Cómo mejorar la previsión de tesorería en una pyme

La previsión de tesorería falla casi siempre por la misma razón: los datos que la alimentan no están actualizados o no están conectados con lo que realmente ocurre en el día a día del negocio.

El caso más habitual es una hoja de Excel que alguien monta a principio de mes con los cobros esperados, los pagos fijos y las nóminas. Hasta ahí, bien. El problema es que esa hoja no se actualiza sola. Cuando un cliente se retrasa en un pago, cuando entra una factura imprevista o cuando un proyecto se cobra en dos fases en lugar de una, la hoja no lo refleja a menos que alguien lo introduzca a mano.

Y como normalmente eso lo hace una sola persona cuando tiene un hueco, la previsión acaba siendo una foto fija de hace dos semanas, no un reflejo de la caja real.

El resultado es predecible: la dirección revisa la previsión, los números no cuadran con lo que está pasando, y las decisiones sobre inversiones, contrataciones o pagos a proveedores se toman con información que ya no es fiable. Se reacciona a los problemas de liquidez en lugar de anticiparlos.

Hay síntomas bastante claros de que la previsión de tesorería actual no está funcionando como debería:

La última vez que tuviste una tensión de caja, te enteraste con menos de una semana de antelación. La previsión dice una cosa y el saldo real del banco dice otra. Alguien tiene que actualizar la hoja a mano cada semana y, cuando no tiene tiempo, nadie la actualiza. Los cobros previstos no coinciden con los cobros reales porque no hay conexión entre la previsión y la facturación.

También es habitual que la previsión solo mire a 30 días. Para una pyme con pagos trimestrales, nóminas mensuales y cobros que tardan 60 o 90 días, eso es demasiado corto. Las tensiones de caja que llegan por un desfase estacional o por un retraso acumulado de cobros no se ven con 30 días de horizonte.

Y la señal más reveladora: cuando dirección pregunta «¿cómo estamos de caja para los próximos dos meses?», la respuesta tarda más de 24 horas. Si hace falta sentarse a consolidar datos para contestar esa pregunta, la previsión no está cumpliendo su función.

Antes de cambiar de herramienta, conviene identificar qué está fallando en el dato y en el proceso. Estas tres vías cubren la mayoría de escenarios en pymes.

Automatizar la entrada de datos en el Excel actual

Si el problema principal es falta de actualización, suele bastar con conectar facturación, movimientos bancarios y alertas por umbral. Así, la previsión deja de depender de carga manual semanal. En muchos casos, esta mejora ya aporta fiabilidad suficiente sin migrar de herramienta.

Consolidar fuentes en una capa de análisis

Cuando cobros, pagos, nóminas, impuestos y compromisos viven en sistemas distintos, Excel se queda corto para consolidar con frecuencia. En ese escenario, una capa de análisis con Power BI ayuda a unificar y actualizar automáticamente. La clave es tener una versión única y actualizada de caja proyectada.

Corregir primero el proceso de facturación

Si la raíz está en facturas emitidas tarde, vencimientos mal registrados o seguimiento débil de cobros, la previsión siempre saldrá mal. Ahí conviene automatizar facturación antes de sofisticar los informes financieros. Sin datos fiables de cobro, ninguna herramienta de tesorería funciona bien.

Lo que suele fallar es comprar software sin arreglar antes la calidad del dato de partida.

Si la empresa tiene ingresos recurrentes predecibles, gastos estables y un solo flujo principal de cobros y pagos, una hoja de Excel bien mantenida puede ser suficiente. No todo necesita automatizarse.

También puede funcionar si el equipo es pequeño, la persona que gestiona la tesorería tiene buen criterio financiero y dedica tiempo a mantener la previsión actualizada cada semana. En ese escenario, la clave no es la herramienta sino la disciplina.

Donde Excel deja de ser suficiente es cuando el negocio tiene múltiples líneas de ingreso con plazos distintos, varios centros de coste, proyectos con facturación por fases, o una combinación de cobros recurrentes e irregulares. Ahí cruzar todo a mano cada semana no escala, y el riesgo de que se escape algo crece con el volumen.

El error más frecuente es confundir la previsión con el saldo bancario. El saldo de hoy no dice nada sobre lo que va a pasar dentro de 45 días. La previsión sirve para ver lo que viene, no para confirmar lo que ya ha pasado.

Otro error habitual es basar la previsión en fechas de factura en lugar de fechas de cobro reales. Que una factura esté emitida a 30 días no significa que se vaya a cobrar en 30 días. Si tu previsión no incorpora el plazo real de cobro por cliente (que en muchas pymes españolas ronda los 60-90 días), vas a tener una previsión optimista que no se cumple nunca.

También es frecuente no incluir los pagos irregulares: seguros, impuestos trimestrales, pagos anuales a proveedores, liquidaciones de IVA. Estos pagos son conocidos y predecibles, pero como no son mensuales, muchas previsiones los olvidan. Y cuando llegan, generan una tensión de caja que se podía haber visto con meses de antelación.

El último: no revisar la previsión con frecuencia suficiente. Una previsión que se actualiza una vez al mes sirve para hacer presupuestos, pero no para gestionar la caja del día a día. Para anticipar de verdad, necesita revisarse al menos semanalmente.

Una consultora de ingeniería con unos 25 empleados facturaba por proyectos con hitos y certificaciones. Los cobros eran a 60-90 días, los pagos de proveedores y nóminas eran mensuales, y los impuestos trimestrales. El resultado era un desfase constante entre lo que entraba y lo que salía, con tensiones de caja que aparecían sin aviso.

La previsión existía: un Excel que la directora financiera actualizaba cuando podía. Pero entre los retrasos de cobro que no se reflejaban a tiempo, las certificaciones que se posponían y los pagos irregulares que no estaban incluidos, la hoja dejaba de ser fiable a los pocos días de actualizarse.

Lo primero fue conectar los cobros previstos con la facturación real del ERP: cada vez que se emitía una factura o se registraba un cobro, la previsión se actualizaba automáticamente. Después se añadieron los pagos fijos (nóminas, alquiler, seguros) y los variables (proveedores, impuestos) con sus fechas reales.

El modelo resultante mostraba la caja proyectada a 30, 60 y 90 días, y generaba una alerta cuando el saldo previsto caía por debajo de un umbral definido por la dirección. Nada sofisticado — solo los datos que ya existían, conectados y actualizados sin intervención manual.

El cambio fue concreto: la directora financiera dejó de dedicar horas a mantener la hoja y empezó a usar ese tiempo para anticipar decisiones. La primera tensión que detectó con 6 semanas de antelación le dio tiempo para negociar un adelanto de cobro con un cliente y aplazar un pago a proveedor sin fricción. Antes, esa misma situación habría sido una urgencia con llamadas de última hora.

Este patrón es habitual en cualquier empresa donde los cobros no son inmediatos y la caja depende de la gestión activa del flujo de entrada y salida.