Reseña honesta: “¡Contar historias con datos!” [2026] – ¿Vale la pena?

Qué promete y qué encontré al analizarlo

¡Contar historias con datos! es un curso corto de data storytelling publicado por el perfil «Cientificas de Datos», a nombre de Sonia Ardila. Su idea central es fácil de defender: un análisis sencillo bien contado convence más que uno sofisticado que nadie entiende. Promete enseñarte a armar una historia con datos para vender una idea, conseguir presupuesto o presentar un proyecto, apoyándote en estadística descriptiva y visualizaciones hechas con R. Tiene 924 reseñas con un promedio de 4.73 y algo menos de 2,800 alumnos.

Al revisar el temario, lo primero es la escala: 2.5 horas en 26 clases, más 4 cuestionarios. De los 30 elementos, 17 están dedicados a la narrativa (fases del storytelling, construcción de historias y persuasión) y solo 5 a explorar datos con R. Es decir, es un curso de comunicación con un poco de técnica, no al revés. Fue creado en 2018 y su última actualización es de septiembre de 2025.

El temario, en resumen

• Introducción y «Estructura y fases del data storytelling» (6 elementos): qué es contar historias con datos y cómo se ordena una antes de abrir cualquier herramienta.
• «Explorando con R» (5): análisis exploratorio con estadística descriptiva y gráficos en R; todo el código está en un repositorio de GitHub enlazado en el propio temario.
• «Historias con data storytelling» (8): el bloque central, donde se combinan análisis, visualizaciones y narrativa; según la descripción, con R Markdown para ordenar el relato.
• «Otras herramientas poderosas para contar historias con datos» (3): por la descripción, Gephi para redes, un tablero sencillo con Shiny y la tendencia del scrollytelling.
• Cierre (7): persuasión para el data storytelling (5), un bonus sobre storytelling en tiempos de IA (1) y un caso con datos de salud que engancha desde el título (1).

Puntos fuertes

• Ataca la habilidad que más falta. Muchos cursos de datos enseñan herramientas; pocos enseñan a convencer. Aquí 17 de 30 elementos tratan sobre audiencia, estructura de la historia y persuasión, que es justo lo que separa un reporte que se lee de uno que se ignora.
• Corto y al grano. Con 2.5 horas de video se puede terminar en un fin de semana. Para un tema de habilidades blandas aplicadas, esa densidad es una ventaja: no hay relleno de horas para inflar el curso.
• Valoración sólida y estable. 924 reseñas con 4.73 de promedio es una muestra suficiente para confiar en que cumple lo que promete dentro de su alcance.
• Código disponible y comprobaciones. El código de todo el curso está en GitHub y hay 4 cuestionarios para repasar conceptos, algo poco común en cursos tan breves.

Aspectos mejorables

• La técnica es en R, no en herramientas de oficina. La exploración, el R Markdown y el tablero con Shiny son de R. Si trabajas con Excel, Power BI o Python, te llevarás los principios narrativos, pero no podrás reutilizar el código tal cual.
• Las herramientas extra son un vistazo. Gephi, Shiny y scrollytelling comparten una sección de 3 elementos. Por el número de clases, sirven para saber que existen, no para usarlas en un proyecto.
• Poca práctica propia. No hay ejercicios de código ni tareas: la práctica se limita a 4 cuestionarios y un caso de datos de salud. Falta un proyecto donde construyas tu propia historia de principio a fin.
• Base de 2018 y un ejemplo que conviene verificar. La actualización más visible es un bonus de IA de un solo elemento. Además, la descripción propone analizar tu red de amigos de Facebook con Gephi; Facebook restringió hace años el acceso a esos datos, así que es probable que necesites otro conjunto de datos para replicarlo.

Conclusión honesta

¡Contar historias con datos! cumple como introducción: te da un método para estructurar un mensaje con datos, pensar en la audiencia y persuadir, todo en menos de tres horas y con una valoración muy buena. Como ingeniero, lo valoro como complemento, no como formación técnica: ningún dashboard sirve si no sabes qué decisión debe provocar.

Su límite es que la parte práctica es corta y está atada a R. Lo ideal es combinarlo con un curso de la herramienta que usas a diario, como Power BI TOTAL o Análisis de Datos con Pandas, y aplicar el método a una presentación real de tu trabajo en cuanto lo termines.

Preguntas frecuentes