Mondelez International — Data UX
Rediseñar dashboards de Power BI para hacer más clara la información compleja de Sell-In y Sell-Out de cara a las decisiones de negocio.
Colaboré en el rediseño UX de dashboards de Power BI para datos de Sell-In y Sell-Out, ayudando a estructurar la información para usuarios ejecutivos, tácticos y operativos. Mi trabajo se enfocó en mejorar la navegación, la jerarquía, la claridad visual, la accesibilidad de los datos y la comprensión de los dashboards, en un tiempo de entrega corto apoyado por flujos de trabajo asistidos por IA.
Empresa
Mondelez International
Industria
Data UX / Bienes de consumo / Business Intelligence
Rol
UX Designer — Data UX
Tipo de producto
Dashboards de Power BI / Herramienta de business intelligence
Duración
May 2025 – Jun 2025
Equipo
UX, Data/BI, Stakeholders del cliente, Usuarios de negocio, Product/Delivery
Métodos
Análisis de necesidades de stakeholders, Arquitectura de información, Dashboard UX, Wireframes, Visualización de datos, Accesibilidad, Validación con cliente
Herramientas
Power BI, Figma, FigJam, Claude
Estado
Dashboards entregados / Bajo NDA
Algunas partes de este proyecto están bajo NDA, así que muestro una versión curada del proceso, los artefactos y los resultados. Datos de negocio sensibles, contenido de los dashboards, KPIs e información del cliente fueron difuminados o simplificados, manteniendo claras las decisiones de diseño, la metodología y mi rol. Con gusto puedo compartir más detalle de forma privada durante una entrevista o revisión de portafolio.
Los datos y detalles de negocio sensibles fueron difuminados o simplificados para proteger información confidencial.
Contexto
Mondelez International necesitaba mejorar la UX de los dashboards de Power BI usados para analizar datos de Sell-In y Sell-Out. Los dashboards debían dar soporte a distintos usuarios de negocio con diferentes niveles de toma de decisiones: ejecutivo, táctico y operativo.
El proyecto tenía un tiempo de entrega corto y un contexto de datos complejo. El reto era entender la información rápidamente, identificar qué necesitaba cada perfil de usuario, y traducir eso en estructuras de dashboard más claras que mejoraran la comprensión, la navegación y la accesibilidad de los datos.
Por qué importaba
Hacer que los dashboards se vieran más limpios era la parte visible. El verdadero trabajo fue entender cómo los distintos usuarios de negocio realmente leen los datos, qué decisiones necesitaba tomar cada uno, y cómo la arquitectura de información podía reducir la carga cognitiva en un entorno genuinamente saturado de datos.
Mi rol
Trabajé como UX Designer con foco en Data UX, colaborando en el rediseño de dashboards de Power BI dentro de un equipo más amplio de datos y BI. Mi rol conectó las necesidades de los stakeholders, la estructura de los dashboards, la jerarquía de la información, la accesibilidad y el feedback del cliente.
- Colaboré en el rediseño UX de dashboards de Power BI para datos de Sell-In y Sell-Out.
- Analicé las necesidades de los stakeholders a partir de investigación previa y el contexto del cliente.
- Estructuré experiencias de dashboard para usuarios ejecutivos, tácticos y operativos.
- Mejoré la navegación, la jerarquía de información, la claridad visual y la accesibilidad de los datos.
- Ayudé a definir una paleta de colores accesible para mejorar la legibilidad y la comprensión.
- Exploré wireframes de dashboard y alternativas de layout.
- Validé propuestas con el cliente y ajusté según el feedback.
- Usé Claude para organizar información compleja, entender el contexto de negocio más rápido y explorar ideas de wireframes.
El reto
El principal reto era transformar datos de negocio complejos en experiencias de dashboard capaces de dar soporte a distintos niveles de toma de decisiones sin abrumar a los usuarios.
- Reto de usuario: los usuarios ejecutivos, tácticos y operativos necesitaban distintos niveles de detalle, pero la experiencia del dashboard tenía que seguir siendo clara, navegable y fácil de entender.
- Reto de negocio: el cliente necesitaba dashboards que hicieran más fácil leer y usar la información de Sell-In y Sell-Out para tomar decisiones de negocio.
- Reto de diseño: el equipo tenía que entender rápidamente un contexto de datos complejo, mejorar la estructura y la accesibilidad, y entregar propuestas de dashboard útiles en un tiempo de entrega corto.
Problem statement
¿Cómo podríamos ayudar a los usuarios de negocio a entender y navegar los datos de Sell-In y Sell-Out con más claridad, dando soporte a las distintas necesidades de toma de decisiones en los niveles ejecutivo, táctico y operativo?
Objetivos y criterios de éxito
Objetivos de usuario
- Ayudar a los usuarios a encontrar el nivel de información adecuado para su rol.
- Reducir la carga cognitiva al leer datos complejos en el dashboard.
- Mejorar la claridad, la navegación y la confianza en la interpretación de los datos.
Objetivos de negocio
- Dar soporte a un mejor acceso a la información de negocio de Sell-In y Sell-Out.
- Hacer que los dashboards sean más útiles para la toma de decisiones en distintos perfiles de usuario.
- Mejorar la consistencia y la legibilidad en los reportes de Power BI.
Objetivos de diseño
- Definir estructuras de dashboard más claras para las necesidades ejecutivas, tácticas y operativas.
- Mejorar la jerarquía de información y la navegación.
- Dar soporte a decisiones visuales accesibles, incluyendo el uso del color.
- Validar alternativas de dashboard con el cliente e iterar según el feedback.
Proceso
01 — Descubrir
Entendiendo a los usuarios, el contexto de datos y la complejidad del dashboard
Empecé por entender el contexto del dashboard, el tipo de datos involucrados y los distintos usuarios que necesitaban interactuar con él. Como el tiempo de entrega era corto y el tema era complejo, usé Claude como espacio de trabajo del proyecto para organizar la información clave y acelerar mi comprensión del contexto de negocio.
- Revisé investigación previa e información de los stakeholders.
- Identifiqué las necesidades de los usuarios ejecutivos, tácticos y operativos.
- Analicé las diferencias entre el uso de los datos de Sell-In y Sell-Out.
- Mapeé dónde la estructura, la navegación y la jerarquía del dashboard necesitaban mejoras.
- Identifiqué consideraciones de accesibilidad y legibilidad para la visualización de datos.
- Usé IA para organizar contexto complejo y reducir la curva de aprendizaje.
Cómo usé la IA
Usé Claude como espacio de trabajo del proyecto para centralizar información relevante, entender más rápido un contexto de datos complejo, e identificar qué necesitaba aclararse antes de pasar a la estructura del dashboard. La IA me ayudó a acelerar la comprensión, pero las decisiones finales siguieron ancladas en criterios UX, el feedback del cliente, consideraciones de accesibilidad y las restricciones del producto.
Estructura de discovery usada para conectar los perfiles de usuario con distintos niveles de detalle de datos y necesidades de toma de decisiones.
02 — Definir
Traduciendo las necesidades de negocio en estructura de dashboard
Después de entender a los usuarios y el contexto de datos, ayudé a definir estructuras de dashboard que respondieran a los distintos niveles de toma de decisiones de negocio. El objetivo era que la información fuera más fácil de escanear, priorizar e interpretar según el rol del usuario.
- Sinteticé las necesidades de los stakeholders en tres niveles de usuario principales: ejecutivo, táctico y operativo.
- Definí estructuras de dashboard diferenciadas para cada tipo de usuario.
- Prioricé la jerarquía de información según las necesidades de toma de decisiones.
- Identifiqué mejoras de navegación para ayudar a los usuarios a moverse por los datos con más claridad.
- Apoyé la definición de un enfoque de color accesible para mejorar la legibilidad.
- Alineé la estructura propuesta con las expectativas del cliente antes de pasar a la exploración visual.
Cómo usé la IA
Usé Claude para ayudar a organizar inputs complejos de los stakeholders y explorar posibles formas de estructurar la información del dashboard. La IA apoyó la primera capa de organización, mientras que la arquitectura final se definió con criterio UX, criterios de accesibilidad y validación con el cliente.
Arquitectura de información usada para separar las necesidades del dashboard por nivel de usuario y reducir la carga cognitiva.
03 — Desarrollar
Explorando wireframes para una comprensión de datos más clara
Una vez definida la estructura, exploré wireframes de dashboard y alternativas de layout. El foco era mejorar cómo los usuarios escanean la información, entienden las relaciones entre los puntos de datos, y navegan por los dashboards sin fricción innecesaria.
- Creé exploraciones de wireframes de dashboard para los distintos niveles de usuario.
- Mejoré la jerarquía del layout para que la información clave fuera más fácil de identificar.
- Exploré patrones de navegación para moverse entre las vistas del dashboard.
- Consideré un uso de color accesible para apoyar la legibilidad.
- Validé ideas de wireframes con el cliente y ajusté según el feedback.
- Equilibré la densidad de datos con la claridad y la usabilidad.
Cómo usé la IA
Usé Claude para generar ideas de wireframes a partir del contexto del proyecto y los objetivos del dashboard. Estas ideas no se usaron directamente como diseños finales; ayudaron a acelerar la exploración. Las revisé, adapté y validé con el cliente antes de avanzar.
Exploración de wireframes usada para probar la estructura del dashboard antes de pasar a la implementación final en Power BI.
Exploración de color usada para apoyar una lectura más clara y una interpretación de datos más accesible.
04 — Entregar
Entregando dashboards más claros para distintas decisiones de negocio
El trabajo final contribuyó a tres dashboards de Power BI a la medida, diseñados en torno a las necesidades ejecutivas, tácticas y operativas. Cada dashboard buscaba mejorar la navegación, la claridad visual y la accesibilidad de los datos para que los usuarios pudieran entender y usar la información de forma más efectiva.
- Entregué tres estructuras de dashboard a la medida de distintas necesidades de negocio.
- Mejoré la navegación y la jerarquía en las vistas de datos de Sell-In y Sell-Out.
- Apoyé una organización visual más clara para los usuarios de negocio.
- Ayudé a definir un uso de color accesible para mejorar la legibilidad.
- Validé propuestas con el cliente e iteré según el feedback.
- Contribuí a la documentación final del dashboard y a las decisiones de diseño.
Cómo usé la IA
Usé Claude para apoyar el refinamiento final y asegurar que la lógica del dashboard se mantuviera clara en los distintos niveles de usuario. La IA ayudó con la velocidad y la organización, mientras que las decisiones finales se validaron con el feedback del cliente, criterios UX y consideraciones de accesibilidad.
Vista general del dashboard final simplificada para fines de portafolio, mostrando la estructura sin exponer datos de negocio sensibles.
Antes / después
Antes
La información del dashboard era difícil de estructurar para las distintas necesidades de usuario, lo que dificultaba escanear, navegar e interpretar los datos complejos de Sell-In y Sell-Out.
Después
El rediseño organizó las experiencias del dashboard en torno a las necesidades ejecutivas, tácticas y operativas, mejorando la navegación, la jerarquía, la claridad visual y la accesibilidad de los datos.
Solución final
La propuesta final se enfocó en tres mejoras principales de la experiencia:
Estructura de dashboard basada en roles
Los dashboards se organizaron en torno a las necesidades ejecutivas, tácticas y operativas, ayudando a cada usuario a acceder al nivel de información adecuado.
Jerarquía de información más clara
El rediseño mejoró la forma en que los datos se priorizaban, agrupaban y presentaban, reduciendo la carga cognitiva en una experiencia con mucha densidad de datos.
Visualización de datos más accesible
Las decisiones de color y layout apoyaron la legibilidad, la comprensión y un acceso más inclusivo a la información de negocio.
Impacto y resultados
Valor para el usuario
Ayudó a los usuarios de negocio a acceder y entender los datos de Sell-In y Sell-Out con estructuras de dashboard más claras.
Valor de negocio
Entregó tres dashboards a la medida que dan soporte a la toma de decisiones ejecutiva, táctica y operativa.
Valor de producto
Mejoró la navegación, la jerarquía de información, la claridad visual y la accesibilidad de los datos en los dashboards de Power BI.
Valor de equipo / proceso
Usó flujos de trabajo asistidos por IA para avanzar más rápido en un contexto de datos complejo, validando las decisiones con el cliente.
Obstáculos y trade-offs
Este proyecto requirió trade-offs constantes entre densidad de datos, claridad, accesibilidad y velocidad de entrega. El reto no era mostrar menos información, sino estructurarla de forma que tuviera sentido para cada perfil de usuario.
- Entender un contexto de datos complejo en un tiempo de entrega corto.
- Diseñar para múltiples niveles de usuario con distintas necesidades de toma de decisiones.
- Equilibrar la densidad del dashboard con la claridad y la legibilidad.
- Mejorar la accesibilidad sin perder el significado de negocio en los datos.
- Validar ideas rápidamente con el cliente y ajustar según el feedback.
- Usar IA para avanzar más rápido, manteniendo el criterio UX y la validación con el cliente en el centro.
Qué aprendí
Este proyecto reforzó que Data UX no se trata de mostrar más información; se trata de ayudar a las personas a darle sentido a la información más rápido y con más confianza.
- Aprendí lo importante que son los roles de usuario al estructurar dashboards.
- Fortalecí mi capacidad para traducir contextos de datos complejos en arquitectura de información más clara.
- Mejoré la forma en que equilibro la claridad visual, la accesibilidad y las necesidades de negocio.
- Aprendí cómo la IA puede ayudarme a entender dominios complejos más rápido sin reemplazar la validación con el cliente.
- Confirmé que el UX de dashboards debe dar soporte a las decisiones, no solo al reporting.
- Fortalecí mi confianza trabajando con Power BI y contextos de visualización de datos.
Este proyecto es un buen ejemplo de cómo manejo un contexto de datos denso y desconocido con un tiempo de entrega ajustado: estructurarlo en torno a lo que los usuarios reales necesitan, apoyarme en la IA para ponerme al día más rápido, y convertir lo que empezó como un muro de números en algo que las personas realmente puedan usar.
Stephanie Cacheo — Senior UX Designer