Si hablamos de resistencia al cambio en las empresas, podemos sorprendernos. Según un estudio de McKinsey, alrededor del 70% de los cambios organizacionales fracasan. Y no, la culpa no suele ser de la tecnología, ni del presupuesto, ni siquiera de la estrategia. El verdadero obstáculo es la resistencia al cambio por parte de las personas.
Esto es especialmente evidente en el ámbito de la formación en análisis de datos. Muchas empresas invierten grandes sumas en herramientas como Power BI, SQL o Python, pero luego descubren que sus equipos no utilizan estas soluciones de forma efectiva. El problema no está en las herramientas, sino en cómo se gestionó el cambio.
Por suerte, existe un enfoque probado que puede marcar la diferencia: el método ADKAR. Vamos a contarte todo sobre este método.
Si prefieres consumir este contenido en formato de vídeo, ¡dale un vistazo a continuación!
¿Qué es el método ADKAR?
El método ADKAR, desarrollado por Prosci, es un modelo de gestión del cambio que divide el proceso en cinco fases esenciales:
- Conciencia (Awareness): Entender por qué el cambio es necesario.
- Deseo (Desire): Desarrollar la motivación interna para apoyar el cambio.
- Conocimiento (Knowledge): Saber cómo cambiar.
- Habilidad (Ability): Poner en práctica el nuevo conocimiento.
- Refuerzo (Reinforcement): Consolidar el cambio para que se mantenga.
Cada fase responde a una necesidad humana básica que debe satisfacerse para que el cambio ocurra de forma real y sostenible.
¿Cómo usar ADKAR para enseñar análisis de datos sin resistencia al cambio?
Veamos un ejemplo concreto. Imagina esta situación: tu empresa quiere que los empleados aprendan SQL para ser más autónomos y no depender siempre del equipo de datos. Hasta ahora, cada vez que alguien necesitaba un informe, enviaba una solicitud y esperaba días para obtener la información.
Se decide implementar formación en SQL. Pero ¿basta con enviar un email diciendo “tenéis acceso a un curso de SQL”? La respuesta es un rotundo no.
Veamos cómo aplicar ADKAR paso a paso:
A. Awareness – Conciencia
Primero, hay que explicar el porqué. Mostrar el impacto que tiene la dependencia del equipo de datos. Por ejemplo: “Cada mes, el equipo de datos dedica 40 horas a solicitudes simples que podrías resolver tú mismo si supieras SQL.”
Cuando el empleado entiende que aprender SQL le ahorrará tiempo y mejorará sus decisiones, empieza a abrirse al cambio.
D. Desire – Deseo
El siguiente paso es cultivar la motivación. No se trata solo de obligar, sino de seducir.
Hay que destacar beneficios personales: “Con SQL podrás resolver tus dudas en minutos, ganarás reconocimiento y podrás aportar más valor a tus proyectos”.
Cuanto más personal sea el beneficio percibido, mayor será el deseo de cambio.
K. Knowledge – Conocimiento
Una vez que quieren cambiar, necesitan saber cómo hacerlo.
La formación debe ser clara, práctica y orientada a su día a día. Nada de manuales interminables o cursos genéricos. Un curso como el de Datademia, basado en ejemplos reales, puede marcar la diferencia.
A. Ability – Habilidad
Saber teoría no basta. Es vital crear espacios de práctica.
Un buen enfoque es proponer ejercicios con datos reales de la empresa. Retos como “extrae las ventas del último trimestre” o “genera un listado de clientes nuevos”.
Practicar solidifica el aprendizaje y genera confianza.
R. Reinforcement – Refuerzo
El último paso es asegurarse de que el cambio perdure.
Esto se logra a través de refuerzos positivos: reconocer los logros, crear comunidades internas de aprendizaje, dar seguimiento periódico con mini retos o repasos.
Una cultura de refuerzo convierte el cambio en una nueva normalidad.
Por qué la resistencia al cambio es tan común en formación en análisis de datos
Aprender a usar datos no es simplemente adquirir una herramienta técnica. Es cambiar la forma de trabajar, de pensar y de decidir.
El ser humano, por naturaleza, tiende a la inercia. Si no se gestiona bien, la resistencia al cambio puede manifestarse en forma de apatía, quejas, evasiones o incluso sabotaje pasivo.
Como indican fuentes como Prosci, la clave está en anticipar y gestionar esa resistencia desde el primer momento.
Aplicar un modelo como ADKAR no es opcional si quieres que la inversión en formación de datos tenga un impacto real.
El cambio no es técnico, es humano
Adoptar herramientas como SQL, Power BI o Python no transforma una empresa por sí sola. El verdadero cambio ocurre cuando las personas comprenden, desean, aprenden, aplican y consolidan esas nuevas habilidades en su trabajo diario.
El método ADKAR ofrece una guía clara para lograrlo. Pero, sobre todo, recuerda: no basta con formar, hay que gestionar el cambio de forma activa y consciente.
Si estás interesado en formar a tu equipo en análisis de datos o en herramientas como SQL, Power BI, y Python, consulta nuestros cursos gratuitos o el Data Analyst Bootcamp para formación intensiva. También puedes considerar el Máster en Datos y Analítica para una formación avanzada.
