Tres simuladores de escenarios, un tablero público para cada uno, y los patrones que vuelven a aparecer cada vez que alguien tiene que decidir con el reloj en marcha, con una explicación honesta de lo que un tablero público no puede decirte.
Tres simuladores de este sitio te meten dentro de una situación de gobernanza y te obligan a elegir. Una regla de calidad está fallando y arreglarla implica pedirle a un director que cambie un proceso por el que se le mide. Dos departamentos reclaman el mismo registro de cliente. La alfabetización es baja y no hay presupuesto de formación. Decides, la decisión se puntúa por su consecuencia de gobernanza y no contra una respuesta correcta, y tu partida entra en un tablero público.
Esta página es lo que sale por el otro extremo: no el tablero en sí, que está en cada simulador, sino la distribución que hay detrás y las lecciones que sobreviven a mirarlas con cuidado.
Es también un ejemplo de lo que describe. Un tablero es una medición, una medición tiene un tamaño de muestra, y el tamaño de muestra decide qué frases tiene derecho a escribir cualquiera. Así que cada cifra de abajo llega con su tamaño de muestra pegado, y la redacción cambia cuando la muestra es demasiado pequeña para sostener un porcentaje.
No son tres versiones del mismo cuestionario. Cada uno está construido para dejar al descubierto un fallo distinto.
Gobernanza de Datos en el Día a Día te da una semana en la vida de un responsable de gobernanza y la puntúa sobre cinco ejes: eficiencia, confianza, responsabilidad, seguridad y contexto, sobre 100. Los ejes no son independientes, y eso es lo importante: una decisión que compra eficiencia normalmente gasta responsabilidad, y la puntuación refleja el intercambio. Aquí es muy difícil ir bien siendo complaciente.
Conflicto de Propiedad de Datos son diez disputas, cada una de las cuales pertenece a uno de tres roles: el Propietario de Negocio, el Data Steward o TI. Se puntúa sobre 1000. Cuatro de las diez pertenecen a TI, tres al Steward y tres al Propietario de Negocio: un reparto que importa más de lo que parece, y la siguiente sección trata de por qué.
Alfabetización de Datos son quince puntos repartidos entre gobernanza, analítica, IA y automatización, conciencia de sesgo y cultura de datos. Es el único de los tres que pregunta por la cultura directamente, y el único que te devuelve una segunda cifra: el valor que estima que has desbloqueado de tus activos de datos.
Ninguno de los tres ve los cinco pilares de madurez de datos. El del Día a Día y el de Propiedad son ciegos a la cultura de datos; el de Alfabetización es ciego a los metadatos. Eso es lo que es un ejercicio de diez preguntas, no un defecto pendiente de arreglar, y fija la regla con la que se leen los tableros: una dimensión que nadie midió se reporta como no medida, nunca como débil. Deducir un problema de cultura de un ejercicio de RACI sería inventarse un hallazgo.
Lee esto como la lista de quienes han jugado, no como un benchmark. Por debajo de 30 partidas en una clasificación, una sola persona que cambia de banda mueve cada porcentaje de la página en dos dígitos: por eso las bandas de abajo van en número de partidas y no se afirma ningún porcentaje de "profesionales". Los números serán más informativos a medida que se llenen las clasificaciones.
Las tres clasificaciones juntas
68,9% Competente
La partida promedio publicada, como porcentaje de lo que su propio simulador puede otorgar.
3 partidas publicadas · puntuada sobre 100
Dónde caen las partidas
3 partidas publicadas · puntuada sobre 1000
Dónde caen las partidas
3 partidas publicadas · puntuada sobre 15
Dónde caen las partidas
Las cuatro bandas son las mismas en las tres clasificaciones, así que una partida puntuada sobre 15 y otra sobre 1000 pueden estar en el mismo histograma.
Es el patrón más fiable de todo el conjunto, y el simulador de propiedad existe para dejarlo al descubierto. Diez disputas, puntuadas por rol, y el fallo casi nunca está repartido por igual: la gente va fuerte en los cuatro escenarios de TI y flojea en los tres que pertenecen al Propietario de Negocio.
Lee eso con cuidado, porque la lectura útil no es "flojo en propiedad del dato". Es que cuando una pregunta suena técnica, la respuesta se va por defecto al equipo técnico, y casi cualquier pregunta de gobernanza puede hacerse sonar técnica. ¿Quién es dueño de la definición de cliente activo? Detrás hay una consulta SQL, así que TI. ¿Quién aprueba compartir datos con un tercero? Hay una API implicada, así que TI. ¿Quién firma el presupuesto del almacén de datos? Ese sí es TI de verdad, y por eso el instinto sobrevive.
Con lo que acabas es un programa donde todos los data owners están en el equipo de datos, lo que significa que nadie con autoridad para cambiar un proceso de negocio es dueño de nada. Es el defecto estructural más común que encuentro en organizaciones reales, y un ejercicio de diez minutos lo pone sobre la mesa en cuatro.
Una sala que promedia 70 con todo el mundo entre 66 y 74 comparte un mismo modelo de cómo funciona la gobernanza. Una sala que promedia 70 combinando un 95 y un 45 tiene dos modelos incompatibles y no lo sabe. Esas dos salas necesitan trimestres siguientes completamente distintos, y la media no las distingue.
Por eso las cifras de arriba reportan la diferencia entre la mejor partida y la mediana, y por eso el informe del facilitador de una sesión privada abre con el desacuerdo y no con el ganador. En un taller, los desacuerdos son la sesión: el tablero va a la pantalla, y entonces las dos personas que eligieron cosas opuestas se explican la una a la otra usando tu propia organización como ejemplo.
Dos de los tres tableros se cronometran. En el tablero de Alfabetización de Datos, por ahora la partida publicada más rápida es también la de menor puntuación —veinticinco segundos, cinco puntos de quince—, mientras que la de mayor puntuación llevó más de seis minutos.
Tres partidas no son un hallazgo y no voy a fingir lo contrario. Pero coincide con lo que pasa en las salas lo bastante a menudo como para decirlo en voz alta: quien termina primero suele ser quien no vio el compromiso. Una pregunta de gobernanza que puedes responder al instante normalmente se ha leído mal, como una pregunta técnica con respuesta de consulta, que es el fallo de arriba con otro disfraz.
Todo el mundo sabe que los datos hay que protegerlos. Casi nadie sabe decir quién decide. En sesiones reales, los dos ejes que vuelven más débiles son responsabilidad —quién tiene la autoridad para tomar esta decisión— y contexto, es decir, si alguien aguas abajo puede saber qué cuenta realmente un número. La seguridad puntúa comparativamente bien, porque la seguridad ya tiene presupuesto, un dueño con nombre y una auditoría detrás.
Esa diferencia es el argumento para un modelo operativo y no para más política. Una política le dice a la gente cuál es la regla. Estos fallos son fallos de derechos de decisión: nadie tenía dudas sobre la regla, solo sobre quién puede decidir la excepción.
El simulador de alfabetización pregunta por sesgo, IA y cultura además de analítica, y el patrón en las respuestas es constante: la gente no interpreta mal los datos, lo que no sabe es qué significan las palabras de tu organización. Si "cliente" incluye las cuentas que se dieron de baja. Si la cifra de ingresos es contratada o reconocida. Si los "usuarios activos" del tablero son los mismos "usuarios activos" que vio el comité la semana pasada.
Eso es un problema de glosario de negocio. Y es por lo que los programas de alfabetización de datos que enseñan estadística a gente que necesitaba definiciones nunca mueven nada.
Todo lo de arriba es o una propiedad de cómo están construidos los simuladores o un patrón de haberlos usado con grupos reales. Lo que no es, es un diagnóstico de tu organización, y merece la pena ser preciso sobre el motivo, porque es una decisión de gobierno de datos y no una limitación del producto.
Una partida pública guarda tu puntuación, el idioma en el que jugaste, cuánto tardaste y el nombre que escribiste. No guarda tu desglose pregunta a pregunta. Es deliberado: conservar el detalle por dimensión de la partida de un desconocido significaría que este sitio guarda datos de comportamiento de personas que vinieron a jugar diez minutos, sin un propósito que pudiera defender. Así que no lo guarda.
La consecuencia es que los tableros públicos pueden mostrarte cómo se distribuyen las partidas publicadas y nada sobre por qué pasó algo de eso. No hay forma de decir en qué eje es más débil un tablero, porque ese dato no existe fuera de un espacio privado. Ese es el límite honesto de esta página.
Dentro de un espacio privado el desglose sí se guarda, y eso cambia lo que es el ejercicio. Deja de ser un tablero y se convierte en la medición de una sala concreta.
Y el informe te lo quedas. Ordena las dimensiones en las que tu grupo fue más débil, con bandas de madurez y tiempos, más una exportación a CSV: la diferencia entre contarle a un patrocinador que al equipo le gustó el taller y enseñarle tres áreas ordenadas donde tu propia gente no sabía quién decide.
Dos formas de entrar, según lo claro que tengas ya lo que quieres.
Ver cómo funciona un taller →: el formato, el debrief, cuál de los tres escenarios encaja con cada sala, qué contiene el informe del facilitador y cómo se presupuestan las sesiones. Empieza aquí si todavía estás decidiendo si esto encaja.
Ir directo al formulario de contacto →: llega con la solicitud de espacio privado ya rellenada. Añade tus fechas, el número de participantes, la mezcla de idiomas y qué sistemas y equipos deberían nombrar los escenarios, y te vuelvo con una recomendación de escenario y un presupuesto.
Si el taller es una pieza de algo más grande, la página de asesoría cuenta cómo encaja normalmente: casi siempre como el movimiento de apertura del diseño de un modelo operativo. Una sala que acaba de discutir sobre propiedad del dato se implica con una matriz de derechos de decisión. Una que no lo ha hecho, nunca.
