Analítica predictiva pipeline

Qué resuelve este pipeline de analítica predictiva

La mayoría de reportes de pipeline que se ven en una reunión de ventas son fotografías del pasado: cuántas oportunidades se cerraron la semana anterior, cuánto se facturó el mes pasado. Este workflow de n8n da un paso más allá y mira hacia delante: cada semana recoge las oportunidades abiertas en tu CRM, calcula métricas básicas como el número de tratos, el importe medio y el total del embudo, y pide a un modelo de lenguaje que añada una nota de forecast en lenguaje natural interpretando esas cifras. El resultado se guarda como una fila nueva en una hoja de Google Sheets, que actúa como histórico consultable, y además se envía un resumen a Slack para que el equipo comercial y sus responsables lo vean sin tener que abrir ningún dashboard. No sustituye a una herramienta de forecasting avanzada, pero da una foto semanal barata y automática de hacia dónde va el embudo.

Qué necesitas antes de importar el flujo

Necesitas una instancia de n8n, acceso de lectura a la API de tu CRM para consultar las oportunidades abiertas (la mayoría de CRMs B2B ofrecen un endpoint de este tipo), una cuenta de Google con acceso a Sheets donde guardar el histórico, acceso a un proveedor de modelos de lenguaje para generar la nota de forecast, y un canal de Slack para el resumen semanal.

Cómo está construido el workflow

El flujo se activa con un Schedule Trigger configurado para disparar cada lunes, seguido de un nodo que hace una petición GET al endpoint de tu CRM para traer las oportunidades abiertas del pipeline. Un nodo de cálculo de features procesa esa lista y obtiene el número total de tratos, el importe medio y la suma total del embudo. Estas cifras se envían a un modelo de lenguaje junto con una instrucción para que redacte una breve nota de forecast interpretando la tendencia, sin inventar cifras que no estén en los datos de entrada. El resultado combinado (métricas más nota) se añade como fila nueva en tu hoja de Sheets y, en paralelo, se envía un resumen equivalente al canal de Slack configurado, de modo que ambos destinos queden sincronizados en la misma ejecución semanal.

Configurar la conexión con tu CRM y con Sheets

Importa el JSON en n8n y localiza el nodo de configuración de analítica. Rellena crmPipelineUrl con el endpoint de tu CRM que devuelve las oportunidades abiertas, sheetsAppendUrl con la referencia a tu hoja de cálculo (o configura la credencial de Google Sheets si tu instancia de n8n usa el nodo nativo en vez de un webhook intermedio), y llmUrl, apiKey y model con los datos de tu proveedor de IA. Añade también slackWebhookUrl con la dirección de tu Incoming Webhook. Ejecuta el flujo manualmente una vez con datos de prueba antes de activar el disparador semanal, y confirma que la fila que aparece en Sheets tiene los tres valores numéricos correctos y que la nota de forecast generada por el modelo tiene sentido respecto a esos números, sin contradicciones evidentes.

Adaptar el mapeo si tu CRM tiene otra estructura

El punto más frágil de este flujo es el nodo que calcula las métricas, porque depende directamente de la forma exacta en la que tu CRM estructura la respuesta de oportunidades. Si tu endpoint devuelve los tratos dentro de un campo anidado en vez de en la raíz del array, ajusta la referencia dentro del nodo Calcular features antes de la primera ejecución real, o el flujo fallará silenciosamente al intentar sumar importes que no encuentra. Aprovecha también este ajuste para decidir si quieres filtrar solo determinadas etapas del embudo (por ejemplo, excluir oportunidades recién creadas o ya en fase de cierre) en vez de contar absolutamente todo lo que esté abierto, según lo que sea más útil para tu proceso de forecast.

Buenas prácticas de datos y alternativas en Make

El resumen que llega a Slack no debería incluir emails personales de contactos ni de leads, solo cifras agregadas del embudo; revisa el prompt del modelo y los datos que le envías para asegurarte de que no se filtra información identificable de personas concretas en un canal donde puede haber más gente con acceso del necesario. Usa este informe semanal como apoyo a la decisión, no como única fuente de verdad: complementa la nota generada por IA con el criterio del responsable comercial antes de tomar decisiones de contratación o de inversión en marketing. En Make, la estructura equivalente combina un módulo Schedule semanal, una llamada HTTP al CRM, un módulo de cálculo o IA para las métricas, y una acción de Google Sheets junto con un mensaje de Slack para el resumen final.

Interpretar el forecast con criterio, no como un oráculo

La nota de forecast que genera el modelo es una interpretación de las cifras del embudo, no una predicción estadística validada con histórico suficiente, así que trátala como un resumen legible más que como un número en el que basar decisiones importantes de negocio. Es especialmente útil para detectar cambios bruscos de una semana a otra (un embudo que de repente duplica su importe medio, o que pierde la mitad de los tratos abiertos) que merecen una revisión manual inmediata, más que para predecir con precisión la facturación del trimestre. Con el tiempo, a medida que acumules varias semanas de histórico en la hoja de Sheets, podrás comparar la nota de forecast con lo que realmente ocurrió y ajustar tanto el prompt como tu propio criterio sobre cuánto peso darle a esta señal automática frente a otras fuentes de información del equipo comercial.

Importar, configurar y producción 24/7

En n8n: ⋯ → Import from File → el JSON de este recurso. El flujo llega inactive. Abre el sticky INSTRUCCIONES del lienzo y el nodo Config/Set: URLs, umbrales y placeholders. Enlaza credenciales reales (HTTP Header Auth, OAuth Google Sheets, Slack Incoming Webhook, CRM Private App) — nunca dejes tokens en el archivo versionado.

Prueba una ejecución Manual o un evento de test (formulario, webhook, cron forzado). Revisa CRM, Sheets o Slack. Solo entonces Active. Timezone del workflow: Europe/Madrid.

Para que corra solo hace falta n8n online. Self-hosted UE: VPS Hetzner/OVH/IONOS (o panel con Docker) → Ubuntu → Docker Compose (n8n + Postgres) → HTTPS con Caddy/Nginx → N8N_HOST, WEBHOOK_URL, GENERIC_TIMEZONE=Europe/Madrid, N8N_ENCRYPTION_KEY. Alternativa: n8n Cloud (importas, conectas credenciales y Active; vigila límites). Make/Zapier: mismo mapa mental; este JSON es el esqueleto n8n.

EU AI Act y RGPD: qué es y por qué tu empresa debe aplicarlo

El Reglamento (UE) 2024/1689 (EU AI Act) ya está en vigor. Si tu empresa usa n8n con nodos de IA (Gemini, OpenAI, Claude, etc.) en ventas o operaciones, actuáis como desplegadores (deployers): no hace falta ser el fabricante del modelo. Desde el 2 de febrero de 2025 el Artículo 4 exige alfabetización en IA del personal que opera estos sistemas; en agosto de 2026 se refuerza la supervisión (AESIA en España) y la trazabilidad.

En paralelo, el RGPD (AEPD) aplica porque el flujo trata datos de contacto B2B. Base jurídica, minimización y, si hay perfiles automatizados a escala, evaluación de impacto. AI Act y RGPD se acumulan: un fallo puede implicar ambas autoridades.

Este recurso ayuda en la práctica: placeholders sin secretos, Europe/Madrid, opción self-hosted en VPS UE (soberanía de datos), registro de ejecuciones en n8n (logs) y espacio para human-in-the-loop (aprobación antes de acciones sensibles). Detalle: /uso-responsable-de-ia-y-transparencia. Texto informativo, no asesoramiento legal.