Nuestro mundo son los datos

Toda empresa tiene ya los datos. Pocas los usan para decidir.

Siete lecturas sobre la distancia entre el dato que una organización genera y la decisión que toma el lunes por la mañana. Todas las cifras proceden de estudios públicos; la fuente acompaña a cada gráfico.

FormatoEnsayo visual · 3 actos

Extensión7 lecturas · 12 min

CierreAutodiagnóstico de cinco preguntas

Acto primeroEl diagnóstico

Qué distancia hay entre lo que una organización afirma sobre sus datos y lo que efectivamente hace con ellos.

01La brecha

La inversión no es el problema.

Nueve de cada diez direcciones sitúan los datos y la analítica entre sus prioridades de inversión. Cuando se les pregunta si su organización decide de otra manera gracias a ello, la proporción cae a poco más de un tercio. La diferencia entre ambas respuestas es el objeto de esta página.

La misma encuesta identifica dónde está el obstáculo, y no es donde suele buscarse.

Declara los datos y la analítica como prioridad de inversión90,5 %

Se reconoce como una organización que decide con datos37,3 %

Dónde sitúan la barrera

92% personas y organización8% tecnología

Data & AI Leadership Exchange (Randy Bean, con DataIQ), 2025 AI & Data Leadership Executive Benchmark Survey. Directivos de datos e IA de grandes corporaciones.

02La escala

Dos de cada tres datos no llegan a ninguna decisión.

El dato disponible en una empresa media excede con holgura el que llega a un informe. No por falta de volumen: por falta de recorrido entre el sistema que lo produce y la mesa donde se decide.

Las cinco barreras declaradas

01Hacer utilizable el dato recogido

02Gestionar su almacenamiento

03Asegurar que se recoge el dato necesario

04Garantizar su seguridad

05Poner en común los silos existentes

32%se pone a trabajar

68%queda sin explotar

Crecimiento anual del dato corporativo (proyección 2020-2022)+42,2%

Seagate e IDC, «Rethink Data: Put More of Your Business Data to Work—From Edge to Cloud» (2020). Encuesta a 1.500 directivos de empresa.

03El reloj

Casi la mitad de la jornada se va antes de empezar a analizar.

Quien prepara los números dedica la mayor parte de su tiempo a conseguirlos, cuadrarlos y limpiarlos. El análisis —la parte que produce la decisión— ocupa lo que queda. Dos años después la proporción declarada baja, aunque las categorías no son del todo comparables entre ediciones; en cualquier caso sigue marcando el techo de lo que un equipo puede responder en una semana.

45% preparar, cargar y limpiar el dato

21% visualizar y presentar

34% seleccionar, entrenar y desplegar modelos

TendenciaPreparación de dato: 45% en 2020 → 38% en 2022, con categorías que cambian entre ediciones

Anaconda, «State of Data Science», ediciones 2020 y 2022. La edición de 2022 introduce una categoría de reporting, por lo que las series no son directamente comparables.

Acto segundoEl coste

Un dato en el que no se confía no se deja de usar: se sustituye por criterio. Eso también tiene precio.

04El precio del error

La mala calidad de dato no aparece en ninguna partida.

No hay una línea en el presupuesto que diga «dato incorrecto». El coste se reparte en conciliaciones, informes rehechos, pedidos mal dimensionados y decisiones que se retrasan a la espera de una cifra fiable.

Es un problema que sigue sin resolverse: solo algo más de un tercio de las organizaciones encuestadas afirma haber conseguido mejorar la calidad de su dato.

Declara haber mejorado su calidad de dato37%

de las organizaciones encuestadas. Las otras dos de cada tres siguen decidiendo sobre cifras que no cuadran.

Wavestone, 2024 Data & AI Leadership Executive Survey.

05Dos formas de decidir

La misma decisión, dos conjuntos de insumos.

Revisar el precio de una referencia. La decisión es idéntica en ambas columnas; lo que cambia es qué se pone sobre la mesa antes de tomarla, y si podrá revisarse dentro de un trimestre.

Criterio

◆Lo tratado en la última reunión

◆El cliente que más ha reclamado

◆El margen histórico de referencia

◆Una hoja de cálculo de hace cinco meses

Evidencia

◆Elasticidad observada de la referencia

◆Margen real por pedido, no promedio

◆Coste de servir desagregado por cliente

◆El resultado de las tres revisiones anteriores

Produce una decisión defendible en la sala e imposible de auditar tres meses después.

Produce una decisión con un supuesto explícito, que puede revisarse y corregirse.

III

Acto terceroEl camino

La madurez de dato no se compra: se recorre por escalones, y ninguno se salta.

06La escalera

Cinco niveles de madurez del dato.

El salto que corresponde es siempre el siguiente. Intentar el nivel cinco desde el uno es la forma más habitual de gastar un presupuesto de analítica sin cambiar ninguna decisión.

NivelEstadoSeñal reconocibleQué desbloquea el salto

01DispersoCada área mantiene su hoja de cálculo y su versión de la cifra.Un inventario de fuentes.

02ReportadoExiste informe mensual, pero llega tarde y se discute en la reunión.Una definición única por métrica.

03FiableUna sola cifra por concepto. Nadie la pone en duda en la sala.Automatizar el camino del dato.

04OperativoEl dato entra en el proceso, no solo en la presentación.Modelos sobre histórico limpio.

05AnticipadoLa decisión se toma antes de que el problema se manifieste.Mejora continua del propio modelo.

07El efecto compuesto

El retorno no está en una decisión, sino en su repetición.

Una dirección toma cientos de decisiones repetibles al año: precios, compras, turnos, prioridades de mantenimiento. Mejorar el acierto de cada una en un punto no cambia ningún trimestre; cambia el quinto año.

Por eso la analítica interna se justifica mal con un caso aislado y bien con el volumen de decisiones que toca.

Un punto de mejora, capitalizado

Año 12345

Esquema conceptual del efecto acumulado. No representa datos de mercado ni un resultado garantizado.

Autodiagnóstico

Cinco preguntas para situarse en la escalera.

Marque las que pueda responder que sí con honestidad. No hay resultado bueno ni malo: hay un escalón, y un siguiente paso.

0 de 5 respondidas que sí

01Disperso

Cada área sostiene su propia versión de la cifra. Las reuniones empiezan discutiendo el dato, no la decisión.

Siguiente paso

Un inventario de fuentes y una definición acordada de las cinco métricas que de verdad se usan.

Contrastarlo con nosotros →

Nota metodológica

Las cifras citadas proceden de estudios públicos de terceros y se reproducen con su fuente y su año. No son resultados de Sertoria ni de sus clientes. Los esquemas conceptuales —la escalera de madurez y el efecto compuesto— son marcos propios y aparecen señalados como tales.

01Data & AI Leadership Exchange (Randy Bean, con DataIQ), 2025 AI & Data Leadership Executive Benchmark Survey.

02Wavestone, 2024 Data & AI Leadership Executive Survey.

03Seagate e IDC, Rethink Data: Put More of Your Business Data to Work—From Edge to Cloud (2020).

04Anaconda, State of Data Science, ediciones 2020 y 2022.