Data literacy: por qué la competencia basada en datos es obligatoria

8 min de lectura

Las empresas invierten millones en plataformas analíticas, herramientas de inteligencia artificial y paneles de control. Pero si los empleados no pueden leer, interpretar y cuestionar los resultados, la inversión se diluye. Según Bitkom, solo el 6 por ciento de las empresas alemanas cree estar aprovechando plenamente el potencial de sus datos. Desde febrero de 2025, la obligatoriedad del uso responsable de la IA, establecida por la normativa europea AI Act, convierte la competencia en inteligencia artificial en un requisito legal. La alfabetización en datos ya no es opcional: es infraestructura.

El software más caro no sirve de nada sin competencia

La brecha es medible. El Índice de Alfabetización en Datos de Qlik, desarrollado en colaboración con la Wharton School, revela que solo el 24 % de los empleados a nivel mundial se sienten seguros al trabajar con datos. En Alemania, según Bitkom, el porcentaje es aún más bajo: apenas el 7 % de los trabajadores confía plenamente en su propia competencia en datos.

Como consecuencia, las empresas adquieren herramientas como Tableau, Power BI o Snowflake, pero su uso sigue limitado a unos pocos especialistas. Marketing no sabe evaluar significancia estadística. Ventas extrae conclusiones erróneas de los paneles del CRM. Y Control de Gestión construye previsiones basadas en suposiciones, no en datos. Según Gartner, el 65 % de las organizaciones utilizan datos selectivamente para justificar decisiones ya tomadas.

Esto tiene un coste. Gartner estima que la mala calidad de los datos cuesta a cada organización una media de 12,9 millones de dólares estadounidenses anuales. La alfabetización en datos no resuelve por completo el problema de calidad, pero capacita a los empleados para detectar datos deficientes antes de que sustenten decisiones.

Qué significa la competencia en datos (Data Literacy)

La competencia en datos abarca cuatro niveles de habilidad. Primero: leer datos, es decir, comprender tablas, gráficos y paneles (dashboards). Segundo: interpretar datos, o sea, identificar patrones y contextualizar relaciones. Tercero: cuestionar los datos, saber cuándo una correlación no implica causalidad, cuándo una muestra es demasiado pequeña o cuándo un panel presenta información engañosa. Cuarto: comunicar datos, es decir, presentar los hallazgos de forma clara para que otros puedan tomar decisiones basadas en ellos.

No hace falta que todo el mundo sepa programar. Pero cualquier persona que trabaje con datos debería ser capaz de detectar una visualización errónea, identificar un sesgo de supervivencia (survivorship bias) y conocer la diferencia entre mediana y media. En una organización con un alto nivel de competencia en datos, no es solo el departamento de TI el que toma decisiones basadas en datos, sino que cada área lo hace por sí misma.

Por qué la competencia en datos es ahora obligatoria

Dos factores regulatorios han convertido la competencia en datos de un aspecto deseable a un asunto de cumplimiento normativo.

Acta de IA de la UE, artículo 4: Desde el 2 de febrero de 2025, todos los proveedores y operadores de sistemas de inteligencia artificial están obligados a garantizar que su personal disponga de competencias suficientes en IA. Las normas de supervisión y aplicación entrarán en vigor a partir de agosto de 2026. La competencia en IA presupone dominio de datos: quien no pueda evaluar críticamente la salida de un modelo de IA no cumple con este requisito.

CSRD (Directiva de Informes de Sostenibilidad Empresarial): A partir del ejercicio fiscal 2025, decenas de miles de empresas europeas más quedarán incluidas bajo esta directiva. La CSRD exige datos ESG estructurados y verificables procedentes de todos los departamentos empresariales: finanzas, operaciones, recursos humanos y cadena de suministro. Sin una competencia generalizada en manejo de datos, no es posible cumplir con los informes ESG.

Gartner pronostica que para 2027 más del 50 por ciento de los directores de datos y análisis asegurarán presupuestos específicos para programas de alfabetización en datos e inteligencia artificial. El motivo principal: la falta de rentabilidad en proyectos de IA generativa dentro de organizaciones con escasa competencia en datos.

«Para crear una plantilla así, las organizaciones necesitan contar con la competencia en datos y en IA como capacidades fundamentales.»
Melissa Davis, analista vicepresidenta en Gartner (comunicado de prensa de Gartner, enero de 2024)

Qué hacen diferente los pioneros

Boehringer Ingelheim ha creado junto con Capgemini una Academia Interna de Ciencia de Datos. Más de 50 módulos formativos, ocho itinerarios de aprendizaje distintos adaptados a diferentes grupos objetivo – desde mandos intermedios y empleados del área comercial hasta ingenieros de datos – y más de 50 casos prácticos reales. Hasta la fecha se han formado aproximadamente a 800 empleados. Lo decisivo: las formaciones están vinculadas a problemas empresariales reales, no a teorías abstractas.

Siemens ha capacitado a más de 35.000 empleados mediante un programa de formación global en colaboración con Coursera. Solo en los módulos sobre inteligencia artificial generativa (GenAI), se acumularon 229.420 horas de aprendizaje. La lógica: la alfabetización en datos como base fundamental, sobre la cual se construye la competencia en inteligencia artificial para el uso práctico de herramientas de IA en el día a día laboral.

El informe DataCamp State of Data and AI Literacy Report 2025, basado en una encuesta realizada por YouGov, confirma esta tendencia: el 88 % de los ejecutivos considera que la competencia básica en datos es imprescindible para el trabajo diario. Al mismo tiempo, el 60 % reconoce una brecha significativa de habilidades en su organización. La concienciación ya está presente. La aplicación práctica aún se queda atrás.

El ROI de la competencia en datos (Data Literacy)

Los efectos económicos son cuantificables. Según el Índice Qlik de Competencia en Datos, desarrollado junto con investigadores de la Wharton School, el valor empresarial de las compañías que se sitúan en el tercio superior en cuanto a competencia en datos es entre un 3 y un 5 por ciento más alto que el de aquellas empresas con baja capacidad analítica. En una empresa mediana con una facturación de 100 millones de euros, esto equivale a una diferencia de valor de entre 3 y 5 millones de euros.

Forrester confirma este impacto a nivel operativo: las organizaciones con un alto nivel de competencia en datos declaran una productividad un 42 % mayor, un 41 % más de innovación y una calidad en la toma de decisiones un 40 % superior. El 83 % de los empleados con buen dominio de datos afirman tomar mejores decisiones, y el 82 % asegura decidir más rápido.

A ello se suma un efecto de retención: casi el 80 % de los trabajadores prefieren permanecer en empresas que les forman en habilidades de manejo de datos. En tiempos de escasez de profesionales cualificados, la competencia en datos se convierte también en un instrumento de fidelización del talento.

Cinco pasos para implementar un programa de competencia en datos

1. Evaluación inicial: ¿En qué punto se encuentra su organización? Una encuesta anónima de autoevaluación revela qué departamentos necesitan reforzar sus capacidades. Ventas, marketing y operaciones suelen ser las áreas con mayor potencial de mejora.

2. Itinerarios formativos diferenciados: No todos necesitan la misma formación. Los directivos deben saber interpretar paneles de control y evaluar resultados de inteligencia artificial. Los analistas requieren métodos estadísticos avanzados. Los empleados administrativos necesitan conocimientos básicos de interpretación de datos. Boehringer Ingelheim trabaja con ocho itinerarios distintos adaptados a cada perfil.

3. Enfoque práctico, no teórico: Las formaciones deben abordar problemas empresariales reales. Nada de cursos online genéricos, sino preguntas como: «¿Cómo interpreto correctamente nuestro panel de CRM?» o «¿Qué significa realmente nuestra previsión?». La aplicación en el día a día laboral es clave para el éxito del programa.

4. Crear multiplicadores internos: Identifique a empleados con afinidad por los datos como embajadores internos. Ellos serán el primer punto de apoyo para compañeros con dudas. Este modelo escala mejor que las formaciones centralizadas y arraiga la competencia en datos dentro de la cultura de los equipos.

5. Implementar la competencia en IA: La alfabetización en datos es la base; la competencia en inteligencia artificial, su extensión. Desde la entrada en vigor del Acta de Inteligencia Artificial de la UE, la capacitación en IA es un requisito legal. Quien ya ha desarrollado competencia en datos, tiene ya sentado el cimiento obligatorio para cumplir con este nuevo mandato.

Conclusión: la competencia en datos es responsabilidad directiva

La alfabetización en datos (Data Literacy) no es una iniciativa de TI, sino una decisión empresarial. Las empresas que capacitan a su plantilla en el manejo de datos toman decisiones más acertadas, aprovechan al máximo sus inversiones en análisis de datos y cumplen simultáneamente con los requisitos regulatorios del Reglamento de Inteligencia Artificial de la UE (EU AI Act) y la Directiva de Información No Financiera Ampliada (CSRD).

La pregunta ya no es si se debe actuar, sino cuán rápido. Gartner prevé que para 2027 la mayoría de los responsables de datos contarán con presupuestos específicos para la alfabetización en datos. Quien espere hasta entonces habrá perdido tres años clave en los que la competencia ya estará tomando decisiones basadas en datos.

Preguntas frecuentes

Lecturas recomendadas por la redacción

• Análisis de la plantilla: Decisiones de personal basadas en datos frente a la intuición
• IA en el mercado laboral 2026: Qué significa el estudio de Anthropic para los responsables de toma de decisiones

Más del ecosistema MBF Media

• → La IA no es un problema técnico: por qué el 27 % de los consejeros delegados fracasan por su propia cultura corporativa (Digital Chiefs)
• → Consultoría AI-native: por qué el futuro de la consultoría IT no necesita una pirámide de juniors (cloudmagazin)

Imagen principal: Pexels / Lukas