Liderar con datos e inspirar con humanidad convierten a la ciencia de datos en el motor que transforma a las organizaciones.

Actualmente, menos de la cuarta parte de los proyectos de ciencia de datos están liderados por mujeres, y más del 80 por ciento de ellos fracasan no por cuestiones técnicas, sino por la falta de comunicación y de liderazgo humano en los equipos. Estas cifras indican que la clave no está solo en los algoritmos, sino también en cómo colaboramos, confiamos y lideramos. La ciencia de datos no es únicamente algoritmos, código y modelos; también son personas con la capacidad de transformar datos en decisiones que mejoran la vida de otras personas.

Los desafíos técnicos a los que se enfrentan los científicos de datos suelen estar relacionados con la calidad y la disponibilidad de los datos. Muchas veces, el proceso de curación demanda más tiempo que el diseño o la programación, debido a inconsistencias, datos incompletos o nulos. Sin embargo, el verdadero desafío no termina ahí; el reto está en traducir los datos duros en narrativas humanas que inspiren confianza y ayuden a caminar con seguridad hacia la acción. Una gráfica sin historia es solo un dibujo y un modelo sin contexto es solo un cálculo.

También, se enfrentan a retos ocultos como la ausencia de comunicación eficiente, la falta de motivación, la carencia de visión y la resistencia cultural al cambio. En este sentido, Letteriello (2025), a través de la teoría psicodinámica ofrece valiosas perspectivas sobre el comportamiento humano en el ámbito laboral. Según esta visión, los rasgos de personalidad se mantienen relativamente estables a lo largo del tiempo, y que, en momentos de crisis, las personas pueden reaccionar con tres comportamientos:

El líder narcisista rechaza todo aquello que contradiga su opinión o su experiencia empírica.
El colega obsesivo, que busca la perfección y ralentiza las entregas.
El empleado paranoico, que se niega a la cultura digital y limita la apertura.
Antes de que te identifiques con alguno de estos comportamientos, considera al liderazgo humano como una herramienta poderosa para coadyuvar al éxito en la escalabilidad y despliegue de proyectos. Algunas estrategias clave incluyen:

1) Poner a la persona en el centro. No hay nada más enriquecedor que tomar decisiones basadas en las voces del equipo.

2) Escuchar sin ego, aceptar que la retroalimentación no es un ataque personal; es una oportunidad de crecer.

3) Reconocer públicamente al equipo para fortalecer la identidad colectiva.

4) Aceptar que todo proyecto es perfectible de forma iterativa; la perfección es un proceso, no un requisito inicial.

5) Abrazar la innovación tecnológica como aliada para crecer profesionalmente.

6) Comunicar los resultados en una narrativa clara, siempre pensando en el usuario final.

7) Gestionar las emociones mediante técnicas como mindfulness antes de reuniones difíciles puede marcar la diferencia.

8) Practicar el autorreconocimiento, sentirse bien con uno mismo es clave para generar bienestar en los demás.

9) Publicar el impacto del proyecto ante la organización mediante una narrativa comprensible, subrayando que la tecnología es una herramienta para apoyar actividades, no para sustituir a las personas.

10) Priorizar el bienestar humano, preguntar “¿Cómo estás?”, “¿Qué necesitas?” y “¿Cómo lo resolvemos?” son el principio de un liderazgo genuino.

La ciencia de datos necesita líderes que comprendan que detrás de cada línea de código, de cada algoritmo y de cada modelo hay una historia humana y que los proyectos más exitosos no son los que alcanzan métricas perfectas, sino los que transforman la cultura organizacional, inspiran confianza y generan un impacto real.

El reto es simple: debemos construir equipos en los que la diversidad sea el motor de la innovación, la comunicación sea el puente y el liderazgo humano sea la fuerza que convierte los datos en información con sentido. Porque los algoritmos pueden predecir, pero solo las personas toman decisiones. Y decidir con humanidad es el verdadero triunfo de la ciencia de datos.

Referencias

Choi, Y., & Phan, W. M. J. (2022). Narcissistic leaders: The good, the bad, and recommendations. Organizational Dynamics, 51(3), 100868. https://doi.org/10.1016/j.orgdyn.2021.100868

Ekne, C. (2024). Leading Data Science Teams to Success. Towards Data Science: https://acortar.link/3eipg9

GeeksForGeeks. (2025). 7 Common Data Science Challenges and Effective Solutions. https://n9.cl/jfsnv

Letteriello, N. (2025). Why Do So Many Data Science And AI Projects Fail? The Missing Human Factor. Forbes Technology Council https://acortar.link/IM3qai

Sharma, R. (2025). Top 20 Challenges in Data Science: A Complete 2026 Guide. upGrad. https://n9.cl/07yfn

Zahner, A. (2026). What is Human Leadership? And, why is Human Leadership important?. Human Leaders. https://acortar.link/Pk238L

Publicado originalmente en MTP Noticias.