Del TXT al tablero de control: cómo un estudio puede estabilizar el cierre mensual en 7 pasos

Las jornadas de cierre en un estudio contable no fallan por falta de esfuerzo. Fallan por falta de método para convertir datos crudos en decisiones rápidas y seguras.

Cuando llega un paquete de TXT de recaudaciones, la realidad suele ser esta:

• un archivo de ARBA con el mismo nombre que el mes pasado,
• otro de AGIP con otro patrón de columnas,
• y en pantalla, una carga de trabajo que exige decidir a las apuradas.

El problema no es “no saber usar Excel”. El problema es que un TXT crudo necesita un protocolo, no una secuencia manual de copiar y pegar.

Este artículo te muestra cómo diseñar ese protocolo como si fueras armando un sistema de control.

1) El dolor real que atraviesa la oficina

María, jefa administrativa de un estudio chico, llega al lunes con tres urgencias: terminar conciliaciones, responder clientes y preparar documentación para el cierre.

El cliente envía el TXT. El archivo carga, pero no “entiende”. En el mismo lote aparece: filas que no cuadra, importes con formato distinto, espacios y longitudes anómalas, diferencias en totales que aparecen tarde.

Esto no es un problema de “poca atención”. Es una deuda de proceso: no hay clasificador de calidad al ingresar, no hay semántica de excepciones, no hay evidencia homogénea por ciclo mensual.

El objetivo de un estudio no es perseguir errores. Es reducirlos con un flujo que salga “siempre igual” para entradas similares.

2) El marco profesional: no una macro suelta, sino una arquitectura operativa

Para lograr consistencia necesitas combinar tres capas:

1. Extracción y normalización (transformar texto en tabla utilizable),
2. Control de calidad (decidir qué revisar primero),
3. Trazabilidad (demostrar qué cambió y por qué).

Ese es el modelo con el que no se depende de un especialista para ejecutar el mes.

3) Herramientas que usa un estudio para extraer información útil de TXT

No es una herramienta más, es una caja de herramientas.

Herramienta A) txt_recaudaciones_parser.py (motor base)

Es el punto de entrada.

• Lee TXT de recaudaciones ARBA y AGIP.
• Estandariza líneas en campos operativos (cuit, periodo, detalle, importe).
• Genera salida CSV lista para control y conciliación.

Qué consigue: reduce dependencia de edición manual y da un primer corte limpio del archivo antes de tocar libros contables.

Herramienta B) Detectores de layout por longitud de registro

• ARBA percepciones: 70
• ARBA retenciones: 90
• AGIP/SIFERE percepciones: 51
• AGIP/SIFERE retenciones: 79

Qué consigue: evita “adivinar” el formato y asegura que cada flujo use la regla correcta desde el inicio.

Herramienta C) Forzado de layout (--layout)

Cuando el archivo está ambiguo o mixto, se fuerza layout desde parámetro: arba_percepciones, arba_retenciones, agip_percepciones o agip_retenciones.

Qué consigue: control fino cuando hay excepciones y menos reprocesos en lotes atípicos.

Herramienta D) Estados de calidad por fila (OK, WARN?, ERROR, DUP)

Cada línea sale clasificada: OK usable, WARN usable con validación, ERROR requiere revisión, DUP posible duplicado.

Qué consigue: revisás primero lo crítico y el cierre deja de ser una tarea interminable.

Herramienta E) Campo observaciones

Cada anomalía queda explicada (longitud, importe, detalle). Esto convierte el error técnico en acción concreta y trazable.

Herramienta F) Control de duplicados

Se detectan registros que repiten clave crítica y quedan marcados como posible duplicado, evitando doble conteo y mejorando conciliación.

Herramienta G) Normalización de importes

Transforma texto en número con formato estable, habilitando sumas consistentes por mes y período.

Herramienta H) Exportador CSV estandarizado

Salida uniforme con campos de auditoría para integrar con Excel, reportes internos o BI.

Herramienta I) Indicadores de corrida (--summary)

Resumen inmediato de total de líneas, OK/WARN/ERROR y total de importes para decidir si el lote se aprueba o se reabre.

Herramienta J) Modo diagnóstico (--verbose)

Registro extendido para detectar dónde nace la excepción y responder más rápido ante reclamos.

Herramienta K) Estructura de evidencia operativa

Carpetas recomendadas: raw (original), procesado (CSV normalizado), reportes (resumen y hallazgos). Esto da trazabilidad y soporte en consultas.

4) Flujo de implementación para un estudio (45 a 90 minutos)

1. Setup: carpeta del mes, identificación de layouts y corrida base con --summary.
2. Validación: revisar estados y totales por estado; si el ERROR es alto, no cerrar el lote.
3. Normalización: revisar excepciones, registrar regla nueva y volver a correr si corresponde.
4. Cierre: guardar raw, procesado y reporte con notas de resolución por bloque.

Ejemplo:

python tools/txt_recaudaciones_parser.py --summary --verbose -o reportes/recaudaciones_febrero.csv ARCHIVO.txt

5) Mini caso práctico de resultado

En un ciclo de volumen alto: antes, más de 2 horas de preparación y múltiples ajustes manuales; después, menos de 1 hora entre parser, revisión y reporte. El cambio fue de “corregir todo” a “revisar excepciones priorizadas”.

6) Cierre

Un buen contenido técnico no vende teoría suelta. Entrega: qué falla, qué herramienta responde, cómo se decide y cómo se deja evidencia.

La promesa aquí es clara: menos caos operativo, más control medible.

Si querés, armamos esta misma guía como landing de oferta: problema + caso + alcance + CTA de diagnóstico con costo mínimo.