Mi rol: Product Designer — diseño end-to-end (research, UX, UI y validación)
Equipo: Head Product, 3 desarrolladores y la líder de operación aduanal · sprints de 2 semanas
Herramientas: Figma, FigJam, Jira, Confluence
Duración: 4 meses, 2024
Plataforma: Web — módulo dentro del SaaS de Big Move Smart
Contexto y problema
Big Move Smart es un SaaS de logística que coordina operaciones de importación y exportación. Dentro de la plataforma, el área de Customer Success International (CSI) detectó la necesidad urgente de visualizar la trazabilidad completa de las guías enviadas por los clientes a través de archivos máster o prealertas.
Antes de este proyecto, el proceso vivía por completo fuera del sistema. El equipo de CSI recibía archivos máster masivos con la estructura de datos: Código Máster < Bag ID < Tracking Number (TN). Para dar seguimiento, debían extraer manualmente los números, ejecutar múltiples reportes lentos en distintas secciones del sistema y cruzar la información fila por fila.
Este cruce manual de datos tomaba en promedio 3 horas por archivo debido al volumen de información. Al ser una tarea obligatoria que se repetía hasta dos veces al día para extraer métricas clave y compartirlas con los clientes, consumía la mayor parte de la jornada del equipo, además de ser altamente propensa a errores de omisión.
Problema a resolver: El equipo de CSI necesitaba centralizar la carga de prealertas y automatizar el cruce de datos para visualizar el avance de las guías de forma rápida, disminuyendo la carga operativa diaria y mejorando la confiabilidad de las métricas entregadas al cliente.
Usuarios: Especialistas de Customer Success International (usuarios principales) y Coordinadores de Operación (supervisión).
Objetivos del proyecto: Reducir el tiempo de procesamiento de datos, automatizar el cruce de guías (Máster/Cartón/TN) y centralizar las métricas para los clientes.
Mi Rol
Lideré el diseño end-to-end del módulo. Realicé la investigación con los usuarios de CSI, estructuré la arquitectura de la información del nuevo flujo, diseñé la interfaz final, creé los prototipos interactivos y coordiné las pruebas de usabilidad. Trabajé de la mano con el equipo de desarrollo para validar la viabilidad técnica y con la Líder de CSI para asegurar que el sistema cubriera todas las necesidades del negocio.
Proceso
1. Descubrimiento e investigación
Realicé sesiones de investigación contextual y entrevistas con el equipo de CSI para mapear el proceso paso a paso. Observé cómo lidiaban con la complejidad de desglosar la relación entre Códigos Máster, Bag IDs y Tracking Numbers en hojas de cálculo masivas.
Insight clave: El verdadero dolor no estaba en el análisis de las métricas, sino en el esfuerzo manual requerido para estructurar la información. El 70% del tiempo se perdía buscando códigos individuales en múltiples reportes del sistema para verificar qué guías habían arribado y cuáles seguían pendientes. También se descubrio que con agregar información en la tabla inicial les eliminaba partes del proceso diario.
2. Definición y Estrategia Técnica
Sinteticé los hallazgos en un mapa de flujo y prioricé las necesidades junto al equipo de Producto e Ingeniería.
Durante esta etapa nos enfrentamos a una limitante técnica importante: debido al volumen masivo de datos que manejan las prealertas, procesar la trazabilidad en tiempo real era inviable por costos de infraestructura y tiempos de respuesta del servidor. En conjunto, tomamos la decisión de diseño y producto de establecer una actualización asíncrona programada cada hora. Diseñé la UX del módulo en torno a esta regla, asegurando que el usuario siempre supiera con exactitud la frescura de los datos sin afectar su flujo de trabajo.
3. Ideación y Arquitectura
En FigJam co-diseñé la estructura ideal del módulo: un espacio donde el usuario pudiera realizar una sola acción de carga (subir el archivo máster) y dejar que el sistema hiciera el trabajo pesado de fondo. Definimos que la visualización final de la trazabilidad debía permitir tres niveles de granularidad esenciales para la operación: Nivel Máster, Nivel Cartón (Bag ID) y Nivel Tracking Number (TN).
4. Wireframes y Flujo Resultante
Diseñé el nuevo flujo simplificado:
El especialista de CSI sube el archivo de prealerta una sola vez al módulo.
El sistema absorbe la información y ejecuta un cruce automático cada hora contra los escaneos reales del almacén.
La pantalla principal despliega los indicadores clave listos para exportar y compartir con el cliente.
5. UI (Diseño de Interfaz)
Diseñé una interfaz de alta densidad de datos optimizada para la velocidad operativa. Utilicé el sistema de diseño de Big Move Smart para estructurar una tabla avanzada que muestra el estado general del Máster y desglosa el progreso de los cartones y guías arribadas.
Incluí elementos clave como:
Tooltips informativos para identificar rápidamente incidencias (ej. "1 cartón sin guías arribadas").
Estados visuales claros mediante badges de color (Creada, Arribada, Arribo incompleto) para facilitar el escaneo visual.
Acciones directas en la parte superior para subir prealertas, ingresar cartones y generar reportes rápidos.
6. Prototipo y Validación
Creé un prototipo interactivo en Figma y lo validé mediante pruebas moderadas con el equipo de CSI. Los usuarios asimilaron de inmediato el concepto de la actualización por bloques de una hora, valorando la visibilidad del estatus sobre la inmediatez. Tras las pruebas, pulí las microcopias de los mensajes de error y ajusté los filtros de búsqueda masiva por Máster o Cartón.
Decisiones de diseño clave
Carga única, procesamiento automatizado: Diseñar la interacción para que una sola acción del usuario desencadenara todo el desglose relacional de las guías.
Trazabilidad multinivel: Permitir el desglose jerárquico (Máster > Cartón > TN) para que el usuario pudiera auditar desde el panorama general hasta el paquete individual.
Diseño asíncrono transparente: Convertir una limitación técnica (actualización cada hora) en una expectativa clara para el usuario a través de indicadores de actualización del sistema.
Dashboard operativo de métricas: Centralizar los datos requeridos por los clientes internacionales directamente en la pantalla de detalle, eliminando la necesidad de armar reportes externos.
Resultado e impacto
Reducción drástica del tiempo operativo: El proceso completo pasó de 3 horas a solo 30 minutos (un ahorro del ~83% de tiempo de ejecución diario).
Liberación de carga cognitiva: El equipo dejó de hacer cruces manuales de datos en Excel, reduciendo los errores operativos y reportes de incidencias en un 60%.
Adopción del 100%: Implementación total por parte del equipo de CSI desde el primer mes, procesando un volumen constante de operaciones de manera automatizada.
“Antes dedicaba media mañana a generar archivos para ver la trazabilidad de las guías y nunca estaba 100% segura de no haber omitido alguna. Ahora, simplemente subo la prealerta y sé que el sistema cruzará los datos de forma exacta. Me cambió el día por completo.”
— Especialista de Customer Success International
Aprendizajes y próximos pasos
Aprendizaje: Diseñar para operaciones complejas de B2B requiere entender a fondo la arquitectura técnica de los datos. Encontrar el balance óptimo entre la capacidad del servidor (actualizaciones cada hora) y la necesidad del usuario permitió entregar una solución veloz, barata de implementar y sumamente eficiente.
Próximos pasos: Integrar alertas proactivas automatizadas por correo o canales de comunicación interna cuando un Máster cumpla más de cierta cantidad de horas con un estado de "Arribo incompleto".