Storytelling en ciencia de datos: cómo usar historias para explicar análisis y liderar proyectos
Por el Equipo docente del Instituto Data Science · Actualizado en octubre de 2026
El storytelling se volvió una competencia esencial para cualquier científico de datos, analista o gerente de proyectos. No alcanza con dominar algoritmos y herramientas: la diferencia está en cómo comunicamos los hallazgos para que otros los entiendan, los recuerden y actúen.
Resumen: el storytelling es una técnica para transmitir información mediante narraciones. En ciencia de datos sirve para presentar resultados, proponer acciones y gestionar proyectos. Funciona porque combina contenido racional, conexión emocional y estructuras que generan confianza. Una historia efectiva tiene un objetivo claro, un escenario, personajes creíbles y un conflicto a resolver.
¿Qué es el storytelling y por qué funciona?
Es una técnica de transmisión de información basada en narraciones. Va más allá de compartir datos: combina razonamiento, emoción e instinto para lograr una comunicación memorable.
Estructura narrativa
Los relatos generan interés porque pasan cosas: hay un inicio, un desarrollo y una resolución.
Conexión sensorial y emocional
Una buena historia permite “ver” o “sentir” la situación y conecta con la audiencia en un nivel más profundo.
Mensaje reforzado
La historia no es adorno: potencia la idea principal y facilita que se recuerde.
Los tres niveles de la percepción humana
Ignacio Urteaga destaca que el storytelling apunta a tres niveles.
Lo racional
El contenido objetivo: datos, resultados y conclusiones.
Lo emocional
La historia despierta empatía, interés y cercanía con la audiencia.
Lo instintivo
Las estructuras conocidas, como un relato claro y coherente, generan confianza casi automática.
Según este marco, la combinación de los tres niveles hace que la información sea más creíble, memorable y persuasiva. Es el planteamiento del expositor, no una teoría con una única definición académica.
Las reglas para construir una buena historia
Según Urteaga, un storytelling efectivo sigue principios claros.
Introspección
Conocerse para identificar qué experiencias transmitir y desde dónde contar.
Autenticidad
Las historias reales se perciben como honestas; las inventadas generan distancia.
Empatía
Entender qué siente la audiencia y cómo recibirá la historia.
Uso adecuado del énfasis
Ni monotonía absoluta ni exageración: el énfasis acompaña el contenido.
Adaptación a la audiencia
No se cuenta igual en una presentación técnica que ante un directorio.
Simplicidad
Demasiados elementos confunden: la historia debe ser clara.
Cómo construir un relato para comunicar datos
Para aplicarlo al trabajo cotidiano de análisis, Urteaga propone cuatro pasos.
Tener claro qué querés comunicar
Sin objetivo, no hay historia.
Definir el escenario
La audiencia debe “sentirse ahí”: en qué área, con qué situación y en qué momento.
Elegir personajes creíbles
Pueden ser clientes, usuarios, procesos o datos.
Identificar el conflicto
Toda historia gira en torno a un problema a resolver.
Ejemplos de storytelling en marcas globales
En su exposición, Urteaga menciona campañas que muestran el poder de contar historias.
- Johnnie Walker (“Keep Walking”): una historia basada en el fundador y en el movimiento, no en el producto en sí.
- Coca-Cola y Quilmes: asocian el consumo con experiencias positivas.
- Renault Scénic: la transformación del usuario a través de la experiencia de producto.
- Apple: enfoca sus lanzamientos en historias de uso real.
Son referencias del marketing que ilustran la idea. Para ver cómo se conecta con los datos, mirá marketing y ciencia de datos.
Aplicaciones del storytelling en ciencia de datos
Tres situaciones donde una buena narración cambia el resultado.
Presentación de resultados
En lugar de mostrar gráficos y métricas “como teoremas”, contar cómo se llegó al hallazgo, qué problemas aparecieron, qué hipótesis se probaron y cómo se resolvió.
Propuesta de acciones
Narrar el futuro posible: “si implementamos esta acción, esto ocurrirá paso a paso”. La historia ayuda a visualizar el impacto.
Gestión de proyectos
Explicar el por qué del proyecto, describir el recorrido y anticipar cambios para reducir la resistencia de los equipos.
La comunicación de resultados es la última etapa de un proyecto. Podés ver el recorrido completo en el ciclo de vida de un proyecto de ciencia de datos.
Un ejemplo: antes y después
Un mismo hallazgo, presentado de dos formas.
| Sin historia | Con historia |
|---|---|
| “El modelo de abandono tiene un AUC de 0,82. Las variables más importantes son recencia y frecuencia.” | “Muchos clientes que se van no compran nada en su segundo mes. Con el modelo identificamos a quiénes están en riesgo y proponemos contactarlos antes de que pasen esos 30 días. Si funciona, esperamos reducir el abandono; lo vamos a medir con un grupo de control.” |
El ejemplo es ilustrativo, con cifras inventadas. La segunda versión tiene escenario (clientes en su segundo mes), un conflicto (el abandono), una acción y una forma de medir el resultado. No oculta el rigor: lo ubica al servicio del mensaje.
Un límite importante: contar una historia no autoriza a forzar una conclusión. La narración debe respetar lo que dicen los datos, incluidas sus limitaciones. Ver límites éticos en la ciencia de datos.
Qué dicen las fuentes
Hay investigación académica y guías de organismos públicos sobre cómo comunicar datos.
Narrative Visualization (Segel y Heer, 2010)
Un trabajo de la Universidad de Washington publicado en IEEE Transactions on Visualization and Computer Graphics. Analiza casos de medios y de investigación, identifica distintos géneros de visualización narrativa y describe el equilibrio entre el flujo narrativo que propone el autor y la exploración que hace el lector.
Guía de gráficos del Analysis Function (Reino Unido)
Recomienda que el título de un gráfico comunique el mensaje principal, mantener los gráficos tan simples como sea posible y evitar fondos sombreados, bordes innecesarios y formas 3D. También exige texto alternativo y buen contraste de color.
Lectura práctica: una buena historia con datos tiene un mensaje claro, un diseño sin ruido y es accesible para quienes la leen. Estos recursos son gratuitos y de acceso abierto.
Por qué el storytelling es clave para los científicos de datos
- Transforma datos complejos en información accionable.
- Aumenta la claridad en la comunicación con directivos.
- Reduce la distancia entre los análisis técnicos y las decisiones de negocio.
- Facilita la adopción de proyectos y la gestión del cambio.
- Mejora la capacidad de persuasión y de liderazgo.
No es una técnica “blanda” ni secundaria: es una herramienta central. Permite que la información circule, que los resultados se entiendan y que las decisiones se tomen con fundamentos claros. Por eso aparece entre las habilidades que describimos en qué se necesita para ser científico de datos.
Preguntas frecuentes
¿Qué es el storytelling en ciencia de datos?
Es contar los hallazgos de un análisis mediante una narración con objetivo, escenario, personajes y conflicto, para que se entiendan y se usen. Ver Qué es el storytelling.
¿Es lo mismo que visualización de datos?
No. La visualización es una herramienta; el storytelling es la estructura que da sentido al conjunto. Ver Qué dicen las fuentes.
¿Cómo empiezo a aplicarlo?
Definí qué querés comunicar, quién es la audiencia y cuál es el problema que el análisis resuelve. Ver Cómo construir un relato.
¿Se puede exagerar con una historia?
Sí, y hay que evitarlo: la narración no debe distorsionar los datos. Ver Un ejemplo: antes y después.
¿Sirve también para gestionar proyectos?
Sí: ayuda a explicar el por qué, el recorrido y los cambios que vienen. Ver Aplicaciones del storytelling.
Cómo seguir después de este artículo
- Entendé el proyecto completo: el ciclo de vida de un proyecto de ciencia de datos.
- Ordená tu aprendizaje: la ruta de aprendizaje de ciencia de datos.
- Volvé a la guía: la guía de Ciencia de Datos reúne el resto de los temas.
Este artículo es informativo y no reemplaza un plan de estudios. Si buscás formación estructurada, el instituto ofrece cursos de ciencia de datos online, diplomaturas en ciencia de datos y cursos on demand.
Fuentes: Segel, E. y Heer, J. (2010), Narrative Visualization: Telling Stories with Data, IEEE TVCG; Analysis Function (UK Government): Data visualisation, charts. Consultadas en octubre de 2026. El marco de tres niveles, las reglas y los pasos son de la exposición de Ignacio Urteaga. El ejemplo de abandono de clientes es ilustrativo.