Casi todas las empresas con las que conversamos ya tienen los datos. Tienen el data warehouse, tienen tableros, tienen a alguien que sabe SQL. Y aun así las decisiones se siguen tomando en la reunión de los lunes con la opinión del que habla más fuerte. Eso no es un problema de tecnología: es que falta cultura data-driven, y la cultura no se compra con una licencia.
Si estás a cargo de datos, de tecnología o de la formación del equipo, esto es lo que hemos visto funcionar —y lo que casi nunca funciona— después de trabajar con más de 100 empresas en LATAM.
Por qué el tablero no cambió nada
La historia se repite con una precisión incómoda. Alguien invierte seis meses en un tablero corporativo. Se presenta en comité, todos aplauden. A los tres meses lo abren cuatro personas, y dos son del área de datos. La conclusión fácil es "la gente no es analítica". La conclusión real suele ser una de estas tres:
- ▸El tablero responde preguntas que nadie se hace. Se construyó con lo que había en la base, no con lo que el jefe de operaciones necesita decidir cada martes.
- ▸Nadie sabe leerlo. No es tonto quien no distingue una media de una mediana en un gráfico de barras; simplemente nunca se lo enseñaron, y preguntarlo en una reunión cuesta caro.
- ▸No cambia ninguna decisión. Si el presupuesto del área se aprueba igual mires o no el dato, mirarlo es trabajo extra sin recompensa.
Las tres se arreglan, pero ninguna se arregla comprando otra herramienta.
La cultura empieza en quien aprueba el presupuesto
Hay un patrón que separa a las empresas donde esto prende de las que llevan tres años intentándolo: en las primeras, el comité ejecutivo pide el dato antes de decidir. No porque haya una política que lo obligue, sino porque el gerente general pregunta "¿con qué número estás sustentando esto?" y espera una respuesta.
Eso suena obvio y es lo más difícil de todo el proceso. Por eso una buena parte de nuestro trabajo con empresas empieza arriba y no abajo: el programa de IA y datos para comité ejecutivo y gerencias existe porque un equipo entrenado que reporta a un directorio que decide por intuición se frustra y se va. Si solo puedes capacitar a un grupo este año, empieza por el que firma.
Un dato que nadie usa para decidir es un costo, no un activo. La pregunta de control no es cuántos tableros tienes, sino cuántas decisiones del último trimestre cambiaron por un número.
Cuatro movimientos concretos que sí mueven la aguja
Ninguno es glamoroso. Todos son verificables en 90 días.
1. Una métrica por área, con dueño y nombre propio. No un tablero de 40 indicadores: una métrica que esa gerencia se compromete a mover, con una persona responsable. Cuando el indicador tiene apellido, alguien lo abre los lunes.
2. Alfabetización de datos antes que herramientas. La mitad del equipo no necesita aprender Power BI; necesita entender qué es una variación porcentual, por qué un promedio engaña y cuándo una muestra es demasiado chica. Esa base, que se enseña en pocas horas, es la que hace que el resto de la inversión rinda.
3. Capacitar por nivel, no por cargo. En el mismo equipo conviven quien recién sale de Excel y quien ya escribe consultas complejas. Meterlos al mismo curso aburre a uno y hunde al otro. En nuestros programas corren tres niveles en paralelo dentro del mismo grupo —Iniciación, Aplicada y Avanzada—, con una evaluación previa que ubica a cada persona; puedes ver cómo funciona en la sección de niveles. Es la diferencia entre 20 personas que terminan y 20 inscritas que abandonan a la tercera sesión.
4. Medir adopción, no inscripciones. El número que te van a pedir a fin de año no es "cuántos se inscribieron", es "qué cambió". Por eso vale la pena fijar desde el inicio dos o tres señales observables: cuántas decisiones documentadas citan un dato, cuántos reportes manuales se eliminaron, cuánto bajó el tiempo de cierre mensual. En la plataforma AI Builders el sponsor ve el avance por colaborador, que es el piso de la medición; lo demás se define contigo al diseñar el plan.
Qué debería dominar tu equipo en 2026
Depende del rol, y esa obviedad se ignora todo el tiempo. Para las áreas de negocio —comercial, marketing, operaciones, finanzas— el objetivo no es formar analistas: es que puedan leer un tablero, pedir bien un dato y detectar cuando un número no cuadra. Para eso alcanza con visualización de datos con Power BI y nociones de modelado.
Para quienes van a producir el análisis, el salto es mayor: SQL, limpieza, estadística aplicada y la parte que casi nadie enseña, que es contar la historia del número frente a un gerente. Ese es el contenido de la ruta de Data Analyst, y es el perfil que convierte un tablero en una decisión. Si el cuello de botella de tu empresa es más atrás —los datos llegan tarde, sucios o no llegan— el problema no es analítico sino de ingeniería, y ahí la respuesta es la ruta de Data Engineer.
Un apunte honesto sobre los instructores, porque es donde se cae la mayoría de capacitaciones corporativas: si quien enseña no trabaja hoy en el puesto que está enseñando, el curso se vuelve teoría y el equipo lo detecta en la primera sesión. Nosotros formamos a más de 1,500 profesionales con instructores que siguen ejerciendo, y en empresas como Entel, BCP o Scotiabank esa fue la diferencia entre un taller y un cambio de forma de trabajar.
El error de arrancar por lo más visible
Cuando una empresa decide volverse data-driven, el primer impulso casi siempre es comprar licencias y lanzar un curso masivo para todos. Es lo más visible y lo más fácil de aprobar. También es lo que más rápido se apaga: a los dos meses quedan las licencias pagadas y un grupo de WhatsApp sin mensajes.
Lo que hemos visto sostenerse es lo contrario: empezar chico y con un caso que le duela a alguien. Un área, un proceso que hoy se hace a mano, un entregable que exista al terminar la formación. Cuando el equipo de operaciones muestra en comité que el reporte que tomaba dos días ahora sale solo, el resto de las gerencias pide entrar sin que nadie las empuje. Esa es la única campaña interna que funciona.
Por dónde empezar sin parar la operación
La objeción más común es tiempo: nadie puede sacar a un equipo tres días de la operación. Por eso el diseño importa tanto como el contenido —sesiones cortas en vivo, práctica sobre los datos reales de la empresa, y el resto en plataforma al ritmo de cada quien. Puedes ver los formatos disponibles en modalidades y decidir cuál encaja con tu operación antes de hablar con nosotros.
El proceso con el que trabajamos tiene cuatro pasos y el segundo es gratis: conversamos para entender el contexto, hacemos un diagnóstico sin costo del nivel real del equipo, diseñamos el plan sobre ese diagnóstico y recién ahí se dicta y se mide. Si quieres ver la oferta completa —rutas por área, cursos a medida sobre tu propio stack, certificaciones internacionales y la plataforma— está toda en DataPath para empresas, junto con la presentación en PDF que puedes pasarle a tu comité.
Si te llevas una sola acción de todo esto: en tu próximo comité, pide que cada área llegue con una decisión del mes pasado y el número que la sustentó. Lo que pase en esa reunión te va a decir con bastante exactitud en qué punto está tu cultura de datos, y cuánto camino te falta.
