Calidad de datos en logística: por qué tus tiempos de entrega nunca cuadran

En resumen: los tiempos de entrega no cuadran porque un tiempo de tránsito no es un dato que alguien entrega, sino un cálculo entre dos eventos que provienen de sistemas distintos, con dueños distintos y latencias distintas. Las siete fallas que rompen ese cálculo son los timestamps sin zona horaria, los hitos que llegan tarde o no llegan, los códigos de estatus sin normalizar, el master data de ubicaciones sucio, los calendarios y ventanas de cita ignorados, los duplicados y eventos fuera de secuencia, y una promesa comercial que nunca se validó contra la operación real. Ninguna se corrige en el dashboard: todas se originan upstream, en el punto donde el dato entra a la organización.

Hay una escena que se repite en prácticamente toda operación logística madura. El reporte mensual indica 94% de entregas a tiempo. El comprador del cliente más importante afirma que tuvo tres entregas tarde en las últimas cuatro semanas. Ambos están mirando los mismos embarques y ninguno de los dos está mintiendo.

Cuando esto ocurre, el reflejo natural es revisar el tablero: la fórmula del indicador, el filtro de fechas, el modelo de predicción. Casi nunca es ahí. La calidad de datos en logística se rompe mucho antes de la visualización, en el momento en que un evento de embarque se registra tarde, se registra en la zona horaria equivocada, se registra dos veces o simplemente no se registra. Y en México hay una capa adicional que agrava el problema: entre el complemento Carta Porte, la coexistencia de cuatro husos horarios con reglas estacionales distintas y el volumen de operación transfronteriza, las oportunidades de que un timestamp se corrompa son más numerosas que en casi cualquier otro mercado.

Este artículo recorre las siete fallas que con mayor frecuencia rompen un tiempo de tránsito, señala en cada caso cómo detectarla en los datos propios y explica por qué corregirlas upstream es la única solución que no vuelve a romperse el trimestre siguiente.

¿Qué es la calidad de datos en logística?

La calidad de datos en logística es el grado en que los eventos de la cadena de suministro —recolección, tránsito, arribo, entrega— quedan registrados de forma exacta, completa, oportuna, consistente, válida y sin duplicados, de modo que puedan usarse para medir desempeño y tomar decisiones operativas sin corrección manual previa.

Las seis dimensiones clásicas de calidad se vuelven muy concretas al aterrizarlas en una operación de transporte. La exactitud significa que el timestamp de entrega corresponde al momento real de la descarga y no al momento en que alguien capturó el POD. La completitud significa que los hitos definidos existen en todos los embarques, no en dos terceras partes de ellos. La oportunidad significa que el evento llega en minutos y no ocho horas después de haber ocurrido, porque un ETA recalculado sobre un evento viejo es un ETA falso. La consistencia significa que el TMS y el portal del transportista reportan la misma hora de arribo; Gartner identifica precisamente la inconsistencia entre fuentes como el problema de calidad de datos más difícil de resolver en las organizaciones, justamente porque nace de sistemas en silos con solapamientos y huecos (Gartner). La validez significa que el código de estatus recibido existe en el catálogo y significa lo que se cree que significa. Y la unicidad significa que el arribo a planta aparece una vez, no tres, cada una con hora distinta.

Conviene notar el patrón: cinco de las seis dimensiones dependen de un tercero. El transportista, el proveedor, el operador de patio, el conductor con el celular en la mano. Ese es el problema de fondo, y explica por qué las iniciativas de limpieza que se quedan dentro de las fronteras del área de datos rara vez sostienen su mejora.

El origen del problema: el tiempo de tránsito es un cálculo, no un dato

Ninguna fuente entrega un tiempo de tránsito. Lo que entrega son eventos, y el tiempo de tránsito es la resta entre dos de ellos. Cuando esos dos eventos vienen de sistemas diferentes —lo habitual— la discrepancia no es un accidente: es el resultado esperado de restar dos números que se generaron bajo reglas distintas.

Fuente	Quién la genera	Latencia típica	Falla más común
TMS / ERP propio	Equipo interno	Inmediata	Captura manual tardía; fecha planeada usada como fecha real
EDI 214	Transportista	Minutos a horas	Hitos faltantes; códigos mapeados distinto por carrier
ASN / EDI 856	Proveedor o embarcador	Previa al embarque	Contiene la fecha prometida, no la real; nunca se actualiza
Portal web del carrier	Transportista	Variable	Scraping frágil; captura manual; sin historial
Telemática y geofences	Carrier u operador de flota	Segundos a minutos	Geofence mal trazado; pings intermitentes
POD (app del operador o papel)	Conductor	Minutos a días	Firma en papel digitalizada 48 horas después
Complemento Carta Porte	Emisor del CFDI	Previa al traslado	Contiene horas estimadas, no reales; se emite y no se reconcilia

El EDI 214 es el caballo de batalla en este terreno: es el mensaje X12 con el que el transportista informa el estatus del embarque —fechas, horas, ubicaciones, identificadores— y es exactamente lo que muchos embarcadores utilizan, comparando el primer estatus contra el último, para determinar si el carrier cumplió el tiempo de tránsito comprometido. No debe confundirse con el ASN: el EDI 856 lo envía el embarcador antes de que la carga salga y comunica lo que se planea despachar y cuándo se espera que llegue, mientras el 214 lo envía el transportista durante el trayecto y comunica lo que está ocurriendo. Medir el tránsito real contra el ASN equivale a medir la promesa contra la promesa.

El caso del complemento Carta Porte merece atención particular porque genera una falsa sensación de cobertura. La versión 3.1 se publicó en el portal del SAT el 17 de junio de 2024 y debe utilizarse desde el 17 de julio del mismo año; en operaciones de comercio exterior, la factura con complemento es exigible desde el 1 de enero de 2024 (SAT). El complemento exige un nivel de detalle notable: domicilios de origen y destino, fecha y hora de salida y de llegada de cada ubicación, distancia recorrida, datos del vehículo y del operador. Es, en la práctica, el registro estructurado de traslados más completo que muchas empresas mexicanas tienen. El problema es que esas horas son estimadas y se capturan antes del traslado, con fines de cumplimiento fiscal, y casi nunca se reconcilian contra lo que efectivamente sucedió. Existe entonces un activo de datos valioso que no se está usando para medir desempeño, y en ocasiones se usa mal: como si fuera el dato real.

Las siete fallas que rompen los tiempos de tránsito

1. Timestamps sin zona horaria, en un país con reglas estacionales mixtas

Es la falla más común y, en el contexto mexicano, la más subestimada. El evento de origen llega en UTC, el de destino en hora local, y un tránsito de seis horas aparece como negativo. O peor: aparece como un tránsito plausible de veintidós horas que nadie cuestiona.

México agrava esto de una forma que pocos pipelines contemplan. La Ley de los Husos Horarios en los Estados Unidos Mexicanos, publicada en el Diario Oficial de la Federación el 28 de octubre de 2022 y vigente desde el 30 de ese mes, estableció horario estándar durante todo el año en la mayor parte del territorio y conservó el horario estacional únicamente para estados y municipios de la frontera norte, con el fin de mantener la sincronía comercial con Estados Unidos (Cacheaux, Cavazos & Newton).

La consecuencia operativa es que el diferencial horario entre un CEDIS del centro del país y un cruce fronterizo cambia dos veces al año, en marzo y en noviembre, y solo en ciertos corredores. Cualquier sistema con offsets fijos en el código produce errores estacionales de una hora, precisamente en los lanes de exportación, que son los de mayor valor por embarque.

Cómo detectarlo: buscar tránsitos negativos y distribuciones con dos modas separadas exactamente por una o varias horas. Revisar si el error aparece o desaparece alrededor del segundo domingo de marzo y del primer domingo de noviembre. Si el pipeline no exige formato con offset explícito en la ingesta, el error no es probable: es inevitable.

2. Hitos que llegan después del hecho, o que no llegan

Un ETA es tan bueno como el último evento que lo alimentó. Si el hito de salida de terminal llega seis horas tarde, el ETA estuvo equivocado durante seis horas y el equipo tomó decisiones con él sin saberlo.

Los propios proveedores de visibilidad son transparentes al respecto. project44 enumera los huecos en cobertura de pings, las señales de ubicación de baja calidad y las actualizaciones de hitos incompletas entre las causas que degradan la confiabilidad de una predicción de ETA, junto con la variabilidad por lane y las diferencias operativas entre carriers e instalaciones (project44).

Cómo detectarlo: medir la tasa de completitud de hitos segmentada por transportista y por corredor, no en agregado. La cifra global casi siempre esconde uno o dos carriers que reportan poco y un puñado de rutas sin cobertura. Medir también la latencia real —diferencia entre la hora del evento y la hora en que llegó al sistema— en su mediana y en su percentil 90.

3. Códigos de estatus que cada transportista mapea a su manera

Tres carriers, tres formas distintas de comunicar que la unidad salió del cross-dock. Sin una capa de normalización, el mismo evento vive en la tabla bajo tres etiquetas y el conteo de embarques con hito de salida resulta artificialmente bajo.

Cómo detectarlo: revisar el catálogo de estatus recibidos y contar cuántos valores tienen frecuencia marginal. Un catálogo con decenas de códigos de baja frecuencia es señal de ausencia de diccionario canónico. Otra señal: un transportista con cumplimiento aparentemente superior al resto sin ninguna razón operativa que lo explique.

4. Master data de ubicaciones sucio

Es la falla que más contamina hacia abajo y la que menos atención recibe, porque no se percibe como un problema de tiempos. El mismo CEDIS registrado con tres identificadores distintos, direcciones sin normalizar y, sobre todo, geofences mal trazados —demasiado pequeños o desalineados del acceso real de la unidad— que nunca disparan el evento de arribo.

Vale la pena señalar que la Carta Porte impone disciplina precisamente aquí, al exigir domicilios completos de origen y destino, lo que en muchas empresas ha sido el primer incentivo real para ordenar el catálogo de ubicaciones. Ese trabajo, si ya se hizo por razones fiscales, puede reutilizarse para propósitos operativos.

Cómo detectarlo: buscar embarques que aparecen sin arribo pero con entrega confirmada, e instalaciones donde el dwell time resulta imposible de calcular. Validar la geocodificación del catálogo contra coordenadas verificadas y revisar el radio de cada geofence contra la geometría real del acceso.

5. Calendarios laborales y ventanas de cita ignorados

Contar sábados, domingos y días festivos como tiempo de tránsito infla el promedio y destruye la comparabilidad entre corredores. El error hermano consiste en confundir la hora de la cita con la hora de arribo: si la unidad llegó a las 6:00 y la cita era a las 10:00, existen cuatro horas de espera que no son tránsito y que además tienen un costo directo.

Ese costo es cuantificable. Según ATRI, el tiempo promedio de espera en instalaciones de embarcadores y receptores ronda las 3.5 horas, y la FMCSA estima el costo del detention para la industria del autotransporte estadounidense entre 1,100 y 1,300 millones de dólares anuales en productividad perdida. El dato más revelador para esta discusión es otro: 94.5% de las flotas cobran detention, pero menos de la mitad logra cobrarlo efectivamente, y entre las razones principales figuran la documentación deficiente y las disputas sobre la hora de arribo (O Trucking, con datos de ATRI y FMCSA). Traducido: la mitad de una factura legítima se pierde por un timestamp que no se puede defender.

Cómo detectarlo: comparar la distribución de tiempos de tránsito calculada con y sin descuento de días no laborables. Separar explícitamente los intervalos de arribo a cita y de cita a inicio de maniobra.

6. Duplicados y eventos fuera de secuencia

Entregado antes que recolectado. El mismo arribo cargado tres veces por reintentos de la integración. Y el pecado silencioso: cuando hay conflicto entre registros, el sistema toma el último escrito, no el correcto.

Cómo detectarlo: validar que la secuencia de hitos respete el orden lógico en el 100% de los embarques y contar cuántos violan esa regla. Verificar la existencia de una llave de deduplicación por embarque, tipo de evento y timestamp. Si no existe, los duplicados están presentes aunque nadie los haya visto.

7. Una promesa comercial que nunca se validó contra la operación

El acuerdo de servicio que el área comercial vende se fijó hace tres años, con otro mix de rutas y otro nivel de congestión, y nadie lo ha contrastado contra los datos. Cuando eso ocurre, el incumplimiento no es un problema de ejecución sino de compromiso mal calibrado, y ninguna mejora operativa lo va a resolver.

Cómo detectarlo: el incumplimiento sistemático y estable en corredores específicos, en lugar de aleatorio, es la firma característica. Si el tiempo comprometido nunca se derivó de la distribución observada por lane, es momento de recalcularlo.

Lo que esto cuesta y por qué el dashboard no lo muestra

Aquí conviene ser directo: el dashboard no muestra el problema porque el dashboard forma parte del problema.

Un análisis reciente lo plantea con precisión. La métrica de aproximadamente 90% de exactitud de ETA que circula como estándar en la industria arrastra un sesgo de supervivencia institucionalizado, porque mide únicamente los embarques que sí reportan datos —los que van por rutas principales, con carriers maduros y modos bien instrumentados— y excluye del cálculo los que se van a oscuras: cargas transbordadas, consolidadas, entregadas entre carriers regionales pequeños o movidas en cruces fronterizos donde el intercambio de datos se interrumpe. Son justamente los embarques con mayor exposición financiera por contenedor. La métrica, en palabras de los autores, halaga exactamente donde el halago cuesta menos (The Loadstar). El mismo análisis recuerda que la cobertura sigue siendo el cuello de botella: en la encuesta de McKinsey a líderes de cadena de suministro de 2024, la visibilidad de tier 1 alcanzaba 60% de los encuestados, mientras que tier 2 y más allá se quedaba en 30%, siete puntos por debajo del año anterior.

El costo de esa ceguera se paga en cinco lugares distintos. En fletes premium y expedites evitables, porque la reacción llega tarde cuando el evento llegó tarde. En penalizaciones de retail: Walmart aplica un cargo de 3% del costo de los bienes por cada caja que incumple su programa On Time In Full, con metas que en 2025 se ubican en 90% on-time y 95% in-full para proveedores prepaid, y 98% de disponibilidad para collect (5G Sales); Target mide On Time Fill Rate y Kroger utiliza ORAD, cada uno con su propio esquema de deducciones (Vendormint), y disputar una deducción improcedente exige evidencia defendible de la hora de arribo. En inventario de seguridad inflado para cubrir una varianza que en parte no es operativa, sino ruido de datos. En promesas al cliente final construidas sobre un tránsito promedio que no describe la operación real. Y en modelos de forecast y planeación entrenados con fechas equivocadas, donde el error no se queda quieto: cada capa downstream lo amplifica.

Ese mecanismo explica la cifra que Gartner sostiene desde 2020: la mala calidad de datos cuesta a una organización un promedio de 12.9 millones de dólares al año (Gartner). No se pierde de golpe, se pierde en decisiones pequeñas tomadas sobre datos malos, todos los días.

Conviene añadir que el asunto no es únicamente financiero. Investigación de la FMCSA y de la Oficina del Inspector General del Departamento de Transporte estadounidense estimó que cada 15 minutos adicionales de dwell time en una instalación incrementa la tasa esperada de accidentes en 6.2%, bajo la hipótesis de que los operadores pagados por kilómetro o por viaje tienden a acelerar para recuperar el tiempo perdido (FreightWaves). Medir correctamente el tiempo en patio también es una cuestión de seguridad.

Cómo diagnosticar los datos de tiempos de tránsito en 30 días

No se requiere un proyecto de un año para conocer la magnitud del problema. Se requieren cinco pasos y disposición a mirar los números sin filtro.

La primera semana se dedica a inventariar las fuentes y medir su latencia real, no la contractual. Para cada una se registra la diferencia entre la hora del evento y la hora en que ese evento llegó al sistema; la mediana y el percentil 90 suelen sorprender a quien nunca los ha medido.

La segunda semana corresponde a la completitud de hitos, calculada como el porcentaje de embarques que tienen cada hito presente, siempre segmentada por carrier, por corredor y por modo. Es en esta segmentación donde aparecen los huecos que la cifra agregada oculta.

En la tercera semana se mide el error del ETA con dos números: el error absoluto medio en horas y el porcentaje de embarques que cayeron dentro de una ventana definida. Ambos deben reportarse siempre acompañados de la cobertura, es decir, de la proporción del volumen total sobre la que se calcularon. Un 92% de exactitud medido sobre 40% del volumen no es un 92%. En paralelo, se reconcilia una muestra contra una fuente de verdad independiente —telemática, geofence o POD— para estimar el sesgo sistemático de cada fuente, que suele ser corregible una vez cuantificado.

La cuarta semana se dedica a priorizar, y el criterio importa: volumen multiplicado por costo del error, no grado de suciedad. El corredor más sucio puede ser irrelevante, mientras el corredor que sostiene el trimestre puede tener un error de dos horas que nadie ha visto.

Al cerrar el ejercicio conviene dejar vivo un tablero permanente con indicadores de calidad, distintos de los de operación: completitud de hitos, latencia mediana y percentil 90 por fuente, tasa de duplicados, tasa de eventos fuera de secuencia, cobertura de medición y error del ETA. Si estos indicadores no tienen un dueño con nombre, se degradan.

Corregirlo upstream, no en el reporte

Es perfectamente posible limpiar en el dashboard, y se hace todo el tiempo. Pero cada regla de limpieza agregada downstream es deuda técnica que alguien tendrá que mantener y que se rompe en cuanto el transportista cambia su mapeo o entra un proveedor nuevo. La solución estructural vive upstream y consta de cinco piezas.

La primera son los data contracts con los socios de la cadena: qué hitos, con qué campos obligatorios, en qué formato y con qué latencia máxima, tratados con la misma seriedad contractual que un acuerdo de tiempo de tránsito. La segunda es la validación en la ingesta, que rechaza o pone en cuarentena el evento que llega sin zona horaria, con código inválido o fuera de secuencia; corregir en el punto de entrada es barato y corregir tres capas después es carísimo. La tercera es la normalización de catálogos, con un diccionario canónico de eventos y un master de ubicaciones con geocodificación y geofences validados. La cuarta es el monitoreo continuo con retroalimentación al socio, mediante reportes de calidad que regresan al transportista con su propia tasa de cumplimiento, porque lo que no se mide de vuelta no mejora. Y la quinta es el linaje, entendido como la capacidad de responder, para cualquier embarque, de dónde salió cada timestamp y en qué momento llegó.

Este es exactamente el terreno que cubre nuestra solución de upstream data quality para operaciones logísticas: diseñar la ingesta, los contratos y el monitoreo para que el dato llegue correcto la primera vez, sin reemplazar los sistemas que ya operan.

Diez validaciones mínimas sobre los datos de tránsito

1. Todo timestamp tiene zona horaria explícita, con offset y no con nombre de plaza.

2. No existen tránsitos negativos ni superiores a un umbral físicamente plausible por modo.

3. La secuencia de hitos respeta el orden lógico en el 100% de los embarques.

4. No hay duplicados por combinación de embarque y tipo de evento.

5. Todo código de estatus recibido mapea a un evento canónico.

6. Todo identificador de ubicación existe en el master y tiene coordenada validada.

7. La completitud de hitos por carrier y por corredor supera el umbral definido.

8. La latencia en percentil 90 por fuente se encuentra dentro del acuerdo pactado.

9. El cálculo de tránsito descuenta fines de semana, días festivos y espera por cita conforme a una regla de negocio documentada.

10. Toda métrica de desempeño se publica acompañada de su cobertura.

Cómo convertir esto en resultados

El hilo conductor de las siete fallas es inequívoco: la tecnología de visibilidad está disponible para cualquiera que pueda pagarla, y hay más de trescientos proveedores vendiéndola. Lo que escasea es la capacidad de alimentarla con eventos confiables, oportunos y comparables entre sí. Las organizaciones que logran ETAs defendibles no son las que compraron la mejor plataforma, sino las que ordenaron el dato antes de conectarlo.

Si la pregunta resuena, el primer paso es diagnosticar el estado actual de las fuentes de datos de tránsito y cuantificar dónde se está rompiendo el cálculo. En Arkon Data acompañamos a las organizaciones logísticas con un assessment de datos que evalúa sus fuentes, mide latencia y completitud reales, y traza la ruta para corregir el problema en el origen. Es una conversación corta, sin compromiso, para entender qué tan lejos está la operación de tener tiempos de entrega que efectivamente cuadren.

Agenda una asesoría en datos sin costo

Preguntas frecuentes sobre calidad de datos en logística

¿Cómo se mide la calidad de datos en logística?

Con métricas sobre el dato mismo, no sobre la operación: completitud de hitos, latencia entre la ocurrencia del evento y su recepción, tasa de duplicados, tasa de eventos fuera de secuencia, porcentaje de códigos mapeados a un catálogo canónico y cobertura de medición. Todas deben monitorearse segmentadas por fuente, por transportista y por corredor, porque el agregado oculta los huecos.

¿Sirve el complemento Carta Porte para medir tiempos de tránsito?

Sirve como punto de partida, no como fuente de verdad. El complemento contiene fechas y horas estimadas capturadas antes del traslado con fines de cumplimiento fiscal, no los tiempos efectivamente ocurridos. Su valor real está en la disciplina que impone sobre el master data de ubicaciones y en la posibilidad de reconciliar lo declarado contra lo ejecutado.

¿Por qué el ETA no coincide con la entrega real?

En la mayoría de los casos el problema no está en el modelo sino en el insumo. Un ETA se recalcula con el último evento recibido, de modo que si ese evento llegó tarde, incompleto o con la zona horaria equivocada, la predicción ya estaba equivocada antes de calcularse.

¿EDI o API para los datos de tiempos de tránsito?

Depende de la madurez de cada socio. El EDI 214 es el estándar establecido y la vía más realista con la mayoría de los transportistas, mientras que las APIs y la telemática ofrecen menor latencia y mayor granularidad. En la práctica se combinan, y lo determinante es normalizar todas las fuentes hacia un mismo modelo de eventos.

¿Cuánto tarda en verse la mejora?

El diagnóstico produce resultados en semanas. Las correcciones de normalización y validación en la ingesta impactan los indicadores durante el primer mes. Lo que toma más tiempo es lo que depende de terceros: renegociar acuerdos de transmisión y elevar la tasa de reporte de los carriers rezagados suele ser un ciclo de uno a dos trimestres.