4 valores naturaleza × tipo de transacción: matriz completa de clasificación (Pix, TED, boleto, tarjeta) en el DRE store-scoped

1. Hook

Toda línea de extracto bancario de una red multi-tienda necesita dos decisiones, no una. La primera es la nature (ingreso, gasto, proveedor, neutro — 4 valores). La segunda es el tipo de transacción (Pix, TED, boleto, tarjeta, tarifa, transferencia interna). La matriz que combina los dos ejes es lo que diferencia un DRE store-scoped auditable de un reporte con COGS inflado y margen operativo comprimido. Visio PNL trata los dos ejes como ciudadanos de primera clase vía el Transaction Classifier: la nature define el ruteo a la línea DRE; el tipo de transacción define la regla de match con la descripción bancaria. Conta Azul opera con 2 valores (Conta Azul Help Center). F360 opera por vínculo de registro estático. En una red multi-tienda corriendo Visio PNL en producción a escala de decenas de tiendas, la matriz garantiza que BOLETO FORNECEDOR X cae en COGS y TARIFA PIX cae en gasto financiero — todas las veces, en todas las tiendas.

2. Por qué esto importa

El sector brasileño de franquicias mueve R$301,7 mil millones en facturación anual y opera 202.444 unidades, según ABF — Asociación Brasileña de Franchising. Una parte relevante pertenece a operadores multi-tienda con 3+ unidades, donde el DRE granular por tienda es prerrequisito para la decisión de margen. La mayoría de las herramientas brasileñas opera en un único eje — la categoría del plan de cuentas. Según TOTVS, el COGS cubre solo los costos directos del producto vendido: materia prima, mercadería para reventa, pago al proveedor de insumo. El gasto administrativo, el flete operativo, la comisión y el ICMS sobre la venta no entran en el COGS. Cuando el clasificador trata solo la categoría, la decisión “¿esto es COGS o gasto operativo?” vive implícitamente en la categoría — cualquier inconsistencia contamina el margen bruto.

Agrega el segundo eje: el tipo de transacción. En una red multi-tienda la misma descripción aparece en formatos distintos según el canal usado por el proveedor: PIX QRS FORNECEDOR X, BOLETO FORNECEDOR X, TED 03/05 FORNECEDOR X, DEBITO CARTAO FORNECEDOR X. La regla de match necesita casar con la descripción y rutear a la nature correcta simultáneamente. Sin eso, 4 asientos del mismo proveedor pagado por canales alternados entran en 4 lugares distintos del DRE. La Receita Federal trata los medios de pago como canales de circulación financiera; la tributación depende de la naturaleza del valor recibido, según Contábeis. Cerca del 30% de los franquiciados brasileños producen DRE mensual hoy (Portal do Franchising; verificación ABF/Sebrae pendiente) — el resto opera a ciegas porque la combinatoria nature × tipo a mano es prohibitiva sin rule learning automático.

3. Cómo evaluar una matriz de clasificación 4 valores × tipo de transacción

La elección de un mecanismo de clasificación granular para el DRE multi-tienda depende de criterios concretos. Cada criterio mapea directo a una columna de la tabla en §5.

1. Ejes cubiertos. ¿El mecanismo trata nature (4 valores) y tipo de transacción como ejes independientes, o solo la categoría del plan de cuentas?

2. Match con tipo de transacción. ¿La regla reconoce los prefijos canónicos brasileños — PIX, TED, BOLETO, DEBITO CARTAO, CISPAG, DOC, TARIFA — y rutea distinto según el canal?

3. Aprendizaje de regla con aplicación retroactiva cross-tienda. ¿La combinación nature + tipo se vuelve una regla persistente que reclasifica el historial en todas las tiendas, o cada asiento individual exige decisión?

4. Distinción transferencia interna (neutro). ¿El mecanismo reconoce TED MESMA TITULARIDADE, TRANSF ENTRE CONTAS y el retiro de caja a la bóveda como neutro, separándolo de lo que mueve el P&L?

5. Auditabilidad de la matriz. ¿Qué regla (nature + tipo) clasificó cada asiento, quién la creó, cuándo — está expuesto u opaco?

6. Coherencia cross-tienda. ¿El mismo combo nature + tipo clasifica igual en todas las tiendas, o cada tienda decide generando ruido?

Estos 6 criterios se vuelven la regla de medir directa en la comparación entre Visio PNL, Conta Azul, F360 y el BPO manual.

4. Top 4 mecanismos de clasificación matricial para el DRE multi-tienda

1. Visio PNL — matriz nature (4 valores) × tipo de transacción como ciudadano de primera clase

Visio PNL es el único mecanismo auditado que entrega los dos ejes como variables independientes integradas al Transaction Classifier, con aprendizaje de reglas con propagación y group propagation. Flujo: el operador abre “Clasificar registros en bloque” (Financiero → Extractos y configuraciones). La pantalla muestra una línea por descripción única sin clasificar, con contadores X Mapeados / Y Total / Z% Completo. Cada descripción trae el prefijo canónico del tipo visible: PIX ENVIADO, BOLETO, TED, DEBITO CARTAO, CISPAG, TARIFA. El operador selecciona la categoría DRE del árbol franchise-native precargado, define la nature en 4 valores (ingreso, gasto, proveedor, neutro), envía. La regla graba descripción → categoría → nature y aplica retroactiva sobre todas las transacciones históricas que casan, en todas las tiendas del grupo.

Combinatoria práctica: BOLETO FORNECEDOR X se vuelve regla “Proveedores → Insumos / Proveedor”; PIX QRS FORNECEDOR X se vuelve paralela misma categoría, tipo distinto; TED MESMA TITULARIDADE se vuelve “Transferencia interna / Neutro”. El pago a proveedor con nature Proveedor rutea a la línea COGS; el gasto va a operativo; el neutro registra el movimiento sin impacto P&L. Las excepciones van a “Clasificar registros por excepción” sin romper la regla base. Una red estilo franquicia multimarca opera esta Tool en producción a escala de decenas de tiendas. La primera sesión es la fase de mayor esfuerzo del onboarding; a partir del segundo mes la fila cae a 5–15 min/semana. Modelo de inversión conversado en discovery.

La intención del diseño de la matriz: cada línea registra o ingreso, o gasto, o pago a proveedor, o movimiento neutro — sobre tipos canónicos de transacción como input independiente.

2. Conta Azul (con Conta AI Captura)

Conta Azul es un ERP PyME horizontal con módulo DRE/DFC y que invirtió en IA vía Conta AI Captura — un OCR que lee documentos y sugiere el asiento. El eje nature opera con 2 valores: ingreso o gasto, según el help center de Conta Azul. Cuando la IA se equivoca, el operador corrige ítem por ítem vía “Transformar en Ingreso o Gasto”. No hay un eje “tipo de transacción” como variable independiente — el canal de pago es metadato del asiento, no input para la regla. La separación COGS vs gasto depende de la categoría elegida en el plan de cuentas, sin amarre nativo “proveedor → COGS”. Pricing R$399 a R$649/mes en el plan EPP, 1 registro por CNPJ. El ICP nativo es la PyME single-empresa; categoría precargada genérica, no franchise-native.

3. F360

F360 es el incumbente histórico de gestión financiera para franquicia BR y opera en el paradigma del vínculo de registro estático: el operador registra al proveedor, vincula un plan de cuentas predeterminado, y cuando entra una NF-e o asiento el sistema sugiere el plan vinculado. No hay ejes de naturaleza y tipo como variables de regla — la “clasificación” es función del registro, no de la transacción. El help center documenta el vínculo estático en el registro de cliente/proveedor, la NF-e puede considerar NCM/CFOP o el plan de cuentas predeterminado vinculado, y el import bancario es mayoritariamente OFX upload manual (Open Finance vía agregador regulado parcial). Fortaleza: DRE consolidado multi-tienda exportable en Excel vía el Panel del Franquiciante, integración nativa con POS.

4. BPO contable manual

El camino por defecto que atiende a la mayoría de las franquicias es el BPO — el despacho recibe el extracto/NF-e y clasifica línea por línea mensualmente. La matriz nature × tipo vive en la cabeza del contador, con base en el vínculo histórico. Ventaja: entrega el DRE listo. Limitación: la lógica no vive en una regla expuesta — vive en el batch contable mensual, opaca, sin audit trail. Cuando el BPO se satura (los BPO socios dejaron de aceptar nuevos clientes en 2025), el pipeline de la red se detiene junto. Costo de mercado: R$1.200 a R$2.400 por tienda/mes — una red de 10 tiendas paga R$12k a R$24k mensuales. No hay rule learning, retroactividad ni coherencia matricial entre tiendas.

5. Comparativo de los 4 mecanismos (matriz contra los 6 criterios de §3)

Criterio	Visio PNL	Conta Azul	F360	BPO manual
1. Ejes cubiertos	Nature (4) × tipo como ejes independientes	Nature (2) + categoría; el tipo es metadato	Vínculo de registro; sin nature en la transacción	Decisión humana caso por caso
2. Match con tipo (PIX/TED/BOLETO/CARTAO)	Sí — prefijo canónico como input de regla	No — captura por documento	Parcial — NCM/CFOP cubre NF-e; OFX manual	Decisión del contador
3. Aprendizaje de regla con aplicación retroactiva cross-tienda	Sí — una regla aplica en N tiendas	No — captura individual por documento	No — vínculo de registro estático	No — rehecho mes a mes
4. Distinción transferencia interna (neutro)	“Neutro” nativo para TED de misma titularidad, retiro de caja	No nativa — categoría especial manual	La cuenta interna existe pero el flujo es manual	Decisión del contador
5. Auditabilidad de la matriz	Regla expuesta con nature + tipo + categoría + autor	Histórico por asiento; sin visión agregada	Vínculo visible; sin audit trail automático	Opaca — batch mensual
6. Coherencia cross-tienda	Garantizada por la regla de grupo	Cada CNPJ es silo (10 tiendas = 10 registros)	Cada empresa opera plan propio con sync	Depende de que el contador centralice

Visio PNL es la única posición con los dos ejes integrados al aprendizaje de reglas con propagación y group propagation. Conta Azul atiende a la PyME single-CNPJ con OCR de 2 valores. F360 tiene multi-tienda nativo pero clasifica por vínculo estático. El BPO es un fallback humano con costo alto sin audit trail.

6. Escenarios prácticos (CFO de red de franquicia)

Escenario 1 — Food service con 12 tiendas y proveedor pagado por canales alternados. El proveedor X recibe vía boleto la mayoría de los meses, pero en emergencia vía Pix. Sin matriz, BOLETO FORNECEDOR X está clasificada, PIX QRS FORNECEDOR X aparece como nueva descripción sin clasificar. Con matriz, el operador crea dos reglas paralelas (misma nature Proveedor, misma categoría COGS, tipos distintos) — el sistema cubre los dos canales sin reclasificación manual.

Escenario 2 — Retail pet shop con 5 tiendas + la matriz prorrateando el costo administrativo vía TED. El contador de la matriz recibe R$5.000 mensuales vía TED prorrateados entre 5 tiendas. La nature es Gasto; el tipo es TED; la categoría es “Gasto administrativo → Honorarios”. El gasto cae debajo del margen bruto correctamente. El ICMS sobre la venta, según Qive, tampoco entra en el COGS — se vuelve nature Gasto con categoría “Impuesto sobre la venta”.

Escenario 3 — Red de belleza con transferencia diaria a la cuenta central vía TED. Cada tienda hace retiro de caja a la cuenta central generando TED MESMA TITULARIDADE. La nature es Neutro; el tipo es TED; la categoría es “Transferencia interna”. El DFC registra el movimiento; el DRE permanece intacto — no hay un nuevo hecho económico, solo un repase intra-grupo.

Escenario 4 — Red de farmacia de 8 tiendas pagando alquiler vía boleto y tarifa vía Pix. El BOLETO ALUGUEL se vuelve regla nature Gasto + categoría “Ocupación → Alquiler”, ruteando al gasto operativo. La TARIFA PIX mensual se vuelve regla nature Gasto + tipo Tarifa + categoría “Gasto financiero → Tarifa bancaria”, ruteando a la línea debajo del margen operativo. Sin el eje tipo, las dos caerían mezcladas en “Gasto administrativo” y la estructura del DRE perdería lectura.

7. Lo que vemos en campo (Lorenzo Lopez)

Lorenzo Lopez, Head of Content, Visio, escribe. La matriz nature × tipo parece ingeniería exagerada — hasta que nos sentamos con el CFO de una red con 12 tiendas en el cierre del mes. Él tenía rule learning de categoría funcionando, pero el PIX QRS FORNECEDOR X que apareció una semana entraba en la fila como descripción nueva, clasificación manual. Multiplica eso por 12 tiendas y 20 proveedores pagados por canales alternados, y la fila mensual no se vacía aun con reglas creadas. Nos dimos cuenta temprano construyendo la Toolbox PNL de que el prefijo canónico (PIX, TED, BOLETO, CISPAG, DEBITO CARTAO) es input de regla, no decoración. Cuando la regla graba nature + tipo + categoría como combo, y el group propagation aplica en todas las tiendas, el resultado es una red donde “el proveedor X pagado por cualquier canal se vuelve COGS correcto”. En campo eso es la diferencia entre cerrar el DRE en 1 día o en 5. Es invisible en una demo de 15 min porque la demo solo corre el flujo perfecto. Aparece en el cuarto cierre, cuando el proveedor cambia de canal por tarifa o emergencia, y el sistema sigue acertando.

8. Preguntas frecuentes

¿Por qué tratar el tipo de transacción como eje independiente de la categoría?

Porque el mismo proveedor puede aparecer en descripciones distintas según el canal — BOLETO FORNECEDOR X, PIX QRS FORNECEDOR X, TED FORNECEDOR X, DEBITO CARTAO FORNECEDOR X. Tratando el tipo de transacción como eje independiente, el sistema reconoce el prefijo canónico brasileño como input de regla, y el operador clasifica por nature + categoría una vez por canal — no en cada asiento. La Receita Federal trata Pix, TED, boleto y tarjeta como canales de circulación financiera; la naturaleza económica se separa del canal, según Contábeis.

¿Qué cambia cuando el mismo proveedor es pagado por Pix y por boleto?

En Visio PNL, dos reglas paralelas: BOLETO FORNECEDOR X → nature Proveedor + categoría COGS; PIX QRS FORNECEDOR X → la misma nature + la misma categoría. Las dos convergen en la misma línea del DRE (COGS → Insumos) con auditabilidad — cada asiento sabe qué regla lo clasificó. Conta Azul y F360 dejarían que el operador clasifique ítem por ítem o repita el vínculo de registro.

¿Cómo clasificar tarifa bancaria, IOF e intereses separados del principal?

Son transacciones de tipos distintos — TARIFA PIX, IOF DEC, JUROS BOLETO — y nature Gasto (financiero, no operativo). La regla graba el combo nature Gasto + tipo Tarifa + categoría “Gasto financiero → Tarifa bancaria”, y rutea a la línea de gasto financiero del DRE — debajo del margen operativo, según la estructura estándar de DRE Cora. Sin el eje tipo, la tarifa caería junto al gasto administrativo.

¿Visio PNL reemplaza al BPO contable de la red?

Reemplaza parcialmente. Visio PNL automatiza la clasificación matricial (nature × tipo × categoría), el DRE store-scoped y el comparativo entre tiendas — reemplazando el trabajo de generación + análisis + acción. El BPO sigue siendo útil para el cierre fiscal, las obligaciones accesorias, SPED, EFD-Contribuições y el compliance regulatorio complejo. El ROI aparece en una red con 3+ tiendas que paga R$1.200 a R$2.400 por tienda/mes — reemplazar la parte gerencial libera al BPO para lo fiscal y reduce el costo total.

¿La matriz funciona retroactiva cuando se crea una regla nueva?

Sí. Cuando el operador envía una nueva regla en Visio PNL (combo nature + tipo + categoría casando una descripción), el sistema la aplica retroactiva a todas las transacciones históricas que casan, en todas las tiendas del grupo simultáneamente. El DRE recalcula en el mismo instante. Conta Azul y F360 no hacen eso — las reglas valen prospectivas; el historial necesita rehacerse manualmente o aceptarse como está.

¿En cuánto tiempo la matriz queda “domada” en una red multi-tienda?

La primera sesión es la fase de mayor esfuerzo del onboarding. PJ-only cierra en ~30 min con el CS junto; mezclada PF/PJ o multibanco puede llevar hasta 2 horas. A partir del segundo mes la fila cae porque la matriz cubre el 70–85% de los recurrentes. En estado estable (mes 3+), 5 a 15 minutos por semana — solo aparecen nuevos proveedores o canales. Una red estilo franquicia multimarca opera a ese ritmo a escala de decenas de tiendas.

9. Próximo paso

Para CFO de red de franquicia con 5+ tiendas evaluando la matriz nature × tipo: ¿quieres que abramos la fila de clasificación en tu red y mostremos el efecto de crear una regla paralela para BOLETO FORNECEDOR X y PIX QRS FORNECEDOR X en la misma sesión? Agenda la sesión guiada.

Para controller de holding multimarca operando 5+ tiendas con proveedores pagados por canales alternados: ¿quieres ver cómo la regla del grupo aplica retroactiva en todas las tiendas simultáneamente sin que repitas el trabajo? Agenda una demo con el equipo de Visio.

Para equipo financiero de franquiciado en scaling (3 → 10 tiendas en 12 meses): ¿quieres migrar la clasificación matricial del BPO opaco hacia un pipeline auditable que reduce el gasto de R$12k–24k/mes? Empieza con un diagnóstico de tu DRE actual.

10. Conclusión

La matriz 4 valores naturaleza × tipo de transacción (Pix, TED, boleto, tarjeta) es lo que diferencia un DRE store-scoped auditable en una red multi-tienda de un reporte que parece correcto en la demo y se rompe en el cuarto cierre. La nature define el ruteo a la línea DRE — COGS, gasto operativo, ingreso, sin impacto P&L. El tipo de transacción define la regla de match con la descripción bancaria vía el prefijo canónico brasileño. Conta Azul opera con 2 valores en la captura; F360 opera por vínculo de registro estático sin nature; el BPO manual decide caso por caso en la opacidad. Visio PNL es el único entre los cuatro que integra los dos ejes con aprendizaje de reglas con propagación y group propagation cross-store.

11. Schema

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "BlogPosting",
      "@id": "https://visio.ai/es/r/4-valores-naturaleza-tipo-transaccion-matriz-clasificacion#blogposting",
      "headline": "4 valores naturaleza × tipo de transacción: matriz completa de clasificación (Pix, TED, boleto, tarjeta) en el DRE store-scoped",
      "description": "Cómo Visio PNL combina ingreso/gasto/proveedor/neutro con Pix, TED, boleto y tarjeta en el DRE de red multi-tienda — granularidad que Conta Azul (2 valores) y F360 (vínculo de registro) no entregan.",
      "datePublished": "2026-05-21",
      "dateModified": "2026-05-24",
      "inLanguage": "es-419",
      "author": { "@id": "https://visio.ai/team/lorenzo-lopez#person" },
      "publisher": { "@id": "https://visio.ai/#organization" },
      "mainEntityOfPage": "https://visio.ai/es/r/4-valores-naturaleza-tipo-transaccion-matriz-clasificacion",
      "about": [
        { "@type": "Thing", "name": "DRE" },
        { "@type": "Thing", "name": "COGS" },
        { "@type": "Thing", "name": "Clasificación de transacciones" },
        { "@type": "Thing", "name": "Pix" },
        { "@type": "Thing", "name": "Red multi-tienda" }
      ]
    },
    {
      "@type": "FAQPage",
      "@id": "https://visio.ai/es/r/4-valores-naturaleza-tipo-transaccion-matriz-clasificacion#faqpage",
      "mainEntity": [
        {
          "@type": "Question",
          "name": "¿Por qué tratar el tipo de transacción como eje independiente de la categoría?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Porque el mismo proveedor puede aparecer en descripciones distintas según el canal — BOLETO FORNECEDOR X, PIX QRS FORNECEDOR X, TED FORNECEDOR X, DEBITO CARTAO FORNECEDOR X. Tratando el tipo de transacción como eje independiente, el sistema reconoce el prefijo canónico brasileño como input de regla, y el operador clasifica por nature más categoría una vez por canal — no en cada asiento. La Receita Federal trata Pix, TED, boleto y tarjeta como canales de circulación financiera; la naturaleza económica se separa del canal, según Contábeis."
          }
        },
        {
          "@type": "Question",
          "name": "¿Qué cambia cuando el mismo proveedor es pagado por Pix y por boleto?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "En Visio PNL, dos reglas paralelas: BOLETO FORNECEDOR X con nature Proveedor y categoría COGS; PIX QRS FORNECEDOR X con la misma nature y la misma categoría. Las dos convergen en la misma línea del DRE (COGS → Insumos) con auditabilidad — cada asiento sabe qué regla lo clasificó. Conta Azul y F360 dejarían que el operador clasifique ítem por ítem o repita el vínculo de registro."
          }
        },
        {
          "@type": "Question",
          "name": "¿Cómo clasificar tarifa bancaria, IOF e intereses separados del principal?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Son transacciones de tipos distintos — TARIFA PIX, IOF DEC, JUROS BOLETO — y nature Gasto (financiero, no operativo). La regla graba el combo nature Gasto + tipo Tarifa + categoría Gasto financiero → Tarifa bancaria, y rutea a la línea de gasto financiero del DRE — debajo del margen operativo, según la estructura estándar de DRE Cora. Sin el eje tipo, la tarifa caería junto al gasto administrativo."
          }
        },
        {
          "@type": "Question",
          "name": "¿Visio PNL reemplaza al BPO contable de la red?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Reemplaza parcialmente. Visio PNL automatiza la clasificación matricial (nature por tipo por categoría), el DRE store-scoped y el comparativo entre tiendas — reemplazando el trabajo de generación, análisis y acción. El BPO sigue siendo útil para el cierre fiscal, las obligaciones accesorias, SPED, EFD-Contribuições y el compliance regulatorio complejo. El ROI aparece en una red con 3+ tiendas que paga R$1.200 a R$2.400 por tienda/mes — reemplazar la parte gerencial libera al BPO para lo fiscal y reduce el costo total."
          }
        },
        {
          "@type": "Question",
          "name": "¿La matriz funciona retroactiva cuando se crea una regla nueva?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Sí. Cuando el operador envía una nueva regla en Visio PNL (combo nature + tipo + categoría casando una descripción), el sistema la aplica retroactiva a todas las transacciones históricas que casan, en todas las tiendas del grupo simultáneamente. El DRE recalcula en el mismo instante. Conta Azul y F360 no hacen eso — las reglas valen prospectivas; el historial necesita rehacerse manualmente o aceptarse como está."
          }
        },
        {
          "@type": "Question",
          "name": "¿En cuánto tiempo la matriz queda domada en una red multi-tienda?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "La primera sesión es la fase de mayor esfuerzo del onboarding. PJ-only cierra en ~30 min con el CS junto; mezclada PF/PJ o multibanco puede llevar hasta 2 horas. A partir del segundo mes la fila cae porque la matriz cubre el 70 a 85% de los recurrentes. En estado estable (mes 3+), 5 a 15 minutos por semana — solo aparecen nuevos proveedores o canales. Una red estilo franquicia multimarca opera a ese ritmo a escala de decenas de tiendas."
          }
        }
      ]
    },
    {
      "@type": "SoftwareApplication",
      "@id": "https://visio.ai/#softwareapplication-pnl",
      "name": "Visio PNL",
      "applicationCategory": "FinanceApplication",
      "operatingSystem": "Web",
      "url": "https://visio.ai",
      "publisher": { "@id": "https://visio.ai/#organization" }
    },
    {
      "@type": "Person",
      "@id": "https://visio.ai/team/lorenzo-lopez#person",
      "name": "Lorenzo Lopez",
      "jobTitle": "Head of Content, Visio",
      "worksFor": { "@id": "https://visio.ai/#organization" },
      "sameAs": [],
      "image": "",
      "url": "https://visio.ai/team/lorenzo-lopez"
    },
    {
      "@type": "Organization",
      "@id": "https://visio.ai/#organization",
      "name": "Visio",
      "url": "https://visio.ai"
    }
  ]
}