ANEXO 15

Modelo FARO por industria

Este anexo corresponde a la Fase 4 — Estructura, etapa “Modelo por industria”. Es la capa que permite que FARO Connect no sea un sistema genérico, sino una arquitectura adaptable a distintos tipos de negocios: construcción, retail, salud, agro, logística, minería, hotelería, energía, shopping, real estate, servicios, industria, farmacias, gastronomía, educación, entre otros.

1. Objetivo del anexo

El objetivo del Modelo FARO por industria es adaptar la lectura ejecutiva, los KPIs, reglas, tensiones, alertas, acciones, umbrales y FARO Score al tipo de negocio real.

La pregunta central es:

¿Qué cambia en FARO Connect cuando la empresa pertenece a una industria u otra?

Porque no se dirige igual:

una empresa de insumos para la construcción,
un shopping,
una clínica,
una minera,
una logística,
un hotel,
una cadena de farmacias,
una empresa agropecuaria,
una fábrica,
una desarrolladora inmobiliaria.

Todas tienen ventas, costos, personas, procesos y decisiones. Pero no todas generan valor ni riesgo de la misma manera.

2. Tesis del Anexo 15

La tesis es:

FARO debe tener una arquitectura común, pero una lectura específica por industria.

La base de FARO es universal:

Datos
→ KPIs
→ Señales
→ Reglas
→ Alertas
→ Tensiones
→ Diagnóstico
→ Prioridad
→ Acciones
→ Responsables
→ Seguimiento
→ Score
→ Aprendizaje

Pero la interpretación cambia según el negocio.

Ejemplo:

Stock crítico en construcción:
puede significar pérdida inmediata de ventas por falta de cemento, hierro o materiales de alta rotación.

Stock crítico en salud:
puede significar falta de insumos médicos críticos.

Stock crítico en hotelería:
puede significar faltante operativo menor, salvo alimentos, amenities o mantenimiento.

Stock crítico en minería:
puede frenar operación, seguridad o producción.

Mismo concepto. Distinto impacto.

Ahí aparece el valor del modelo por industria.

3. Por qué FARO necesita un modelo por industria

Sin modelo por industria, FARO corre este riesgo:

Medir los mismos KPIs para todos.
Usar los mismos umbrales para todos.
Detectar tensiones genéricas.
Recomendar acciones demasiado amplias.
Calcular un score poco representativo.

Ejemplo peligroso:

Días de inventario alto.

En retail puede ser malo.

En construcción puede ser normal si se compró material estratégico antes de aumento.

En minería puede ser necesario por distancia y continuidad operativa.

En salud puede ser riesgoso si son insumos vencibles.

Entonces FARO debe preguntar:

¿Ese indicador es bueno o malo para este tipo de negocio, en este contexto y con esta estrategia?

4. Diferencia entre modelo general y modelo por industria

Ejemplo:

KPI general:
Margen bruto.

KPI específico construcción:
Margen por familia de materiales, margen por obra, margen por vendedor, margen por descuentos y margen por condición de cobro.

KPI específico hotelería:
RevPAR, ocupación, tarifa promedio diaria, costo por habitación ocupada.

KPI específico salud:
Ocupación de camas, turnos utilizados, costo por prestación, demora de atención.

5. Estructura del Modelo FARO por industria

Cada industria debería tener una ficha de configuración.

{
  "industry_id": "construction_supplies",
  "name": "Insumos para la construcción",
  "critical_modules": [
    "Comercial",
    "Finanzas",
    "Stock",
    "Compras",
    "Logística",
    "RRHH"
  ],
  "primary_kpis": [
    "ventas_netas",
    "margen_bruto",
    "descuento_promedio",
    "dias_cobranza",
    "rotacion_stock",
    "stock_critico",
    "comision_sobre_margen"
  ],
  "critical_tensions": [
    "crecimiento_no_rentable",
    "stock_critico_comercial",
    "comision_desalineada",
    "cliente_grande_riesgoso",
    "compras_reactivas"
  ],
  "score_weights": {
    "comercial": 0.25,
    "finanzas": 0.25,
    "stock": 0.20,
    "compras": 0.10,
    "operaciones": 0.10,
    "rrhh": 0.10
  }
}

6. Componentes por industria

Cada industria debe definir:

1. Módulos críticos.
2. Procesos críticos.
3. Datos mínimos específicos.
4. KPIs prioritarios.
5. Umbrales propios.
6. Señales relevantes.
7. Reglas de negocio.
8. Alertas típicas.
9. Tensiones sectoriales.
10. Acciones sugeridas.
11. Responsables típicos.
12. FARO Score ponderado.
13. Benchmarks posibles.
14. Riesgos propios.
15. Playbooks de mejora.

Esto permite que FARO sea modular y escalable.

No se construye un sistema nuevo por industria. Se activa una configuración sectorial sobre una arquitectura común.

7. Industrias iniciales sugeridas

Una biblioteca inicial razonable debería contemplar entre 12 y 20 industrias.

Escalable:

30+ industrias con modelos verticales más profundos.

8. Cómo FARO activa una industria

FARO debería funcionar con un sistema de configuración.

def activar_modelo_industria(empresa):
    industria = empresa["industria"]

    modelo = obtener_modelo_industria(industria)

    return {
        "modulos_activos": modelo["critical_modules"],
        "kpis_activos": modelo["primary_kpis"],
        "tensiones_activas": modelo["critical_tensions"],
        "umbrales": modelo["thresholds"],
        "acciones": modelo["actions"],
        "score_weights": modelo["score_weights"]
    }

Ejemplo:

Empresa: insumos para construcción

FARO activa:
- Comercial
- Finanzas
- Stock
- Compras
- Logística
- RRHH
- KPIs de margen, descuento, cobranza, stock crítico y comisión
- Tensiones de crecimiento no rentable, stock crítico y comisión desalineada

9. Ponderación del FARO Score por industria

El FARO Score no debería pesar igual en todos los negocios.

Ejemplo: insumos para construcción

Ejemplo: hotelería

Ejemplo: logística

Código ejemplo:

def calcular_score_industria(scores_modulos, pesos_industria):
    score = 0

    for modulo, peso in pesos_industria.items():
        score += scores_modulos.get(modulo, 0) * peso

    return round(score, 2)

10. Modelo para construcción / insumos

10.1 Módulos críticos

Comercial
Finanzas
Stock
Compras
Logística
RRHH
Dirección
Clientes
Proveedores
Sucursales

10.2 Datos específicos

Producto
Familia de producto
Costo unitario
Precio lista
Precio final
Descuento
Cliente
Obra
Vendedor
Comisión
Condición de pago
Stock actual
Stock mínimo
Proveedor
Plazo de reposición
Flete
Canje
Referido

10.3 KPIs prioritarios

Ventas netas
Margen bruto
Margen por producto
Margen por vendedor
Descuento promedio
Días de cobranza
Mora por cliente
Rotación de stock
Stock crítico
Stock inmovilizado
Comisión sobre margen
Costo logístico sobre venta
Cumplimiento de entrega

10.4 Tensiones típicas

10.5 Regla ejemplo

def detectar_crecimiento_no_rentable_construccion(ctx):
    condiciones = [
        ctx["ventas_variacion"] > 0.15,
        ctx["margen_variacion"] < -0.05,
        ctx["descuento_promedio"] > 0.10,
        ctx["dias_cobranza_variacion"] > 7
    ]

    if sum(condiciones) >= 3:
        return {
            "tension": "crecimiento_no_rentable",
            "industria": "construction_supplies",
            "severidad": "alta",
            "responsable": "Gerente Comercial",
            "consultados": ["Finanzas", "Stock"],
            "accion": "auditar_descuentos_y_cobranza"
        }

    return None

11. Modelo para retail

11.1 Módulos críticos

Ventas
Stock
Sucursales
Compras
Marketing
Finanzas
RRHH
Clientes

11.2 KPIs prioritarios

Ticket promedio
Ventas por sucursal
Margen por categoría
Rotación de stock
Stock por sucursal
Quiebre de stock
Promociones
Conversión
Merma
Devoluciones
Costo laboral sobre ventas

11.3 Tensiones típicas

11.4 Regla ejemplo

def detectar_promocion_destructiva(ctx):
    if ctx["ventas_variacion"] > 0.10 and ctx["margen_variacion"] < -0.08:
        return {
            "tension": "promocion_destructiva",
            "accion": "revisar_promociones_por_margen",
            "responsable": "Comercial / Marketing"
        }
    return None

12. Modelo para salud

12.1 Módulos críticos

Pacientes
Turnos
Profesionales
Operaciones
Finanzas
RRHH
Calidad
Insumos

12.2 KPIs prioritarios

Ocupación
Turnos disponibles
Turnos utilizados
Ausentismo de pacientes
Tiempo de espera
Costo por prestación
Rentabilidad por servicio
Productividad profesional
Reclamos
Uso de insumos críticos

12.3 Tensiones típicas

12.4 Regla ejemplo

def detectar_alta_ocupacion_baja_rentabilidad(ctx):
    if ctx["ocupacion"] > 0.85 and ctx["margen_servicio"] < 0.15:
        return {
            "tension": "alta_ocupacion_baja_rentabilidad",
            "accion": "revisar_costos_y_tarifas_por_servicio",
            "responsable": "Dirección Médica / Finanzas"
        }
    return None

13. Modelo para logística

13.1 Módulos críticos

Operaciones
Flota
Rutas
Combustible
Clientes
Finanzas
Mantenimiento
RRHH

13.2 KPIs prioritarios

Entregas a tiempo
Costo por kilómetro
Costo por entrega
Consumo de combustible
Utilización de flota
Capacidad ociosa
Cumplimiento SLA
Reclamos
Mantenimiento preventivo
Rentabilidad por cliente

13.3 Tensiones típicas

13.4 Regla ejemplo

def detectar_ruta_no_rentable(ctx):
    if ctx["costo_km"] > ctx["costo_km_objetivo"] and ctx["margen_cliente"] < 0.12:
        return {
            "tension": "ruta_no_rentable",
            "accion": "revisar_tarifa_o_redisenar_ruta",
            "responsable": "Operaciones / Finanzas"
        }
    return None

14. Modelo para hotelería

14.1 Módulos críticos

Reservas
Ocupación
Revenue management
Operaciones
Mantenimiento
Experiencia cliente
Finanzas
RRHH

14.2 KPIs prioritarios

Ocupación
ADR, tarifa promedio diaria
RevPAR
Cancelaciones
Costo por habitación ocupada
Margen por canal
Reclamos
Tiempo de respuesta
Costo de mantenimiento
Productividad del personal

14.3 Tensiones típicas

14.4 Fórmula ejemplo

RevPAR = ADR × ocupación

def revpar(adr, ocupacion):
    return adr * ocupacion

15. Modelo para shopping / real estate comercial

15.1 Módulos críticos

Locatarios
Ocupación
Rentas
Mora
Tráfico
Marketing
Operaciones
Mantenimiento
Finanzas

15.2 KPIs prioritarios

Ocupación de locales
Renta por m²
Mora de locatarios
Tráfico peatonal
Conversión estimada
Vacancia
Costo común
Mix comercial
Rotación de locatarios
Rentabilidad por zona

15.3 Tensiones típicas

15.4 Regla ejemplo

def detectar_locatario_riesgoso(ctx):
    if ctx["dias_mora"] > 30 and ctx["renta_mensual"] > ctx["renta_promedio"] * 1.2:
        return {
            "tension": "locatario_clave_moroso",
            "accion": "renegociar_o_condicionar_continuidad",
            "responsable": "Administración / Dirección"
        }
    return None

16. Modelo para agro

16.1 Módulos críticos

Campañas
Producción
Clima
Insumos
Maquinaria
Logística
Finanzas
Comercialización

16.2 KPIs prioritarios

Rinde por hectárea
Costo por hectárea
Margen por cultivo
Avance de campaña
Uso de insumos
Disponibilidad de maquinaria
Clima / riesgo climático
Precio esperado
Logística de cosecha

16.3 Tensiones típicas

17. Modelo para minería

17.1 Módulos críticos

Producción
Seguridad
Mantenimiento
Contratistas
Equipos
Operaciones
Cumplimiento
Finanzas
Logística

17.2 KPIs prioritarios

Producción diaria
Disponibilidad de equipos
Horas máquina
Paradas no programadas
Incidentes de seguridad
Cumplimiento contratistas
Costo operativo por tonelada
Avance de proyecto
Mantenimiento preventivo

17.3 Tensiones típicas

18. Modelo para energía

18.1 Módulos críticos

Producción
Activos
Mantenimiento
Regulación
Seguridad
Operaciones
Finanzas
Clientes / contratos

18.2 KPIs prioritarios

Disponibilidad de activos
Producción energética
Paradas no programadas
Mantenimiento preventivo
Costo operativo
Cumplimiento regulatorio
Incidentes
Eficiencia operativa

18.3 Tensiones típicas

19. Modelo para farmacias

19.1 Módulos críticos

Ventas
Stock
Vencimientos
Compras
Sucursales
Clientes
Obras sociales
Finanzas

19.2 KPIs prioritarios

Ventas por sucursal
Margen por categoría
Rotación
Productos próximos a vencer
Stock crítico
Quiebre de productos clave
Ticket promedio
Cobranza de obras sociales
Rentabilidad por canal

19.3 Tensiones típicas

20. Modelo para servicios profesionales

20.1 Módulos críticos

Clientes
Proyectos
Horas
Equipo
Rentabilidad
Comercial
Finanzas
Workflow

20.2 KPIs prioritarios

Horas facturables
Rentabilidad por proyecto
Costo por hora
Utilización del equipo
Proyectos vencidos
Margen por cliente
Pipeline comercial
Cobranza

20.3 Tensiones típicas

21. Modelo para industria manufacturera

21.1 Módulos críticos

Producción
Inventario
Compras
Calidad
Mantenimiento
Costos
Ventas
Finanzas
RRHH

21.2 KPIs prioritarios

Producción real vs plan
Eficiencia de línea
Merma
Scrap
Costo unitario
Tiempo de parada
Cumplimiento de pedidos
Inventario de materia prima
Inventario producto terminado
Calidad / rechazos

21.3 Tensiones típicas

22. Activación de KPIs por industria

FARO puede tener una biblioteca general de KPIs y activar subconjuntos por industria.

kpis_por_industria = {
    "construction_supplies": [
        "ventas_netas",
        "margen_bruto",
        "descuento_promedio",
        "dias_cobranza",
        "rotacion_stock",
        "stock_critico",
        "comision_sobre_margen"
    ],
    "hotel": [
        "ocupacion",
        "adr",
        "revpar",
        "cancelaciones",
        "costo_habitacion_ocupada",
        "reclamos"
    ],
    "logistics": [
        "entregas_a_tiempo",
        "costo_por_km",
        "utilizacion_flota",
        "cumplimiento_sla",
        "consumo_combustible"
    ]
}

def activar_kpis(industria):
    return kpis_por_industria.get(industria, [])

23. Activación de tensiones por industria

tensiones_por_industria = {
    "construction_supplies": [
        "crecimiento_no_rentable",
        "margen_deteriorado",
        "stock_critico_comercial",
        "comision_desalineada",
        "cliente_grande_riesgoso"
    ],
    "retail": [
        "promocion_destructiva",
        "stock_alto_baja_rotacion",
        "sucursal_venta_alta_margen_bajo"
    ],
    "hotel": [
        "ocupacion_alta_tarifa_baja",
        "canal_caro_dominante",
        "costo_operativo_habitacion_alto"
    ]
}

def activar_tensiones(industria):
    return tensiones_por_industria.get(industria, [])

24. Adaptación de umbrales por industria

Un mismo KPI puede tener distintos umbrales según rubro.

Ejemplo: margen bruto.

Código ejemplo:

umbrales_margen = {
    "construction_supplies": {"critico": 0.20, "alerta": 0.25},
    "retail": {"critico": 0.25, "alerta": 0.35},
    "services": {"critico": 0.35, "alerta": 0.50},
    "logistics": {"critico": 0.10, "alerta": 0.18}
}

def evaluar_margen_por_industria(industria, margen):
    umbral = umbrales_margen.get(industria)

    if not umbral:
        return "sin_umbral"

    if margen < umbral["critico"]:
        return "critico"

    if margen < umbral["alerta"]:
        return "alerta"

    return "sano"

25. Modelo multiindustria

Algunas empresas no pertenecen a una sola industria.

Ejemplo:

Una empresa de insumos para construcción puede tener:
- retail mostrador,
- venta a obras,
- logística propia,
- financiación a clientes,
- real estate por canjes,
- servicios de entrega,
- marketplace o e-commerce.

FARO debe permitir modelos híbridos.

Ejemplo de ponderación mixta

{
  "industry_mix": {
    "construction_supplies": 0.60,
    "retail": 0.20,
    "logistics": 0.10,
    "real_estate": 0.10
  }
}

Código:

def combinar_pesos_industria(modelos, mix):
    pesos_finales = {}

    for industria, peso_industria in mix.items():
        pesos = modelos[industria]["score_weights"]

        for modulo, peso_modulo in pesos.items():
            pesos_finales[modulo] = pesos_finales.get(modulo, 0) + peso_modulo * peso_industria

    return pesos_finales

Esto es clave. FARO no debe encasillar empresas reales en cajas demasiado prolijas. La vida empresarial no respeta tanto el PowerPoint.

26. Modelo por industria y FARO Score

El FARO Score debe adaptarse según industria.

Score base

FARO Score =
KPIs × peso
+ Tensiones × peso
+ Ejecución × peso
+ Riesgo × peso
+ Calidad de datos × peso

Score por industria

En construcción:

Stock, margen y cobranza pesan mucho.

En salud:

Ocupación, calidad, demoras y costo por prestación pesan mucho.

En logística:

SLA, combustible, rutas y flota pesan mucho.

En hotelería:

Ocupación, tarifa, experiencia y costo operativo pesan mucho.

Código conceptual:

def faro_score_industria(componentes, pesos):
    score = 0

    for componente, valor in componentes.items():
        score += valor * pesos.get(componente, 0)

    return round(score, 2)

27. Modelo por industria y acciones FARO

Las acciones también cambian según industria.

28. Modelo por industria y datos mínimos

Cada industria tiene datos mínimos específicos.

29. Score de ajuste industria-empresa

FARO puede medir qué tan bien encaja el modelo de industria elegido.

Ajuste industria =
coincidencia de procesos × 30%
+ coincidencia de datos × 25%
+ coincidencia de KPIs × 20%
+ coincidencia de tensiones × 15%
+ validación directiva × 10%

Código:

def score_ajuste_industria(procesos, datos, kpis, tensiones, validacion):
    return round(
        procesos * 0.30 +
        datos * 0.25 +
        kpis * 0.20 +
        tensiones * 0.15 +
        validacion * 0.10,
        2
    )

Lectura:

30. Ejemplo completo: empresa de insumos para construcción

Perfil

Empresa con venta mostrador, venta a obras, cuentas corrientes, stock crítico, compras frecuentes, vendedores con comisión y clientes con distinto comportamiento de pago.

FARO activa

Modelo principal:
Construcción / insumos

Modelos secundarios:
Retail
Logística
Real estate, si hay canjes
Finanzas comercial, por cuentas corrientes

Módulos iniciales

Comercial
Finanzas
Stock
Compras
Workflow

KPIs iniciales

Ventas netas
Margen bruto
Descuento promedio
Días de cobranza
Stock crítico
Stock inmovilizado
Rotación
Comisión sobre margen
Acciones vencidas

Tensiones iniciales

Crecimiento no rentable
Margen deteriorado por descuentos
Caja débil con ventas altas
Stock crítico comercial
Stock inmovilizado
Comisión desalineada
Cliente grande riesgoso
Compras reactivas

Acciones sugeridas

Auditar descuentos mayores al 8%.
Priorizar cobranza de clientes grandes con mora.
Revisar política de comisión.
Activar reposición de productos críticos.
Bloquear compras de baja rotación.
Analizar canjes con modelo financiero.

31. Herramientas posibles

32. Riesgos si no existe modelo por industria

33. Output final del Anexo 15

Al finalizar este anexo, FARO debe tener definido:

1. Biblioteca inicial de industrias.
2. Perfil de configuración por industria.
3. Módulos críticos por industria.
4. Datos mínimos por industria.
5. KPIs prioritarios por industria.
6. Umbrales por industria.
7. Señales relevantes por industria.
8. Reglas de negocio por industria.
9. Alertas típicas por industria.
10. Tensiones sectoriales.
11. Acciones sugeridas por industria.
12. Pesos del FARO Score por industria.
13. Modelos híbridos multiindustria.
14. Score de ajuste industria-empresa.
15. Reglas de activación automática.
16. Riesgos sectoriales.
17. Playbooks por industria.
18. Roadmap de expansión industrial.

34. Conexión con otros anexos

El Modelo FARO por industria permite que FARO Connect use una arquitectura común, pero con lectura específica por rubro. Activa KPIs, umbrales, reglas, tensiones, acciones y pesos del FARO Score según el tipo de negocio. Así FARO no interpreta igual una constructora, un shopping, una clínica, una logística o un hotel.