |
| Set analysis | Presupuesto y real separados sobre la misma tabla de hechos; comparaciones interanuales recortadas por mes de corte; P() y E() cuando hacen falta. | |
| Diseño de tableros | Las cuatro hojas de la demo. También una hoja que reproduce el formato exacto del Excel de un área, porque ahí la usabilidad era esa. | |
| Negocio | Rotación, nómina, clima laboral, P&G, cartera, logística y comercio exterior. La mayoría de los errores que he encontrado eran de negocio, no de Qlik. | |
| Automatización | Node.js contra la Engine API y el Repository Service: escritura de script, hojas y objetos, y líneas base de todas las medidas de una app para comparar antes y después. | |
| Datos más allá de Qlik | SQL sobre tablas de millones de filas. Python para modelado: un modelo de riesgo de renuncia voluntaria sobre un panel persona-mes de 554.349 filas y 86 variables. |
Cierre