Durante el verano de 1854, London vivía bajo el miedo. El cólera avanzaba por las calles del Soho y las explicaciones dominantes apuntaban al aire viciado, a los malos olores, a esa mezcla de ignorancia y resignación con la que muchas veces se afrontaban las epidemias. Los registros de fallecidos crecían y, con ellos, también la sensación de que la tragedia era inevitable.
Pero hubo alguien que decidió mirar de otra manera...
John Snow, médico londinense, hizo algo que hoy puede parecer sencillo, pero que en su momento fue revolucionario: dejó de observar el problema solo desde la teoría y empezó a seguir las huellas que dejaban los hechos. Apuntó una a una las direcciones de las personas fallecidas. Las localizó sobre un mapa. Ordenó lo que hasta entonces parecía caótico. Y al hacerlo descubrió un patrón: la concentración de muertes alrededor de una bomba de agua en Broad Street.
Ese gesto cambió la historia. No porque tuviera más datos que los demás, sino porque fue capaz de darles forma. Transformó una lista de direcciones en una narrativa comprensible. Convirtió puntos dispersos en evidencia. Y convirtió esa evidencia en una decisión concreta: retirar la manivela de la bomba.
La epidemia no se entendió solo con cifras. Se entendió cuando alguien logró contar, con los datos, qué estaba pasando.
Ahí está una de las grandes lecciones que sigue plenamente vigente hoy: los datos, por sí solos, no explican nada. Acumular información no equivale a comprender la realidad. Lo que marca la diferencia es la capacidad de conectar los datos, interpretarlos, situarlos en un contexto y construir con ellos una historia que permita actuar.
Vivimos en una época obsesionada con medirlo todo. Cada interacción deja rastro. Cada sistema genera registros. Cada organización presume de dashboards, KPIs, cuadros de mando, modelos predictivos y herramientas de visualización. Nunca habíamos tenido tantos datos a nuestro alcance. Y, sin embargo, eso no significa que sepamos más. Muchas veces significa simplemente que estamos más rodeados de información.
La abundancia de datos no garantiza claridad. De hecho, puede producir el efecto contrario: ruido, parálisis, sobreanálisis. Cuando todo se mide, resulta fácil perder de vista lo esencial. Y cuando una organización confunde volumen con conocimiento, corre el riesgo de convertirse en una máquina muy eficiente para recopilar señales que nadie traduce en decisiones útiles.
Por eso el verdadero reto no está en recolectar datos, sino en convertirlos en significado.
Contar historias con datos no es adornar números ni hacer presentaciones más atractivas. Tampoco consiste en elegir un gráfico bonito o en añadir un titular llamativo a una tabla. Se trata de algo mucho más profundo: descubrir qué está ocurriendo, por qué importa y qué debería hacerse a partir de ello.
Una buena historia basada en datos tiene siempre una estructura clara. Empieza con una pregunta. Continúa con una observación rigurosa. Encuentra un patrón. Lo contrasta. Lo traduce a un lenguaje comprensible. Y termina generando una acción. Sin ese recorrido, el dato se queda en materia prima. Con ese recorrido, se convierte en conocimiento operativo.
En realidad, eso es lo que hacen los buenos analistas, los buenos periodistas, los buenos científicos y también los buenos líderes. No solo presentan información: ayudan a verla. No solo muestran resultados: explican relaciones. No solo describen qué pasó: orientan sobre qué hacer ahora.
El caso de John Snow es un ejemplo temprano de visualización de datos, sí, pero sobre todo es un ejemplo de pensamiento. Su mapa no era valioso porque fuera visualmente impactante. Era valioso porque hacía visible una verdad que hasta entonces estaba escondida. Revelaba una conexión que nadie había querido o sabido ver. Y esa capacidad de revelar sigue siendo hoy el núcleo de cualquier estrategia basada en datos.
En el mundo empresarial ocurre lo mismo. Un responsable de operaciones puede tener cientos de indicadores sobre incidencias, tiempos de respuesta o disponibilidad de servicio. Pero si no logra identificar qué patrón anticipa una degradación crítica, esos datos no evitan el problema. Un directivo puede revisar informes semanales de ventas, costes o satisfacción de cliente. Pero si nadie convierte esos informes en una lectura coherente del negocio, la organización seguirá reaccionando tarde. Un equipo de ciberseguridad puede monitorizar miles de eventos por segundo. Pero solo avanzará si sabe distinguir qué señales cuentan una historia de riesgo real.
La clave está en pasar de la descripción a la interpretación.
Y para lograrlo hacen falta varias cosas. Hace falta criterio para decidir qué datos importan y cuáles distraen. Hace falta contexto para no leer una cifra de forma aislada. Hace falta pensamiento crítico para no confundir correlación con causalidad. Hace falta empatía para traducir hallazgos técnicos a un lenguaje que otros puedan entender. Y hace falta valentía para actuar cuando la evidencia cuestiona las creencias establecidas.
Porque esa es otra gran enseñanza de la historia de Broad Street: los datos no siempre confirman lo que queremos creer. A veces obligan a revisar consensos, a desmontar inercias, a aceptar que el relato dominante era incorrecto. Y ahí aparece una dimensión incómoda pero esencial del análisis: no basta con ver el patrón; hay que estar dispuesto a asumir sus consecuencias.
Hoy hablamos mucho de inteligencia artificial, automatización y analítica avanzada. Y, sin duda, estas tecnologías amplían enormemente nuestra capacidad para detectar relaciones, proyectar escenarios y optimizar procesos. Pero incluso en un contexto de algoritmos cada vez más sofisticados, la necesidad humana sigue siendo la misma: entender. La máquina puede encontrar regularidades. Puede clasificar, predecir, priorizar. Pero sigue siendo imprescindible construir una narrativa que conecte esos resultados con una decisión, una estrategia o una responsabilidad concreta.
El futuro no pertenecerá a quienes acumulen más datos, sino a quienes sepan formular mejores preguntas y construir mejores historias a partir de ellos.
Historias que expliquen no solo lo que pasa, sino por qué pasa.
Historias que no se limiten a impresionar, sino que ayuden a decidir.
Historias que acerquen la complejidad a la acción.
En el fondo, convertir datos en historias es una forma de dar sentido al mundo. Es el proceso por el que el desorden se vuelve comprensible. Por el que una sucesión de registros se transforma en una señal. Por el que una organización deja de mirar paneles y empieza a entender su realidad.
John Snow no solo cartografió una epidemia. Nos dejó un método. Nos recordó que detrás de cada dato hay un hecho, detrás de cada patrón hay una explicación posible y detrás de cada explicación bien construida hay una oportunidad de intervenir mejor.
Más de siglo y medio después, seguimos enfrentándonos al mismo desafío.
No necesitamos únicamente más datos.
Necesitamos mirarlos mejor.
Necesitamos interpretarlos con rigor.
Y, sobre todo, necesitamos saber contar la historia que llevan dentro.
