¿Su equipo HSEQ está listo para anticipar, y no solo reportar?

Si quiere ir directo al grano, salte al diagnóstico. Si prefiere entender qué mide y por qué, siga un minuto más.

Motivación de esta herramienta

Frecuentemente vemos equipos HSEQ ahogadas en datos: investigaciones de accidentes, inspecciones, observaciones, capacitaciones, permisos de trabajo, entregas de EPP y auditorías.

Y, aun así, ante una pregunta tan simple como “¿dónde podría ocurrir nuestro próximo evento grave?”, casi nadie puede responder con datos.

No porque falte información, sino porque los datos disponibles no están en condiciones de ayudar a tomar decisiones.

Con el auge de la inteligencia artificial, cada vez más líderes HSEQ nos piden modelos predictivos y prescriptivos capaces de anticipar riesgos y recomendar acciones concretas para prevenir accidentes. Sin embargo, hay una realidad que no se puede ignorar: así como no se puede construir una casa sin cimientos, tampoco se pueden crear modelos de IA confiables y contextualizados a una operación sin datos de calidad.

Por eso, en este artículo nos enfocamos en ayudar a líderes y directivos a entender la madurez de sus datos HSEQ.

Porque si los datos viven en archivos de Excel aislados, no tienen definiciones comunes, carecen de responsables y rara vez se utilizan para tomar decisiones, ningún modelo (por sofisticado que sea) podrá generar resultados realmente útiles.

Cómo funciona (y por qué medimos lo que medimos)

El diagnóstico evalúa seis dimensiones agrupadas en tres pilares. Para hacerlo, combina dos perspectivas: el enfoque de Personas, Procesos y Tecnología y los fundamentos de la gestión de datos: gobernanza, calidad y arquitectura. Cada dimensión se evalúa en una escala de cinco niveles de madurez, desde un estado reactivo hasta uno proactivo.

Pilar 1 · Datos

Tener datos no basta: hay que tener los datos correctos, confiables y disponibles a tiempo. Este pilar evalúa tres aspectos:

Cobertura: No es suficiente solo información reactiva, como los accidentes investigados. Una gestión preventiva también necesita datos proactivos: inspecciones, observaciones, actos y condiciones inseguras, auditorías, EPP y contratistas.

Calidad: Los registros deben ser completos, consistentes y útiles. Y aquí hay una diferencia importante: saber cuántas inspecciones se realizaron no permite saber si se hicieron bien ni qué riesgos revelaron.

Arquitectura: ¿Los datos viven dispersos en múltiples archivos y sistemas o están centralizados, conectados y disponibles cuando se necesitan?

Pilar 2 · Gobernanza

La calidad de los datos no se sostiene sola. Cada dominio de información necesita un responsable claro, definiciones comunes y una rutina de revisión. Por ejemplo, un “cuasiaccidente” debería significar lo mismo en todas las áreas de la organización. También deben existir controles básicos sobre los datos: accesos, respaldos, versiones y revisiones periódicas de calidad. Esto no requiere una estructura enorme. Una empresa pequeña no necesita crear un gran comité de datos; necesita responsables claros, reglas simples y una revisión periódica que realmente ocurra.

Pilar 3 · Personas y decisiones

El valor de los datos aparece cuando alguien puede analizarlos, tomar una decisión y convertirla en acción. Por eso, este pilar evalúa tanto la capacidad de análisis como la capacidad real de actuar sobre sus resultados.

El eslabón que más suele faltar es un responsable del ciclo de decisión: alguien encargado de convertir una señal en una acción y, después, verificar si esa acción realmente funcionó.

También existe una condición menos visible, pero crítica: la cultura de reporte. Si las personas temen reportar, los datos proactivos dejan de reflejar la realidad. Por ejemplo, una caída en la tasa de cuasiaccidentes no siempre significa que la operación sea más segura; también puede ser una señal de subreporte.

El diagnóstico

Responda pensando en cómo funciona su organización hoy, en la práctica —no en cómo debería funcionar. Al final verá su nivel, un mapa de sus seis dimensiones, sus dos brechas prioritarias y su próximo paso.

Después del diagnóstico

Un diagnóstico solo vale por lo que se decide después. El patrón que recomendamos es simple: cierre primero la brecha de mayor impacto, no la más vistosa. Casi siempre el orden correcto es datos correctos → calidad → gobernanza → arquitectura → capacidad de decidir. La analítica avanzada llega al final, no al principio.

Referencias

• Oguz Erkal, E. et al. (2024). Predictive analytics of crew-level safety precursors in construction.
• Gartner. Modelo de escalera de analítica (descriptivo, diagnóstico, predictivo, prescriptivo).
• DAMA International. DAMA-DMBOK: Data Management Body of Knowledge — gobernanza y dimensiones de calidad de datos.
• Campbell Institute / National Safety Council. Indicadores leading/lagging en seguridad industrial.
• Health and Safety Executive (UK). HSG254 — Developing process safety indicators.
• ISO 45001:2018, cláusula 9 — Evaluación del desempeño.
• Colombia. Decreto 1072 de 2015 y Resolución 0312 de 2019 — Sistema de Gestión de Seguridad y Salud en el Trabajo (SG-SST).