# backend/services.py
"""Servicios: traen datos crudos (cacheados) y arman la respuesta del módulo Leads."""
from data_manager_v2 import DataManager
import leads_logic as L
from cache_manager import cache_get_or_set, cache_invalidate

_DM = None


def get_dm() -> DataManager:
    global _DM
    if _DM is None:
        _DM = DataManager()
    return _DM


# ── PLANTILLAS: campañas (leyendas) y base de números por campaña ──────────
def plantillas_campanias():
    """Lista las campañas AGRUPADAS por código (un código = una opción, aunque
    tenga varias frases). Devuelve [{codigo, frases:[...]}]."""
    from data_manager_v2 import _campanias_supabase
    agrup = {}
    for (frase, cargo, codigo, sede, dia, origen, fi, ff) in _campanias_supabase():
        cod = str(codigo).strip()
        if not cod:
            continue
        agrup.setdefault(cod, {"codigo": cod, "frases": [], "cargo": cargo, "sede": sede})
        if frase and frase not in agrup[cod]["frases"]:
            agrup[cod]["frases"].append(frase)
    out = sorted(agrup.values(), key=lambda x: str(x["codigo"]))
    return {"campanias": out}


def plantillas_base_por_codigos(codigos, asesores=None, estados=None):
    """Dado uno o más códigos de campaña, busca en Chatwoot los contactos cuya
    conversación hizo match con la frase (LIKE), sin asesor y con último mensaje
    hace >24h. Devuelve [{telefono, fecha_mensaje, fecha_ult_mensaje, asesor, estado}].
    'estados' (opcional) filtra por ESTADO/OBJECION (ultima_etiqueta), mismo que el
    apartado Leads. Excluye el número 51924374783 (mismo filtro del SQL manual)."""
    from data_manager_v2 import _campanias_supabase
    # Agrupar por código: juntar TODAS sus frases y usar el RANGO MÁS AMPLIO
    # (fecha_inicio más antigua, fecha_fin más lejana de todas sus filas).
    cods = set(str(c).strip() for c in (codigos or []))
    por_cod = {}   # codigo -> {"frases":[...], "fi":min, "ff":max}
    for (frase, cargo, codigo, sede, dia, origen, fi, ff) in _campanias_supabase():
        cod = str(codigo).strip()
        if cod not in cods or not frase:
            continue
        g = por_cod.setdefault(cod, {"frases": [], "fi": None, "ff": None})
        if frase not in g["frases"]:
            g["frases"].append(frase)
        fi10 = str(fi)[:10] if fi else None
        ff10 = str(ff)[:10] if ff else None
        if fi10 and (g["fi"] is None or fi10 < g["fi"]):
            g["fi"] = fi10
        if ff10 and (g["ff"] is None or ff10 > g["ff"]):
            g["ff"] = ff10

    if not por_cod:
        return {"filas": []}

    # Por cada código: (frase1 OR frase2 ...) AND created_at en [fi, ff]
    cond = []
    params = []
    for cod, g in por_cod.items():
        likes = " OR ".join(["m.content LIKE %s"] * len(g["frases"]))
        for fr in g["frases"]:
            params.append(f"%{fr}%")
        partes = [f"({likes})"]
        if g["fi"]:
            partes.append("m.created_at >= %s")
            params.append(g["fi"])
        if g["ff"]:
            partes.append("m.created_at < (%s::date + INTERVAL '1 day')")
            params.append(g["ff"])
        cond.append("(" + " AND ".join(partes) + ")")

    where_frases = " OR ".join(cond)

    # Filtro por ASESOR (checklist). "__VACIO__" = sin asesor (u.name IS NULL).
    # Si NO se marca ningún asesor -> se traen TODOS (con y sin asesor).
    ases_cond = []
    incluir_vacio = False
    nombres_reales = []
    for a in (asesores or []):
        if str(a).strip().upper() == "__VACIO__":
            incluir_vacio = True
        elif str(a).strip():
            nombres_reales.append(str(a).strip())
    if incluir_vacio:
        ases_cond.append("u.name IS NULL")
    if nombres_reales:
        placeholders = ",".join(["%s"] * len(nombres_reales))
        ases_cond.append(f"u.name IN ({placeholders})")
    # Sin selección -> sin filtro de asesor (TRUE = todos).
    where_ases = "(" + " OR ".join(ases_cond) + ")" if ases_cond else "TRUE"

    sql = f"""
        SELECT c.phone_number, m.created_at,
               (SELECT MAX(mu.created_at) FROM messages mu
                WHERE mu.conversation_id = m.conversation_id AND mu.sender_type='Contact') AS fecha_ult,
               u.name AS asesor, cv.cached_label_list AS etiquetas
        FROM messages m
        JOIN conversations cv ON m.conversation_id = cv.id
        JOIN contacts c ON cv.contact_id = c.id
        LEFT JOIN users u ON cv.assignee_id = u.id
        WHERE ({where_frases})
          AND m.sender_type = 'Contact'
          AND {where_ases}
          AND c.phone_number IS DISTINCT FROM '51924374783'
          AND (SELECT MAX(mu.created_at) FROM messages mu
               WHERE mu.conversation_id = m.conversation_id AND mu.sender_type='Contact')
              < NOW() - INTERVAL '24 hours'
        ORDER BY m.created_at DESC
    """
    # los nombres reales van al final de params (en el orden del IN)
    params = params + nombres_reales
    # Filtro por ESTADO/OBJECION (se aplica en Python usando ultima_etiqueta, igual
    # que la matriz del apartado Leads). None = sin filtro (todos los estados).
    est_filtro = None
    if estados:
        est_filtro = set(str(e).strip() for e in estados if str(e).strip())
        if not est_filtro:
            est_filtro = None
    dm = get_dm()
    conn = dm.pg_conn()
    try:
        cur = conn.cursor()
        cur.execute(sql, params)
        vistos = set()
        filas = []
        for tel, f_msg, f_ult, asesor, etiquetas in cur.fetchall():
            t = str(tel or "").strip()
            if not t or t in vistos:
                continue
            estado = L.ultima_etiqueta(etiquetas)
            if est_filtro is not None and estado not in est_filtro:
                continue
            vistos.add(t)
            filas.append({
                "telefono": t,
                # ISO (YYYY-MM-DD) para que el frontend lo convierta a fecha REAL de Excel
                "fecha_mensaje": f_msg.strftime("%Y-%m-%d") if f_msg else "",
                "fecha_ult_mensaje": f_ult.strftime("%Y-%m-%d") if f_ult else "",
                "asesor": (asesor or "Sin asesor"),
                "estado": estado,
            })
        return {"filas": filas}
    finally:
        conn.close()


def plantillas_asesores():
    """Lista los nombres de asesores (users.name) que aparecen como asignados en
    las conversaciones. Para el checklist de filtro."""
    dm = get_dm()
    conn = dm.pg_conn()
    try:
        cur = conn.cursor()
        cur.execute("""
            SELECT DISTINCT u.name
            FROM users u
            WHERE u.name IS NOT NULL AND TRIM(u.name) <> ''
            ORDER BY u.name
        """)
        nombres = [r[0] for r in cur.fetchall()]
        return {"asesores": nombres}
    finally:
        conn.close()


def plantillas_estados():
    """Lista los ESTADOS/OBJECION distintos (ultima_etiqueta) presentes en las
    conversaciones, para el checklist de filtro. Misma lógica que el apartado Leads."""
    dm = get_dm()
    conn = dm.pg_conn()
    try:
        cur = conn.cursor()
        cur.execute("SELECT DISTINCT cached_label_list FROM conversations")
        vistos = {}
        for (etiquetas,) in cur.fetchall():
            est = L.ultima_etiqueta(etiquetas)
            vistos[est] = vistos.get(est, 0) + 1
        estados = sorted(vistos.keys(), key=lambda x: (x == "NO TRABAJADO", x.lower()))
        return {"estados": estados}
    finally:
        conn.close()


# ── EXPORTAR BASE: base de leads por asesor (mismo cruce del PBI) ───────────
# Mapa Asesor -> SEDE_ACT (SWITCH del Power BI). Si el asesor no está aquí, se
# usa la sede de la pauta tal cual (fallback). Comparación normalizada (sin
# tildes/mayúsculas) para no fallar por como escriba Chatwoot el nombre.
_SEDE_ACT_MAP = {
    "ALMENDRA PERALTA": "Arequipa",
    "JUAN CARLOS AGUILAR": "Piura",
    "DIEGO LAZARO": "Trujillo",
    "VERONICA LA ROSA": "Lima",
    "DAYANA BALABARCA": "Lima",
    "MILAGROS VARGAS": "Lima",
    "CARMEN MONTOYA": "Lima",
    "DIANA CHAVEZ": "Lima",
    "COPITO RIVERA": "Lima",
}


def _norm_nombre(s):
    import unicodedata
    s = unicodedata.normalize("NFKD", str(s or "")).encode("ascii", "ignore").decode()
    s = s.replace("_", " ")   # etiquetas de Chatwoot usan "_" (contacto_iniciado)
    return " ".join(s.upper().split())


def exportar_base_asesores():
    """Lista los asesores (agents) de Chatwoot con id y nombre (en vivo)."""
    import os, requests
    URL = os.getenv("CHATWOOT_URL", "https://gestor.escueladerefrigeracion.edu.pe")
    TOKEN = os.getenv("CHATWOOT_TOKEN", "4anazHvZnvKLtup8biu5Zuoh")
    ACC = os.getenv("CHATWOOT_ACCOUNT_ID", "1")
    h = {"api_access_token": TOKEN, "Content-Type": "application/json"}
    r = requests.get(f"{URL}/api/v1/accounts/{ACC}/agents", headers=h, timeout=15)
    r.raise_for_status()
    ags = [{"id": a.get("id"), "nombre": a.get("name") or a.get("email")}
           for a in (r.json() or []) if a.get("id")]
    ags.sort(key=lambda x: str(x["nombre"]).upper())
    return {"asesores": ags}


def exportar_base_excel(asesor, etiquetas=None):
    """Base de leads de UN asesor (mismo cruce del Power BI: mensajes de Contact x
    pautas de Supabase, LIKE frase dentro del rango). Dedup por teléfono (más
    antiguo), SEDE_ACT por asesor y última etiqueta. Si 'etiquetas' trae valores,
    filtra por última etiqueta (si está vacío = todas). Devuelve bytes del .xlsx."""
    from data_manager_v2 import _campanias_supabase
    asesor = str(asesor or "").strip()
    if not asesor:
        raise ValueError("Falta el asesor.")
    # Set de etiquetas a filtrar (normalizadas). Vacío = todas.
    filtro_etq = set(_norm_nombre(e) for e in (etiquetas or []) if str(e).strip())

    # 1) VALUES con las pautas de Supabase (frase, sede, cargo, codigo, fi, ff)
    vals, params = [], []
    for (frase, cargo, codigo, sede, dia, origen, fi, ff) in _campanias_supabase():
        fr = str(frase or "").strip()
        if not fr:
            continue
        vals.append("(%s,%s,%s,%s,%s,%s)")
        params += [fr, str(cargo or ""), str(sede or ""),
                   str(fi or "2000-01-01")[:10], str(ff or "2100-01-01")[:10],
                   str(codigo or "")]
    if not vals:
        raise RuntimeError("No hay campañas en Supabase.")
    values_sql = ",".join(vals)

    sql = f"""
        SELECT c.phone_number, m.created_at, map.sede, map.cargo, cv.cached_label_list
        FROM messages m
        JOIN conversations cv ON m.conversation_id = cv.id
        JOIN contacts c ON cv.contact_id = c.id
        LEFT JOIN users u ON cv.assignee_id = u.id
        JOIN (VALUES {values_sql})
            AS map(frase_busqueda, cargo, sede, fecha_inicio, fecha_fin, codigo)
          ON m.content LIKE '%%' || map.frase_busqueda || '%%'
         AND m.created_at >= CAST(map.fecha_inicio AS TIMESTAMP)
         AND m.created_at <= CAST(map.fecha_fin AS TIMESTAMP) + INTERVAL '1 day'
        WHERE m.sender_type = 'Contact'
          AND u.name = %s
        ORDER BY m.created_at ASC
    """
    sede_act = _SEDE_ACT_MAP.get(_norm_nombre(asesor))   # None = usar sede pauta

    dm = get_dm()
    conn = dm.pg_conn()
    try:
        cur = conn.cursor()
        cur.execute(sql, params + [asesor])
        por_tel = {}
        for tel, created, sede_p, cargo, etiquetas in cur.fetchall():
            # Quitar +51 / + y limpiar (igual que el PBI)
            t = str(tel or "").strip().replace("+51", "").replace("+", "").strip()
            if not t or t in ("51924374783", "924374783"):
                continue
            if t in por_tel:
                continue   # ASC -> ya guardamos el más antiguo
            etq = L.ultima_etiqueta(etiquetas)
            if filtro_etq and _norm_nombre(etq) not in filtro_etq:
                continue   # no coincide con las etiquetas elegidas
            por_tel[t] = {
                "telefono": t,
                "fecha": created,
                "sede": sede_act or (sede_p or ""),
                "programa": cargo or "",
                "etiqueta": etq,
            }
    finally:
        conn.close()

    filas = sorted(por_tel.values(), key=lambda x: (x["fecha"] or __import__("datetime").datetime.max))

    # 2) Armar Excel bonito
    from openpyxl import Workbook
    from openpyxl.styles import Font, PatternFill, Alignment, Border, Side
    from io import BytesIO
    wb = Workbook()
    ws = wb.active
    ws.title = "Base"
    encabezados = ["TELEFONO", "FECHA CREADA", "SEDE", "PROGRAMA", "ULTIMA ETIQUETA"]
    ws.append(encabezados)

    azul = PatternFill("solid", fgColor="1E3A5F")
    blanco = Font(color="FFFFFF", bold=True, size=11)
    centro = Alignment(horizontal="center", vertical="center")
    borde = Border(bottom=Side(style="thin", color="D9D9D9"))
    for c in ws[1]:
        c.fill = azul; c.font = blanco; c.alignment = centro

    for d in filas:
        fecha_val = d["fecha"].date() if d["fecha"] else None
        ws.append([int(d["telefono"]) if str(d["telefono"]).isdigit() else d["telefono"],
                   fecha_val, d["sede"], d["programa"], d["etiqueta"]])

    # Formato de la columna fecha (B) como fecha real + alineación
    for row in ws.iter_rows(min_row=2, min_col=1, max_col=5):
        for c in row:
            c.border = borde
            if c.column == 2:            # FECHA CREADA
                c.number_format = "DD/MM/YYYY"
                c.alignment = centro
            elif c.column in (3, 5):     # SEDE, ULTIMA ETIQUETA
                c.alignment = centro

    anchos = {"A": 16, "B": 15, "C": 14, "D": 16, "E": 26}
    for col, w in anchos.items():
        ws.column_dimensions[col].width = w
    ws.freeze_panes = "A2"

    buf = BytesIO()
    wb.save(buf)
    return buf.getvalue()


# ── Prefijos de cache que dependen del mapa de campañas (leyendas). Al cambiar
#    una leyenda se invalidan estos para que TODOS los apartados se reconstruyan
#    en su proxima peticion (perezoso: solo lo que se pida, ~2-5s), sin esperar
#    los 15 min ni recargar todo. NO se toca la logica, solo se refresca el cache.
_PREF_CAMPANIAS = (
    "campanias_map", "campanias_sc", "leads_raw", "leads_dash", "leads_filtros",
    "leads_alertas", "vendedores_dash", "roas_dash", "otros_general",
    "matriz_always", "matriz_webform", "matriz_asignados", "matriz_plantillas",
    "tiempo_resp", "importe_pauta_periodo", "resultados_pauta_periodo",
    "resultados_pauta", "leads_x_codigo", "tel_es_copito", "programa_dash",
)


def _invalidar_por_campanias():
    """Invalida el cache de campañas (Supabase) y de todos los apartados que
    dependen de las leyendas, para que el cambio se vea de inmediato."""
    from data_manager_v2 import invalidar_campanias_cache
    invalidar_campanias_cache()
    for p in _PREF_CAMPANIAS:
        cache_invalidate(p)


# ── Datos crudos cacheados (consultas pesadas, una sola vez) ────
def _leads_crudos():
    return cache_get_or_set("leads_raw", ("GLOBAL",),
                            lambda: L.procesar_leads(get_dm().traer_leads_chatwoot()))


def _cursos_crudos():
    return cache_get_or_set("cursos_raw", ("GLOBAL",), lambda: get_dm().traer_cursos())


def _matriculas_crudas():
    return cache_get_or_set("mat_raw", ("GLOBAL",), lambda: get_dm().traer_matriculas())


def _pauta_cruda():
    return cache_get_or_set("pauta_raw", ("GLOBAL",), lambda: get_dm().traer_pauta_cursos())


def _programa_pautas():
    """{num_indice: [pautas]} desde la tabla programa_pautas (muchos-a-muchos)."""
    return cache_get_or_set("programa_pautas", ("GLOBAL",),
                            lambda: get_dm().traer_programa_pautas())


def _pautas_de_indice():
    """{num_indice: [pautas]} combinando:
    - la pauta de basebi_programacion (1 por num_indice), y
    - las pautas extra de programa_pautas (varias).
    Sin duplicados. Un num_indice puede terminar con varias pautas que se SUMAN."""
    def _load():
        pm = _pauta_cruda()               # {num_indice: {pauta,...}}
        extra = _programa_pautas()        # {num_indice: [pautas]}
        out = {}
        for ni, info in pm.items():
            p = info.get("pauta")
            if p:
                out.setdefault(str(ni).strip(), []).append(str(p).strip())
        for ni, pautas in extra.items():
            lst = out.setdefault(str(ni).strip(), [])
            for p in pautas:
                if str(p).strip() not in lst:
                    lst.append(str(p).strip())
        return out
    return cache_get_or_set("pautas_de_indice", ("GLOBAL",), _load)


def _campanias_map():
    return cache_get_or_set("campanias_map", ("GLOBAL",),
                            lambda: get_dm().traer_campanias_map())


def _clasif_meta():
    """JSON de clasificacion (sede/programa) de GitHub, MISMO que Ventas."""
    return cache_get_or_set("clasif_meta", ("GLOBAL",),
                            lambda: get_dm().traer_clasificacion_meta())


def clasificar_sede_meta(dsc_programa):
    """Sede segun el JSON (clasificacion_sedes). Default LIMA. Igual que Ventas."""
    up = str(dsc_programa or "").upper()
    data = _clasif_meta().get("clasificacion_sedes", {})
    for sede, cfg in data.items():
        if sede == "DEFAULT":
            continue
        for pat in cfg.get("patrones", []):
            if str(pat).upper() in up:
                return sede
    return data.get("DEFAULT", "LIMA")


def clasificar_prog_meta(dsc_programa):
    """Programa (TEAC/TERC/SEMINARIOS/OTROS) segun clasificacion_filtro_programa
    del JSON. Respeta el ORDEN del JSON (primero que coincide gana). Igual que Ventas."""
    up = str(dsc_programa or "").upper()
    data = _clasif_meta().get("clasificacion_filtro_programa", {})
    for cat, cfg in data.items():
        if cat == "DEFAULT":
            continue
        for pat in cfg.get("patrones", []):
            if str(pat).upper() in up:
                return cat
    return data.get("DEFAULT", "OTROS")


def meta_de_curso(dsc_programa):
    """Meta de inscritos segun sede+programa (JSON), como acordado:
    LIMA TEAC/TERC=22, provincia TEAC/TERC=18, SEMINARIOS/OTROS=15."""
    sede = clasificar_sede_meta(dsc_programa)
    prog = clasificar_prog_meta(dsc_programa)
    if prog in ("TEAC", "TERC"):
        return 22 if sede == "LIMA" else 18
    return 15


# Conecta los clasificadores del JSON a leads_logic (metas + tipo de matricula).
L.set_clasificadores(clasificar_sede_meta, clasificar_prog_meta)


def _conjunto_pauta():
    return cache_get_or_set("conjunto_pauta", ("GLOBAL",),
                            lambda: get_dm().traer_conjunto_pauta())


def _meta_filas():
    """Filas crudas del CSV de Meta: [{conjunto, importe, inicio}, ...]."""
    return cache_get_or_set("meta_filas", ("GLOBAL",),
                            lambda: get_dm().traer_meta_importe())


def _importe_por_pauta():
    """{pauta: importe_gastado_total} = suma del importe de TODAS las filas de los
    conjuntos ligados a esa pauta (conjunto_pauta × Meta CSV). Sin filtro de fecha."""
    def _load():
        conj_pauta = _conjunto_pauta()                 # {pauta: [conjunto,...]}
        imp_norm = {}
        for f in _meta_filas():
            k = " ".join(str(f.get("conjunto")).split()).upper()
            imp_norm[k] = imp_norm.get(k, 0.0) + float(f.get("importe") or 0.0)
        out = {}
        for pauta, conjuntos in conj_pauta.items():
            total = sum(imp_norm.get(" ".join(str(co).split()).upper(), 0.0) for co in conjuntos)
            out[str(pauta).strip()] = round(total, 2)
        return out
    return cache_get_or_set("importe_pauta", ("GLOBAL",), _load)


# Canales que cuentan como Copito (ademas de origen_base=POSTGRE).
_CANALES_COPITO = {"PAUTA_WSP", "PAUTA_WSP_FACE", "COPITO"}


def _tel_es_copito():
    """{telefono: True/False} = si el telefono es COPITO segun su FILA MAS ANTIGUA
    en la cartera. Copito = (origen_base=POSTGRE) OR (canal en _CANALES_COPITO).
    Se calcula una vez sobre toda la cartera (cacheado)."""
    def _load():
        mejor = {}   # tel -> (fecha_mas_antigua, es_copito)
        for r in _cartera_rows_cache():
            tel = str(r.get("telefono") or "").strip()
            if not tel:
                continue
            f = L._to_date(r.get("fecha_creada"))
            if f is None:
                continue
            if tel not in mejor or f < mejor[tel][0]:
                canal = " ".join(str(r.get("canal") or "").upper().split())
                ob = " ".join(str(r.get("origen_base") or "").upper().split())
                es_cop = (ob == "POSTGRE") or (canal in _CANALES_COPITO)
                mejor[tel] = (f, es_cop)
        return {t: v[1] for t, v in mejor.items()}
    return cache_get_or_set("tel_es_copito", ("GLOBAL",), _load)


def _leads_por_codigo_periodo(ano, mes, dia):
    """{codigo(pauta): {"rec": set(tels recibidos del periodo),
                        "proc": set(tels procesados del periodo)}}.
    Recibido = lead unico con ese codigo cuya fecha cae en el periodo.
    Procesado = de esos, con asesor. Mismo criterio que 'Detalle por Curso'."""
    def _load():
        from collections import defaultdict
        out = defaultdict(lambda: {"rec": set(), "proc": set(), "cont": set()})
        for l in _leads_crudos():
            if not l.get("es_unico"):
                continue
            if not L._en_periodo(l.get("fecha"), ano, mes, dia):
                continue
            cod = str(l.get("codigo", "-")).strip()
            tel = l.get("telefono")
            if not tel:
                continue
            out[cod]["rec"].add(tel)
            if l.get("asesor"):
                out[cod]["proc"].add(tel)
                ult = l.get("ultima") or "NO TRABAJADO"
                if ult != "NO TRABAJADO":
                    out[cod].setdefault("cont", set()).add(tel)
        return dict(out)
    return cache_get_or_set("leads_x_codigo", (ano, mes, dia), _load)


def _resultados_por_pauta():
    """{pauta: resultados_totales} = suma de Resultados de TODAS las filas de los
    conjuntos ligados a esa pauta. Sin filtro de fecha (analogo a _importe_por_pauta)."""
    def _load():
        conj_pauta = _conjunto_pauta()
        res_norm = {}
        for f in _meta_filas():
            k = " ".join(str(f.get("conjunto")).split()).upper()
            res_norm[k] = res_norm.get(k, 0.0) + float(f.get("resultados") or 0.0)
        out = {}
        for pauta, conjuntos in conj_pauta.items():
            total = sum(res_norm.get(" ".join(str(co).split()).upper(), 0.0) for co in conjuntos)
            out[str(pauta).strip()] = int(total)
        return out
    return cache_get_or_set("resultados_pauta", ("GLOBAL",), _load)


def _importe_por_pauta_periodo(ano, mes, dia):
    """{pauta: importe} sumando solo las filas del CSV cuyo 'Inicio del informe'
    cae dentro del periodo filtrado (año/mes/día). Respeta el filtro de arriba."""
    def _load():
        conj_pauta = _conjunto_pauta()
        imp_norm = {}
        sin_filtro = (ano in ("TODOS", None) and mes in ("TODOS", None) and dia in ("TODOS", None))
        for f in _meta_filas():
            fx = L._to_date(f.get("inicio"))
            if sin_filtro:
                pass  # sin filtro: cuenta todo (incluye filas sin fecha) = total
            elif not L._en_periodo(fx, ano, mes, dia):
                continue
            k = " ".join(str(f.get("conjunto")).split()).upper()
            imp_norm[k] = imp_norm.get(k, 0.0) + float(f.get("importe") or 0.0)
        out = {}
        for pauta, conjuntos in conj_pauta.items():
            total = sum(imp_norm.get(" ".join(str(co).split()).upper(), 0.0) for co in conjuntos)
            out[str(pauta).strip()] = round(total, 2)
        return out
    return cache_get_or_set("importe_pauta_periodo", (ano, mes, dia), _load)


def _resultados_por_pauta_periodo(ano, mes, dia):
    """{pauta: resultados} sumando solo las filas del CSV cuyo 'Inicio del informe'
    cae en el periodo filtrado. Analogo a _importe_por_pauta_periodo pero con Resultados."""
    def _load():
        conj_pauta = _conjunto_pauta()
        res_norm = {}
        sin_filtro = (ano in ("TODOS", None) and mes in ("TODOS", None) and dia in ("TODOS", None))
        for f in _meta_filas():
            if not sin_filtro and not L._en_periodo(L._to_date(f.get("inicio")), ano, mes, dia):
                continue
            k = " ".join(str(f.get("conjunto")).split()).upper()
            res_norm[k] = res_norm.get(k, 0.0) + float(f.get("resultados") or 0.0)
        out = {}
        for pauta, conjuntos in conj_pauta.items():
            total = sum(res_norm.get(" ".join(str(co).split()).upper(), 0.0) for co in conjuntos)
            out[str(pauta).strip()] = int(total)
        return out
    return cache_get_or_set("resultados_pauta_periodo", (ano, mes, dia), _load)


def _campanias_sede_cargo():
    return cache_get_or_set("campanias_sc", ("GLOBAL",),
                            lambda: get_dm().traer_campanias_sede_cargo())


def matriz_always(ano="TODOS", mes="TODOS", dia="TODOS", sede="TODOS", programa="TODOS"):
    """Matriz de gasto Meta Ads de pautas ALWAYS (con gasto pero SIN num_indice).
    Agrupa Sede -> Programa (TEAC/TERC/SEMINARIOS) con Importe, Resultados,
    Leads Nuevos (fecha_creada en el mes) y Leads Nuevos Asignados (con asesor).
    Sede/programa salen de la tabla campanias. Pautas sin campanias NO se cuentan."""
    def _load():
        conj_pauta = _conjunto_pauta()                       # {pauta: [conjuntos]}
        camp = _campanias_sede_cargo()                       # {pauta: {sede,cargo}}
        pauta_map = _pauta_cruda()                           # {num_indice: {pauta,...}}
        con_indice = {str(v.get("pauta")).strip() for v in pauta_map.values() if v.get("pauta")}

        # Leads nuevos (unicos) por pauta = codigo, cuya fecha_creada cae en el mes filtrado
        leads = _leads_crudos()
        leads_nuevos = {}      # codigo -> nº leads unicos del mes
        leads_nuevos_asig = {} # codigo -> nº leads unicos del mes con asesor
        tel_lead_mes = {}      # telefono -> (codigo, fecha_creada) del lead unico del mes
        for l in leads:
            if not l.get("es_unico"):
                continue
            if not L._en_periodo(l.get("fecha"), ano, mes, dia):
                continue
            cod = str(l.get("codigo") or "").strip()
            if not cod:
                continue
            leads_nuevos[cod] = leads_nuevos.get(cod, 0) + 1
            if str(l.get("asesor") or "").strip():
                leads_nuevos_asig[cod] = leads_nuevos_asig.get(cod, 0) + 1
            tel = str(l.get("telefono") or "").strip()
            if tel:
                tel_lead_mes[tel] = (cod, l.get("fecha"))

        # MATRICULAS por pauta: matriculas cuyo telefono = un lead nuevo del mes, y con
        # fch_matricula >= fecha_creada del lead. Cuenta CADA matricula (una vez c/u),
        # atribuida a la pauta del lead. Cruce por telefono (tel_1, o tel_2 si vacio).
        matriculas_pauta = {}  # codigo -> nº matriculas
        venta_pauta = {}       # codigo -> suma INV_NETA en soles (DOL ×3.34)
        _vistas = set()        # (num_matricula) para no contar 2 veces
        for m in _matriculas_crudas():
            t1 = str(m.get("dsc_telefono_1") or "").strip()
            t2 = str(m.get("dsc_telefono_2") or "").strip()
            ph = t1 if t1 else t2
            if ph not in tel_lead_mes:
                continue
            cod, f_lead = tel_lead_mes[ph]
            fm = L._to_date(m.get("fch_matricula"))
            if not fm or not f_lead or fm < f_lead:
                continue                      # matricula anterior al ingreso del lead -> no cuenta
            nm = str(m.get("num_matricula"))
            if nm in _vistas:
                continue
            _vistas.add(nm)
            matriculas_pauta[cod] = matriculas_pauta.get(cod, 0) + 1
            # INV_NETA en soles: si moneda DOL, ×3.34 (igual que tabla por Sede)
            try:
                inv = float(m.get("INV_NETA", 0) or 0)
            except (TypeError, ValueError):
                inv = 0.0
            if str(m.get("cod_moneda", "")).strip().upper() == "DOL":
                inv *= 3.34
            venta_pauta[cod] = venta_pauta.get(cod, 0.0) + inv

        # Importe y Resultados por conjunto, filtrando por el MES de arriba
        imp = {}; res = {}
        sin_filtro = (ano in ("TODOS", None) and mes in ("TODOS", None) and dia in ("TODOS", None))
        for f in _meta_filas():
            if not sin_filtro and not L._en_periodo(L._to_date(f.get("inicio")), ano, mes, dia):
                continue
            k = " ".join(str(f.get("conjunto")).split()).upper()
            imp[k] = imp.get(k, 0.0) + float(f.get("importe") or 0.0)
            res[k] = res.get(k, 0.0) + float(f.get("resultados") or 0.0)

        # Conjuntos BRANDING/COPEAIRE: su importe SÍ suma, pero sus resultados NO.
        conj_brand = _conjuntos_branding()

        # Acumular por Sede -> Programa -> Pauta (solo pautas ALWAYS que esten en campanias)
        from collections import defaultdict
        grupos = defaultdict(lambda: defaultdict(lambda: {"importe": 0.0, "resultados": 0.0,
                                                          "nuevos": 0, "nuevos_asig": 0,
                                                          "matriculas": 0, "venta": 0.0, "pautas": []}))
        for pauta, conjuntos in conj_pauta.items():
            p = str(pauta).strip()
            if p in con_indice:            # tiene num_indice -> NO es always
                continue
            info = camp.get(p)
            if not info:                    # no esta en campanias -> no se cuenta
                continue
            se = str(info.get("sede") or "").upper()
            gr = L.grupo_programa_lead(info.get("cargo"))   # TEAC/TERC/SEMINARIOS
            ti = sum(imp.get(" ".join(str(c).split()).upper(), 0.0) for c in conjuntos)
            # Resultados: NO contar los conjuntos BRANDING/COPEAIRE.
            tr = sum(res.get(" ".join(str(c).split()).upper(), 0.0) for c in conjuntos
                     if " ".join(str(c).split()).upper() not in conj_brand)
            if ti == 0 and tr == 0:
                continue                    # sin gasto en el mes -> no aparece
            # filtros de arriba
            if sede not in ("TODOS", None) and se != str(sede).upper():
                continue
            if programa not in ("TODOS", None) and gr != str(programa).upper():
                continue
            nv = leads_nuevos.get(p, 0)
            na = leads_nuevos_asig.get(p, 0)
            mt = matriculas_pauta.get(p, 0)
            vv = venta_pauta.get(p, 0.0)
            g = grupos[se][gr]
            g["importe"] += ti
            g["resultados"] += tr
            g["nuevos"] += nv
            g["nuevos_asig"] += na
            g["matriculas"] += mt
            g["venta"] += vv
            g["pautas"].append({"pauta": p, "importe": round(ti, 2), "resultados": int(tr),
                                 "nuevos": nv, "nuevos_asig": na, "matriculas": mt,
                                 "venta": round(vv, 0)})

        # Armar filas: Sede -> subfilas por programa -> pautas (solo con gasto)
        filas = []
        for se in sorted(grupos.keys()):
            subs = []
            s_imp = s_res = 0.0; s_nv = s_na = s_mt = 0; s_vv = 0.0
            for gr in ("TEAC", "TERC", "SEMINARIOS"):
                if gr in grupos[se]:
                    d = grupos[se][gr]
                    pautas = sorted(d["pautas"], key=lambda x: -x["importe"])
                    subs.append({"programa": gr, "importe": round(d["importe"], 2),
                                 "resultados": int(d["resultados"]),
                                 "nuevos": d["nuevos"], "nuevos_asig": d["nuevos_asig"],
                                 "matriculas": d["matriculas"], "venta": round(d["venta"], 0),
                                 "pautas": pautas})
                    s_imp += d["importe"]; s_res += d["resultados"]
                    s_nv += d["nuevos"]; s_na += d["nuevos_asig"]; s_mt += d["matriculas"]; s_vv += d["venta"]
            filas.append({"sede": se, "importe": round(s_imp, 2), "resultados": int(s_res),
                          "nuevos": s_nv, "nuevos_asig": s_na, "matriculas": s_mt,
                          "venta": round(s_vv, 0), "subfilas": subs})
        tot_i = round(sum(f["importe"] for f in filas), 2)
        tot_r = int(sum(f["resultados"] for f in filas))
        tot_nv = sum(f["nuevos"] for f in filas)
        tot_na = sum(f["nuevos_asig"] for f in filas)
        tot_mt = sum(f["matriculas"] for f in filas)
        tot_vv = round(sum(f["venta"] for f in filas), 0)
        return {"filas": filas, "total": {"importe": tot_i, "resultados": tot_r,
                                          "nuevos": tot_nv, "nuevos_asig": tot_na,
                                          "matriculas": tot_mt, "venta": tot_vv}}

    return cache_get_or_set("matriz_always", (ano, mes, dia, sede, programa), _load)


def matriz_web_formulario(ano="TODOS", mes="TODOS", dia="TODOS", sede="TODOS", programa="TODOS"):
    """Matriz de leads con canal WEB_FORMULARIO (cartera_junta), agrupados Sede -> Programa.
    Valores: Leads Recibidos (todos), Leads Procesados (con asesor), Matriculas y
    Valor Venta (cruce por telefono, fch_matricula >= fecha_creada del lead)."""
    def _load():
        rows = _cartera_rows_cache()
        # 1) leads WEB_FORMULARIO cuya fila es el ORIGEN del telefono en TODA la cartera
        #    (es_origen=SI) y con fecha_creada en el periodo. Asi NO cuenta si el telefono
        #    ya vino antes por otro canal (igual criterio que las demas tablas).
        vistos = {}   # telefono -> {fecha, sede, prog, asesor}
        for r in rows:
            if str(r.get("canal") or "").strip().upper() != "WEB_FORMULARIO":
                continue
            if str(r.get("es_origen") or "").strip().upper() != "SI":
                continue                       # solo el origen real del telefono
            tel = str(r.get("telefono") or "").strip()
            if not tel:
                continue
            f = L._to_date(r.get("fecha_creada"))
            if not L._en_periodo(f, ano, mes, dia):
                continue
            # sede y programa YA vienen normalizados en cartera_junta. Reducir a 4 grupos.
            se = " ".join(str(r.get("sede") or "").upper().split()) or "SIN SEDE"
            pr = " ".join(str(r.get("programa") or "").upper().split())
            if pr == "TEAC":
                gr = "TEAC"
            elif pr == "TERC":
                gr = "TERC"
            elif pr in ("SEMINARIOS", "VRF", "CO2", "DIPLOMADO", "VENTILACIÓN", "VENTILACION"):
                gr = "SEMINARIOS"
            else:
                gr = "OTROS"
            vistos[tel] = {"fecha": f, "sede": se, "prog": gr,
                           "asesor": str(r.get("asesor") or "").strip()}

        # 2) matriculas por telefono (num_matricula, fecha, inv en soles)
        from collections import defaultdict
        mat_por_tel = defaultdict(list)
        for m in _matriculas_crudas():
            t1 = str(m.get("dsc_telefono_1") or "").strip()
            t2 = str(m.get("dsc_telefono_2") or "").strip()
            ph = t1 if t1 else t2
            if not ph:
                continue
            fm = L._to_date(m.get("fch_matricula"))
            try:
                inv = float(m.get("INV_NETA", 0) or 0)
            except (TypeError, ValueError):
                inv = 0.0
            if str(m.get("cod_moneda", "")).strip().upper() == "DOL":
                inv *= 3.34
            mat_por_tel[ph].append((str(m.get("num_matricula")), fm, inv))

        # 3) agrupar Sede -> Programa
        grupos = defaultdict(lambda: defaultdict(lambda: {"recibidos": 0, "procesados": 0,
                                                          "matriculas": 0, "venta": 0.0}))
        for tel, info in vistos.items():
            se = info["sede"]; gr = info["prog"]; f_lead = info["fecha"]
            if sede not in ("TODOS", None) and se != str(sede).upper():
                continue
            if programa not in ("TODOS", None) and gr != str(programa).upper():
                continue
            g = grupos[se][gr]
            g["recibidos"] += 1
            if info["asesor"]:
                g["procesados"] += 1
            for (nm, fm, inv) in mat_por_tel.get(tel, []):
                if fm and f_lead and fm >= f_lead:
                    g["matriculas"] += 1
                    g["venta"] += inv

        # 4) filas
        filas = []
        for se in sorted(grupos.keys()):
            subs = []
            s_rec = s_proc = s_mt = 0; s_vv = 0.0
            for gr in ("TEAC", "TERC", "SEMINARIOS", "OTROS"):
                if gr in grupos[se]:
                    d = grupos[se][gr]
                    subs.append({"programa": gr, "recibidos": d["recibidos"],
                                 "procesados": d["procesados"], "matriculas": d["matriculas"],
                                 "venta": round(d["venta"], 0)})
                    s_rec += d["recibidos"]; s_proc += d["procesados"]
                    s_mt += d["matriculas"]; s_vv += d["venta"]
            filas.append({"sede": se, "recibidos": s_rec, "procesados": s_proc,
                          "matriculas": s_mt, "venta": round(s_vv, 0), "subfilas": subs})
        tot = {"recibidos": sum(f["recibidos"] for f in filas),
               "procesados": sum(f["procesados"] for f in filas),
               "matriculas": sum(f["matriculas"] for f in filas),
               "venta": round(sum(f["venta"] for f in filas), 0)}
        return {"filas": filas, "total": tot}

    return cache_get_or_set("matriz_webform", (ano, mes, dia, sede, programa), _load)


def _asignacion_respuesta_crudos():
    return cache_get_or_set("asig_resp", ("GLOBAL",),
                            lambda: get_dm().traer_asignacion_respuesta())


def _leads_asignados_crudos():
    # UNIFICADO: usa la MISMA consulta/cache que el grafico (asignacion+respuesta+etiquetas),
    # asi la tarjeta, la matriz de asignados y el grafico nunca se desfasan.
    return _asignacion_respuesta_crudos()


def _actividad_asesores_crudos():
    return cache_get_or_set("act_asesores", ("GLOBAL",),
                            lambda: get_dm().traer_actividad_asesores())


def matriz_asignados(ano="TODOS", mes="TODOS", dia="TODOS"):
    """Matriz pivot: filas = asesor (user_name) con sus telefonos; columnas = dias del
    mes; valor = cantidad de telefonos asignados a ese asesor ese dia.
    Fecha = created_at del mensaje de asignacion (ya con -5h)."""
    def _load():
        import calendar
        from collections import defaultdict
        rows = _leads_asignados_crudos()
        # dias del mes filtrado (columnas)
        if mes not in ("TODOS", None) and ano not in ("TODOS", None):
            ndias = calendar.monthrange(int(ano), int(mes))[1]
            dias_cols = list(range(1, ndias + 1))
        else:
            dias_cols = list(range(1, 32))

        # asesores excluidos de esta matriz
        EXCLUIR = {"SIN ASESOR", "COPITO RIVERA"}
        # asesor -> dia -> [telefonos]
        por = defaultdict(lambda: defaultdict(list))
        for r in rows:
            f = L._to_date(r.get("created_at"))
            if not L._en_periodo(f, ano, mes, dia):
                continue
            ase = str(r.get("user_name") or "Sin Asesor").strip() or "Sin Asesor"
            if ase.upper() in EXCLUIR:
                continue
            tel = str(r.get("telefono") or "").strip()
            por[ase][f.day].append(tel)

        filas = []
        tot_por_dia = defaultdict(int)
        for ase in sorted(por.keys()):
            pordia = {d: len(por[ase].get(d, [])) for d in dias_cols}
            total = sum(pordia.values())
            # telefonos por dia (para expandir con +)
            tels_dia = {d: sorted(por[ase].get(d, [])) for d in dias_cols if por[ase].get(d)}
            for d, n in pordia.items():
                tot_por_dia[d] += n
            filas.append({"asesor": ase, "por_dia": pordia, "total": total, "tels_dia": tels_dia})
        filas.sort(key=lambda x: -x["total"])
        total_gral = sum(f["total"] for f in filas)
        return {"dias": dias_cols, "filas": filas,
                "total_por_dia": {d: tot_por_dia.get(d, 0) for d in dias_cols},
                "total": total_gral}
    return cache_get_or_set("matriz_asignados", (ano, mes, dia), _load)


def _plantillas_crudas():
    return cache_get_or_set("plantillas_raw", ("GLOBAL",),
                            lambda: get_dm().traer_plantillas())


def matriz_plantillas(ano="TODOS", mes="TODOS", dia="TODOS"):
    """Matriz de plantillas COBRADAS por plantilla. Columnas:
      ENVIADAS   = Mas_de_24h=SI, created_at_peru en el periodo filtrado
      RESPONDIDAS= de esas, con respuesta del contacto (siguiente_mensaje_1)
      ASIGNADAS  = de esas, con asesor Y respondida por el contacto
      MATRICULAS = matriculas de esos telefonos (fch_matricula >= envio mas antiguo). Sin filtro de mes.
      VENTA      = INV_NETA (DOL x3.34) de esas matriculas."""
    from datetime import timedelta, datetime
    from collections import defaultdict

    def _load():
        rows = _plantillas_crudas()
        UMBRAL = timedelta(hours=24)

        def _lleno(s):
            return s is not None and str(s).strip() != ""

        enviadas = defaultdict(int)
        respondidas = defaultdict(int)
        asignadas = defaultdict(int)
        prim_por_tel = {}   # telefono -> (fecha_envio, plantilla)  la cobrada mas antigua DEL PERIODO

        for r in rows:
            plantilla = r.get("plantilla")
            envio = r.get("created_at_peru")
            f = L._to_date(envio)
            # ENVIADAS/RESP/ASIG respetan el filtro de mes (por created_at_peru)
            if not L._en_periodo(f, ano, mes, dia):
                continue
            anterior = r.get("hora_anterior_contacto")
            sig = r.get("siguiente_mensaje_1")
            es_si = False
            if plantilla == "descuento_egresados_seminarios":
                es_si = True
            elif anterior is not None and (envio - anterior) > UMBRAL:
                es_si = True
            if not es_si:
                continue
            enviadas[plantilla] += 1
            if _lleno(sig):
                respondidas[plantilla] += 1
            if _lleno(r.get("user_name")) and _lleno(sig):
                asignadas[plantilla] += 1
            tel = str(r.get("telefono") or "").strip()
            if tel and envio is not None:
                if tel not in prim_por_tel or envio < prim_por_tel[tel][0]:
                    prim_por_tel[tel] = (envio, plantilla)

        # MATRICULAS + VENTA de los telefonos filtrados (sin filtro de mes en la matricula)
        mat_por_tel = defaultdict(list)
        for m in _matriculas_crudas():
            t1 = str(m.get("dsc_telefono_1") or "").strip()
            t2 = str(m.get("dsc_telefono_2") or "").strip()
            ph = t1 if t1 else t2
            if not ph:
                continue
            fm = m.get("fch_matricula")
            if isinstance(fm, datetime): fm = fm.date()
            try:
                inv = float(m.get("INV_NETA", 0) or 0)
            except (TypeError, ValueError):
                inv = 0.0
            if str(m.get("cod_moneda", "")).strip().upper() == "DOL":
                inv *= 3.34
            mat_por_tel[ph].append((str(m.get("num_matricula")), fm, inv))

        matriculas = defaultdict(int)
        venta = defaultdict(float)
        _vistas = set()
        for tel, (fenvio, plantilla) in prim_por_tel.items():
            fenvio_d = fenvio.date() if hasattr(fenvio, "date") else fenvio
            for (nm, fm, inv) in mat_por_tel.get(tel, []):
                if not fm or nm in _vistas:
                    continue
                if fm >= fenvio_d:
                    _vistas.add(nm)
                    matriculas[plantilla] += 1
                    venta[plantilla] += inv

        filas = []
        for p in sorted(enviadas.keys(), key=lambda x: -enviadas[x]):
            filas.append({"plantilla": p, "enviadas": enviadas[p],
                          "respondidas": respondidas.get(p, 0),
                          "asignadas": asignadas.get(p, 0),
                          "matriculas": matriculas.get(p, 0),
                          "venta": round(venta.get(p, 0.0), 0)})
        tot = {"enviadas": sum(enviadas.values()), "respondidas": sum(respondidas.values()),
               "asignadas": sum(asignadas.values()), "matriculas": sum(matriculas.values()),
               "venta": round(sum(venta.values()), 0)}
        return {"filas": filas, "total": tot}

    return cache_get_or_set("matriz_plantillas", (ano, mes, dia), _load)


def _norm_ni(x):
    """Normaliza num_indice a texto (quita el '.0' si viniera como float)."""
    s = str(x or "").strip()
    return s[:-2] if s.endswith(".0") else s


def _mat_por_indice():
    """{num_indice: [(telefono_resuelto, fecha_matricula), ...]} desde las matrículas.
    Teléfono resuelto = dsc_telefono_1 si existe; si no, dsc_telefono_2."""
    def _load():
        from collections import defaultdict
        out = defaultdict(list)
        for m in _matriculas_crudas():
            ni = _norm_ni(m.get("num_indice"))
            t1 = str(m.get("dsc_telefono_1") or "").strip()
            t2 = str(m.get("dsc_telefono_2") or "").strip()
            fm = L._to_date(m.get("fch_matricula"))
            out[ni].append((t1 if t1 else t2, fm))
        return out
    return cache_get_or_set("mat_por_indice", ("GLOBAL",), _load)


def _cartera_rows_cache():
    """Filas crudas de cartera_junta cacheadas (se bajan de Supabase UNA sola vez).
    Evita re-descargar las 86k filas en cada llamada/cambio de mes."""
    return cache_get_or_set("cartera_rows", ("GLOBAL",),
                            lambda: get_dm().traer_cartera_rows())


def _cartera_idx():
    """Devuelve {'all':..., 'asig':...}, cada uno {(sede,programa):{telefono:fecha_min}}.
    'all' = todos los teléfonos; 'asig' = solo los que tienen asesor (no vacío).
    Se baja la cartera UNA vez y queda cacheado."""
    def _load():
        from collections import defaultdict
        CANAL_PAUTA = {"COPITO", "PAUTA_WSP", "PAUTA_WSP_FACE"}
        CANAL_WEB = {"WEB_FORMULARIO", "WEB_WHATSAPP", "WHATSAPP WEB"}

        def _clase(canal):
            if canal in CANAL_PAUTA: return "PAUTA"
            if canal in CANAL_WEB:   return "WEB"
            return "OTROS"

        # PASO 1: DEDUP por (sede, prog, telefono) -> quedarse con la fila mas antigua.
        # Se guarda la fecha, si tiene asesor, y el CANAL de esa fila ganadora.
        # (Asi el canal de PAUTA/OTROS se decide DESPUES de deduplicar, como pide el usuario.)
        ganador = {}   # (sede, prog, tel) -> {"f":fecha, "asesor":bool, "canal":canal}
        tels = set()
        tels_canal = {}   # telefono -> canal de su fila ganadora GLOBAL (para matriculas)
        gan_global = {}   # telefono -> fecha ganadora global (para decidir canal de matriculas)
        origen = {}
        for r in _cartera_rows_cache():
            tel = str(r.get("telefono") or "").strip()
            if not tel:
                continue
            tels.add(tel)
            sede = " ".join(str(r.get("sede") or "").upper().split())
            prog = " ".join(str(r.get("programa") or "").upper().split())
            canal = " ".join(str(r.get("canal") or "").upper().split())
            f = L._to_date(r.get("fecha_creada"))
            if str(r.get("es_origen") or "").upper() == "SI" and f is not None:
                origen[tel] = f
            if f is None:
                continue
            con_asesor = bool(str(r.get("asesor") or "").strip())
            # ganador por sede+prog+tel (para la tabla)
            k = (sede, prog, tel)
            g = ganador.get(k)
            if g is None or f < g["f"]:
                ganador[k] = {"f": f, "asesor": con_asesor, "canal": canal}
            # ganador global por tel (para clasificar matriculas por canal)
            if tel not in gan_global or f < gan_global[tel]:
                gan_global[tel] = f
                tels_canal[tel] = canal

        # PASO 2: armar indices con la fila ganadora ya deduplicada
        idx_all = defaultdict(dict); idx_asig = defaultdict(dict)
        # por clase (PAUTA/WEB/OTROS): {clase: {"all":..,"asig":..}}
        CLASES = ("PAUTA", "WEB", "OTROS")
        idx_cl = {cl: {"all": defaultdict(dict), "asig": defaultdict(dict)} for cl in CLASES}
        tels_cl = {cl: set() for cl in CLASES}
        for (sede, prog, tel), g in ganador.items():
            f = g["f"]; cl = _clase(g["canal"])
            idx_all[(sede, prog)][tel] = f
            if g["asesor"]: idx_asig[(sede, prog)][tel] = f
            idx_cl[cl]["all"][(sede, prog)][tel] = f
            if g["asesor"]: idx_cl[cl]["asig"][(sede, prog)][tel] = f
        # telefonos por clase (segun ganador GLOBAL) para matriculas
        for tel, canal in tels_canal.items():
            tels_cl[_clase(canal)].add(tel)

        out = {"all": idx_all, "asig": idx_asig, "tels": tels, "origen": origen}
        for cl in CLASES:
            out[f"all_{cl.lower()}"] = idx_cl[cl]["all"]
            out[f"asig_{cl.lower()}"] = idx_cl[cl]["asig"]
            out[f"tels_{cl.lower()}"] = tels_cl[cl]
        return out
    return cache_get_or_set("cartera_idx", ("GLOBAL",), _load)


# ── Respuesta del dashboard de Leads (con filtros) ──────────────
def leads_dashboard(ano="TODOS", mes="TODOS", dia="TODOS", programa="TODOS", sede="TODOS"):
    def _load():
        leads = _leads_crudos()
        cursos = _cursos_crudos()
        mats = _matriculas_crudas()

        # Filtro por PROGRAMA (4 grupos: TEAC / TERC / SEMINARIOS / OTROS).
        # Recalcula toda la pantalla filtrando las listas base ANTES de calcular.
        #  - leads: grupo por 'cargo' del código de campaña
        #  - cursos y matrículas: grupo por dsc_programa
        if programa not in ("TODOS", None):
            g = str(programa).upper()
            leads = [l for l in leads if L.grupo_programa_lead(l.get("cargo")) == g]
            cursos = [c for c in cursos if L.grupo_programa_curso(c.get("dsc_programa")) == g]
            mats = [m for m in mats if L.grupo_programa_curso(m.get("dsc_programa")) == g]

        # Filtro por SEDE (recalcula toda la pantalla). Se filtran las listas base
        # ANTES de calcular, para no tocar las funciones de cálculo existentes.
        #  - leads: sede POR CÓDIGO de campaña (NO sede_act; coincide con conteo real)
        #  - cursos y matrículas: sede por clasificar_sede(dsc_programa)
        if sede not in ("TODOS", None):
            s = str(sede).upper()
            sede_cod = L.sede_por_codigo_map()
            leads = [l for l in leads
                     if sede_cod.get(str(l.get("codigo") or "").strip()) == s]
            cursos = [c for c in cursos if L.clasificar_sede(c.get("dsc_programa")) == s]
            mats = [m for m in mats if L.clasificar_sede(m.get("dsc_programa")) == s]

        kpis = L.kpis_leads(leads, cursos, mats, ano, mes, dia)
        tabla = L.tabla_estado_objecion(leads, ano, mes, dia)
        por_dia = L.matriculas_por_dia(mats, cursos, ano, mes, dia)
        leads_dia = L.leads_por_dia(leads, ano, mes, dia)
        pauta = L.tabla_pauta(leads, mats, ano, mes, dia,
                              _importe_por_pauta_periodo(ano, mes, dia),
                              _resultados_por_pauta_periodo(ano, mes, dia),
                              _campanias_sede_cargo(),
                              codigos_branding=_codigos_branding())
        ci = _cartera_idx()
        cartera_canal = {
            "PAUTA": {"all": ci.get("all_pauta"), "asig": ci.get("asig_pauta"), "tels": ci.get("tels_pauta")},
            "WEB":   {"all": ci.get("all_web"),   "asig": ci.get("asig_web"),   "tels": ci.get("tels_web")},
            "OTROS": {"all": ci.get("all_otros"), "asig": ci.get("asig_otros"), "tels": ci.get("tels_otros")},
        }
        matriz = L.matriz_cursos(cursos, leads, ano, mes, dia, _pauta_cruda(),
                                 _campanias_map(), ci.get("all"), ci.get("asig"),
                                 _mat_por_indice(), ci.get("tels"), ci.get("origen"),
                                 _importe_por_pauta(),
                                 _importe_por_pauta_periodo(ano, mes, dia),
                                 cartera_canal, _conjunto_pauta(), _pautas_de_indice(),
                                 _resultados_por_pauta())
        return {"kpis": kpis, "estado_objecion": tabla, "matriculas_por_dia": por_dia,
                "leads_por_dia": leads_dia, "tabla_pauta": pauta, "matriz_cursos": matriz}

    return cache_get_or_set("leads_dash", (ano, mes, dia, programa, sede), _load)


def _asesores():
    """{'map': {alias_norm: correcto}, 'lista': [los 8 vendedores]}."""
    return cache_get_or_set("asesores", ("GLOBAL",), lambda: get_dm().traer_asesores())


def _norm_asesor(nombre, mapa):
    """Normaliza un nombre de asesor a su 'correcto' via el diccionario."""
    k = " ".join(str(nombre or "").upper().split())
    return mapa.get(k)   # None si no es uno de los vendedores


def _norm_tel_pe(v):
    """Normaliza telefono igual que la cartera: quita simbolos y el '51' inicial
    de celulares peruanos (rango 51900000000-51999999999). Asi cruzan con cartera_junta."""
    s = str(v or "")
    for x in ("+51", "+", " ", "-", "(", ")"):
        s = s.replace(x, "")
    s = s.strip()
    if s.isdigit() and 51900000000 <= int(s) <= 51999999999:
        s = s[2:]
    return s


def tiempo_respuesta_dashboard(ano="TODOS", mes="TODOS", dia="TODOS"):
    """Tiempo de respuesta LABORAL (minutos) del asesor tras la asignacion.
    - Turno detectado por dia/asesor segun donde hay MAS actividad:
        tarde (13-18) -> Turno 1 (09-18, refrigerio 13-14 excluido).
        noche (18-22) -> Turno 2 (09-13 + 18-22, sin refrigerio).
        sabado: manana(09-13) o tarde(14-18), 4h, donde haya mas actividad.
        sin actividad ese dia -> no trabajo (se salta).
    - El tiempo cuenta SOLO minutos dentro del turno; si la asignacion cae fuera,
      el reloj arranca al inicio del siguiente bloque laboral (saltando dias sin
      actividad). Leads asignados en refrigerio (13-14) de turno1 se excluyen.
    - Serie dia a dia por FECHA DE ASIGNACION: promedio de minutos de los leads
      asignados ese dia (solo respondidos). Filtro ano/mes/dia por fecha asignacion.
    - No respondidos -> se marcan aparte, NO entran en el promedio."""
    from datetime import datetime, timedelta, time as _time
    def _load():
        from collections import defaultdict
        ase = _asesores(); amap = ase["map"]; lista = ase["lista"]

        # ── 1) Detectar turno por (asesor_norm, fecha) segun actividad ──
        #    Mapa user_id -> nombre normalizado (de asignacion_respuesta).
        uid2vend = {}
        for r in _asignacion_respuesta_crudos():
            uid = r.get("user_id")
            v = _norm_asesor(r.get("user_name"), amap)
            if uid is not None and v:
                uid2vend[uid] = v

        # Contar actividad por (vend, fecha, franja): tarde=13-18, noche=18-22,
        # sab_manana=9-13, sab_tarde=14-18.
        act = defaultdict(lambda: defaultdict(int))   # (vend,fecha) -> franja -> conteo
        for a in _actividad_asesores_crudos():
            uid = a.get("user_id"); ts = a.get("created_at")
            if uid not in uid2vend or not isinstance(ts, datetime):
                continue
            v = uid2vend[uid]; d = ts.date(); h = ts.hour + ts.minute / 60.0
            key = (v, d)
            if d.weekday() == 6:   # domingo: no trabaja
                continue
            if d.weekday() == 5:   # sabado
                if 9 <= h < 13:   act[key]["sab_manana"] += 1
                elif 14 <= h < 18: act[key]["sab_tarde"] += 1
            else:                  # lun-vie: 3 franjas
                if 9 <= h < 13:   act[key]["manana"] += 1
                elif 14 <= h < 18: act[key]["tarde"] += 1   # tarde = 14-18 (T1)
                elif 18 <= h < 22: act[key]["noche"] += 1   # noche = 18-22 (T2)

        def _turno_dia(v, d):
            """Devuelve lista de bloques [(h_ini,h_fin), ...] del turno de ese dia,
            o None si no trabajo. Reglas lun-vie:
              Turno 1 = actividad en manana (9-13) Y en tarde (14-18).
              Turno 2 = actividad en manana (9-13) Y en noche (18-22).
              Si cumple ambos, gana el que tenga mas actividad (tarde vs noche).
              Si no cumple ninguno completo -> None (no trabajo)."""
            if d.weekday() == 6:
                return None
            fr = act.get((v, d))
            if not fr:
                return None   # sin actividad -> no trabajo
            if d.weekday() == 5:   # sabado (4h) -> regla SIN cambios
                m = fr.get("sab_manana", 0); t = fr.get("sab_tarde", 0)
                if m == 0 and t == 0:
                    return None
                return [(9, 13)] if m >= t else [(14, 18)]
            # lun-vie: se exige la manana + (tarde o noche)
            man = fr.get("manana", 0); t = fr.get("tarde", 0); n = fr.get("noche", 0)
            cumple_t1 = man > 0 and t > 0
            cumple_t2 = man > 0 and n > 0
            if cumple_t1 and cumple_t2:
                return [(9, 13), (18, 22)] if n > t else [(9, 13), (14, 18)]
            if cumple_t2:
                return [(9, 13), (18, 22)]            # Turno 2
            if cumple_t1:
                return [(9, 13), (14, 18)]            # Turno 1
            return None                               # no cumple ningun turno completo

        def _dt(d, hh):
            return datetime(d.year, d.month, d.day) + timedelta(hours=hh)

        def _en_refrigerio_t1(v, ts):
            """True si ts cae 13-15 y ese dia el asesor es turno 1 (lun-vie).
            Estos leads NO se excluyen: cuentan como respondidos, pero su tiempo
            (diferencia directa T2-T1) se reduce 45 min si supera 45."""
            d = ts.date()
            if d.weekday() >= 5:
                return False
            bloques = _turno_dia(v, d)
            # Turno 1 = bloques [(9,13),(14,18)]  (contiene la tarde 14-18)
            es_t1 = bloques == [(9, 13), (14, 18)]
            h = ts.hour + ts.minute / 60.0
            return es_t1 and (13 <= h < 15)

        def _minutos_laborales(v, t1, t2):
            """Minutos de turno entre t1 (asignacion) y t2 (respuesta), saltando
            huecos y dias sin actividad. Devuelve None si no se puede (raro)."""
            if not isinstance(t1, datetime) or not isinstance(t2, datetime) or t2 <= t1:
                return 0
            total = 0.0
            cur = t1
            saltos = 0
            while cur < t2 and saltos < 60:   # tope 60 dias por seguridad
                d = cur.date()
                bloques = _turno_dia(v, d)
                if not bloques:
                    # dia sin trabajo -> saltar al dia siguiente 00:00
                    cur = _dt(d, 24); saltos += 1; continue
                avanzo = False
                for (hi, hf) in bloques:
                    ini = _dt(d, hi); fin = _dt(d, hf)
                    if t2 <= ini:      # la respuesta es antes de este bloque
                        break
                    if cur >= fin:     # ya paso este bloque
                        continue
                    a = max(cur, ini)
                    b = min(t2, fin)
                    if b > a:
                        total += (b - a).total_seconds() / 60.0
                    cur = fin          # avanzar al fin del bloque
                    avanzo = True
                    if cur >= t2:
                        break
                # pasar al dia siguiente
                if cur.date() == d:
                    cur = _dt(d, 24); saltos += 1
            return round(total)

        # ── 2) Por lead: minutos laborales, agrupado por FECHA DE ASIGNACION ──
        por_dia_sum = defaultdict(float)   # (vend,dia) -> suma minutos
        por_dia_cnt = defaultdict(int)     # (vend,dia) -> nº respondidos
        no_resp = defaultdict(int)         # (vend,dia) -> nº sin responder
        for r in _asignacion_respuesta_crudos():
            v = _norm_asesor(r.get("user_name"), amap)
            if not v:
                continue
            t1 = r.get("created_at")
            if not isinstance(t1, datetime):
                continue
            if not L._en_periodo(t1.date(), ano, mes, dia):
                continue   # filtro por fecha de asignacion
            t2 = r.get("respuesta_fecha")
            if not isinstance(t2, datetime):
                no_resp[(v, t1.day)] += 1        # no respondio
                continue
            if _en_refrigerio_t1(v, t1):
                # asignado 13-15 en turno1: tiempo = diferencia DIRECTA (T2-T1),
                # y si supera 45 min se le restan 45 (nunca negativo).
                dif = (t2 - t1).total_seconds() / 60.0
                mins = round(dif - 45) if dif > 45 else round(dif)
                if mins < 0:
                    mins = 0
            else:
                mins = _minutos_laborales(v, t1, t2)
            por_dia_sum[(v, t1.day)] += mins
            por_dia_cnt[(v, t1.day)] += 1

        # ── 2b) Igual pero agrupado por FECHA DE RESPUESTA (dia en que respondio).
        #        Solo leads respondidos. Filtro por fecha de respuesta (t2).
        #        Si el tiempo laboral supera 960 min (2 dias laborales) -> NO entra en
        #        el promedio; se cuenta aparte como "respuesta tardia".
        LIMITE_TARDIA = 960   # 2 dias laborales (8h/dia)
        pr_sum = defaultdict(float)   # (vend,dia_respuesta) -> suma minutos (validos)
        pr_cnt = defaultdict(int)     # (vend,dia_respuesta) -> nº validos (<=960)
        pr_tardia = defaultdict(int)  # (vend,dia_respuesta) -> nº tardios (>960)
        for r in _asignacion_respuesta_crudos():
            v = _norm_asesor(r.get("user_name"), amap)
            if not v:
                continue
            t1 = r.get("created_at"); t2 = r.get("respuesta_fecha")
            if not isinstance(t1, datetime) or not isinstance(t2, datetime):
                continue   # sin respuesta -> no entra en este grafico
            if not L._en_periodo(t2.date(), ano, mes, dia):
                continue   # filtro por FECHA DE RESPUESTA
            if _en_refrigerio_t1(v, t1):
                dif = (t2 - t1).total_seconds() / 60.0
                mins = round(dif - 45) if dif > 45 else round(dif)
                if mins < 0:
                    mins = 0
            else:
                mins = _minutos_laborales(v, t1, t2)
            if mins > LIMITE_TARDIA:
                pr_tardia[(v, t2.day)] += 1     # respuesta tardia -> fuera del promedio
                continue
            pr_sum[(v, t2.day)] += mins
            pr_cnt[(v, t2.day)] += 1

        # ── 3) Serie dia a dia (promedio min) por vendedor y total ──
        def _serie(vends):
            out = []
            for dnum in range(1, 32):
                s = sum(por_dia_sum.get((v, dnum), 0) for v in vends)
                c = sum(por_dia_cnt.get((v, dnum), 0) for v in vends)
                nr = sum(no_resp.get((v, dnum), 0) for v in vends)
                out.append({"dia": dnum,
                            "promedio_min": round(s / c) if c else 0,
                            "respondidos": c, "no_respondidos": nr})
            return out

        def _serie_resp(vends):
            out = []
            for dnum in range(1, 32):
                s = sum(pr_sum.get((v, dnum), 0) for v in vends)
                c = sum(pr_cnt.get((v, dnum), 0) for v in vends)
                td = sum(pr_tardia.get((v, dnum), 0) for v in vends)
                out.append({"dia": dnum,
                            "promedio_min": round(s / c) if c else 0,
                            "respondidos": c, "tardios": td})
            return out

        serie_por_vend = {v: _serie([v]) for v in lista}
        serie_total = _serie(lista)
        serie_resp_por_vend = {v: _serie_resp([v]) for v in lista}
        serie_resp_total = _serie_resp(lista)
        return {"serie_por_vend": serie_por_vend, "serie_total": serie_total,
                "serie_resp_por_vend": serie_resp_por_vend,
                "serie_resp_total": serie_resp_total,
                "vendedores": lista}
    return cache_get_or_set("tiempo_resp", (ano, mes, dia), _load)


def tiempo_respuesta_detalle(dia_click, modo="asignacion", vendedor="TODOS",
                             ano="TODOS", mes="TODOS"):
    """Detalle de los leads que forman el promedio de UN día del gráfico
    'Tiempo de Respuesta por Día'. Reproduce la MISMA lógica de turnos/minutos.
    modo: 'asignacion' (agrupa por día de created_at) o 'respuesta' (por respuesta_fecha).
    Devuelve, por asesor, la lista de leads con T1, T2 y minutos, y el promedio."""
    from datetime import datetime, timedelta
    def _load():
        from collections import defaultdict
        ase = _asesores(); amap = ase["map"]; lista = ase["lista"]

        uid2vend = {}
        for r in _asignacion_respuesta_crudos():
            uid = r.get("user_id"); v = _norm_asesor(r.get("user_name"), amap)
            if uid is not None and v:
                uid2vend[uid] = v

        act = defaultdict(lambda: defaultdict(int))
        for a in _actividad_asesores_crudos():
            uid = a.get("user_id"); ts = a.get("created_at")
            if uid not in uid2vend or not isinstance(ts, datetime):
                continue
            v = uid2vend[uid]; d = ts.date(); h = ts.hour + ts.minute / 60.0
            key = (v, d)
            if d.weekday() == 6:
                continue
            if d.weekday() == 5:
                if 9 <= h < 13:   act[key]["sab_manana"] += 1
                elif 14 <= h < 18: act[key]["sab_tarde"] += 1
            else:   # lun-vie: 3 franjas
                if 9 <= h < 13:   act[key]["manana"] += 1
                elif 14 <= h < 18: act[key]["tarde"] += 1
                elif 18 <= h < 22: act[key]["noche"] += 1

        def _turno_dia(v, d):
            # Turno 1 = manana(9-13) Y tarde(14-18). Turno 2 = manana(9-13) Y noche(18-22).
            if d.weekday() == 6: return None
            fr = act.get((v, d))
            if not fr: return None
            if d.weekday() == 5:
                m = fr.get("sab_manana", 0); t = fr.get("sab_tarde", 0)
                if m == 0 and t == 0: return None
                return [(9, 13)] if m >= t else [(14, 18)]
            man = fr.get("manana", 0); t = fr.get("tarde", 0); n = fr.get("noche", 0)
            cumple_t1 = man > 0 and t > 0
            cumple_t2 = man > 0 and n > 0
            if cumple_t1 and cumple_t2:
                return [(9, 13), (18, 22)] if n > t else [(9, 13), (14, 18)]
            if cumple_t2: return [(9, 13), (18, 22)]
            if cumple_t1: return [(9, 13), (14, 18)]
            return None

        def _dt(d, hh):
            return datetime(d.year, d.month, d.day) + timedelta(hours=hh)

        def _en_refrigerio_t1(v, ts):
            d = ts.date()
            if d.weekday() >= 5: return False
            es_t1 = _turno_dia(v, d) == [(9, 13), (14, 18)]
            h = ts.hour + ts.minute / 60.0
            return es_t1 and (13 <= h < 15)

        def _minutos_laborales(v, t1, t2):
            if not isinstance(t1, datetime) or not isinstance(t2, datetime) or t2 <= t1:
                return 0
            total = 0.0; cur = t1; saltos = 0
            while cur < t2 and saltos < 60:
                d = cur.date(); bloques = _turno_dia(v, d)
                if not bloques:
                    cur = _dt(d, 24); saltos += 1; continue
                for (hi, hf) in bloques:
                    ini = _dt(d, hi); fin = _dt(d, hf)
                    if t2 <= ini: break
                    if cur >= fin: continue
                    a = max(cur, ini); b = min(t2, fin)
                    if b > a: total += (b - a).total_seconds() / 60.0
                    cur = fin
                    if cur >= t2: break
                if cur.date() == d:
                    cur = _dt(d, 24); saltos += 1
            return round(total)

        LIMITE_TARDIA = 960
        d_click = int(dia_click)
        modo_l = str(modo).lower()
        es_resp = modo_l.startswith("resp")
        es_sin = modo_l.startswith("sin")     # sin_responder
        por_asesor = defaultdict(list)   # vend -> [ {t1,t2,mins} ]

        for r in _asignacion_respuesta_crudos():
            v = _norm_asesor(r.get("user_name"), amap)
            if not v: continue
            if vendedor not in ("TODOS", None, "") and v != vendedor:
                continue
            t1 = r.get("created_at"); t2 = r.get("respuesta_fecha")
            if not isinstance(t1, datetime): continue

            if es_sin:
                # SIN RESPONDER: agrupa por día de asignación, solo los que NO tienen T2.
                if not L._en_periodo(t1.date(), ano, mes, "TODOS"): continue
                if t1.day != d_click: continue
                if isinstance(t2, datetime): continue   # respondidos: fuera
                por_asesor[v].append({
                    "telefono": str(r.get("telefono") or "").strip(),
                    "t1": t1.strftime("%d/%m/%Y %H:%M"),
                    "t2": "— sin responder",
                    "minutos": "—",
                })
                continue

            if es_resp:
                # agrupar por fecha de respuesta; solo respondidos, <=960 min
                if not isinstance(t2, datetime): continue
                if not L._en_periodo(t2.date(), ano, mes, "TODOS"): continue
                if t2.day != d_click: continue
                if _en_refrigerio_t1(v, t1):
                    dif = (t2 - t1).total_seconds() / 60.0
                    mins = round(dif - 45) if dif > 45 else round(dif)
                    if mins < 0: mins = 0
                else:
                    mins = _minutos_laborales(v, t1, t2)
                if mins > LIMITE_TARDIA: continue    # tardío -> fuera del promedio
            else:
                # agrupar por fecha de asignación; solo respondidos entran al promedio
                if not L._en_periodo(t1.date(), ano, mes, "TODOS"): continue
                if t1.day != d_click: continue
                if not isinstance(t2, datetime): continue   # sin responder: no promedia
                if _en_refrigerio_t1(v, t1):
                    dif = (t2 - t1).total_seconds() / 60.0
                    mins = round(dif - 45) if dif > 45 else round(dif)
                    if mins < 0: mins = 0
                else:
                    mins = _minutos_laborales(v, t1, t2)

            por_asesor[v].append({
                "telefono": str(r.get("telefono") or "").strip(),
                "t1": t1.strftime("%d/%m/%Y %H:%M"),
                "t2": t2.strftime("%d/%m/%Y %H:%M"),
                "minutos": int(mins),
            })

        # Armar salida por asesor con su promedio; y total del día
        asesores = []
        tot_sum = 0; tot_cnt = 0
        for v in sorted(por_asesor.keys()):
            leads = sorted(por_asesor[v], key=lambda x: x["t1"])
            c = len(leads)
            # En "sin responder" no hay minutos -> promedio 0/oculto en el front.
            s = 0 if es_sin else sum(x["minutos"] for x in leads)
            tot_sum += s; tot_cnt += c
            asesores.append({"asesor": v, "leads": leads,
                             "cantidad": c, "promedio_min": 0 if es_sin else (round(s / c) if c else 0)})
        modo_out = "sin_responder" if es_sin else ("respuesta" if es_resp else "asignacion")
        return {"dia": d_click, "modo": modo_out,
                "asesores": asesores,
                "total": {"cantidad": tot_cnt, "promedio_min": 0 if es_sin else (round(tot_sum / tot_cnt) if tot_cnt else 0)}}
    return cache_get_or_set("tiempo_resp_det", (dia_click, modo, vendedor, ano, mes), _load)


def vendedores_dashboard(ano="TODOS", mes="TODOS", dia="TODOS"):
    """Por vendedor (los 8 de alias_normalizacion). Filtro Año/Mes/Día:
       - Cartera (total/copito/otros): filtra por fecha_creada de cartera_junta.
       - Matriculas: se cruzan por TELEFONO con los leads del mes (es_origen=SI,
         fecha_creada en el periodo); la matricula cuenta en CUALQUIER fecha.
       - Leads Procesados/Contactados: filtran por fecha del lead (mensaje campaña)."""
    def _load():
        from collections import defaultdict
        ase = _asesores()
        amap = ase["map"]; lista = ase["lista"]
        # 1) CARTERA por vendedor. Fila ORIGEN de cada telefono (es_origen=SI) cuya
        #    fecha_creada cae en el periodo filtrado. Cada telefono cuenta para UN solo asesor.
        #    Ademas guardamos {vendedor: set(telefonos del periodo)} para cruzar matriculas.
        #    COPITO/OTROS: se clasifica el telefono con SU FILA ORIGEN
        #    (Copito = origen_base=POSTGRE O canal en PAUTA_WSP/PAUTA_WSP_FACE/COPITO).
        cart_total = defaultdict(int); cart_copito = defaultdict(int); cart_otros = defaultdict(int)
        tels_por_vend = defaultdict(set)   # vendedor -> telefonos (es_origen=SI del periodo)
        cont_tels = defaultdict(set)       # vendedor -> telefonos ya contados (sin repetir)
        for r in _cartera_rows_cache():
            if str(r.get("es_origen") or "").strip().upper() != "SI":
                continue   # solo la fila origen de cada telefono
            f = L._to_date(r.get("fecha_creada"))
            if not L._en_periodo(f, ano, mes, dia):
                continue   # filtro por fecha_creada de la cartera
            v = _norm_asesor(r.get("asesor"), amap)
            if not v:      # el asesor del origen no es uno de los 8
                continue
            tel = str(r.get("telefono") or "").strip()
            if tel and tel in cont_tels[v]:
                continue   # ese telefono ya se conto para este vendedor
            canal = " ".join(str(r.get("canal") or "").upper().split())
            ob = " ".join(str(r.get("origen_base") or "").upper().split())
            cart_total[v] += 1
            if (ob == "POSTGRE") or (canal in _CANALES_COPITO):
                cart_copito[v] += 1
            else:
                cart_otros[v] += 1
            if tel:
                cont_tels[v].add(tel)
                tels_por_vend[v].add(tel)

        # 2) MATRICULAS por vendedor. Se CRUZAN por TELEFONO con los leads del periodo
        #    (tels_por_vend). La matricula cuenta en CUALQUIER fecha (no se filtra por
        #    fch_matricula). Telefono de matricula: dsc_telefono_1, o _2 si el 1 esta vacio.
        #    Un telefono puede tener varias matriculas -> se cuentan todas (no unico).
        #    MATRICULAS: por dsc_vendedor + fch_matricula en el periodo (NO se cruza
        #    con la cartera por telefono). Filtro Año/Mes/Día sobre fch_matricula.
        mat_total = defaultdict(int); mat_curso = defaultdict(int); mat_retir = defaultdict(int)
        for m in _matriculas_crudas():
            vend = _norm_asesor(m.get("dsc_vendedor"), amap)
            if not vend:
                continue
            estado = str(m.get("estado_matricula") or "").strip().upper()
            if estado == "ANU":
                continue   # anuladas no cuentan
            fm = L._to_date(m.get("fch_matricula"))
            if not L._en_periodo(fm, ano, mes, dia):
                continue   # filtro por fch_matricula
            mat_total[vend] += 1
            if estado in ("ALU", "PRE"):
                mat_curso[vend] += 1
            elif estado == "RET":
                mat_retir[vend] += 1

        # 3) LEADS Procesados/Contactados por vendedor (leads de Chatwoot). Filtro por
        #    fecha del lead (mensaje de campaña). Procesados = lead unico con asesor;
        #    Contactados = de esos, ultima_etiqueta != "NO TRABAJADO".
        lead_proc = defaultdict(int); lead_cont = defaultdict(int)
        etiq = defaultdict(int)   # clave: (vendedor, ultima_etiqueta) -> nº leads procesados
        for l in _leads_crudos():
            if not l.get("es_unico"):
                continue
            if not L._en_periodo(l.get("fecha"), ano, mes, dia):
                continue   # filtro por fecha del lead
            v = _norm_asesor(l.get("asesor"), amap)
            if not v:
                continue
            lead_proc[v] += 1                       # tiene asesor de los 8 => procesado
            ult = l.get("ultima") or "NO TRABAJADO"
            etiq[(v, ult)] += 1                      # para la matriz Estado/Objeción
            # NOTA: "Contactados" ya NO se cuenta aqui; ahora sale de los ASIGNADOS
            #       (bloque 3b), usando su ultima etiqueta.

        # 3b) LEADS ASIGNADOS por vendedor (mensajes "Asignado a..." de Chatwoot).
        #     Se cuenta por telefono (1 asignacion por telefono, la mas reciente).
        #     Filtro por fecha de asignacion (created_at). Asesor via user_name normalizado.
        #     CONTACTADOS = de los asignados, cuya ULTIMA ETIQUETA != "NO TRABAJADO".
        lead_asig = defaultdict(int)
        etiq_asig = defaultdict(int)   # (vendedor, ultima_etiqueta) -> nº asignados (para matriz)
        for a in _leads_asignados_crudos():
            f = L._to_date(a.get("created_at"))
            if not L._en_periodo(f, ano, mes, dia):
                continue   # filtro por fecha de asignacion
            v = _norm_asesor(a.get("user_name"), amap)
            if not v:
                continue   # el asesor asignado no es uno de los 8
            lead_asig[v] += 1
            ult = L.ultima_etiqueta(a.get("etiquetas")) or "NO TRABAJADO"
            etiq_asig[(v, ult)] += 1                    # para la matriz Estado/Objeción (asignados)
            if ult != "NO TRABAJADO":
                lead_cont[v] += 1   # contactado = asignado con ultima etiqueta trabajada

        # SERIE DIARIA: Leads Asignados (por fecha de asignacion) y Matriculas (por fch_matricula),
        # por vendedor y por dia del mes. clave: (vendedor, dia) -> conteo.
        serie_proc = defaultdict(int)   # (vendedor, dia) -> leads asignados
        serie_mat = defaultdict(int)    # (vendedor, dia) -> matriculas
        for a in _leads_asignados_crudos():
            f = L._to_date(a.get("created_at"))
            if not L._en_periodo(f, ano, mes, dia):
                continue
            v = _norm_asesor(a.get("user_name"), amap)
            if v and f:
                serie_proc[(v, f.day)] += 1
        for m in _matriculas_crudas():
            vend = _norm_asesor(m.get("dsc_vendedor"), amap)
            if not vend:
                continue
            estado = str(m.get("estado_matricula") or "").strip().upper()
            if estado == "ANU":
                continue
            fm = L._to_date(m.get("fch_matricula"))
            if fm and L._en_periodo(fm, ano, mes, dia):
                serie_mat[(vend, fm.day)] += 1

        def _serie(vendedores):
            """Lista 1..31 con asignados y matriculas del conjunto de vendedores."""
            out = []
            for d in range(1, 32):
                p = sum(serie_proc.get((v, d), 0) for v in vendedores)
                mm = sum(serie_mat.get((v, d), 0) for v in vendedores)
                out.append({"dia": d, "asignados": p, "matriculas": mm})
            return out

        serie_por_vend = {v: _serie([v]) for v in lista}
        serie_total = _serie(lista)

        # Matriz Estado/Objeción (Ultima_Etiqueta) por vendedor y total.
        # Ahora se basa en los LEADS ASIGNADOS (etiq_asig), no en los de campaña.
        etiquetas_all = sorted({e for (_, e) in etiq_asig.keys()}, key=lambda x: x.lower())

        def _matriz_etiq(vendedores):
            out = []
            for e in etiquetas_all:
                c = sum(etiq_asig.get((v, e), 0) for v in vendedores)
                if c > 0:
                    out.append({"estado": e, "cantidad": c})
            out.sort(key=lambda x: -x["cantidad"])   # mayor a menor por cantidad
            return out

        matriz_etiq_por_vend = {v: _matriz_etiq([v]) for v in lista}
        matriz_etiq_total = _matriz_etiq(lista)

        # 4) MATRIZ por TIPO DE PROGRAMA (TEAC/TERC/SEMINARIOS/OTROS).
        #    Filtro por fch_matricula (periodo) y dsc_vendedor. Total y Retiradas (RET).
        #    Se guarda por (vendedor, grupo) para poder filtrar por vendedor en el front.
        GRUPOS_PROG = ["TEAC", "TERC", "SEMINARIOS", "OTROS"]
        prog_tot = defaultdict(int); prog_ret = defaultdict(int)   # clave: (vendedor, grupo)
        for m in _matriculas_crudas():
            vend = _norm_asesor(m.get("dsc_vendedor"), amap)
            if not vend:
                continue
            estado = str(m.get("estado_matricula") or "").strip().upper()
            if estado == "ANU":
                continue
            fm = L._to_date(m.get("fch_matricula"))
            if not L._en_periodo(fm, ano, mes, dia):
                continue   # filtro por fch_matricula
            grupo = L.grupo_programa_curso(m.get("dsc_programa"))
            prog_tot[(vend, grupo)] += 1
            if estado == "RET":
                prog_ret[(vend, grupo)] += 1

        def _matriz_prog(vendedores):
            """Suma total/retiradas por grupo para el conjunto de vendedores dado."""
            out = []
            for g in GRUPOS_PROG:
                t = sum(prog_tot.get((v, g), 0) for v in vendedores)
                r = sum(prog_ret.get((v, g), 0) for v in vendedores)
                out.append({"programa": g, "total": t, "retiradas": r,
                            "pct_retiradas": round(r / t * 100, 1) if t else 0})
            return out

        # matriz por programa para CADA vendedor y para el TOTAL (todos)
        matriz_prog_por_vend = {v: _matriz_prog([v]) for v in lista}
        matriz_prog_total = _matriz_prog(lista)

        filas = []
        for v in lista:
            proc = lead_proc.get(v, 0); cont = lead_cont.get(v, 0)
            asig = lead_asig.get(v, 0)
            filas.append({
                "vendedor": v,
                "cartera_total": cart_total.get(v, 0),
                "cartera_copito": cart_copito.get(v, 0),
                "cartera_otros": cart_otros.get(v, 0),
                "mat_total": mat_total.get(v, 0),
                "mat_curso": mat_curso.get(v, 0),
                "mat_retiradas": mat_retir.get(v, 0),
                "pct_retiradas": round(mat_retir.get(v, 0) / mat_total.get(v, 0) * 100, 1)
                                 if mat_total.get(v, 0) else 0,
                "leads_procesados": proc,
                "leads_contactados": cont,
                # % Contactados = contactados / ASIGNADOS (ambos de la misma fuente)
                "pct_contactados": round(cont / asig * 100, 1) if asig else 0,
                "leads_asignados": asig,
            })
        tot = {"cartera_total": sum(f["cartera_total"] for f in filas),
               "cartera_copito": sum(f["cartera_copito"] for f in filas),
               "cartera_otros": sum(f["cartera_otros"] for f in filas),
               "mat_total": sum(f["mat_total"] for f in filas),
               "mat_curso": sum(f["mat_curso"] for f in filas),
               "mat_retiradas": sum(f["mat_retiradas"] for f in filas),
               "leads_procesados": sum(f["leads_procesados"] for f in filas),
               "leads_contactados": sum(f["leads_contactados"] for f in filas),
               "leads_asignados": sum(f["leads_asignados"] for f in filas)}
        tot["pct_retiradas"] = (round(tot["mat_retiradas"] / tot["mat_total"] * 100, 1)
                                if tot["mat_total"] else 0)
        tot["pct_contactados"] = (round(tot["leads_contactados"] / tot["leads_asignados"] * 100, 1)
                                  if tot["leads_asignados"] else 0)
        # Tiempo de respuesta laboral (min) dia a dia por asesor (por fecha asignacion)
        tr = tiempo_respuesta_dashboard(ano, mes, dia)
        return {"filas": filas, "total": tot, "vendedores": lista,
                "matriz_prog": matriz_prog_por_vend, "matriz_prog_total": matriz_prog_total,
                "matriz_etiq": matriz_etiq_por_vend, "matriz_etiq_total": matriz_etiq_total,
                "serie_dia": serie_por_vend, "serie_dia_total": serie_total,
                "tiempo_resp": tr.get("serie_por_vend", {}),
                "tiempo_resp_total": tr.get("serie_total", []),
                "tiempo_resp_r": tr.get("serie_resp_por_vend", {}),
                "tiempo_resp_r_total": tr.get("serie_resp_total", [])}
    return cache_get_or_set("vendedores_dash", (ano, mes, dia), _load)


def _conjunto_sede_prog():
    """{conjunto_UPPER: {sede, programa}} asignaciones manuales (tabla Supabase)."""
    return cache_get_or_set("conjunto_sede_prog", ("GLOBAL",),
                            lambda: get_dm().traer_conjunto_sede_programa())


# Programas cuyos RESULTADOS no deben sumar (son de otro tipo: alcance/marca).
_PROG_SIN_RESULTADO = {"BRANDING", "COPEAIRE"}


def _conjuntos_branding():
    """Set de CONJUNTOS (UPPER) asignados manualmente como BRANDING/COPEAIRE.
    Sus resultados NO deben contarse (su importe sí)."""
    def _load():
        asign = _conjunto_sede_prog()   # {conjunto_UPPER: {sede, programa}}
        return {k for k, v in asign.items()
                if str(v.get("programa") or "").strip().upper() in _PROG_SIN_RESULTADO}
    return cache_get_or_set("conjuntos_branding", ("GLOBAL",), _load)


def _codigos_branding():
    """Set de codigos(pauta) cuyos conjuntos estan asignados manualmente como
    BRANDING/COPEAIRE. Sirve para NO contar sus resultados en las tablas."""
    def _load():
        conj_pauta = _conjunto_pauta()          # {pauta: [conjuntos]}
        asign = _conjunto_sede_prog()           # {conjunto_UPPER: {sede, programa}}
        # conjuntos_branding (UPPER)
        conj_brand = {k for k, v in asign.items()
                      if str(v.get("programa") or "").strip().upper() in _PROG_SIN_RESULTADO}
        cods = set()
        for pauta, conjuntos in conj_pauta.items():
            for co in conjuntos:
                if " ".join(str(co).split()).upper() in conj_brand:
                    cods.add(str(pauta).strip())
                    break
        return cods
    return cache_get_or_set("codigos_branding", ("GLOBAL",), _load)


def conjuntos_sin_sede():
    """Lista los conjuntos del Meta CSV que NO estan ligados a ninguna sede
    (ni por pauta->campania, ni por asignacion manual). Para el apartado de
    asignacion. Sin filtro de mes. Incluye la sede/programa YA asignados (si tiene).
    Devuelve [{conjunto, importe, resultados, sede, programa}]."""
    def _load():
        SEDES = {"LIMA", "PIURA", "AREQUIPA", "TRUJILLO"}
        conj_pauta = _conjunto_pauta()
        camp = _campanias_sede_cargo()
        manual = _conjunto_sede_prog()
        # conjuntos que SÍ tienen sede via pauta -> campania
        con_sede = set()
        for pauta, conjuntos in conj_pauta.items():
            sp = camp.get(str(pauta).strip())
            sede = " ".join(str((sp or {}).get("sede") or "").upper().split())
            if sp and sede in SEDES:
                for co in conjuntos:
                    con_sede.add(" ".join(str(co).split()).upper())
        agg = {}
        for f in _meta_filas():
            co = " ".join(str(f.get("conjunto")).split())
            if not co:
                continue
            k = co.upper()
            if k in con_sede:
                continue   # ya tiene sede por campania -> no aparece aqui
            d = agg.setdefault(k, {"conjunto": co, "importe": 0.0, "resultados": 0,
                                   "sede": manual.get(k, {}).get("sede", ""),
                                   "programa": manual.get(k, {}).get("programa", "")})
            d["importe"] += float(f.get("importe") or 0.0)
            d["resultados"] += int(float(f.get("resultados") or 0.0))
        out = sorted(agg.values(), key=lambda x: -x["importe"])
        for d in out:
            d["importe"] = round(d["importe"], 2)
        return out
    return cache_get_or_set("conjuntos_sin_sede", ("GLOBAL",), _load)


def guardar_conjunto_sede(cambios):
    """Guarda asignaciones conjunto->sede/programa e invalida cachés dependientes."""
    r = get_dm().guardar_conjunto_sede_programa(cambios)
    for pref in ("conjunto_sede_prog", "conjuntos_sin_sede", "roas_dash"):
        cache_invalidate(prefix=pref)
    return r


def borrar_conjunto_sede(conjunto):
    """Borra la asignacion de un conjunto e invalida cachés dependientes."""
    r = get_dm().borrar_conjunto_sede_programa(conjunto)
    for pref in ("conjunto_sede_prog", "conjuntos_sin_sede", "roas_dash"):
        cache_invalidate(prefix=pref)
    return r


def roas_dashboard(ano="TODOS", mes="TODOS", dia="TODOS"):
    """Matriz ROAS por SEDE (LIMA, PIURA, AREQUIPA, TRUJILLO): Importe Gastado y
    Resultados del Google Sheet (Meta Ads), filtrado por Año/Mes (Inicio del informe).
    Cadena: conjunto -> pauta (conjunto_pauta) -> sede (campanias). Conjuntos sin
    pauta/sede se omiten por ahora."""
    def _load():
        SEDES = ["LIMA", "PIURA", "AREQUIPA", "TRUJILLO", "OTROS"]   # OTROS = 5ta fila (manual)
        CAMP_SEDES = {"LIMA", "PIURA", "AREQUIPA", "TRUJILLO"}       # sedes validas por campania
        conj_pauta = _conjunto_pauta()          # {pauta: [conjunto,...]}
        camp = _campanias_sede_cargo()          # {pauta: {sede, cargo}}

        PROGS_OK = {"TEAC", "TERC", "SEMINARIOS", "OTROS"}
        # Programas cuyos RESULTADOS NO deben sumar (son de otro tipo: alcance/marca).
        # Su importe SÍ suma; sus resultados se muestran solo en el detalle, y el
        # subtotal del programa aparece en 0 para no inflar los totales.
        PROG_SIN_RESULTADO = {"BRANDING", "COPEAIRE"}

        # conjunto (normalizado) -> (sede, programa) via su pauta -> campania
        conj_sede = {}      # conjunto -> sede
        conj_prog = {}      # conjunto -> programa (grupo)
        for pauta, conjuntos in conj_pauta.items():
            sp = camp.get(str(pauta).strip())
            if not sp:
                continue
            sede = " ".join(str(sp.get("sede") or "").upper().split())
            if sede not in CAMP_SEDES:
                continue
            prog = L.grupo_programa_lead(sp.get("cargo"))   # TEAC/TERC/SEMINARIOS
            for co in conjuntos:
                k = " ".join(str(co).split()).upper()
                conj_sede[k] = sede
                conj_prog[k] = prog

        # + asignaciones MANUALES (sede + programa). Prioridad sobre la campania.
        for k, v in _conjunto_sede_prog().items():
            sede = v.get("sede")
            if sede in SEDES:
                conj_sede[k] = sede
            prog = str(v.get("programa") or "").strip().upper()
            if prog:   # acepta CUALQUIER programa asignado manualmente (no solo los fijos)
                conj_prog[k] = prog

        # conjunto(UPPER) -> [pautas] (para cruzar con leads por codigo)
        pautas_de_conj = {}
        for pauta, conjuntos in conj_pauta.items():
            for co in conjuntos:
                k = " ".join(str(co).split()).upper()
                pautas_de_conj.setdefault(k, []).append(str(pauta).strip())
        # leads (recibidos/procesados del periodo) por codigo de pauta
        lxc = _leads_por_codigo_periodo(ano, mes, dia)

        # sumar importe y resultados por sede y por (sede, programa), filtrando por Año/Mes
        imp = {s: 0.0 for s in SEDES}
        res = {s: 0 for s in SEDES}
        imp_pg = {}   # (sede, prog) -> importe
        res_pg = {}   # (sede, prog) -> resultados
        # tels de leads por nivel (sets para no duplicar telefonos)
        rec_s = {s: set() for s in SEDES}; proc_s = {s: set() for s in SEDES}   # por sede
        rec_pg = {}; proc_pg = {}                                                # (sede,prog)
        # conjuntos por (sede, prog): nombre_conjunto -> {importe, resultados}
        conj_det = {}   # (sede, prog) -> { conjunto_original: {importe, resultados, rec, proc} }
        sin_filtro = (ano in ("TODOS", None) and mes in ("TODOS", None) and dia in ("TODOS", None))
        for f in _meta_filas():
            if not sin_filtro and not L._en_periodo(L._to_date(f.get("inicio")), ano, mes, dia):
                continue
            co = " ".join(str(f.get("conjunto")).split())
            k = co.upper()
            sede = conj_sede.get(k)
            if not sede:
                continue   # conjunto sin pauta/sede -> se omite
            i = float(f.get("importe") or 0.0)
            rr = int(float(f.get("resultados") or 0.0))
            prog = conj_prog.get(k, "SIN PROGRAMA")
            # BRANDING/COPEAIRE: su importe suma, pero sus resultados NO cuentan en
            # los totales (sede y general). Solo se ven en el detalle del conjunto.
            rr_sede = 0 if prog in PROG_SIN_RESULTADO else rr
            imp[sede] += i
            res[sede] += rr_sede
            imp_pg[(sede, prog)] = imp_pg.get((sede, prog), 0.0) + i
            res_pg[(sede, prog)] = res_pg.get((sede, prog), 0) + rr_sede
            dd = conj_det.setdefault((sede, prog), {})
            d = dd.setdefault(co, {"conjunto": co, "importe": 0.0, "resultados": 0,
                                   "rec": 0, "proc": 0})
            d["importe"] += i
            d["resultados"] += rr

        # ── Leads Recibidos/Procesados del mes por conjunto (via su pauta -> codigo).
        #    Se hace UNA vez por conjunto (no por fila del CSV). Los sets evitan
        #    duplicar telefonos al agregar por programa y por sede.
        for (sede, prog), dd in conj_det.items():
            for co, d in dd.items():
                k = co.upper()
                rec = set(); proc = set()
                for pa in pautas_de_conj.get(k, []):
                    lp = lxc.get(pa)
                    if lp:
                        rec |= lp["rec"]; proc |= lp["proc"]
                d["rec"] = len(rec); d["proc"] = len(proc)
                rec_pg.setdefault((sede, prog), set()).update(rec)
                proc_pg.setdefault((sede, prog), set()).update(proc)
                rec_s[sede].update(rec); proc_s[sede].update(proc)

        ORDEN_PROG = ["TEAC", "TERC", "SEMINARIOS", "OTROS", "SIN PROGRAMA"]

        def _conjuntos(sede, prog):
            """Lista de conjuntos de anuncio de un (sede, programa), ordenada por importe."""
            det = list(conj_det.get((sede, prog), {}).values())
            det.sort(key=lambda x: -x["importe"])
            for d in det:
                d["importe"] = round(d["importe"], 2)
            return det

        def _sub(sede):
            """Desglose por programa de una sede (solo los que tienen algo).
            Primero los fijos en su orden, luego CUALQUIER otro programa asignado
            (ej. BRANDING), y al final SIN PROGRAMA."""
            progs_de_sede = [p for (s, p) in imp_pg.keys() if s == sede]
            extras = sorted(set(progs_de_sede) - set(ORDEN_PROG))
            orden = [p for p in ORDEN_PROG if p != "SIN PROGRAMA"] + extras + ["SIN PROGRAMA"]
            out = []
            for p in orden:
                i = imp_pg.get((sede, p), 0.0); r = res_pg.get((sede, p), 0)
                if i or r:
                    out.append({"programa": p, "importe": round(i, 2), "resultados": r,
                                "rec": len(rec_pg.get((sede, p), set())),
                                "proc": len(proc_pg.get((sede, p), set())),
                                "conjuntos": _conjuntos(sede, p)})
            return out

        # Las 4 sedes reales siempre se muestran. OTROS solo si tiene algo (>0).
        filas = []
        for s in SEDES:
            if s == "OTROS" and imp[s] == 0 and res[s] == 0:
                continue
            filas.append({"sede": s, "importe": round(imp[s], 2), "resultados": res[s],
                          "rec": len(rec_s[s]), "proc": len(proc_s[s]),
                          "programas": _sub(s)})
        tot_rec = set(); tot_proc = set()
        for s in SEDES:
            tot_rec |= rec_s[s]; tot_proc |= proc_s[s]
        tot = {"importe": round(sum(imp.values()), 2), "resultados": sum(res.values()),
               "rec": len(tot_rec), "proc": len(tot_proc)}
        return {"filas": filas, "total": tot}
    return cache_get_or_set("roas_dash", (ano, mes, dia), _load)


_CURSOS_EXCLUIDOS = {"1121", "1154"}


def _curso_excluido(c, pmap):
    """Mismo criterio que 'Detalle por Curso': excluye cursos en la lista fija,
    o con contar=NO / estado=SUSPENDIDO en basebi."""
    ni = str(c.get("num_indice", "")).strip()
    if ni in _CURSOS_EXCLUIDOS:
        return True
    info = pmap.get(ni)
    if not info:
        return False
    return info.get("contar") == "NO" or info.get("estado") == "SUSPENDIDO"


def programa_opciones(ano="TODOS", mes="TODOS"):
    """Lista de programas (dsc_det_programa) cuyos cursos tienen fch_inicio en el
    periodo. Para el selector del apartado PROGRAMA. Ordenada por fch_inicio ASC."""
    def _load():
        from datetime import date
        pmap = _pauta_cruda()
        prog_fecha = {}   # nombre -> fecha_inicio mas temprana
        for c in _cursos_crudos():
            f = L._to_date(c.get("fch_inicio"))
            if not L._en_periodo(f, ano, mes, "TODOS"):
                continue
            if _curso_excluido(c, pmap):   # mismo filtro que 'Detalle por Curso'
                continue
            nom = str(c.get("dsc_det_programa") or c.get("dsc_programa") or "").strip()
            if not nom:
                continue
            if nom not in prog_fecha or (f and f < prog_fecha[nom]):
                prog_fecha[nom] = f or date.max
        # ordenar por fecha de inicio ascendente
        return [n for n, _ in sorted(prog_fecha.items(), key=lambda x: (x[1] or date.max, x[0]))]
    return cache_get_or_set("programa_opciones", (ano, mes), _load)


def programa_dashboard(ano="TODOS", mes="TODOS", programa="TODOS"):
    """Datos agregados de UN programa (dsc_det_programa) en el periodo:
    Cartera Total/Copito/Otros, Leads Recibidos/Procesados/Contactados y %.
    - Filtro por fch_inicio del curso para elegir los cursos del programa.
    - Cartera: teléfonos origen (es_origen=SI) cuya sede+programa (via pauta->
      campania) coincide con los cursos del programa, en el periodo.
    - Leads: por codigo de pauta de esos cursos (recibidos/procesados/contactados
      del periodo), sin duplicar telefonos."""
    def _load():
        prog_sel = str(programa or "").strip().upper()
        pmap = _pauta_cruda()
        # 1) cursos del programa (dsc_det_programa) en el periodo -> sus pautas.
        #    Aplica el MISMO filtro de exclusion que 'Detalle por Curso'.
        cods = set()
        cursos_prog = []   # [(fch_inicio, [pautas del curso])] para la cartera
        for c in _cursos_crudos():
            nom = str(c.get("dsc_det_programa") or c.get("dsc_programa") or "").strip().upper()
            if prog_sel != "TODOS" and nom != prog_sel:
                continue
            f = L._to_date(c.get("fch_inicio"))
            if not L._en_periodo(f, ano, mes, "TODOS"):
                continue
            if _curso_excluido(c, pmap):
                continue
            ni = _norm_ni(c.get("num_indice"))
            cds_curso = set()
            for p in _pautas_de_indice().get(ni, []):
                cds_curso.add(str(p).strip())
            info = _pauta_cruda().get(ni)
            if info and info.get("pauta"):
                cds_curso.add(str(info.get("pauta")).strip())
            cods |= cds_curso
            cursos_prog.append((f, list(cds_curso)))

        # 2) LEADS por esas pautas (recibidos/procesados/contactados TOTAL/historico,
        #    sin filtro de mes -> igual que la columna "L. Recibidos" de Detalle por Curso).
        lxc = _leads_por_codigo_periodo("TODOS", "TODOS", "TODOS")
        rec = set(); proc = set(); cont = set()
        for cd in cods:
            lp = lxc.get(cd)
            if lp:
                rec |= lp["rec"]; proc |= lp["proc"]; cont |= lp.get("cont", set())

        # 2b) MATRIZ ESTADO/OBJECION: por ultima etiqueta de los leads (procesados)
        #     de las pautas del programa. Telefonos unicos por etiqueta.
        from collections import defaultdict as _dd
        etiq_tels = _dd(set)
        etiq_ase_tels = _dd(lambda: _dd(set))   # estado -> asesor -> {telefonos}
        cods_set0 = set(cods)
        for l in _leads_crudos():
            if not l.get("es_unico") or not l.get("asesor"):
                continue
            if str(l.get("codigo", "-")).strip() not in cods_set0:
                continue
            tel = l.get("telefono")
            if not tel:
                continue
            ult = l.get("ultima") or "NO TRABAJADO"
            ase = l.get("asesor") or "SIN ASESOR"
            etiq_tels[ult].add(tel)
            etiq_ase_tels[ult][ase].add(tel)
        matriz_etiq = sorted(
            [{"estado": k, "cantidad": len(v),
              "asesores": sorted(
                  [{"asesor": a, "cantidad": len(t), "telefonos": sorted(t)}
                   for a, t in etiq_ase_tels[k].items()],
                  key=lambda x: -x["cantidad"])}
             for k, v in etiq_tels.items()],
            key=lambda x: -x["cantidad"])

        # 3) CARTERA TOTAL: MISMA logica que 'Detalle por Curso'. Por cada curso,
        #    telefonos con la sede+programa de sus pautas y fecha_creada <= fch_inicio.
        #    Union entre cursos del programa (sin duplicar telefono).
        #    COPITO/OTROS: se clasifica cada telefono por su FILA MAS ANTIGUA DENTRO
        #    de esta seleccion (Copito = origen_base=POSTGRE O canal en
        #    PAUTA_WSP/PAUTA_WSP_FACE/COPITO).
        cmap = _campanias_map()            # {codigo: (sede, programa)}
        # {(sede,prog): fch_corte maximo} de las pautas de los cursos del programa.
        sp_corte = {}
        for (fch, cds_curso) in cursos_prog:
            if not fch:
                continue
            for cd in cds_curso:
                sp = cmap.get(str(cd).upper())
                if not sp:
                    continue
                if sp not in sp_corte or fch > sp_corte[sp]:
                    sp_corte[sp] = fch
        # recorrer cartera cruda; fila mas antigua por telefono dentro de la
        # seleccion (sede+prog de una pauta + fecha_creada <= fch_inicio del curso).
        mejor = {}   # tel -> (fecha, es_copito)
        for r in _cartera_rows_cache():
            sede = " ".join(str(r.get("sede") or "").upper().split())
            prog = " ".join(str(r.get("programa") or "").upper().split())
            corte = sp_corte.get((sede, prog))
            if corte is None:
                continue
            f = L._to_date(r.get("fecha_creada"))
            if f is None or f > corte:
                continue
            tel = str(r.get("telefono") or "").strip()
            if not tel:
                continue
            if tel not in mejor or f < mejor[tel][0]:
                canal = " ".join(str(r.get("canal") or "").upper().split())
                ob = " ".join(str(r.get("origen_base") or "").upper().split())
                es_cop = (ob == "POSTGRE") or (canal in _CANALES_COPITO)
                mejor[tel] = (f, es_cop)
        cart_total = len(mejor)
        cart_cop = sum(1 for (f, ec) in mejor.values() if ec)
        cart_otros = cart_total - cart_cop

        # 4) IMPORTE (gasto Meta) y RESULTADOS totales de las pautas del programa.
        imp_map = _importe_por_pauta(); res_map = _resultados_por_pauta()
        importe = round(sum(float(imp_map.get(cd, 0.0)) for cd in cods), 2)
        resultados = int(sum(int(res_map.get(cd, 0)) for cd in cods))
        tiene_pauta = len(cods) > 0

        # 4b) V. VENTA INICIAL = suma de INV_NETA (en soles) de las matriculas del
        #     programa (dsc_promocion == programa). Igual que Rentabilidad: DOL -> soles
        #     con el imp_tc del comprobante (fallback 3.45 si viene 0/invalido).
        #     ROAS = venta_inicial (soles) / (importe pauta en soles = importe * 3.5).
        # cartera para clasificar matriculas (nuevo/antiguo/no iden)
        _ci = _cartera_idx()
        cart_origen = _ci.get("origen", {})   # tel -> fecha origen del lead
        cart_tels = _ci.get("tels", set())    # telefonos que estan en cartera
        venta_inicial = 0.0
        mat_por_fecha = {}   # date -> cantidad de matriculas (no ANU)
        mat_no_iden = 0; mat_nuevos = 0; mat_antiguos = 0
        dias_lista = []          # dias lead->matricula (promedio general)
        dias_nuevos = []         # dias de los <= 45
        dias_antiguos = []       # dias de los > 45
        for m in _matriculas_crudas():
            nomp = str(m.get("dsc_promocion") or m.get("dsc_programa") or "").strip().upper()
            if nomp != prog_sel:
                continue
            if str(m.get("estado_matricula") or "").strip().upper() == "ANU":
                continue
            try:
                inv = float(m.get("INV_NETA", 0.0) or 0.0)
            except Exception:
                inv = 0.0
            if str(m.get("cod_moneda") or "").strip().upper() == "DOL":
                try:
                    tc = float(m.get("imp_tc", 0) or 0)
                except Exception:
                    tc = 0
                if tc < 2:
                    tc = 3.45   # TC por defecto, igual que Rentabilidad
                inv *= tc
            venta_inicial += inv
            # serie de matriculas por dia (fch_matricula)
            fm = L._to_date(m.get("fch_matricula"))
            if fm:
                mat_por_fecha[fm] = mat_por_fecha.get(fm, 0) + 1
            # telefono de la matricula (tel_1 o tel_2)
            ph = str(m.get("dsc_telefono_1") or "").strip() or str(m.get("dsc_telefono_2") or "").strip()
            if not ph or ph not in cart_tels:
                mat_no_iden += 1
                continue
            forig = cart_origen.get(ph)
            if fm and forig:
                d = (fm - forig).days
                if 0 <= d <= 45:
                    mat_nuevos += 1
                    dias_nuevos.append(d)
                else:
                    mat_antiguos += 1
                    if d > 45:
                        dias_antiguos.append(d)
                if d >= 0:
                    dias_lista.append(d)   # promedio general: TODOS los que tienen origen
            else:
                mat_antiguos += 1
        venta_inicial = round(venta_inicial, 2)          # se muestra al 100%
        tiempo_mat_prom = round(sum(dias_lista) / len(dias_lista)) if dias_lista else 0
        prom_nuevos = round(sum(dias_nuevos) / len(dias_nuevos)) if dias_nuevos else 0
        prom_antiguos = round(sum(dias_antiguos) / len(dias_antiguos)) if dias_antiguos else 0
        importe_soles = round(importe * 3.5, 2)          # importe Meta (dolares) -> soles con 3.5
        # ROAS usa el 85% de la venta inicial (descuento estimado de retiros/mora)
        roas = round((venta_inicial * 0.85) / importe_soles, 2) if importe_soles else 0.0

        # 5) SERIE DIARIA (por fecha del lead) para el grafico: recibidos/procesados/
        #    contactados por FECHA COMPLETA (dd/mm/yyyy). NO filtra por mes: muestra
        #    TODO el historial del programa. Solo aparecen dias con al menos 1 lead.
        cods_set = set(cods)
        por_fecha = {}   # date -> {"rec":set,"proc":set,"cont":set}
        for l in _leads_crudos():
            if not l.get("es_unico"):
                continue
            if str(l.get("codigo", "-")).strip() not in cods_set:
                continue
            fx = l.get("fecha")
            if not fx:
                continue
            tel = l.get("telefono")
            if not tel:
                continue
            d = por_fecha.setdefault(fx, {"rec": set(), "proc": set(), "cont": set()})
            d["rec"].add(tel)
            if l.get("asesor"):
                d["proc"].add(tel)
                if (l.get("ultima") or "NO TRABAJADO") != "NO TRABAJADO":
                    d["cont"].add(tel)
        _MES_ES = ["", "Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio",
                   "Julio", "Agosto", "Setiembre", "Octubre", "Noviembre", "Diciembre"]
        serie = [{"fecha": f.strftime("%d/%m/%Y"),
                  "dia": f.day,
                  "mes": f"{_MES_ES[f.month]} {f.year}",
                  "recibidos": len(v["rec"]),
                  "procesados": len(v["proc"]),
                  "contactados": len(v["cont"])}
                 for f, v in sorted(por_fecha.items())]

        # 5b) LEADS SIN RESPONDER por dia: de los telefonos del programa (rec),
        #     los que estan asignados pero NO tienen respuesta del asesor.
        #     Se agrupa por dia de la FECHA DE ASIGNACION (created_at).
        from datetime import datetime as _dt
        sin_resp_dia = {}   # date -> set(tel)
        for a in _asignacion_respuesta_crudos():
            tel = str(a.get("telefono") or "").strip()
            if tel not in rec:            # solo leads de este programa
                continue
            t2 = a.get("respuesta_fecha")
            if isinstance(t2, _dt):
                continue                  # tiene respuesta -> no cuenta
            t1 = a.get("created_at")
            if not isinstance(t1, _dt):
                continue
            sin_resp_dia.setdefault(t1.date(), set()).add(tel)
        serie_sin_resp = [{"fecha": f.strftime("%d/%m/%Y"), "dia": f.day,
                           "mes": f"{_MES_ES[f.month]} {f.year}",
                           "cantidad": len(v)}
                          for f, v in sorted(sin_resp_dia.items()) if len(v) >= 1]

        # 5c) SERIE de MATRICULAS por dia (fch_matricula) del programa.
        serie_mat = [{"fecha": f.strftime("%d/%m/%Y"), "dia": f.day,
                      "mes": f"{_MES_ES[f.month]} {f.year}", "cantidad": n}
                     for f, n in sorted(mat_por_fecha.items()) if n >= 1]

        n_rec = len(rec); n_proc = len(proc); n_cont = len(cont)
        return {
            "programa": programa,
            "tiene_pauta": tiene_pauta,
            "serie": serie,
            "serie_sin_resp": serie_sin_resp,
            "serie_mat": serie_mat,
            "matriz_etiq": matriz_etiq,
            "importe": importe,
            "resultados": resultados,
            "cpl": round(importe / resultados, 2) if resultados else 0.0,   # CPL = importe / resultados
            "venta_inicial": venta_inicial,   # V. Venta Inicial (soles)
            "roas": roas,                     # Venta inicial / (importe * 3.5)
            "mat_no_iden": mat_no_iden,
            "mat_nuevos": mat_nuevos,
            "mat_antiguos": mat_antiguos,
            "tiempo_mat_prom": tiempo_mat_prom,   # dias promedio lead->matricula
            "prom_nuevos": prom_nuevos,           # dias prom de los <=45
            "prom_antiguos": prom_antiguos,       # dias prom de los >45
            "cartera_total": cart_total,
            "cartera_copito": cart_cop,
            "cartera_otros": cart_otros,
            "leads_recibidos": n_rec,
            "leads_procesados": n_proc,
            "pct_procesados": round(n_proc / n_rec * 100, 1) if n_rec else 0.0,
            "leads_contactados": n_cont,
            "pct_contactados": round(n_cont / n_proc * 100, 1) if n_proc else 0.0,
        }
    return cache_get_or_set("programa_dash", (ano, mes, programa), _load)


def otros_general(ano="TODOS", mes="TODOS", dia="TODOS"):
    """Solo las 4 matrices de la pagina 'Otros General' (sin KPIs/graficos/tabla_pauta).
    Mas liviano que leads_dashboard -> filtrar por mes es mas rapido."""
    def _load():
        return {
            "matriz_always": matriz_always(ano, mes, dia, "TODOS", "TODOS"),
            "matriz_webform": matriz_web_formulario(ano, mes, dia, "TODOS", "TODOS"),
            "matriz_asignados": matriz_asignados(ano, mes, dia),
            "matriz_plantillas": matriz_plantillas(ano, mes, dia),
        }
    return cache_get_or_set("otros_general", (ano, mes, dia), _load)


def conjuntos_sin_pauta():
    """Lista de conjuntos de anuncios sin pauta (para el desplegable del pop-up)."""
    return get_dm().traer_conjuntos_sin_pauta()


def _pautas_de_curso_ni(ni):
    """Pautas (codigos) de un num_indice = pauta de basebi + programa_pautas."""
    cds = set()
    for p in _pautas_de_indice().get(ni, []):
        cds.add(str(p).strip())
    info = _pauta_cruda().get(ni)
    if info and info.get("pauta"):
        cds.add(str(info.get("pauta")).strip())
    return cds


def alertas_dashboard():
    """ALERTAS: cursos que inician en los proximos 30 dias (con pauta, importe>0).
    Estado (CRITICO/ADVERTENCIA/BUEN RUMBO) segun MATRICULAS vs meta ESPERADA por
    dias que faltan. CPL alto / pocos leads son SENALES (no cambian el estado).
    Pares = cursos mismo sede+programa con importe>0 (info real desde ~diciembre)."""
    def _load():
        import datetime as _dt
        from collections import defaultdict as _dd
        HOY = _dt.date.today()
        LIM = HOY + _dt.timedelta(days=30)

        imp_map = _importe_por_pauta()
        res_map = _resultados_por_pauta()
        lxc = _leads_por_codigo_periodo("TODOS", "TODOS", "TODOS")
        mat_idx = _mat_por_indice()
        pmap = _pauta_cruda()

        # telefono -> set(num_indice donde se matriculo) para el analisis "este vs otros"
        tel_mats = _dd(set)
        for ni_m, filas in mat_idx.items():
            for (tel, _f) in filas:
                if tel:
                    tel_mats[str(tel).strip()].add(ni_m)

        def datos(c):
            ni = _norm_ni(c.get("num_indice"))
            cds = _pautas_de_curso_ni(ni)
            importe = round(sum(float(imp_map.get(cd, 0.0)) for cd in cds), 2)
            resultados = int(sum(int(res_map.get(cd, 0)) for cd in cds))
            rec = set(); proc = set()
            for cd in cds:
                lp = lxc.get(cd)
                if lp:
                    rec |= lp["rec"]; proc |= lp["proc"]
            nom = str(c.get("dsc_det_programa") or c.get("dsc_programa") or "").strip()
            info = pmap.get(ni) or {}
            susp = (str(c.get("cod_estado", "")).strip().upper() == "SUS"
                    or info.get("estado") == "SUSPENDIDO")
            return {"ni": ni, "nom": nom,
                    "sede": clasificar_sede_meta(nom), "prog": clasificar_prog_meta(nom),
                    "fch": L._to_date(c.get("fch_inicio")),
                    "importe": importe, "resultados": resultados,
                    "rec": rec, "proc": proc, "suspendido": susp,
                    "mats": len(mat_idx.get(ni, [])), "meta": meta_de_curso(nom)}

        cursos = []
        susp_ini = []   # cursos SUSPENDIDOS que ya iniciaron (se muestran marcados)
        for c in _cursos_crudos():
            if _curso_excluido(c, pmap):   # MISMO filtro que 'Detalle por Curso'
                # Los suspendidos SÍ se listan en "Ya iniciados" (con etiqueta),
                # pero NO entran en cursos/pares/próximos (no afectan promedios).
                d = datos(c)
                if d["fch"] and d["suspendido"]:
                    susp_ini.append(d)
                continue
            d = datos(c)
            if d["fch"]:
                cursos.append(d)

        # pares por (sede,prog) SOLO con importe>0
        pares = _dd(list)
        for d in cursos:
            if d["importe"] > 0:
                pares[(d["sede"], d["prog"])].append(d)

        proximos = [d for d in cursos if HOY <= d["fch"] <= LIM and d["importe"] > 0]
        proximos.sort(key=lambda x: x["fch"])

        # Programas que YA INICIARON: desde ayer hasta hace 30 días (con importe>0).
        INI_MIN = HOY - _dt.timedelta(days=30)
        INI_MAX = HOY - _dt.timedelta(days=1)
        iniciados_src = [d for d in cursos if INI_MIN <= d["fch"] <= INI_MAX and d["importe"] > 0]
        # Suspendidos que ya iniciaron en el rango (se muestran marcados, sin exigir importe).
        iniciados_src += [d for d in susp_ini if INI_MIN <= d["fch"] <= INI_MAX]
        iniciados_src.sort(key=lambda x: x["fch"], reverse=True)  # más recientes primero

        def _armar_item(d, ya_inicio=False):
            grp = [p for p in pares.get((d["sede"], d["prog"]), []) if p["ni"] != d["ni"]]
            sum_imp = sum(p["importe"] for p in grp)
            sum_res = sum(p["resultados"] for p in grp)
            cpl_prom = round(sum_imp / sum_res, 2) if sum_res > 0 else 0.0
            imp_prom = round(sum_imp / len(grp), 2) if grp else 0.0   # importe prom por curso par
            res_prom = round(sum_res / len(grp), 0) if grp else 0.0    # resultados prom por curso par
            leads_prom = round(sum(len(p["rec"]) for p in grp) / len(grp), 1) if grp else 0.0
            proc_prom = round(sum(len(p["proc"]) for p in grp) / len(grp), 0) if grp else 0.0
            leads = len(d["rec"]); proc = len(d["proc"])
            cpl = round(d["importe"] / d["resultados"], 2) if d["resultados"] > 0 else 0.0
            dias = (d["fch"] - HOY).days
            dias_desde = (HOY - d["fch"]).days   # días transcurridos desde el inicio (>=1)

            # meta esperada por dias que faltan (si ya inició, se espera el 100%)
            if ya_inicio:
                pct_esp = 1.0
            else:
                pct_esp = 0.30 if dias > 20 else (0.60 if dias >= 8 else 0.85)
            esperado = round(d["meta"] * pct_esp)
            avance = (d["mats"] / esperado) if esperado > 0 else 1.0
            if d["meta"] > 0 and d["mats"] >= d["meta"]:
                nivel = "ok"
            elif avance >= 1.0:
                nivel = "ok"
            elif avance >= 0.60:
                nivel = "advertencia"
            else:
                nivel = "critico"

            # senales CPL/leads (rojo)
            cpl_rojo = cpl_prom > 0 and cpl > 0 and (cpl - cpl_prom) / cpl_prom > 0.75
            leads_rojo = leads_prom > 0 and (leads - leads_prom) / leads_prom < -0.50

            # conversion Meta -> base y atencion
            conv = round(leads / d["resultados"] * 100, 1) if d["resultados"] > 0 else 0.0
            aten = round(proc / leads * 100, 0) if leads > 0 else 0.0

            # matriculados de ESTE curso vs OTROS (cruce por telefono de los recibidos)
            este = otros = 0
            for tel in d["rec"]:
                ms = tel_mats.get(tel)
                if not ms:
                    continue
                if d["ni"] in ms:
                    este += 1
                else:
                    otros += 1

            def est_cpl():
                if cpl_prom <= 0 or cpl <= 0: return "verde"
                dif = (cpl - cpl_prom) / cpl_prom
                return "rojo" if dif > 0.75 else ("amarillo" if dif > 0.25 else "verde")

            def est_leads():
                if leads_prom <= 0: return "verde"
                dif = (leads - leads_prom) / leads_prom
                return "rojo" if dif < -0.50 else ("amarillo" if dif < -0.20 else "verde")

            est_mat = {"ok": "verde", "advertencia": "amarillo", "critico": "rojo"}[nivel]

            def est_vs(actual, prom):
                # Mas es mejor: verde >=prom, naranja 50-99% del prom, rojo <50%.
                if prom <= 0: return "verde"
                r = actual / prom
                return "verde" if r >= 1.0 else ("amarillo" if r >= 0.50 else "rojo")

            def est_gasto(actual, prom):
                # Importe: menos es mejor. verde <=100%, naranja 101-150%, rojo >150%.
                if prom <= 0: return "verde"
                r = actual / prom
                return "verde" if r <= 1.0 else ("amarillo" if r <= 1.5 else "rojo")

            metricas = [
                {"l": "Importe", "v": f"$ {d['importe']:.2f}", "sub": f"prom $ {imp_prom:.2f}", "est": est_gasto(d['importe'], imp_prom)},
                {"l": "CPL", "v": f"$ {cpl:.2f}", "sub": f"prom $ {cpl_prom:.2f}", "est": est_cpl()},
                {"l": "Resultados", "v": f"{d['resultados']}", "sub": f"prom {res_prom:.0f}",
                 "est": est_vs(d['resultados'], res_prom)},
                {"l": "Leads recibidos", "v": f"{leads}", "sub": f"prom {leads_prom:.0f}", "est": est_leads()},
                {"l": "Leads procesados", "v": f"{proc}", "sub": f"prom {proc_prom:.0f}",
                 "est": est_vs(proc, proc_prom)},
                {"l": "Matrículas", "v": f"{d['mats']} / {d['meta']}",
                 "sub": (f"cerró con {d['mats']} de {d['meta']}" if ya_inicio else f"esperado ~{esperado} a {dias}d"),
                 "est": est_mat},
            ]

            # analisis narrado: cada punto lleva su estado (verde/amarillo/rojo)
            # para agruparlo luego en Óptimo / En observación / Crítico.
            puntos = []   # lista de {"txt":..., "est":...}

            # Matriculas
            if ya_inicio:
                puntos.append({"est": est_mat,
                    "txt": f"El curso inició hace {dias_desde} días y cerró con {d['mats']} de {d['meta']} matrículas."})
            else:
                puntos.append({"est": est_mat,
                    "txt": f"Faltan {dias} días para el inicio y lleva {d['mats']} de {d['meta']} matrículas "
                           f"(se esperaría ~{esperado} a esta altura)."})
            # CPL
            if cpl_prom > 0:
                if cpl > cpl_prom:
                    puntos.append({"est": est_cpl(),
                        "txt": f"El CPL es $ {cpl:.2f} siendo el promedio $ {cpl_prom:.2f}: está costando más "
                               f"conseguir cada resultado que en cursos similares — la pauta se encareció."})
                else:
                    puntos.append({"est": est_cpl(),
                        "txt": f"El CPL es $ {cpl:.2f}, por debajo del promedio $ {cpl_prom:.2f} — la pauta rinde bien."})
            # Importe (punto propio)
            if imp_prom > 0:
                pct_imp = d["importe"] / imp_prom * 100
                puntos.append({"est": est_gasto(d["importe"], imp_prom),
                    "txt": f"Llevas invertido $ {d['importe']:.2f} de un promedio de $ {imp_prom:.2f} por curso similar "
                           f"({pct_imp:.0f}% del gasto habitual)."})
            # Resultados (punto propio)
            if res_prom > 0:
                pct_res = d["resultados"] / res_prom * 100
                puntos.append({"est": est_vs(d["resultados"], res_prom),
                    "txt": f"Tienes {d['resultados']} resultados de un promedio de {res_prom:.0f} ({pct_res:.0f}%)."
                           + (" Aún no alcanzas el promedio de resultados, tienes margen para invertir más."
                              if pct_res < 100 else " Ya superaste el promedio de resultados.")})
            # Recibidos vs promedio
            if leads_prom > 0:
                dif_pct = (leads - leads_prom) / leads_prom * 100
                p = f"Tenemos {leads} leads recibidos; antes recibíamos en promedio {leads_prom:.0f}."
                if leads < leads_prom:
                    p += (f" Es {abs(dif_pct):.0f}% menos de lo habitual: está entrando poca gente a la base, "
                          "hay que reforzar la captación (pauta/anuncio).")
                else:
                    p += " Estamos por encima del promedio de captación."
                puntos.append({"est": est_leads(), "txt": p})
            # Procesados vs promedio
            if proc_prom > 0:
                p = f"De esos, {proc} pasaron a un asesor (procesados); antes en promedio {proc_prom:.0f}."
                if proc < proc_prom:
                    dp = (proc - proc_prom) / proc_prom * 100
                    p += (f" Es {abs(dp):.0f}% menos: llegan menos interesados a la etapa de asesor, "
                          "consecuencia de los pocos recibidos.")
                else:
                    p += " Buen paso a asesor frente al promedio."
                puntos.append({"est": est_vs(proc, proc_prom), "txt": p})

            # (el cruce por telefono se muestra aparte, ver "cruce" abajo)

            # Aviso por baja conversion: muchos resultados de Meta pero pocos llegan
            # al WhatsApp/base (conv < 30%). Indica fuga entre el anuncio y el chat.
            conv_baja = ""
            if d["resultados"] >= 20 and conv < 30:
                conv_baja = (f"Atención: de {d['resultados']} resultados solo {leads} llegaron a nuestra base "
                             f"({conv:.0f}%). Se está perdiendo mucha conversión entre resultados y recibidos: "
                             f"de muchos resultados, pocos llegan a nuestra base de datos. Si bien vamos bien en "
                             f"CPL e importe, tenemos pocas adiciones a nuestra base. ")

            # recomendacion
            if ya_inicio:
                # Curso ya iniciado: la lectura es de cierre/aprendizaje, no de acción urgente.
                if nivel == "critico":
                    reco = (f"El curso cerró con {d['mats']} de {d['meta']} matrículas, por debajo de la meta. "
                            + conv_baja
                            + ("El CPL quedó alto: revisar el anuncio para próximos cursos similares. " if cpl_rojo else "")
                            + ("Entró poca gente a la base: reforzar captación en el siguiente. " if leads_rojo else "")
                            + "Usar este resultado para ajustar la pauta del próximo inicio.")
                elif nivel == "advertencia":
                    reco = (conv_baja + "Cerró cerca de la meta; hay margen de mejora en captación para el próximo curso.")
                else:
                    reco = (conv_baja + "Cerró en buen nivel de matrículas.") if conv_baja else "Cerró en buen nivel de matrículas."
            elif nivel == "critico":
                reco = (f"Con {d['mats']} matrículas y {dias} días para el inicio va por debajo del ritmo esperado. "
                        + conv_baja
                        + ("Revisar la segmentación/mensaje del anuncio o aumentar inversión. " if leads_rojo else "")
                        + ("El CPL está alto, revisar el anuncio. " if cpl_rojo else "")
                        + "Priorizar la captación y el seguimiento de los leads pendientes.")
            elif nivel == "advertencia":
                reco = (conv_baja
                        + "Va encaminado pero necesita un empujón: reforzar seguimiento de leads y vigilar el CPL.")
            else:
                reco = (conv_baja + "Sin acciones urgentes, va a buen ritmo.") if conv_baja else "Sin acciones urgentes, va a buen ritmo."

            señal = ""
            if cpl_rojo: señal += "CPL alto"
            if leads_rojo: señal = (señal + " · " if señal else "") + "pocos leads"

            # Agrupa los PUNTOS de analisis segun su estado (verde/amarillo/rojo).
            g_opt = [x["txt"] for x in puntos if x["est"] == "verde"]
            g_med = [x["txt"] for x in puntos if x["est"] == "amarillo"]
            g_mal = [x["txt"] for x in puntos if x["est"] == "rojo"]
            grupos = [
                {"titulo": "Óptimo", "color": "verde", "items": g_opt},
                {"titulo": "En observación", "color": "amarillo", "items": g_med},
                {"titulo": "Crítico", "color": "rojo", "items": g_mal},
            ]
            # Cruce por telefono, separado del resto.
            cruce = f"{este} se matricularon a ESTE curso" + (f" y {otros} en OTROS programas." if otros else ".")

            return {
                "id": d["ni"], "curso": d["nom"], "dias_inicio": dias, "dias_desde": dias_desde,
                "ya_inicio": ya_inicio, "suspendido": bool(d.get("suspendido")), "nivel": nivel,
                "sede": d["sede"], "programa": d["prog"],
                "resumen": señal or ("Cerca de la meta" if nivel != "critico" else "Requiere atención"),
                "metricas": metricas, "puntos": puntos, "reco": reco,
                "grupos": grupos, "cruce": cruce,
            }

        items = [_armar_item(d, ya_inicio=False) for d in proximos]
        iniciados = [_armar_item(d, ya_inicio=True) for d in iniciados_src]

        return {"items": items, "iniciados": iniciados}
    # NO cachear si sale vacio por data aun no lista (evita quedar pegado en []).
    # Si hay cursos cargados y aun asi no hay proximos, se cachea normal.
    res = cache_get_or_set("alertas_dash", ("GLOBAL",), _load)
    if not res.get("items") and _cursos_crudos():
        from cache_manager import cache_invalidate
        cache_invalidate("alertas_dash")
        res = _load()
    return res


def programas_ocultos():
    """Programas con contar=NO en basebi_programacion (ocultos de la matriz).
    Cada item: {num_indice, dsc_det_programa, fch_inicio, pauta}."""
    pm = _pauta_cruda()
    ocultos_ni = {ni for ni, info in pm.items() if str(info.get("contar") or "").upper() == "NO"}
    prog_de_ni = {}
    fch_de_ni = {}
    for c in _cursos_crudos():
        ni = _norm_ni(c.get("num_indice"))
        prog_de_ni[ni] = str(c.get("dsc_det_programa") or c.get("dsc_programa") or "").strip()
        f = L._to_date(c.get("fch_inicio"))
        fch_de_ni[ni] = f.strftime("%d/%m/%Y") if f else ""
    filas = []
    for ni in ocultos_ni:
        filas.append({"num_indice": ni,
                      "dsc_det_programa": prog_de_ni.get(ni, "(sin nombre)"),
                      "fch_inicio": fch_de_ni.get(ni, ""),
                      "pauta": (pm.get(ni) or {}).get("pauta") or ""})
    filas.sort(key=lambda x: x["dsc_det_programa"])
    return {"filas": filas}


def encender_programas(num_indices):
    """Pone contar=SI a los num_indice dados en basebi_programacion (los reactiva)."""
    from cache_manager import cache_invalidate
    dm = get_dm()
    for ni in num_indices:
        dm.guardar_pauta_basebi(ni, "", "SI")   # pauta vacia -> no toca pauta, solo contar
    for pref in ("pauta_raw", "leads_dash", "otros_general", "leads_filtros"):
        cache_invalidate(pref)
    return {"encendidos": len(num_indices)}


def programas_disponibles():
    """Lista de dsc_det_programa de cursos con fch_inicio >= 2026-01-01 (para el
    desplegable de Programa en la Leyenda). Cada item: {num_indice, dsc_det_programa}."""
    from datetime import date
    corte = date(2026, 1, 1)
    vistos = {}
    for c in _cursos_crudos():
        f = L._to_date(c.get("fch_inicio"))
        if not f or f < corte:
            continue
        ni = _norm_ni(c.get("num_indice"))
        nombre = str(c.get("dsc_det_programa") or c.get("dsc_programa") or "").strip()
        if not nombre:
            continue
        finicio = f.strftime("%d/%m/%Y")
        label = f"{nombre} · {finicio}"
        vistos[ni] = {"num_indice": ni, "dsc_det_programa": nombre,
                      "fch_inicio": finicio, "label": label}
    filas = sorted(vistos.values(), key=lambda x: x["label"])
    return {"programas": filas}


# ── LEYENDA (campanias de Supabase): listar / agregar / borrar ──
def campanias_listar():
    return get_dm().listar_campanias()


def campania_agregar(datos):
    res = get_dm().agregar_campania(datos)
    _invalidar_por_campanias()   # la leyenda nueva se refleja de inmediato en todo el dashboard
    return res


def campania_editar(cid, datos):
    res = get_dm().editar_campania(cid, datos)
    _invalidar_por_campanias()   # el cambio se refleja de inmediato en todo el dashboard
    return res


def campania_borrar(cid):
    res = get_dm().borrar_campania(cid)
    _invalidar_por_campanias()
    return res


def leyenda_anuncios():
    """Tabla: todos los conjuntos del Sheet con su pauta (si tiene) y el programa
    (dsc_det_programa) del num_indice que usa esa pauta. Cacheado (usa insumos ya
    en memoria) para que abrir la Leyenda sea rapido."""
    def _load():
        conj_pauta = _conjunto_pauta()               # cacheado
        pauta_de_conj = {}
        for pa, cjs in conj_pauta.items():
            for c in cjs:
                pauta_de_conj[" ".join(str(c).split())] = str(pa).strip()
        # pauta -> [num_indices] usando TODAS las vinculaciones (basebi + programa_pautas)
        ni_de_pauta = {}
        for ni, pautas in _pautas_de_indice().items():
            for p in pautas:
                ni_de_pauta.setdefault(str(p).strip(), []).append(str(ni).strip())
        prog_de_ni = {}
        for c in _cursos_crudos():                    # cacheado
            prog_de_ni[_norm_ni(c.get("num_indice"))] = str(c.get("dsc_det_programa") or c.get("dsc_programa") or "").strip()
        def _programa(pauta):
            if not pauta:
                return ""
            nis = ni_de_pauta.get(str(pauta).strip(), [])
            nombres = [prog_de_ni.get(n, "") for n in nis if prog_de_ni.get(n)]
            return " | ".join(sorted(set(nombres)))
        filas = []
        vistos = set()
        for f in _meta_filas():                       # cacheado (CSV de Meta)
            co = " ".join(str(f.get("conjunto")).split())
            if not co or co in vistos:
                continue
            vistos.add(co)
            pa = pauta_de_conj.get(co, "")
            filas.append({"conjunto": co, "pauta": pa, "programa": _programa(pa)})
        filas.sort(key=lambda x: x["conjunto"])
        return {"filas": filas}
    return cache_get_or_set("leyenda_anuncios", ("GLOBAL",), _load)


def guardar_leyenda(cambios):
    """cambios = [{conjunto, pauta, num_indice?}].
    - conjunto -> pauta: upsert en conjunto_pauta.
    - si viene num_indice: conecta ese num_indice a la pauta en basebi_programacion.
    Invalida solo cachés dependientes de pauta/conjunto (no la cartera)."""
    from cache_manager import cache_invalidate
    dm = get_dm()
    for c in cambios:
        conjunto = c.get("conjunto")
        pauta = (c.get("pauta") or "").strip()
        ni = c.get("num_indice")
        if conjunto:
            dm.upsert_conjunto_pauta(conjunto, pauta)
        # si eligió un programa (num_indice), AGREGAR el vínculo num_indice<->pauta
        # en programa_pautas (muchos-a-muchos, se SUMA, no reemplaza).
        if ni and pauta:
            dm.agregar_programa_pauta(str(ni).strip(), pauta)
    # Invalida TODO lo que depende de pauta/conjunto (incluye ROAS, Programa, etc.)
    for pref in ("conjunto_pauta", "pauta_raw", "programa_pautas", "pautas_de_indice",
                 "meta_filas", "importe_pauta", "importe_pauta_periodo",
                 "resultados_pauta_periodo", "resultados_pauta",
                 "leads_dash", "otros_general", "matriz_always", "matriz_webform",
                 "matriz_asignados", "matriz_plantillas", "leyenda_anuncios",
                 "roas_dash", "programa_dash", "programa_opciones",
                 "leads_x_codigo", "leads_filtros", "vendedores_dash"):
        cache_invalidate(pref)
    return {"guardados": len(cambios)}


def uso_de_pauta(pauta, excluir_num_indice=None):
    """Verifica si una pauta ya esta en uso. Devuelve los cursos (dsc_det_programa)
    y conjuntos que la usan (para la advertencia antes de guardar)."""
    dm = get_dm()
    nis = dm.num_indices_de_pauta(pauta)
    excl = str(excluir_num_indice or "").strip()
    nis = [n for n in nis if n != excl]
    # dsc_det_programa de esos num_indice (desde cursos de SQL, ya cacheados)
    cursos = _cursos_crudos()
    detalle = []
    for c in cursos:
        ni = _norm_ni(c.get("num_indice"))
        if ni in nis:
            detalle.append({"num_indice": ni,
                            "dsc_det_programa": str(c.get("dsc_det_programa") or c.get("dsc_programa") or "").strip()})
    conjuntos = _conjunto_pauta().get(str(pauta).strip(), [])
    return {"en_uso": bool(nis) or bool(conjuntos),
            "cursos": detalle, "num_indices": nis, "conjuntos": conjuntos}


def guardar_edicion_curso(num_indice, pauta, conjunto=None, contar=None):
    """Guarda pauta y contar (SI/NO) en basebi_programacion (upsert) y, si se eligió,
    vincula el conjunto a esa pauta en conjunto_pauta. Invalida SOLO los cachés que
    dependen de pauta/conjunto (NO la cartera, para que la recarga sea rápida)."""
    from cache_manager import cache_invalidate
    dm = get_dm()
    res = dm.guardar_pauta_basebi(num_indice, pauta, contar)
    if conjunto:
        dm.guardar_conjunto_pauta(conjunto, pauta)
    # invalidar solo lo afectado por pauta/conjunto (la cartera NO se re-baja)
    for pref in ("pauta_raw", "pautas_de_indice", "conjunto_pauta", "meta_filas",
                 "importe_pauta", "importe_pauta_periodo", "resultados_pauta_periodo",
                 "leads_dash", "otros_general", "matriz_always", "matriz_plantillas",
                 "leads_filtros", "roas_dash"):
        cache_invalidate(pref)
    return res


def _tipo_de_curso(c):
    """Categoría de tipo de programa para el filtro (PROGRAMAS/PROVINCIA/SEMINARIOS/OTROS)."""
    dscp = c.get("dsc_programa", "")
    otros = L.clasificar_tipo_programa(dscp)
    if otros == "OTROS":
        return "OTROS"
    up = str(dscp).upper()
    cat = "TEAC" if ("AIRE ACONDICIONADO" in up or "TEAC" in up) else (
          "TERC" if ("REFRIGERACION COMERCIAL" in up or "REFRIGERACIÓN COMERCIAL" in up or "TERC" in up) else "SEM")
    sede = L.clasificar_sede(dscp)
    return L.tipo_programa_cohorte(sede, cat)


# ── Listas para los filtros (años, tipos de programa) ───────────
def opciones_filtros():
    def _load():
        cursos = _cursos_crudos()
        anos = sorted({L._to_date(c.get("fch_inicio")).year for c in cursos
                       if L._to_date(c.get("fch_inicio"))}, reverse=True)
        # Grupos de programa fijos para el filtro PROGRAMA
        tipos = ["TEAC", "TERC", "SEMINARIOS", "OTROS"]
        return {"anos": anos or [2026], "tipos": tipos}
    return cache_get_or_set("leads_filtros", ("GLOBAL",), _load)


# ── Alertas: valores de programa/sede no identificados en cartera_junta ──
def alertas():
    return cache_get_or_set("leads_alertas", ("GLOBAL",),
                            lambda: get_dm().traer_no_identificados())


# ── Diagnóstico de cursos (para cuadrar ocupabilidad) ───────────
def debug_cursos(ano, mes):
    cursos = _cursos_crudos()
    periodo = [c for c in cursos if L._en_periodo(L._to_date(c.get("fch_inicio")), ano, mes, "TODOS")]
    detalle = []
    tot_insc = 0
    tot_meta = 0
    for c in periodo:
        insc = int(c.get("Inscritos_Totales", 0) or 0)
        meta = L.meta_curso(c.get("dsc_programa"))
        tp = L.tipo_programa_curso(c.get("dsc_programa"))
        tot_insc += insc
        tot_meta += meta
        detalle.append({
            "num_indice": c.get("num_indice"),
            "dsc_programa": c.get("dsc_programa"),
            "fch_inicio": str(c.get("fch_inicio"))[:10],
            "cod_estado": c.get("cod_estado"),
            "inscritos": insc,
            "tipo": tp,
            "meta": meta,
        })
    return {
        "num_cursos": len(periodo),
        "suma_inscritos": tot_insc,
        "suma_meta": tot_meta,
        "ocupabilidad": round((tot_insc / tot_meta * 100), 2) if tot_meta else 0,
        "cursos": detalle,
    }


# ── Precarga / refresco ─────────────────────────────────────────
def _periodos_actual_anterior():
    """[(ano, mes), ...] = mes actual y mes anterior (segun fecha de hoy)."""
    from datetime import date
    hoy = date.today()
    ano, mes = hoy.year, hoy.month
    if mes == 1:
        prev = (ano - 1, 12)
    else:
        prev = (ano, mes - 1)
    return [(str(ano), str(mes)), (str(prev[0]), str(prev[1]))]


import os as _os
_LOG_CARGA = _os.path.join(_os.path.dirname(_os.path.abspath(__file__)), "carga_tiempos.log")


def _log_carga(linea, reset=False):
    """Escribe una linea en carga_tiempos.log (lo lee la ventana de tiempos)."""
    try:
        with open(_LOG_CARGA, "w" if reset else "a", encoding="utf-8") as f:
            f.write(linea + "\n")
    except Exception:
        pass


import threading as _thr
_TIEMPOS = {}                 # etiqueta -> segundos (para el resumen final)
_TIEMPOS_LOCK = _thr.Lock()
_HILOS_LISTOS = set()         # {"leads","otros"} — cuando estan los 2, se imprime resumen


def _cron(etiqueta, base, fn, apartado=None):
    """Ejecuta fn() midiendo el tiempo. Imprime y ademas guarda en el log:
    paso, base de datos y segundos. Se ve en la ventana del BACKEND y en la
    ventana de TIEMPOS al iniciar, para saber que carga cada cosa.
    Si 'apartado' se indica, acumula el tiempo para el resumen final."""
    import time as _t
    t0 = _t.perf_counter()
    r = fn()
    dt = _t.perf_counter() - t0
    n = ""
    try:
        if isinstance(r, (list, dict)):
            n = f"({len(r)} filas)"
    except Exception:
        pass
    linea = f"   [carga] {etiqueta:32} {base:14} {dt:6.2f}s  {n}"
    print(linea, flush=True)
    _log_carga(linea)
    with _TIEMPOS_LOCK:
        _TIEMPOS[apartado or etiqueta] = _TIEMPOS.get(apartado or etiqueta, 0.0) + dt
    return r


def _hilo_termino(nombre):
    """Marca un hilo como listo. Cuando ambos ("leads" y "otros") terminan,
    imprime el resumen final por apartado en el log."""
    with _TIEMPOS_LOCK:
        _HILOS_LISTOS.add(nombre)
        listos = {"leads", "otros"}.issubset(_HILOS_LISTOS)
        tiempos = dict(_TIEMPOS)
    if not listos:
        return
    _log_carga("")
    _log_carga("=" * 60)
    _log_carga("  RESUMEN — tiempo listo para abrir cada apartado")
    _log_carga("=" * 60)
    orden = ["Leads", "Vendedores", "Otros General", "ROAS"]
    for ap in orden:
        seg = tiempos.get(ap)
        if seg is not None:
            estado = "instantaneo al abrir" if seg < 1 else f"listo tras {seg:.1f}s"
            _log_carga(f"   {ap:16} {seg:6.2f}s   -> {estado}")
    _log_carga("-" * 60)
    _log_carga("   Ya precargados: al hacer clic se muestran AL INSTANTE (cache).")
    _log_carga("=" * 60)


def precargar_todo():
    """Precarga en segundo plano: insumos crudos + el dashboard del mes actual y
    anterior (con filtros en TODOS), para que el usuario no espere al abrir/filtrar."""
    try:
        import time as _t
        _log_carga("=" * 60, reset=True)
        _log_carga("  CARGA DEL DASHBOARD LEADS — " +
                   _t.strftime("%d/%m/%Y %H:%M:%S"))
        _log_carga("=" * 60)
        print(">>> Precargando LEADS (hilo 1)...", flush=True)
        _log_carga(">>> Hilo 1: LEADS (PostgreSQL + SQL Server)")
        _cron("Leads (mensajes)", "PostgreSQL", _leads_crudos)
        _cron("Cursos", "SQL Server", _cursos_crudos)
        _cron("Matriculas", "SQL Server", _matriculas_crudas)
        _cron("Leads asignados/respuesta", "PostgreSQL", _leads_asignados_crudos)
        # Dashboard (Leads) del mes actual y anterior (lo mas usado). Otros General
        # NO se precarga aqui (sus consultas son pesadas); se calcula al entrar.
        p = _periodos_actual_anterior()
        a0, m0 = p[0]
        for (a, m) in p:
            _cron(f"Apartado Leads {a}-{m}", "cache",
                  lambda a=a, m=m: leads_dashboard(a, m, "TODOS", "TODOS", "TODOS"), apartado="Leads")
        # Vendedores y ROAS del periodo actual: se precargan para abrir al instante.
        _cron("Apartado Vendedores", "cache",
              lambda: vendedores_dashboard(a0, m0, "TODOS"), apartado="Vendedores")
        _cron("Apartado ROAS", "cache",
              lambda: roas_dashboard(a0, m0, "TODOS"), apartado="ROAS")
        _cron("Apartado Alertas", "cache", alertas_dashboard, apartado="Alertas")
        _marcar_actualizacion()
        print(">>> Hilo 1 (Leads) LISTO.", flush=True)
        _log_carga(">>> Hilo 1 (Leads) LISTO.")
        _hilo_termino("leads")
    except Exception as e:
        print(f"[precarga] {e}", flush=True)
        _log_carga(f"[precarga] ERROR: {e}")
        _hilo_termino("leads")


def precargar_otros_general():
    """Precarga (aparte, mas pesada) las 4 matrices de Otros General del mes actual
    y anterior. Se llama en su propio hilo para no bloquear."""
    try:
        print(">>> Precargando CARTERA + OTROS GENERAL (hilo 2)...", flush=True)
        _log_carga(">>> Hilo 2: CARTERA (Supabase) + OTROS GENERAL")
        _cron("Plantillas", "Google Sheet", _plantillas_crudas)
        _cron("Cartera", "Supabase", _cartera_rows_cache)   # la mas pesada
        for (a, m) in _periodos_actual_anterior():
            _cron(f"Otros General {a}-{m}", "cache",
                  lambda a=a, m=m: otros_general(a, m, "TODOS"), apartado="Otros General")
        print(">>> Hilo 2 (Cartera/Otros) LISTO.", flush=True)
        _log_carga(">>> Hilo 2 (Cartera/Otros) LISTO.")
        _hilo_termino("otros")
    except Exception as e:
        print(f"[precarga-otros] {e}", flush=True)
        _log_carga(f"[precarga-otros] ERROR: {e}")
        _hilo_termino("otros")


# Hora de la última actualización (hora Perú)
_ULTIMA_ACTUALIZACION = None


def _marcar_actualizacion():
    global _ULTIMA_ACTUALIZACION
    from datetime import datetime, timezone, timedelta
    peru = timezone(timedelta(hours=-5))
    _ULTIMA_ACTUALIZACION = datetime.now(peru).strftime("%d/%m/%Y %H:%M")


def ultima_actualizacion():
    return {"hora": _ULTIMA_ACTUALIZACION}


def refrescar_todo():
    """Refresco de los 30 min SIN dejar la caché vacía (stale-while-revalidate).
    NO se vacía nada al inicio: se recalcula TODO con datos frescos de las bases
    en 2º plano (modo 'forzar'), y cada entrada se reemplaza recién cuando su
    valor nuevo está listo. Mientras dura la recarga, el usuario sigue viendo los
    datos viejos; al terminar, el cambio es un solo parpadeo. NO pantalla de carga."""
    from cache_manager import set_forzar
    from data_manager_v2 import invalidar_campanias_cache
    # Las campañas (cache aparte de data_manager) sí se invalidan: son livianas y
    # las relee la primera consulta forzada de abajo, sin costo perceptible.
    invalidar_campanias_cache()
    set_forzar(True)            # este hilo recalcula y sobrescribe (no lee cache viejo)
    try:
        precargar_todo()            # leads (mes actual/anterior) -> reemplaza al terminar
        precargar_otros_general()   # cartera + Otros General -> reemplaza al terminar
    finally:
        set_forzar(False)       # vuelve a modo normal para no afectar otras llamadas
    _marcar_actualizacion()