investigaci-n-de-m-tricas

name	Investigación de Métricas
description	Root-cause analysis — identify which dimensions explain a metric spike, drop, or anomaly
keywords	driver, cause, investigate, root cause, breakdown, attribution, por qué, porqué, causa, cayó, bajó, subió, spike, explicar, impacto, dimensión, contribuyó, investigar
next	data-storytelling

Investigación de Métricas

Activa cuando el usuario quiere entender POR QUÉ una métrica cambió. Sigue la metodología de drill-down dimensional: descomponer el cambio total en contribuciones por segmento, al estilo Tableau Pulse.

Cuándo activar

• "¿Por qué cayeron las ventas en marzo?", "¿qué causó el spike?"
• "¿Qué dimensión explica el cambio?", "¿quién contribuyó más al cambio?"

Metodología: Drill-down dimensional

Objetivo: encontrar la combinación de dimensiones (región, producto, canal, etc.) que explica la mayor parte del cambio entre período A y período B.

Razona en hipótesis, no en barrido: antes de medir, lista qué dimensiones podrían explicar el cambio y por qué (¿lanzamiento? ¿estacionalidad? ¿un segmento?). Mide para confirmar o descartar esas hipótesis, empezando por la más probable — no descompongas todas las dimensiones por inercia.

1. Definir períodos — pregunta o infiere período de anomalía vs baseline. Si cuál es "el cambio" es ambiguo, pregunta antes de inventar un recorte.
2. Query de impacto por dimensión — para cada dimensión candidata:

   SELECT dimension,
     SUM(CASE WHEN periodo = 'actual' THEN metrica ELSE 0 END) AS actual,
     SUM(CASE WHEN periodo = 'baseline' THEN metrica ELSE 0 END) AS baseline,
     SUM(CASE WHEN periodo = 'actual' THEN metrica ELSE 0 END) -
     SUM(CASE WHEN periodo = 'baseline' THEN metrica ELSE 0 END) AS delta,
     ROUND((...delta... / NULLIF(...total_delta..., 0)) * 100, 1) AS pct_contribucion
   FROM tabla
   GROUP BY dimension
   ORDER BY ABS(delta) DESC
   

3. Visualizar top contributors — display_chart tipo bar-horizontal con delta por segmento
4. Correlaciones — Query con CORR() nativo de DuckDB entre dimensiones numéricas y la métrica objetivo
5. Drill-down — Si un segmento explica > 50% del cambio, profundizar en ese segmento con sub-dimensiones
6. Cierre — final_answer con: dimensión principal que explica el cambio, % de contribución, hipótesis causal, acciones sugeridas

Reglas

• Siempre compara dos períodos concretos — no describas el cambio sin anclar a números
• Si hay > 5 dimensiones candidatas, evalúa las 3 más probables primero
• Usa NULLIF en divisiones para evitar division by zero
• Menciona en caveats si el período de análisis es estadísticamente pequeño