ANEXO 43

Plantillas oficiales Excel / CSV y dataset demo MVP FARO

Modelo oficial de archivos, columnas, validaciones, ejemplos, errores y datos de prueba

Este anexo corresponde a la Fase 12 — Construcción e implementación, etapa “Plantillas oficiales de datos y dataset demo”. Es el documento que baja a tierra el Contrato de Datos MVP del Anexo 41 y las decisiones técnicas del Anexo 42.

El Anexo 43 responde:

¿Qué archivos exactos necesita FARO para funcionar en el MVP, con qué columnas, qué formato, qué validaciones, qué errores posibles y qué dataset demo se usará para probar toda la cadena dato → acción → Score?

---

1. Objetivo del Anexo 43

El objetivo es definir el estándar oficial de carga de datos FARO para el MVP.

Debe establecer:

1. Qué plantillas Excel / CSV existen.
2. Qué columnas tiene cada plantilla.
3. Qué campos son obligatorios.
4. Qué tipo de dato acepta cada columna.
5. Qué validaciones aplica FARO.
6. Qué errores bloquean la carga.
7. Qué errores permiten carga parcial.
8. Cómo se nombran los archivos.
9. Cómo se versionan las plantillas.
10. Cómo se arma el dataset demo MVP.
11. Cómo se prueba el flujo completo.

La idea es simple:

FARO no puede depender de Excels improvisados. Necesita plantillas oficiales, controladas y trazables.

---

2. Tesis del Anexo 43

La tesis es:

La calidad del diagnóstico FARO empieza antes del algoritmo: empieza en cómo entra el dato.

Si los archivos entran mal:

clientes duplicados,
productos escritos distinto,
fechas mezcladas,
monedas sin aclarar,
costos vacíos,
vendedores sin código,
sucursales mal nombradas,
descuentos negativos,
stock sin unidad,

entonces FARO puede tener la mejor arquitectura del mundo y aun así producir basura elegante.

Regla dura:

Dato malo → KPI débil → alerta débil → diagnóstico débil → acción equivocada → Score poco confiable.

Por eso este anexo es fundacional.

---

3. Principio rector

Cada plantilla FARO debe ser simple para el usuario, pero estricta para el sistema.

No se le puede pedir al cliente que cargue 90 columnas desde el día uno. Pero tampoco se puede aceptar cualquier cosa.

El equilibrio correcto:

MVP:
pocas plantillas,
columnas mínimas,
validaciones fuertes,
errores claros.

Pro:
más columnas,
más módulos,
más validaciones.

Enterprise:
integraciones automáticas,
mapeadores flexibles,
reglas por cliente.

Neural:
datasets históricos,
features,
benchmarks,
aprendizaje.

---

4. Plantillas oficiales MVP

Para el MVP, FARO debería tener estas plantillas base:

---

5. Formatos aceptados

Formatos MVP

.xlsx
.csv

Recomendación

Excel oficial para usuario común.
CSV para carga técnica o automatización.

Reglas generales

---

6. Convención de nombres de archivo

Formato recomendado:

FARO_[empresa]_[plantilla]_[periodo]_[version].xlsx

Ejemplos:

FARO_GRUPO_ANDINA_PRODUCTOS_2026-05_v1.xlsx
FARO_GRUPO_ANDINA_VENTAS_2026-05_v1.xlsx
FARO_GRUPO_ANDINA_STOCK_2026-05-31_v1.xlsx
FARO_GRUPO_ANDINA_COBRANZA_2026-05_v1.xlsx

Para CSV:

faro_grupo_andina_ventas_2026_05_v1.csv

Regla:

El nombre del archivo no reemplaza los datos internos. El período, empresa y versión también deben estar dentro del archivo o metadata de carga.

---

7. Estructura de cada plantilla

Cada plantilla debe tener:

1. Hoja README
2. Hoja DATA
3. Hoja DICCIONARIO
4. Hoja VALIDACIONES
5. Hoja EJEMPLOS

7.1 README

Debe explicar:

qué plantilla es,
para qué sirve,
quién debe completarla,
frecuencia,
campos obligatorios,
errores comunes,
versión.

7.2 DATA

Es la hoja que FARO procesa.

7.3 DICCIONARIO

Describe cada columna.

7.4 VALIDACIONES

Lista reglas y valores permitidos.

7.5 EJEMPLOS

Incluye 5 a 10 filas modelo.

---

8. Campos técnicos comunes

Todas las plantillas deberían aceptar algunos campos comunes.

---

9. Plantilla FARO-PL-001 — Empresas, sucursales y áreas

Objetivo

Crear la estructura organizativa base.

Hoja: branches

Hoja: areas

Áreas mínimas MVP:

DIRECCION
COMERCIAL
FINANZAS
STOCK
COMPRAS
RRHH
OPERACIONES
DATA

---

10. Plantilla FARO-PL-002 — Productos

Objetivo

Crear el maestro de productos para ventas, stock, compras y margen.

Columnas oficiales

Familias iniciales sugeridas

Cemento
Hierro
Cal
Áridos
Sanitarios
Grifería
Pisos
Revestimientos
Pegamentos
Instalaciones agua
Instalaciones gas
Electricidad
Herramientas
Pinturas
Otros

Regla clave

Un producto sin código no debería entrar a facts. Puede quedar en staging pendiente de normalización.

---

11. Plantilla FARO-PL-003 — Clientes

Objetivo

Crear maestro de clientes para ventas, cobranza, mora, riesgo y rentabilidad.

Columnas oficiales

Tipos de cliente sugeridos

Consumidor final
Empresa
Constructora
Desarrolladora
Maestro mayor de obra
Arquitecto
Mayorista
Cuenta corriente
Gobierno
Otro

Regla clave

Clientes duplicados distorsionan cobranza y riesgo.

FARO debe detectar posibles duplicados por:

tax_id,
nombre parecido,
alias,
teléfono/email futuro,
misma razón social con escritura distinta.

---

12. Plantilla FARO-PL-004 — Empleados / vendedores / responsables

Objetivo

Crear personas vinculadas a ventas, acciones, RACI y workflow.

Columnas oficiales

Roles iniciales

DIRECTOR
GERENTE_GENERAL
GERENTE_COMERCIAL
VENDEDOR
FINANZAS
STOCK_RESPONSABLE
COMPRAS
RRHH
OPERACIONES
DATA_OWNER
ADMIN_FARO

Regla clave

Toda acción FARO debe poder asignarse a un responsable o rol responsable.

---

13. Plantilla FARO-PL-005 — Proveedores

Objetivo

Crear proveedores para compras, stock, riesgo proveedor y reposición.

Uso FARO

Esta plantilla alimenta:

stock crítico,
plazo proveedor,
compras urgentes,
proveedor crítico,
tensión compras reactivas,
simulación de reposición.

---

14. Plantilla FARO-PL-006 — Ventas

Objetivo

Calcular ventas, margen, descuentos, vendedores, clientes, productos, sucursales y tensiones comerciales.

Columnas oficiales

Campos calculados por FARO

discount_rate = discount_amount / gross_amount
gross_margin_amount = net_amount - cost_amount
gross_margin_rate = gross_margin_amount / net_amount

Código conceptual

def calculate_sale_metrics(row):
    gross_amount = row.get("gross_amount") or 0
    discount_amount = row.get("discount_amount") or 0
    net_amount = row.get("net_amount") or 0
    cost_amount = row.get("cost_amount")

    discount_rate = None
    if gross_amount > 0:
        discount_rate = discount_amount / gross_amount

    gross_margin_amount = None
    gross_margin_rate = None

    if cost_amount is not None:
        gross_margin_amount = net_amount - cost_amount
        if net_amount > 0:
            gross_margin_rate = gross_margin_amount / net_amount

    return {
        "discount_rate": discount_rate,
        "gross_margin_amount": gross_margin_amount,
        "gross_margin_rate": gross_margin_rate
    }

Validaciones críticas

---

15. Plantilla FARO-PL-007 — Stock

Objetivo

Calcular stock crítico, cobertura, rotación, inmovilizado y riesgo de quiebre.

Columnas oficiales

Campos calculados

quantity_available = quantity_on_hand - quantity_reserved
days_coverage = quantity_available / average_daily_sales
stock_value = quantity_on_hand × unit_cost
critical_stock = days_coverage < lead_time_days

Código conceptual

def calculate_stock_metrics(row):
    available = row.get("quantity_available")

    if available is None:
        available = row.get("quantity_on_hand", 0) - row.get("quantity_reserved", 0)

    avg_sales = row.get("average_daily_sales") or 0
    lead_time = row.get("lead_time_days") or 0

    days_coverage = None
    if avg_sales > 0:
        days_coverage = available / avg_sales

    critical = False
    if days_coverage is not None and lead_time > 0:
        critical = days_coverage < lead_time

    return {
        "quantity_available": available,
        "days_coverage": days_coverage,
        "critical_stock": critical
    }

---

16. Plantilla FARO-PL-008 — Cuentas por cobrar

Objetivo

Medir cobranza, mora, riesgo cliente, caja futura y tensión financiera.

Columnas oficiales

Campos calculados

days_overdue = today - due_date
collection_risk = según días vencidos + monto + cliente

Estados permitidos

Pendiente
Parcial
Vencida
Cancelada
En gestión
Incobrable

Validaciones

---

17. Plantilla FARO-PL-009 — Compras

Objetivo

Analizar compras, proveedores, costos, reposición y plazos.

Estados permitidos:

Solicitada
Aprobada
Emitida
Parcial
Recibida
Demorada
Cancelada

---

18. Plantilla FARO-PL-010 — Gastos / pagos

Objetivo

Analizar egresos, gastos por área, pagos comprometidos y presión financiera.

Importante

Esta plantilla permite registrar gastos con o sin documento legal, distinguiendo:

gasto real,
gasto documentado,
gasto no documentado,
área,
sucursal,
categoría.

Esto es fundamental para la realidad operativa de muchas empresas.

---

19. Plantilla FARO-PL-011 — Bancos / caja

Objetivo

Medir caja disponible, movimientos, conciliación y presión financiera.

Regla:

Banco no es contabilidad. FARO puede usarlo para caja y conciliación, pero no debe asumir clasificación perfecta sin reglas.

---

20. Plantilla FARO-PL-012 — Acciones iniciales

Objetivo

Permitir cargar acciones ya existentes al iniciar FARO.

Prioridades permitidas:

P1
P2
P3
P4
P5

---

21. Plantilla FARO-PL-013 — Evidencias

Objetivo

Cargar referencias a evidencias iniciales.

---

22. Plantilla FARO-PL-014 — Objetivos / umbrales

Objetivo

Definir metas y umbrales por KPI, área, sucursal o empresa.

Ejemplo:

Margen objetivo: 28%
Advertencia: <24%
Crítico: <20%

---

23. Validaciones generales de FARO

Las validaciones se clasifican en 4 niveles.

---

24. Errores bloqueantes

Ejemplos:

archivo vacío,
columna obligatoria inexistente,
fecha inválida,
monto negativo donde no corresponde,
sale_id duplicado,
document_id duplicado,
company_code inexistente,
formato de archivo inválido,
plantilla con versión no soportada.

Código conceptual:

def validate_required_columns(columns, required_columns):
    missing = set(required_columns) - set(columns)

    if missing:
        return {
            "valid": False,
            "error_type": "missing_required_columns",
            "missing_columns": list(missing)
        }

    return {"valid": True}

---

25. Errores por fila

Ejemplos:

producto no existe,
cliente no existe,
vendedor no existe,
proveedor no existe,
sucursal no reconocida,
familia de producto inválida,
estado no permitido.

Acción FARO:

la fila queda en staging,
se marca pending_normalization,
no pasa a fact hasta corregirse.

---

26. Advertencias críticas

Ejemplos:

costo faltante,
margen no calculable,
cliente sin límite de crédito,
stock sin venta promedio,
producto sin proveedor,
fecha de vencimiento faltante,
cuenta por cobrar sin cobrador.

Estas advertencias no siempre bloquean, pero reducen confianza.

---

27. Fórmula de calidad de archivo

FARO puede calcular un score de calidad por archivo.

Calidad archivo =
estructura válida × 25%
+ campos obligatorios completos × 25%
+ normalización exitosa × 20%
+ consistencia de datos × 15%
+ trazabilidad × 10%
+ advertencias bajas × 5%

Código:

def score_calidad_archivo(
    estructura_valida,
    campos_completos,
    normalizacion_exitosa,
    consistencia,
    trazabilidad,
    advertencias_bajas
):
    return round(
        estructura_valida * 0.25 +
        campos_completos * 0.25 +
        normalizacion_exitosa * 0.20 +
        consistencia * 0.15 +
        trazabilidad * 0.10 +
        advertencias_bajas * 0.05,
        2
    )

Lectura:

---

28. Flujo de carga oficial

Usuario descarga plantilla oficial
        ↓
Completa hoja DATA
        ↓
Carga archivo en FARO
        ↓
FARO valida estructura
        ↓
FARO guarda RAW
        ↓
FARO procesa staging
        ↓
FARO valida filas
        ↓
FARO normaliza contra maestros
        ↓
FARO genera facts
        ↓
FARO calcula KPIs
        ↓
FARO detecta señales / alertas / tensiones
        ↓
FARO actualiza Score / Reporte

Regla:

RAW se guarda siempre, incluso si la carga falla.

---

29. Tablas SQL para gestión de plantillas

29.1 Registro de plantillas

CREATE TABLE data_templates (
    template_id TEXT PRIMARY KEY,
    template_code TEXT NOT NULL UNIQUE,
    template_name TEXT NOT NULL,
    description TEXT,
    module_code TEXT,
    version TEXT DEFAULT '1.0',
    accepted_formats JSONB,
    required_columns JSONB,
    optional_columns JSONB,
    active BOOLEAN DEFAULT true,
    created_at TIMESTAMP DEFAULT now(),
    updated_at TIMESTAMP DEFAULT now()
);

29.2 Cargas de archivos

CREATE TABLE data_import_batches (
    import_batch_id TEXT PRIMARY KEY,
    company_id TEXT NOT NULL,
    template_code TEXT NOT NULL,
    template_version TEXT,
    original_filename TEXT,
    file_url TEXT,
    file_hash TEXT,
    uploaded_by TEXT,
    uploaded_at TIMESTAMP DEFAULT now(),
    status TEXT DEFAULT 'uploaded',
    total_rows INTEGER DEFAULT 0,
    valid_rows INTEGER DEFAULT 0,
    error_rows INTEGER DEFAULT 0,
    warning_rows INTEGER DEFAULT 0,
    quality_score NUMERIC
);

29.3 Errores de importación

CREATE TABLE data_import_errors (
    error_id TEXT PRIMARY KEY,
    import_batch_id TEXT NOT NULL,
    row_number INTEGER,
    column_name TEXT,
    error_type TEXT NOT NULL,
    error_message TEXT,
    raw_value TEXT,
    severity TEXT,
    created_at TIMESTAMP DEFAULT now()
);

29.4 Diccionario de columnas

CREATE TABLE template_columns (
    column_id TEXT PRIMARY KEY,
    template_code TEXT NOT NULL,
    column_name TEXT NOT NULL,
    data_type TEXT NOT NULL,
    required BOOLEAN DEFAULT false,
    allowed_values JSONB,
    validation_rule TEXT,
    example_value TEXT,
    description TEXT,
    created_at TIMESTAMP DEFAULT now()
);

---

30. Dataset demo MVP

El dataset demo debe contar una historia.

No debe ser aleatorio.

Empresa demo

Nombre:
Grupo Andina Obras

Tipo:
Empresa comercial de insumos para construcción

Sucursales:
Mendoza
San Juan
Central

Áreas:
Dirección
Comercial
Finanzas
Stock
Compras
RRHH
Operaciones
Data

---

31. Objetivo del dataset demo

El dataset demo debe permitir probar:

carga Excel,
RAW,
staging,
normalización,
maestros,
facts,
KPIs,
señales,
alertas,
tensiones,
diagnóstico,
recomendaciones,
acciones,
workflow,
evidencia,
FARO Score,
reporte ejecutivo.

Y debe demostrar el caso central:

La empresa crece, pero no necesariamente mejora.

---

32. Caso demo principal

Situación

Ventas suben: +18%
Margen baja: 28% → 21%
Descuento sube: 6% → 12%
Días de cobranza suben: 32 → 43
Stock crítico en productos tractores
Acciones vencidas
Costos faltantes en algunos productos

FARO debe detectar

Tensión:
Crecimiento no rentable

Alertas:
Margen bajo
Descuento alto
Cobranza lenta
Stock crítico
Acciones vencidas
Calidad de datos media

FARO debe recomendar

Auditar descuentos altos
Priorizar cobranza de clientes críticos
Simular comisión por margen y cobro
Validar stock crítico
Completar costos faltantes

FARO Score demo

Score inicial:
66

Score proyectado luego de acciones:
74

---

33. Volumen del dataset demo

---

34. Distribución demo de productos

Productos críticos demo:

Cemento Avellaneda 50kg
Hierro 8mm
Hierro 10mm
Pegamento porcelanato
Caño termofusión 3/4

---

35. Distribución demo de clientes

Clientes conflictivos demo:

Constructora Los Álamos:
alta compra, mora creciente.

Desarrolladora Sur:
propone canje.

Obra Norte:
alto descuento y cobranza lenta.

Mayorista Ruta 7:
volumen alto, margen bajo.

---

36. Distribución demo de ventas

El dataset debe tener dos períodos comparables.

Período A:
2026-04

Período B:
2026-05

Comportamiento deseado

---

37. Generador conceptual de ventas demo

import random
from datetime import date, timedelta

def generate_demo_sales(products, customers, sellers, branches, period_start, days, rows):
    sales = []

    for i in range(rows):
        product = random.choice(products)
        customer = random.choice(customers)
        seller = random.choice(sellers)
        branch = random.choice(branches)

        sale_date = period_start + timedelta(days=random.randint(0, days - 1))
        quantity = random.randint(1, 80)

        base_price = product["price"]
        gross_amount = quantity * base_price

        discount_rate = random.choice([0.04, 0.06, 0.08, 0.12, 0.15])
        discount_amount = gross_amount * discount_rate
        net_amount = gross_amount - discount_amount

        cost_rate = random.choice([0.70, 0.74, 0.78, 0.82])
        cost_amount = net_amount * cost_rate

        sales.append({
            "sale_id": f"VTA-{i+1:06d}",
            "sale_date": sale_date.isoformat(),
            "branch_code": branch["branch_code"],
            "customer_code": customer["customer_code"],
            "product_code": product["product_code"],
            "seller_code": seller["employee_code"],
            "quantity": quantity,
            "gross_amount": round(gross_amount, 2),
            "discount_amount": round(discount_amount, 2),
            "net_amount": round(net_amount, 2),
            "cost_amount": round(cost_amount, 2),
            "currency": "ARS"
        })

    return sales

---

38. Dataset demo con errores intencionales

El dataset debe incluir errores para probar validaciones.

Esto es importante: el sistema debe probarse con problemas reales, no con un Excel perfecto de fantasía.

---

39. Dataset demo de acciones

Acciones iniciales:

---

40. Dataset demo de evidencias

---

41. Validaciones de negocio para el demo

FARO debe detectar:

Ventas

ventas suben más de 10%,
margen baja más de 3 puntos,
descuento sube más de 2 puntos.

Cobranza

días de cobranza suben más de 5 días,
deuda vencida supera umbral,
cliente crítico concentra mora.

Stock

días de cobertura menor al plazo proveedor,
producto crítico bajo mínimo,
stock inmovilizado alto.

Ejecución

acciones P1 vencidas,
acciones sin evidencia,
responsables sobrecargados.

---

42. Salidas esperadas del dataset demo

Al cargar el dataset, FARO debería generar:

KPIs:
ventas netas,
margen bruto,
descuento promedio,
días de cobranza,
stock crítico,
acciones vencidas.

Alertas:
margen bajo,
descuento alto,
cobranza lenta,
stock crítico,
acción P1 vencida.

Tensiones:
crecimiento no rentable,
caja débil,
stock crítico con demanda activa,
dirección sin ejecución,
datos insuficientes para margen.

Diagnóstico:
la empresa crece, pero deteriora margen, caja y ejecución.

Recomendaciones:
auditar descuentos,
priorizar cobranza,
validar stock crítico,
completar costos,
simular comisión.

FARO Score:
66 inicial.

Reporte:
resumen ejecutivo semanal.

---

43. Plantilla de salida de errores para usuario

Cuando falle una carga, FARO debe explicar claro.

Ejemplo:

Archivo: FARO_GRUPO_ANDINA_VENTAS_2026-05_v1.xlsx

Estado:
Procesado con observaciones.

Total filas:
1.000

Filas válidas:
940

Filas pendientes:
50

Filas con error bloqueante:
10

Problemas principales:
1. 30 ventas sin costo_amount.
2. 10 productos no reconocidos.
3. 5 clientes no reconocidos.
4. 3 fechas inválidas.
5. 2 descuentos mayores al importe bruto.

Acción recomendada:
Corregir productos no reconocidos y costos faltantes antes de usar diagnóstico de margen.

---

44. Estados de carga

---

45. Motor de carga FARO

def process_data_import(file, template, company_id, uploaded_by):
    batch = create_import_batch(file, template, company_id, uploaded_by)

    structure_result = validate_structure(file, template)

    if not structure_result["valid"]:
        save_import_errors(batch["id"], structure_result["errors"])
        return {
            "status": "validation_failed",
            "batch_id": batch["id"]
        }

    raw_event = save_raw(file, batch)

    staging_result = create_staging_rows(file, template, raw_event)

    normalization_result = normalize_staging_rows(staging_result["rows"])

    facts_result = create_facts(normalization_result["valid_rows"])

    quality_score = calculate_import_quality(
        total_rows=staging_result["total_rows"],
        valid_rows=facts_result["created_rows"],
        error_rows=staging_result["error_rows"],
        warning_rows=staging_result["warning_rows"]
    )

    return {
        "status": "completed_with_observations" if staging_result["error_rows"] else "completed",
        "batch_id": batch["id"],
        "quality_score": quality_score
    }

---

46. Cálculo simple de calidad de importación

def calculate_import_quality(total_rows, valid_rows, error_rows, warning_rows):
    if total_rows == 0:
        return 0

    valid_rate = valid_rows / total_rows
    error_penalty = error_rows / total_rows
    warning_penalty = (warning_rows / total_rows) * 0.5

    score = valid_rate - error_penalty - warning_penalty

    return max(0, min(1, round(score, 2)))

---

47. Relación plantilla → tabla destino

---

48. Orden recomendado de carga inicial

Para evitar errores, cargar en este orden:

1. Empresa / sucursales / áreas
2. Empleados / responsables
3. Proveedores
4. Productos
5. Clientes
6. Ventas
7. Stock
8. Cuentas por cobrar
9. Compras
10. Gastos
11. Bancos / caja
12. Acciones iniciales
13. Evidencias
14. Objetivos / umbrales

Regla:

Primero maestros. Después movimientos.

Cargar ventas antes de productos y clientes es pedirle al sistema que adivine. FARO no debería adivinar; debería normalizar.

---

49. Versionado de plantillas

Cada plantilla debe tener versión.

Ejemplo:

FARO-PL-006 Ventas v1.0
FARO-PL-006 Ventas v1.1
FARO-PL-006 Ventas v2.0

Cuándo subir versión menor

se agrega columna opcional,
se mejora validación,
se corrige descripción.

Cuándo subir versión mayor

se cambia nombre de columna,
se cambia estructura,
se cambia lógica de cálculo,
se vuelve obligatoria una columna antes opcional.

---

50. Gobierno de plantillas

Las plantillas no deben cambiar sin control.

Debe quedar registrado:

quién cambió,
qué cambió,
por qué,
qué versión reemplaza,
desde cuándo aplica,
qué clientes usan qué versión.

Tabla sugerida:

CREATE TABLE template_versions (
    template_version_id TEXT PRIMARY KEY,
    template_code TEXT NOT NULL,
    version TEXT NOT NULL,
    change_summary TEXT,
    breaking_change BOOLEAN DEFAULT false,
    active BOOLEAN DEFAULT true,
    created_by TEXT,
    created_at TIMESTAMP DEFAULT now()
);

---

51. Checklist de validación antes de usar un archivo para diagnóstico

Antes de usar datos para diagnóstico fuerte, FARO debe revisar:

¿El archivo tiene calidad >= 0.75?
¿Los productos se normalizaron?
¿Los clientes se normalizaron?
¿El margen tiene costos suficientes?
¿La cobranza tiene vencimientos?
¿El stock tiene fecha actual?
¿Las sucursales están completas?
¿Hay duplicados relevantes?
¿Hay advertencias críticas?

Si no cumple:

FARO puede mostrar KPIs orientativos,
pero debe bajar confianza del diagnóstico.

---

52. Impacto de plantillas en FARO Score

La calidad de plantillas afecta:

calidad de datos,
confianza de KPIs,
confianza del diagnóstico,
FARO Score,
reportes ejecutivos,
priorización.

Ejemplo:

Si ventas están completas pero costos faltan en 30% de filas,
FARO puede calcular ventas,
pero margen y tensión crecimiento no rentable deben tener confianza media/baja.

---

53. Riesgos si no existe el Anexo 43

---

54. Errores comunes

Aceptar cualquier Excel.
No exigir códigos.
Usar nombres como identificadores únicos.
No guardar RAW.
No separar staging.
No validar fechas.
No validar duplicados.
No distinguir error de advertencia.
No mostrar errores al usuario.
No tener dataset demo diseñado.
No versionar plantillas.

El más peligroso:

Usar Excel directo para dashboards y después querer convertir eso en sistema. Es construir arriba de barro.

---

55. Output final del Anexo 43

Al finalizar este anexo, FARO debe tener definido:

1. Plantillas oficiales MVP.
2. Formatos aceptados.
3. Convención de nombres de archivo.
4. Estructura interna de cada plantilla.
5. Campos técnicos comunes.
6. Plantilla de empresas/sucursales/áreas.
7. Plantilla de productos.
8. Plantilla de clientes.
9. Plantilla de empleados/vendedores.
10. Plantilla de proveedores.
11. Plantilla de ventas.
12. Plantilla de stock.
13. Plantilla de cuentas por cobrar.
14. Plantilla de compras.
15. Plantilla de gastos/pagos.
16. Plantilla de bancos/caja.
17. Plantilla de acciones iniciales.
18. Plantilla de evidencias.
19. Plantilla de objetivos/umbrales.
20. Validaciones generales.
21. Errores bloqueantes.
22. Errores por fila.
23. Advertencias críticas.
24. Score de calidad de archivo.
25. Flujo oficial de carga.
26. Tablas SQL de plantillas e importaciones.
27. Dataset demo MVP.
28. Caso demo principal.
29. Volúmenes demo.
30. Errores intencionales demo.
31. Salidas esperadas.
32. Estados de carga.
33. Motor de carga.
34. Relación plantilla → tabla destino.
35. Orden recomendado de carga.
36. Versionado de plantillas.
37. Gobierno de plantillas.
38. Checklist antes de diagnóstico.
39. Impacto en FARO Score.

---

56. Conexión con otros anexos

---

57. Frase para explicar el Anexo 43

El Anexo 43 define las plantillas oficiales Excel/CSV y el dataset demo MVP de FARO Connect. Establece qué archivos se cargan, qué columnas tienen, qué validaciones aplican, cómo se procesan, qué errores se detectan, cómo se mide la calidad del archivo y qué datos demo se usan para probar la cadena completa dato → KPI → alerta → tensión → acción → Score.

Versión más directa:

Sin plantillas oficiales, FARO depende del caos del Excel de turno. Con este anexo, cada dato entra con estructura, validación, trazabilidad y propósito. Ahí empieza la dirección seria.

Profundización técnica v2.0 · Validación embedded en Excel

Capa 1 · Data validation rules embebidas en cada plantilla

Cada plantilla PL-NNN tiene reglas de validación al nivel de celda Excel (no solo en backend):

PL-006 Ventas
  · fecha_venta: DateRule between(today-90, today)
  · cliente_codigo: ListValidation from sheet 99_Diccionarios
  · cantidad: NumberRule >0
  · precio_unitario: NumberRule >=0
  · descuento_pct: NumberRule between(0, 100)
  · canal_venta: ListValidation (Físico|E-commerce|Mayorista)
  · medio_cobro: ListValidation (Efectivo|Transf|Cheque|Tarjeta)

Capa 2 · Validación al importar (60 CLN + 120 DQ)

Cliente carga → FARO ejecuta:
  1. Schema check (columnas obligatorias presentes)
  2. Type coercion (fechas ISO, numeric, etc.)
  3. CLN-001 a CLN-060 · normalización
  4. DQ-001 a DQ-120 · validación con severidad
  5. Cross-validation con maestros existentes
  6. Score calidad por sheet
  7. Reporte de errores + advertencias

Capa 3 · Demo dataset incluido

PL-015 Dataset_Demo tiene 19 sheets con datos cruzados (no random):

• 5 sucursales · 200 productos · 50 clientes · 30 empleados
• 1.000 ventas · 500 stock snapshots · 300 CXC · 200 compras
• 100 gastos · 80 mov bancarios · 30 acciones demo
• Cruzado para disparar exactamente TNS-001, TNS-002, TNS-051