Mi interés en la data literacy o alfabetización de datos nació después de comprobar durante mi trayectoria como docente en visualización de datos, que tras enseñar en las empresas a cómo usar herramientas de visualización de datos (como por ejemplo Power BI / Tableau) la formación no resultaba efectiva si los empleados no disponían de las competencias fundamentales de cómo aprovechar los datos de la manera correcta para la toma de decisiones. Y eso ocurría siempre , aunque los empleados dispusieran de capacidades técnicas para analizarlos y visualizarlos , la razón: la falta de alfabetización de datos.
Pero ¿Cómo definimos data literacy o alfabetización de datos? Hay muchas definiciones pero generalmente hay un consenso y se define como la capacidad de leer,adquirir,analizar,visualizar y comunicar los datos. Pero desde que realizo mi doctorado e investigo al respecto, me he dado cuenta que siempre se habla de acciones y no de resultados y en mi humilde opinión eso es clave. Para mí, el resultado es cuando el individuo tiene habilidades que le permite obtener esos insights a partir de los datos, una vez dispone de los insights puede aprovechar esos conocimientos para tomar decisiones o activar en los demás las acciones adecuadas.
La mayoría de las personas cuando piensan en datos, piensan en bases de datos relacionales, con todos los datos de ventas, pedidos, precios… pero normalmente hay muchos más datos disponibles en la organización que podrían estar sin explotar y que no explotan ya que piensan en los datos como un número. No piensan en los datos como focus groups, entrevistas, encuestas, comentarios de los clientes …. y lo más importante es que los empleados entiendan el modelo de negocio y los momentos que impulsan ese proceso de negocios y los momentos que se pueden cambiar mediante los datos.
De ahí que deben haber roles profesionales más allá del científico de datos que es muy competente con los datos, pero posiblemente no tenga necesariamente la perspicacia empresarial adecuada. Serán pues necesarios roles híbridos de «traducción» entre el negocio y los datos, idea que describe muy bien Bernard Marr en su artículo. Es decir partiendo desde el final, por ejemplo problema u oportunidad, buscar los datos adecuados para para ello, pero lo más importante es primero de todo saber hacer la pregunta correcta, por lo cual considero una de las soft skill clave es pensamiento crítico.
Si somos consumidores de datos e información, por ejemplo en informes, solo el 30% de nuestras competencias deben ser técnicas, y el 70% restantes son las llamadas competencias blandas o soft skills. A parte del pensamiento crítico, deben considerarse dos más: la creatividad y curiosidad, habilidad que disponemos en nuestra infancia, y que luego vamos limitando y modelando a través de entorno educativo. La alfabetización de datos no solo se basa en la técnica o en formar en competencias de datos, sino más bien en desarrollar personas que tengan ese elemento humano, que implica una perspectiva cognitiva diversa, pensamiento crítico y escucha activa cuando dialogamos basándonos en datos.
Es importante aclarar que la alfabetización de datos no es genérica e igual para todos, sino que es específica de la función que se realiza con los datos. Por ejemplo si sólo somos un consumidor de datos e información para tomar decisiones, no necesitaremos ser un científico de datos y crear un modelo predictivo, probablemente será suficiente conocer cómo interpretar los resultados. En cambio si somos un miembro del departamento de inteligencia de negocio, no solo deberemos tener competencia de transformación y análisis de datos sino que también deberemos saber mapear los roles en la organización para conocer a cuáles sería interesante realizar preguntas del negocio para convertirlas posteriormente en preguntas analíticas. La empresa debe decidir qué tipo de personas son apropiadas para la creación de preguntas analíticas y cuál es el modelo de participación dentro de la creación de valor con los datos.