Tener una planilla ordenada o un dashboard atractivo no garantiza que una reunión termine con una decisión. En muchas organizaciones chilenas, el desafío ya no es solo acceder a datos, sino explicar qué significan, por qué importan y qué conviene hacer después. Esa capacidad se conoce como data storytelling: combinar evidencia, contexto, visualización y una recomendación para ayudar a una audiencia concreta a actuar.
La habilidad gana valor en un mercado que pide perfiles más versátiles. La evidencia publicada por Diario Financiero mostró que las empresas buscan con frecuencia personas capaces de combinar competencias técnicas y comerciales. A la vez, resultados de ENADEL para la Región Metropolitana identifican brechas tanto técnicas como socioemocionales. Data storytelling se ubica justamente en esa intersección: exige analizar con rigor y comunicar con claridad.
Esta guía no enseña a instalar Power BI ni a convertirse en analista de datos. Su foco es diferente: aprender a transformar un análisis ya realizado en una explicación ejecutiva que delimite el problema, muestre la evidencia relevante, haga visibles los riesgos y proponga un siguiente paso defendible.
Qué es data storytelling y qué no es
Data storytelling es una forma estructurada de comunicar hallazgos. Parte de una pregunta de negocio, selecciona evidencia suficiente, organiza una secuencia lógica y termina con una decisión, recomendación o pregunta que la audiencia puede resolver.
No consiste en inventar una historia para hacer más entretenido un número. Tampoco significa llenar una presentación con gráficos decorativos. La narrativa debe respetar la fuente, las definiciones y la incertidumbre de los datos.
| Elemento | Pregunta que debe responder | Error frecuente |
|---|---|---|
| Contexto | ¿Qué problema o meta estamos observando? | Comenzar con cifras sin explicar por qué importan |
| Evidencia | ¿Qué cambió, respecto de qué y con qué magnitud? | Mostrar todos los indicadores disponibles |
| Interpretación | ¿Qué explicación respaldan los datos? | Confundir correlación con causa |
| Decisión | ¿Qué debería hacer la audiencia ahora? | Cerrar con un resumen sin recomendación |
Por qué esta habilidad importa en Chile
La plataforma SABE de SENCE analiza ofertas laborales para identificar ocupaciones y habilidades demandadas. Ese tipo de evidencia es útil, pero genera valor solo cuando alguien puede traducirla en decisiones de formación, contratación o desarrollo.
En una empresa ocurre lo mismo. Finanzas puede calcular una desviación presupuestaria; operaciones puede medir tiempos de entrega; RR. HH. puede observar rotación; marketing puede comparar campañas. La diferencia profesional aparece cuando la persona conecta el indicador con una pregunta concreta y explica las opciones disponibles sin exagerar lo que sabe.
La estructura de una historia con datos
1. Define una decisión antes de abrir el gráfico
Comienza con una frase: “Al terminar esta presentación, la audiencia debe poder decidir si…”. Puede ser priorizar una sucursal, ajustar un proceso, probar una capacitación o investigar una caída de ventas. Si no existe una decisión posible, quizá el entregable correcto sea un informe exploratorio y no una presentación ejecutiva.
2. Escribe el mensaje principal en una oración
Una conclusión útil incluye sujeto, cambio y consecuencia. Por ejemplo: “La demora se concentra en dos etapas del despacho y explica la mayor parte de los reclamos; conviene probar un control temprano antes de ampliar dotación”. Esta oración guía la selección de gráficos.
3. Comprueba la calidad de la evidencia
Revisa período, unidad, cobertura, faltantes y cambios de definición. Pregunta si la comparación es justa. Un aumento de reclamos puede provenir de más ventas; una tasa puede cambiar aunque el número absoluto se mantenga. Documentar estas limitaciones aumenta credibilidad.
4. Ordena la secuencia
- Situación: cuál era la meta o condición esperada.
- Cambio: qué ocurrió y cuándo comenzó.
- Explicación: dónde se concentra la diferencia y qué hipótesis son plausibles.
- Opciones: qué alternativas existen, con costos y riesgos.
- Recomendación: qué acción se propone, responsable y plazo.
Cómo elegir el gráfico correcto
| Pregunta | Visual sugerido | Uso práctico |
|---|---|---|
| ¿Cómo cambia en el tiempo? | Línea | Ventas mensuales, tiempos, rotación |
| ¿Qué categorías difieren? | Barras ordenadas | Sucursales, áreas, productos |
| ¿Dónde se concentra el total? | Pareto | Errores, reclamos, causas |
| ¿Existe relación entre variables? | Dispersión | Capacitación y productividad, precio y demanda |
| ¿Cómo avanza un proceso? | Embudo o flujo | Selección, ventas, atención |
Evita gráficos 3D, ejes truncados sin advertencia y escalas que exageran diferencias. Usa color para dirigir atención, no para decorar. El naranja puede marcar la excepción o recomendación; los tonos neutros mantienen el contexto. El título del gráfico debe expresar el hallazgo: “Dos causas explican 68% de los atrasos” comunica más que “Atrasos por causa”.
Cómo presentar una recomendación ejecutiva
Una recomendación sólida no salta de un dato a una solución definitiva. Distingue entre hecho observado, inferencia y propuesta. Por ejemplo: el hecho es que aumentó el tiempo de respuesta; la inferencia es que una etapa manual contribuye; la propuesta es probar automatización en una muestra durante cuatro semanas.
Incluye cinco piezas: acción, responsable, plazo, indicador de éxito y condición de revisión. Así la presentación deja de ser un reporte y se convierte en un instrumento de gestión.
Formato breve: “Recomendamos probar [acción] en [alcance] durante [plazo]. Mediremos [indicador] frente a [línea base]. Si no mejora [umbral], revisaremos [hipótesis o alternativa]”.
Un caso práctico
Imagina una cadena de servicios con caída en satisfacción. El dashboard muestra diez indicadores. Una presentación débil recorre cada uno. Una historia útil comienza con la meta, muestra que la caída se concentra en dos sucursales, vincula el cambio con mayores tiempos de espera y aclara que todavía no prueba causalidad. Después propone observar el proceso, reforzar la programación de turnos durante un piloto y medir espera y satisfacción.
La historia no oculta datos contrarios: si una sucursal mantiene satisfacción pese a tiempos altos, ese caso debe investigarse. Las excepciones pueden revelar que el trato, la comunicación o la complejidad del servicio también importan.
Cómo usar inteligencia artificial sin perder rigor
Una herramienta de IA puede ayudar a proponer títulos, resumir notas o adaptar el lenguaje para una audiencia. No debe recibir datos confidenciales sin autorización ni decidir qué conclusión es verdadera. Trabaja con información pública, ficticia o anonimizada y verifica cada afirmación contra la fuente.
Un buen uso consiste en entregar a la IA una tabla sin datos sensibles, pedir tres maneras de explicar el hallazgo y evaluar cuál representa mejor la evidencia. Conserva la trazabilidad: fuente, fecha, filtros, cálculo y cambios realizados.
Tres proyectos para tu portafolio
Proyecto 1: historia de ventas y margen
Crea un conjunto ficticio de productos, regiones y meses. Explica por qué crecer en ventas no siempre mejora margen. Entrega una página ejecutiva con dos gráficos, una recomendación y una nota metodológica.
Proyecto 2: embudo de selección
Usa datos simulados de postulaciones, entrevistas, ofertas y contrataciones. Identifica dónde se pierde talento y propone una prueba. Evita atribuir diferencias a grupos de personas sin evidencia y documenta criterios.
Proyecto 3: operación y nivel de servicio
Analiza tiempos de entrega, causas de atraso y reclamos. Construye un Pareto, una tendencia y un plan piloto. Presenta el caso en cinco minutos y prepara respuestas a preguntas sobre calidad de datos.
Checklist antes de presentar
- La pregunta de negocio está escrita y la audiencia puede decidir algo.
- Las fuentes, fechas, unidades y definiciones están documentadas.
- El título de cada gráfico expresa un hallazgo verificable.
- La visualización no exagera diferencias ni oculta excepciones.
- Hechos, inferencias y recomendaciones están diferenciados.
- La recomendación incluye responsable, plazo e indicador.
- Existe una versión breve para dirección y un anexo metodológico.
- Los datos personales o confidenciales cuentan con protección adecuada.
De analizar a influir con evidencia
Data storytelling no reemplaza el análisis: lo vuelve utilizable. En el mercado chileno, esta habilidad permite que una persona de finanzas, operaciones, marketing, RR. HH. o tecnología demuestre algo más valioso que manejar una herramienta: la capacidad de conectar evidencia con decisiones.
Para desarrollar esa combinación, explora la formación práctica de G-Talent en Business Intelligence y Power BI. Convierte cada ejercicio en una historia ejecutiva con fuente, hallazgo, visual y recomendación; así tu aprendizaje puede transformarse en un portafolio que un empleador o cliente realmente pueda evaluar.
