Cómo medir la data literacy de tu equipo antes de gastar en formación
La mayoría de los programas de formación en datos empiezan por el curso. Al revés funciona mejor: primero se mide dónde está cada equipo, y luego se forma solo donde hay hueco. Medir no requiere un examen de dos horas.
Por qué medir antes de formar
Un curso igual para todos aburre a quien ya sabe y se queda corto para quien no sabe. Medir antes te dice qué equipos necesitan formación, en qué y a qué nivel. Y te da un punto de partida para comprobar después si la formación ha servido.
Qué medir: cuatro capacidades
- Leer: entender qué representa un dato, de dónde viene y qué mide de verdad un indicador.
- Trabajar con datos: encontrarlos, limpiarlos y prepararlos con autonomía.
- Analizar: comparar, segmentar y detectar patrones sin depender siempre de un analista.
- Argumentar con datos: apoyar una decisión en datos y explicarla con precisión, sin exagerar lo que dicen.
Son las mismas cuatro dimensiones que usa nuestro diagnóstico gratuito de Data Literacy. Encajan con el área «alfabetización en información y datos» del marco europeo de competencias digitales DigComp.
Cómo preguntarlo para que no sea un examen
Si preguntas «¿cómo de bien interpretas un gráfico, del 1 al 5?», casi todo el mundo contesta 4. La autoevaluación pura infla los resultados. Funciona mejor una mezcla:
- Preguntas de situación: «Este indicador ha subido un 40 %. ¿Qué comprobarías antes de contarlo en el comité?».
- Un gráfico real con un truco habitual, como un eje que no empieza en cero, para ver quién lo detecta.
- Unas pocas preguntas de autoevaluación, solo para saber cómo se ve cada persona y compararlo con lo anterior.
Diez o doce preguntas por rol bastan. Si la encuesta pasa de 15 minutos, la gente la abandona o contesta al azar.
Cómo leer los resultados
- Por equipo, no por persona: el objetivo es decidir dónde formar, no poner notas. Si la gente teme que se use contra ella, no contestará con sinceridad.
- Frente al nivel esperado de su rol: un directivo no necesita limpiar datos, pero sí detectar una conclusión mal argumentada.
- Busca el hueco más caro: el equipo donde un error de interpretación tiene más impacto, por ejemplo finanzas o riesgos, va primero.
Qué hacer después
- Fija el nivel objetivo de cada rol con un marco por niveles.
- Prioriza dos o tres equipos para empezar.
- Forma con sus propios datos y casos reales.
- Repite la medición a los tres o seis meses con preguntas equivalentes para ver el avance.
Preguntas frecuentes
¿Cada cuánto hay que medir?
Una vez al principio y otra a los tres o seis meses. Después, una vez al año suele ser suficiente.
¿Se pueden usar los resultados para evaluar a las personas?
Mejor no. Úsalos por equipo para decidir la formación. Si se usan para evaluar a cada persona, la gente contestará a la defensiva y los datos dejarán de ser fiables.
Contenido informativo.
¿Qué nivel de data literacy tiene tu equipo?
Diagnóstico gratis en 5 minutos: tu puntuación en las 4 dimensiones y qué trabajar primero.