En 2008, Andreas Hinterhuber publicó en el Journal of Business Strategy un dato que cambió cómo pensamos pricing en revenew. Sobre una muestra de 81 ejecutivos B2B europeos y norteamericanos, Hinterhuber encontró que entre el 80 y el 95 por ciento de las empresas fija precio por costo más markup o por benchmarking contra la competencia. Solo el 5 a 20 por ciento lo hace por valor percibido.
Antes de decidir una intervención, conviene revisar una pregunta: ¿tu empresa está lista para analizar sus decisiones de pricing o necesita construir capacidades previas?
Esta publicación presenta el método de los 3 ejes: Datos, Modelos y Organización. Propone revisar esas tres dimensiones antes de decidir si corresponde invertir en software, consultoría o capacidades del equipo.
Por qué los modelos clásicos de madurez no alcanzan
Los modelos de madurez tradicionales tienen dos sabores. El primero es la familia CMMI adaptada: Inicial, Repetible, Definido, Gestionado, Optimizado. El segundo es la familia Gartner Analytics: Descriptivo, Diagnóstico, Predictivo, Prescriptivo, Autónomo. Ambos son útiles. Ambos son parciales.
CMMI captura madurez de proceso pero no diferencia entre la calidad de los datos y la sofisticación de los modelos. Una empresa puede tener procesos "Gestionados" en torno a un Excel que se actualiza tarde y con catálogo desactualizado. CMMI le pone un 4. Su pricing real merece un 1.
Gartner Analytics captura sofisticación analítica pero no captura la dimensión organizacional. Una empresa puede tener un modelo Predictivo en producción que ningún KAM usa porque no hay banding ni governance ni autoridad para actuar sobre las recomendaciones. Gartner le pone un 3. El sistema queda en PowerPoint.
Lo que falta en ambos modelos es la realidad operativa: la madurez de pricing es la madurez del eje más débil, no el promedio. Una empresa con datos nivel 4 y organización nivel 1 está en realidad funcionando como una empresa nivel 1, porque los modelos avanzados no se aplican sin la función organizacional para sostenerlos. El bottleneck dominante manda.
Por eso construimos un modelo híbrido propio. 3 ejes independientes, 5 niveles cada uno, evaluación por separado y luego interpretación combinada. La inconsistencia entre ejes es la señal diagnóstica más importante: dice dónde está el primer paso a invertir.
El método revenew: 3 ejes independientes
Los 3 ejes son Datos, Modelos y Organización. Cada uno se evalúa con 10 preguntas estructuradas (30 en total), cada pregunta con 5 opciones que mapean directamente a un nivel de madurez. El score por eje es el promedio simple de sus 10 preguntas. El nivel final es:
Score menor a 1,5: Nivel 1 (Inicial)
Score entre 1,5 y 2,5: Nivel 2 (Emergente)
Score entre 2,5 y 3,5: Nivel 3 (Establecido)
Score entre 3,5 y 4,5: Nivel 4 (Integrado)
Score mayor a 4,5: Nivel 5 (Estratégico / Líder)
La clínica pagada dura entre 60 y 75 minutos. Trabajamos sobre una decisión concreta, priorizamos el problema, identificamos el cuello de botella y concluimos si existe encaje para un sprint v0.
A continuación describimos los 3 ejes en detalle, con los 5 niveles de cada uno y ejemplos prácticos de las preguntas que aplicamos.
Eje 1: Madurez de Datos
Este eje evalúa la calidad, estructura, granularidad y gobernanza de la información transaccional y de los maestros. Es la base. Sin datos limpios, versionados y reconciliados, ningún proyecto de revenue management captura valor sostenible.
D1 - Caótico
Los datos están dispersos en hojas de Excel locales por equipo o área. No hay catálogo único de SKUs. La reconciliación es manual y se construye desde cero cada vez que se hace un análisis. Cada KAM o cada vendedor tiene su versión del precio efectivo.
D2 - Centralizado
Existe un ERP único con transacciones, pero el master data no tiene versionado. Los reportes se construyen ad-hoc desde queries directas al ERP. Los datos externos (precios competencia, scanner data, panel) no están integrados.
D3 - Estructurado
Hay un data warehouse con granularidad SKU x cliente x periodo x precio efectivo. El master de SKUs se actualiza mensualmente con registro de cambios básico. Existe acceso a scanner data o equivalente para el canal principal.
D4 - Integrado
El pipeline de ingesta está automatizado, la calidad de datos se monitorea con alertas, el master está gobernado con versionado mensual obligatorio y workflow de aprobación. Las covariables exógenas (precios competencia, clima, tráfico, calendario de festivos) están integradas en el data warehouse.
D5 - Real-time
Datos transaccionales en streaming, master federado con governance distribuido por dominio, calidad y linaje auditables, datos accesibles vía API para múltiples consumidores. Reservado para empresas que ya operan como plataforma.
Ejemplo de pregunta del eje Datos: ¿Tienen visibilidad de precio efectivo (post todos los descuentos), no solo precio de lista? La respuesta N1 es "solo manejamos precio de lista". La respuesta N4 es "pocket price waterfall completo por SKU x cliente x periodo, con descomposición de cada capa de descuento". La diferencia entre N1 y N4 cambia qué proyecto de revenue management se puede ejecutar primero.
Eje 2: Madurez de Modelos
Este eje evalúa la sofisticación analítica: desde reportes descriptivos hasta sistemas autónomos. Es el eje que más cambia entre empresas del mismo tamaño y sector, porque depende del talento y la inversión analítica acumulada, no solo de la infraestructura.
M1 - Descriptivo
Reportes de venta histórica y márgenes. No hay modelo de demanda. La decisión de precio se toma con base en histórico más intuición. No hay forecast formal por SKU.
M2 - Diagnóstico
Existe análisis de variación e identificación descriptiva de leakage, benchmark vs competencia, alertas sobre desvíos. Pero no hay modelos predictivos formales en producción.
M3 - Predictivo
Forecast de demanda por SKU x periodo en producción, segmentación de clientes con técnicas estadísticas, estimación inicial de elasticidad por SKU top. Los modelos corren con scoring periódico, no necesariamente con retraining sistemático.
M4 - Prescriptivo
Optimización formal con restricciones (margen mínimo, posicionamiento competitivo, regulación), medición causal sistematizada de cada intervención post-evento, recomendaciones específicas por decisión (precio, descuento, mix, canal). MLOps básico con versionado de modelos y monitoreo de drift.
M5 - Autónomo
Reinforcement learning para decisiones secuenciales en perecederos o pricing dinámico, recomendaciones en tiempo real, retraining automatizado, ajuste continuo según feedback de mercado. Frontera real, presente en muy pocas empresas globales.
Ejemplo de pregunta del eje Modelos: ¿Cómo evalúas el retorno de una promoción ya ejecutada? La respuesta N1 es "comparación de venta antes vs durante la promo, sin ajuste por estacionalidad ni ruido externo". La respuesta N4 es "medición causal sistemática post-evento con diferencias-en-diferencias, control sintético o BSTS según diseño". La respuesta N5 es "pipeline automatizado donde cada evento se mide causalmente al cierre y alimenta el siguiente Pre-ROI". La diferencia entre N1 y N5 es la diferencia entre celebrar lift bruto y entender efecto neto incremental.
Eje 3: Madurez Organizacional
Este eje evalúa la función, governance, procesos y sponsorship ejecutivo del pricing y el revenue management. Es el eje que más impacto tiene en el largo plazo y el que menos atención recibe en los diagnósticos clásicos.
O1 - Sin función
No hay rol ni equipo dedicado a pricing. Las decisiones de precio están distribuidas entre KAMs, fuerza de ventas, finanzas y comercial, sin coordinación. Cada uno decide según su criterio.
O2 - Función emergente
Existe un analista de pricing o un encargado de Trade Marketing en sentido amplio, pero sin autoridad ni mandato claro. Los procesos son manuales en Excel. La estructura es ambigua.
O3 - Función establecida
Existe subgerencia o gerencia de pricing y revenue. Hay procesos documentados, parrillas formales, calendario de revisión. Governance básico de descuentos con banding documentado. El sponsorship es C-1 (gerente comercial, gerente finanzas).
O4 - Integrada
Pricing es función transversal con representación en comité ejecutivo. Workflows de aprobación están digitalizados. Los KAMs usan herramientas analíticas en su rutina. Existe un comité mensual de pricing. El sponsor es C-suite (CCO, CFO, COO).
O5 - Estratégica
Pricing es palanca estratégica reconocida con sponsorship del CEO o el directorio. Centro de excelencia con datos, modelos y operaciones integrados. Cultura de "pricing first" en cada decisión de producto, promoción o canal. Comité semanal o quincenal con datos en tiempo real.
Ejemplo de pregunta del eje Organización: ¿Existe governance formal de descuentos con banding y workflows de aprobación? La respuesta N1 es "cada KAM o vendedor decide su descuento sin reglas". La respuesta N5 es "governance dinámico ajustado continuamente con datos, alertas automáticas de leakage". Stephenson, Cron y Frazier publicaron en 1979, sobre una muestra de 108 firmas, que más autoridad de descuento al sales force sin governance produce menos sales y menos profit.
El bottleneck dominante: el eje más bajo determina el primer paso
La inconsistencia entre ejes es la señal diagnóstica más importante del método. No es lo mismo una empresa con score (D=3, M=3, O=3) que una con score (D=4, M=4, O=1). La primera está en estado Operacional balanceado. La segunda tiene un bottleneck organizacional severo que invalida toda la sofisticación analítica.
Si tu score es (D=4, M=1, O=1), el bottleneck es talento analítico y función organizacional. El primer paso correcto no es invertir más en data warehouse o en master data. El primer paso es contratar o asignar un analista de pricing con sponsorship ejecutivo y formalizar la función.
Si tu score es (D=1, M=3, O=3), el bottleneck son los datos. Tienes equipo y modelos pero los modelos están entrenando sobre data incompleta o no versionada. El primer paso es ordenar la capa de datos antes de pedirle más al equipo analítico.
Si tu score es (D=3, M=3, O=1), el bottleneck es organización. Tienes datos y modelos pero nadie aplica las recomendaciones porque no hay banding ni workflow ni autoridad de actuar. El primer paso es construir governance.
Esta lógica de priorización por bottleneck es la diferencia entre un diagnóstico que entrega una recomendación accionable y un diagnóstico que entrega una lista de buenos deseos. La fórmula es simple: el eje más bajo determina el primer paso. Subir el promedio sin subir el mínimo no captura valor.
Cinco estados de madurez
Los siguientes cinco estados organizan combinaciones de madurez en Datos, Modelos y Organización. Para cada estado se propone una prioridad de trabajo.
Estado 1: Pre-RM (D1-D2, M1, O1-O2)
Datos dispersos, sin modelos, sin función organizacional. La prioridad es el ordenamiento básico: acordar definiciones, consolidar el historial de transacciones disponible, revisar su calidad e identificar oportunidades que merezcan análisis.
Estado 2: Sub-utilizado (D3, M1-M2, O2-O3)
Tienen los datos, pero no los modelos ni la organización para usarlos. La prioridad es una prueba acotada sobre un canal, un grupo de clientes y un conjunto de productos: estimación de elasticidad, una primera parrilla de precios y un diseño para medir causalmente los resultados.
Estado 3: Operacional (D3-D4, M3, O3)
Con procesos operativos, pero sin sofisticación avanzada. La prioridad es la integración: motor de elasticidad con ERP transaccional, workflows de aprobación digitales, evaluación previa y posterior de resultados dentro de una rutina mensual y comité de pricing.
Estado 4: Maduro (D4, M4, O4)
Empresas que ya están en frontera. El próximo paso es customer-level pricing dinámico, dynamic pricing en categorías perecederas vía reinforcement learning, causal forests para heterogeneous treatment effects e integración cross-canal coherente.
Estado 5: Líder mundial (D5, M5, O5)
Reservado para Unilever, P&G, Nestlé en CPG global, Sysco con Zilliant en foodservice, Walmart en retail. Frontera real. Muy poco presente en Chile.
Por qué este diagnóstico, por qué ahora
Qué te llevas al cierre de la hora:
La clínica entrega una decisión comercial priorizada, el cuello de botella identificado y una conclusión sobre el encaje para un sprint v0. El alcance de cualquier trabajo posterior se acuerda por separado.
Para quién es: CFO, CCO, gerente comercial, head de pricing o head de revenue management en empresas chilenas mid-market a corporativas, con al menos 50 SKUs y 12 meses de data transaccional accesible.
Para quién no es: startups en búsqueda de product-market-fit, empresas con menos de 12 meses de data, equipos que ya tienen una decisión de software tomada y solo buscan evaluar vendors.
Conversemos sobre tu próximo paso
Conversemos sobre la decisión de margen que tu equipo necesita ordenar. Si existe encaje, proponemos una clínica pagada de priorización y, después, un sprint v0 con alcance definido.
"El bottleneck dominante manda. Subir el promedio sin subir el mínimo no captura valor." (método revenew, 2026)
Fuentes citadas
Hinterhuber, A. (2008). Customer value-based pricing strategies. Journal of Business Strategy, 29(4), 41-50.
Stephenson, P.R., Cron, W.L. y Frazier, G.L. (1979). Delegating Pricing Authority to the Sales Force: The Effects on Sales and Profit Performance. Journal of Marketing, 43(2), 21-28.
Brodersen, K.H. et al. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274.
Chernozhukov, V. et al. (2018). Double/debiased machine learning for treatment and structural parameters. Econometrics Journal, 21(1), C1-C68.
Bijmolt, T.H.A., van Heerde, H.J. y Pieters, R. (2005). New Empirical Generalizations on the Determinants of Price Elasticity. Journal of Marketing Research, 42(2), 141-156.
