Data literacy: por qué la competencia en datos es obligatoria

8 Min. tiempo de lectura

Las empresas invierten millones en plataformas de análisis, herramientas de IA y paneles de control. Pero si los empleados no pueden leer, interpretar y cuestionar los resultados, la inversión se desperdicia. Según Bitkom, solo el 6 por ciento de las empresas alemanas cree que están explotando todo el potencial de sus datos. Desde febrero de 2025, el Reglamento de la UE sobre IA convierte la competencia en IA en una obligación legal. La competencia en datos ya no es una opción. Es infraestructura.

El software más caro no sirve sin competencia

La brecha es medible. El Qlik Data Literacy Index, desarrollado en colaboración con la Wharton School, muestra: Solo el 24 por ciento de los empleados en todo el mundo se sienten seguros manejando datos. En Alemania, el valor es aún más bajo según Bitkom: Solo el 7 por ciento de los empleados tienen plena confianza en su propia competencia en datos.

La consecuencia: Las empresas compran Tableau, Power BI y Snowflake, pero el uso se limita a unos pocos especialistas. Marketing no puede evaluar la significancia estadística. Ventas saca conclusiones erróneas de los paneles de control de CRM. Y Controlling construye previsiones basadas en suposiciones en lugar de datos. Según Gartner, el 65 por ciento de las organizaciones utilizan datos de manera selectiva para justificar decisiones ya tomadas.

Esto tiene un coste. Gartner cuantifica el coste de la mala calidad de los datos en un promedio de 12,9 millones de dólares por organización y año. La competencia en datos no resuelve todo el problema de la calidad de los datos, pero capacita a los empleados para reconocer datos pobres antes de que se basen decisiones en ellos.

Qué significa Data Literacy

Data Literacy abarca cuatro niveles de competencia. Primero: leer datos, es decir, entender tablas, gráficos y paneles de control. Segundo: interpretar datos, es decir, reconocer patrones y contextualizar relaciones. Tercero: cuestionar datos, es decir, saber cuándo una correlación no implica causalidad, cuándo una muestra es demasiado pequeña y cuándo un panel de control miente. Cuarto: comunicar datos, es decir, preparar hallazgos de manera que otros puedan tomar decisiones con ellos.

No todos tienen que saber programar. Pero cualquiera que trabaje con datos debería reconocer una visualización errónea, identificar un sesgo de supervivencia y conocer la diferencia entre mediana y promedio. En una organización con alta Data Literacy, no es el departamento de IT quien toma decisiones basadas en datos, sino cada departamento por sí mismo.

Por qué Data Literacy se vuelve obligatoria ahora

Dos impulsores regulatorios han convertido Data Literacy de algo deseable en un tema de cumplimiento.

EU AI Act, Artículo 4: Desde el 2 de febrero de 2025, todos los proveedores y operadores de sistemas de IA están obligados a asegurar que su personal tenga suficiente competencia en IA. Las reglas de supervisión y aplicación entrarán en vigor a partir de agosto de 2026. La competencia en IA requiere Data Literacy: quien no pueda evaluar críticamente la salida de un modelo de IA no cumple con el requisito.

CSRD: A partir del año de informe 2025, decenas de miles de empresas europeas adicionales estarán sujetas a la Directiva de Informes de Sostenibilidad Corporativa. La CSRD exige datos ESG estructurados y auditables de todas las áreas de la empresa: Finanzas, Operaciones, RRHH, Cadena de Suministro. Sin competencia en datos en toda la organización, el cumplimiento del informe ESG no es factible.

Gartner pronostica que para 2027, más del 50 por ciento de los Chief Data and Analytics Officers asegurarán presupuestos específicos para programas de Data Literacy e IA Literacy. El impulsor: la falta de retornos en proyectos de IA generativa en organizaciones con deficiencias en competencia de datos.

«Para construir una plantilla así, las organizaciones necesitan Data Literacy e IA Literacy como competencias centrales.»
Melissa Davis, VP Analyst en Gartner (Comunicado de prensa de Gartner, enero de 2024)

Qué hacen diferente los pioneros

Boehringer Ingelheim ha construido, junto con Capgemini, una academia interna de Data Science. Más de 50 módulos de formación, ocho diferentes rutas de aprendizaje para distintos grupos objetivo, desde directivos hasta empleados de negocio y data engineers, y más de 50 casos de uso prácticos. Unos 800 empleados han sido formados hasta ahora. Lo decisivo: los entrenamientos están vinculados a problemas empresariales reales, no a teoría abstracta.

Siemens ha formado a más de 35.000 empleados en un programa de aprendizaje corporativo con Coursera. Solo en los módulos de GenAI se acumularon 229.420 horas de aprendizaje. La lógica: Data Literacy como fundamento, sobre el cual se construye la IA Literacy 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 de YouGov, confirma la tendencia: el 88 por ciento de los líderes empresariales afirman que la competencia básica en datos es indispensable para el trabajo diario. Al mismo tiempo, el 60 por ciento informa de una brecha significativa de habilidades en su organización. La conciencia está ahí. La implementación va rezagada.

El ROI de la competencia en datos

Los efectos económicos son cuantificables. Según el Qlik Data Literacy Index, desarrollado con investigadores de la Wharton School, el Enterprise Value de las empresas en el tercio superior de competencia en datos es un 3 al 5 por ciento más alto que el de las empresas con baja competencia en datos. Para una empresa mediana con 100 millones de euros en ventas, esto equivale a una diferencia de valor de 3 a 5 millones de euros.

Forrester confirma el efecto a nivel operativo: las organizaciones con alta competencia en datos reportan un aumento del 42 por ciento en la productividad, un 41 por ciento más de innovación y una mejora del 40 por ciento en la calidad de las decisiones. El 83 por ciento de los empleados con competencia en datos afirman tomar mejores decisiones. El 82 por ciento toma decisiones más rápidas.

Además, hay un efecto de retención: casi el 80 por ciento de los empleados prefieren quedarse en empresas que les proporcionan habilidades en datos. En tiempos de escasez de trabajadores cualificados, la competencia en datos es también una herramienta de retención de empleados.

Cinco pasos para un programa de competencia en datos

1. Evaluación inicial: ¿Dónde se encuentra su organización? Una encuesta de autoevaluación anónima muestra qué departamentos necesitan mejorar. Ventas, marketing y operaciones suelen ser las áreas con mayor potencial.

2. Diversas rutas de aprendizaje: No todo el mundo necesita la misma formación. Los directivos deben leer dashboards e interpretar resultados de IA. Los analistas necesitan métodos estadísticos. Los empleados administrativos necesitan conocimientos básicos de interpretación de datos. Boehringer Ingelheim trabaja con ocho rutas de aprendizaje diferentes.

3. Práctica en lugar de teoría: Alinear la formación con problemas empresariales reales. No un curso en línea genérico, sino: «¿Cómo interpreto correctamente nuestro dashboard de CRM?» o «¿Qué nos dice realmente nuestro pronóstico?». La transferencia al día a día laboral decide el éxito.

4. Crear multiplicadores: Identificar a los empleados con afinidad por los datos como campeones internos. Se convierten en el primer punto de contacto para los colegas inseguros. Esto escala mejor que las formaciones centralizadas y ancla la competencia en datos en la cultura del equipo.

5. Implementar competencia en IA: La competencia en datos es la base, la competencia en IA es la extensión. Desde el EU AI Act, la competencia en IA es legalmente obligatoria. Quien primero construya competencia en datos, ya habrá sentado las bases para el requisito de competencia en IA.

Conclusión: la competencia en datos es responsabilidad de la dirección

La competencia en datos no es una iniciativa de TI. Es una decisión empresarial. Las empresas que capacitan a su plantilla en el manejo de datos toman mejores decisiones, aprovechan sus inversiones en análisis y cumplen simultáneamente con los requisitos regulatorios del EU AI Act y la CSRD.

La cuestión no es si, sino cuán rápido. Gartner espera que para 2027 la mayoría de los responsables de datos tengan presupuestos específicos para la competencia en datos. Quien espere hasta entonces, habrá perdido tres años en los que la competencia ya estará tomando decisiones basadas en datos.

Preguntas frecuentes

Recomendaciones de lectura de la redacción

• Workforce Analytics: Decisiones de personal basadas en datos en lugar de intuición
• IA en el mercado laboral 2026: Lo que el estudio de Anthropic significa para los tomadores de decisiones

Más del MBF Media Netzwerk

• → La IA no es un problema tecnológico: Por qué el 27 por ciento de los CEOs fracasan en su propia cultura (Digital Chiefs)
• → Consultoría nativa en IA: Por qué el futuro de la consultoría en TI no necesita una pirámide de juniors (cloudmagazin)

Fuente de la imagen de portada: Pexels / Lukas