“Como fundador no técnico, obtengo respuestas de nuestra base de datos, PostHog y Stripe yo mismo, sin necesitar ingenieros.”

Ordinal es una plataforma de gestión de redes sociales que ayuda a los equipos a redactar, planear, colaborar y programar publicaciones en canales como LinkedIn, Twitter e Instagram. Con una base de clientes muy autoservicio y una montaña creciente de datos de redes sociales, el cofundador Jeffrey Zhao necesitaba una forma de pasar de la pregunta al insight sin sacar a los ingenieros del producto.

Antes de Basedash, el equipo volaba algo a ciegas. Tenían PostHog para analytics basado en eventos y el reporting nativo de Stripe, pero nada que pudiera manejar preguntas más profundas a nivel de base de datos, o reunir todas sus fuentes de datos en un solo lugar.

“Buscábamos una forma de obtener ese tipo de consultas de manera más directa, y también agregar distintas fuentes de verdad —datos de eventos de PostHog, datos de la base de datos, datos de Stripe— todo en un solo lugar centralizado.”

Herramientas dispersas, insights dispersos

El stack de analytics de Ordinal estaba repartido en varias herramientas. PostHog manejaba bien las secuencias de eventos, pero su producto de SQL no era lo bastante maduro para el tipo de consultas puntuales que el equipo necesitaba. Stripe les daba datos de facturación de forma aislada. La base de datos de producción tenía todo lo demás, pero sacar respuestas de ahí requería tiempo de ingeniería.

El equipo incluso consideró construir algo internamente. Pero el costo real no era solo el esfuerzo de ingeniería, era la friction constante de moverse entre distintas herramientas y nunca tener una imagen unificada de lo que pasaba en el negocio.

Por qué Basedash

Jeffrey encontró Basedash a través de una publicación en redes sociales sobre reportes semanales automatizados, específicamente, la idea de configurar reportes personalizados que corren en un horario y muestran insights sobre qué está funcionando y qué no.

“Poder simplemente hacer una consulta en lenguaje natural sobre una pregunta que tengo, como alguien más bien no técnico, y no tener que molestar a nuestro equipo de ingeniería, es increíble. Y recibir de vuelta este gráfico con estilo, que luego puedo enviar como captura de pantalla o compartir con el resto del equipo, es realmente genial.”

El equipo conectó su base de datos de producción en Supabase, su analytics de PostHog, y su Basedash Warehouse, reuniendo todo en una sola interfaz conversacional. En pocos días, tenían dashboards que cubrían uso de producto, métricas de adquisición y análisis de conversión, además de un reporte semanal automatizado que entregaba insights directo a Slack.

Desbloqueando insights de onboarding PLG

Para una empresa donde la mayoría de los clientes son autoservicio, entender qué impulsa la activación es crítico, pero también fácil de despriorizar. Sin alguien revisando activamente los datos, los insights de onboarding tienden a perderse en el ruido.

Con Basedash, Ordinal configuró reportes automatizados para hacer emerger de forma pasiva patrones de comportamiento: qué acciones se correlacionan con la conversión, qué comportamientos tempranos predicen la retención a largo plazo, y dónde se rompe el funnel autoservicio.

“El tema de onboarding autoservicio es una de esas cosas ocultas que siempre es fácil de despriorizar porque no estás escuchando tangiblemente a los clientes hablar de eso. Que esto pase de forma pasiva es en realidad un enorme valor agregado.”

En lugar de revisar manualmente dashboards de PostHog o presentar solicitudes de datos puntuales, el equipo ahora obtiene una vista regular y estructurada de la salud del onboarding, entregada automáticamente.

Impulsando Ordinal Data Labs

Una de las formas más interesantes en que Ordinal usa Basedash va más allá del analytics interno. El equipo tiene un conjunto de datos masivo de publicaciones en redes sociales de LinkedIn, Twitter y otras plataformas. Las redes sociales son notoriamente opacas: las plataformas no explican sus algoritmos, y el espacio está lleno de rumores no verificados sobre qué funciona y qué no.

Ordinal lanzó Data Labs, una serie de contenido que usa sus datos para responder preguntas que las propias plataformas no quieren responder. ¿Incluir un enlace en una publicación de LinkedIn realmente perjudica el alcance? ¿Distintos tipos de reacciones afectan el desempeño? El equipo usa Basedash para consultar sus datos de producción, generar gráficos y convertir hallazgos estadísticamente significativos en artículos de blog y contenido para redes sociales.

“Realmente tenemos datos estadísticamente significativos y podemos decirte cuál es el impacto real. Estamos creando una serie de contenido basada en todos estos datos como una estrategia de marketing top-of-funnel, que es un caso de uso realmente interesante para Basedash.”

Lo que empezó como una herramienta de analytics interna se ha convertido en una parte central de la estrategia de contenido de Ordinal, convirtiendo datos propios en investigación publicada que genera notoriedad y confianza.

Impacto

Desde que adoptó Basedash, Ordinal pasó de un analytics disperso, herramienta por herramienta, a una capa de datos unificada que todo el equipo puede usar:

• Tres fuentes de datos —base de datos de producción, PostHog y data warehouse— conectadas y consultables a través de una sola interfaz
• Dashboards que cubren uso de producto, adquisición y conversión construidos sin involucrar a ingeniería
• Reportes semanales automatizados que entregan insights de onboarding y activación a Slack
• Un cofundador no técnico resolviendo preguntas de datos que antes requerían tiempo de ingeniería
• Datos propios de redes sociales convertidos en investigación publicada a través de Ordinal Data Labs

“La experiencia de usar Basedash por primera vez es bastante mágica. Poder simplemente hacer una pregunta y recibir un gráfico con estilo de vuelta, eso es realmente genial.”