Cómo lograr que todos sean buenos en el manejo de datos
H
oy en día, la mayoría de las empresas saben que los datos de calidad son esenciales para lograr operaciones eficientes, una toma de decisiones acertada y una inteligencia artificial potente. Sin embargo, no reconocen el papel fundamental que desempeñan las personas en la creación de datos de calidad.
Muchos gerentes, en su mayoría de manera inconsciente, dificultan que las personas hagan lo correcto cuando se trata de datos. Después de todo, ellos también se esfuerzan por hacer lo mejor que pueden: les preocupa cumplir con los KPI y están bajo la presión de sus propios jefes. Al reflexionar con más detenimiento, es posible que identifique los siguientes escenarios:
Escenario 1: En un banco, la gerencia se negó a capacitar a los empleados de primera línea (con salarios bajos) sobre la importancia de los datos que introducían y su relevancia para las operaciones comerciales.
Escenario 2: Después de años de trabajo en el departamento de finanzas, Mary notó que las listas departamentales de proveedores contenían inconsistencias. Sin embargo, solucionar este problema le quitaría tiempo de su «trabajo diario». Así que, por ahora, decide guardar silencio.
Escenario 3: El personal de trabajo social se mostraba reacio a involucrarse en cualquier tarea relacionada con datos; estaban en la organización para servir a la gente, no para trabajar con tecnología.
Escenario 4: Para alcanzar su objetivo, durante las conferencias, un equipo de marketing adoptó el mantra “si respiran, escanee su credencial”. Esto generó mucho trabajo adicional para el departamento de ventas, que tuvo que buscar a personas que no tenían interés alguno en sus productos.
Fomente el orgullo por la calidad del trabajo
Estos escenarios son inquietantemente similares a los que han ocurrido en las fábricas desde los primeros días de la industrialización. Abordar este tipo de problemas fue el objetivo de estadísticos y consultores de gestión como W. Edwards Deming, Joseph Juran y Walter Shewhart desde la década de 1920.
Deming, en particular, destacó la importancia del trabajador común y su derecho a comprender cómo su trabajo encaja en el resto de la organización. Reconoció que casi todos los trabajadores sienten un orgullo natural por lo que hacen y un fuerte deseo de hacer las cosas bien. En su opinión, están en una posición privilegiada para ayudar a determinar la mejor manera de hacer su trabajo.
Su pensamiento es tan relevante para la “fábrica de datos” de la actualidad como lo fue para la fábrica física de hace años. En nuestro trabajo, observamos a diario cómo las personas quieren hacer lo correcto en lo que se refiere a los datos. Considere lo que está ocurriendo (o no) en los escenarios anteriores, y plantee las siguientes preguntas:
1. ¿Las personas comprenden que son creadoras de datos y cómo estos encajan en el panorama general?
2. ¿Existen mecanismos para que las personas expresen sus inquietudes, sugieran posibles mejoras y realicen cambios?
3. ¿Las personas se sienten orgullosas de lo que hacen y asumen la responsabilidad de crear, obtener y utilizar datos que respalden la misión de la organización?
4. ¿Las personas se perciben como clientes de los datos que otros crean, con el derecho y la responsabilidad de explicar lo que necesitan y ayudar a los creadores a desarrollar soluciones en beneficio de todos los involucrados?
Aproveche las oportunidades
Recomendamos que todos los gerentes hagan lo siguiente:
— Vean a las personas de manera positiva y les den voz.
— Relacionen el “trabajo diario” de las personas con los datos.
— Fomenten el trabajo en equipo.
— Comprendan que el empoderamiento conlleva responsabilidad.
— Adopten una actitud de “ninguna idea es demasiado loca”.
Lidere el cambio cultural
Todos los líderes tienen agendas muy ocupadas. Es fácil pasar por alto que los datos de alta calidad son fundamentales para todo, y lo esencial que son las personas para la calidad de los datos. Respételas, muéstreles el panorama general y ayúdelas a desarrollarse como creadoras y clientes de datos.
© 2025 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
By now, most companies know that good data is essential to efficient operations, sound decision-making and powerful AI. However, they fail to recognize the critical role that people play in the creation of good data
Yet many managers, mostly unconsciously, make it harder for people to do the right things when it comes to data. After all, they too are striving to do their best — they’re concerned about meeting KPIs and under pressure from their own bosses. On closer consideration, you may recognize the following:
Scenario 1: At a bank, management refused to train low-paid, frontline employees on how the data they entered was critical to business operations.
Scenario 2: Over years of working in the finance department, Mary has noticed that the departmental lists of suppliers contained inconsistencies, however, and fixing this problem would take time away from her “day job.” So for now, she stays quiet about this opportunity.
Scenario 3: Social worker staff were reluctant to engage with anything data-related; they were at the organization to serve people, not work with technology.
Scenario 4: To pursue their target, at conferences, a marketing team adopted the mantra “if they’re breathing, scan their badge.” This led to lots of extra work for Sales as they pursued people with no interest in their products.
SUPPORT PRIDE OF WORKMANSHIP
These scenarios are eerily reminiscent of those that have occurred on the factory floor since the early days of industrialization. Addressing this problem was the focus of statisticians and management consultants such as W. Edwards Deming, Joseph Juran and Walter Shewhart as far back as the 1920s.
Deming, in particular, stressed the importance of the common worker and their right to understand how their work fits within the rest of the organization. He recognized that almost all workers have natural pride of ownership in what they do and a strong desire to do the right thing. They are, he argued, singularly well positioned to help determine how best to do their jobs.
His thinking is as relevant to today’s “data factory” as it was to the physical factory years ago. In our own work, we see this theme of people wanting to do the right thing as it relates to data repeat itself every day. Consider what’s happening, or not happening, in the scenarios above, by asking the following questions:
1. Do people understand that they are data creators and how the data they create fits into the bigger picture?
2. Are there mechanisms for people to voice concerns, suggest potential improvements and make changes?
3. Do people feel pride of ownership and take on responsibly to create, obtain and put to work data that supports the organization’s mission?
4. Do people see themselves as customers of data others create, with the right and responsibility to explain what they need and help creators craft solutions for the good of all involved?
SEIZE OPPORTUNITY
We recommend that all managers do the following:
—See people in a positive light, and give them a voice.
—Tie people’s “day job” to data.
—Get people working together.
—Understand that with empowerment comes responsibility.
—Adopt a “no idea is too crazy” attitude.
LEADING CULTURE CHANGE
All leaders have full plates. It is easy to miss just how fundamental high-quality data is for everything, and how fundamental people are to data quality. Respect them, show them the bigger picture and help them grow into roles as data creators and data customers.
La IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)
La IA puede alejar las evaluaciones de desempeño de las narrativas laborales y acercarlas a evidencia directa del trabajo en la práctica.
Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
He aquí tres prácticas que pueden ayudar a desarrollar la «química humano-IA en los equipos» a medida que evoluciona el lugar de trabajo.
¿Cuáles son los problemas de su empresa en materia de IA?
El “Ethical Nightmare Challenge” (ENC) es un marco de trabajo que puede integrarse con programas existentes de gestión de riesgos de IA.
