Hay una frase que se escucha con sorprendente frecuencia en las empresas: "Trabajamos basándonos en datos." Suena bien. Racional, moderno, profesional. Sugiere un mundo en el que las decisiones no surgen de la intuición o la jerarquía, sino de hechos medibles. Sin embargo, en la realidad, esta frase a menudo significa algo completamente diferente.
El verdadero problema: la interpretación no es neutral
Profesionalmente trabajo mucho con datos. Hojas de cálculo, dashboards, evaluaciones de campañas, informes, presentaciones. En última instancia, todos son intentos de reducir procesos complejos a una serie de números para poder entender, al menos aproximadamente, qué funciona y qué no. Y aquí es exactamente donde empieza el verdadero problema.
Los números parecen objetivos. Pero las historias que contamos sobre ellos rara vez lo son. Los datos no se manipulan, al menos no en la mayoría de los casos. Se interpretan. Y la interpretación es inicialmente algo completamente legítimo, porque sin ella, los datos serían solo una colección de columnas. Solo cuando se ponen en contexto, se establecen conexiones y se comparan períodos, surge un mensaje.
El problema: la transición entre el análisis y el maquillaje de cifras es sorprendentemente fluida. Y rara vez comienza con una gran intención de engañar, sino con un objetivo muy banal: Los números tienen que cuadrar.
Cómo sucede, paso a paso
Quizás un cliente espera crecimiento. Quizás un equipo ha desarrollado una campaña en la que se ha invertido mucho tiempo y presupuesto. Quizás un gerente ya ha comunicado internamente que cierta estrategia será un éxito. Si la realidad luego no se ajusta del todo a esta expectativa, comienza un proceso que exteriormente sigue pareciendo un análisis, pero que internamente se convierte cada vez más en una búsqueda de una representación adecuada:
- Se desplaza un poco el período de observación porque el primer mes fue inusualmente flojo.
- Se decide que cierta métrica en realidad no es la correcta y se reemplaza por una que se vea mejor.
- Se saca una campaña del grupo de comparación porque "no era representativa".
- O se explica que cierto efecto debe pensarse a largo plazo y, por lo tanto, aún no es visible.
Todo esto se puede justificar argumentativamente. Y es exactamente por eso que funciona tan bien.
Casi siempre ocurre de forma colectiva
Lo realmente interesante no es que sucedan estas cosas, sino cómo suceden. Rara vez alguien se sienta solo frente a un conjunto de datos y decide conscientemente manipularlo. Mucho más a menudo, varias personas se sientan en una sala, miran los mismos números y desarrollan juntas una interpretación que parece lo suficientemente plausible para todos los involucrados como para escribirla en una presentación. Y tan pronto como está ahí, sucede algo extraño.
Un número en una presentación se convierte rápidamente en realidad. Se convierte en parte de una narrativa. Y las narrativas tienen una estabilidad asombrosa en las organizaciones porque no solo describen hechos, sino que también definen roles: ¿Quién eligió la estrategia correcta? ¿Quién generó crecimiento? ¿Quién hizo un buen trabajo? Una vez que esta narrativa se establece, se vuelve muy difícil de retractar, incluso si todos los participantes saben que la interpretación original fue, cuanto menos, generosamente formulada. Porque quien levanta el dedo y dice que los datos podrían sugerir otra cosa después de todo, cuestiona no solo los números sino también la historia que se ha formado a su alrededor. Y en las organizaciones, las historias a menudo tienen más peso que los números.
Un escenario común: El manejo de datos incompletos
Un fenómeno típico suele ocurrir cuando se deben evaluar medidas para las que no se configuró un seguimiento continuo desde el principio. Te enfrentas a la tarea de evaluar el éxito, pero la base de datos está incompleta. Algunas métricas simplemente faltan o no se registraron de manera técnicamente válida. En un mundo ideal, se comunicaría de manera transparente en este punto: "No podemos evaluar este aspecto específico de manera confiable porque carecemos de los datos históricos."
En la práctica, sin embargo, a menudo surge un reflejo diferente, especialmente cuando hay que cumplir expectativas. Se empiezan a llenar los vacíos. Los valores faltantes se reemplazan por suposiciones, proyecciones aproximadas o benchmarks generales. Eventualmente, aparecen números que parecen muy precisos en una diapositiva, proyectando una certeza que la base de datos real simplemente no respalda.
A lo largo de los años he podido observar esta dinámica en varias agencias. El espectro va desde el supuesto llenado inofensivo de lagunas hasta la alteración retroactiva y completamente descarada de los números. La fuerza impulsora detrás de esto es a menudo un error de juicio fatal: la suposición tácita de que el cliente no es lo suficientemente experto como para cuestionar los cálculos.
Lo arriesgada que es esta arrogancia quedó particularmente claro en un caso. Una clienta, que analíticamente estaba mucho más involucrada en el tema de lo que el equipo de la agencia había supuesto, simplemente accedió a los datos en bruto por sí misma. Al compararlos con el informe maquillado, señaló con toda la razón que los números presentados simplemente no podían cuadrar matemáticamente. La confianza quedó irremediablemente dañada en ese momento. Si la historia se antepone a los datos, el constructo se derrumba en cuanto alguien realmente hace los cálculos.
El efecto progresivo: empiezas a creértelo tú mismo
Con el tiempo, sucede algo casi irónico. La gente empieza a creer en su propia representación. Lo que inicialmente era solo una interpretación benevolente, finalmente se convierte en la versión oficial de la realidad. Y debido a que esta versión se repite una y otra vez (en reuniones, informes y presentaciones), parece más estable que los datos originales de los que surgió.
El problema rara vez se muestra de inmediato. A corto plazo, esta práctica incluso funciona bien. La presentación convence, el cliente está satisfecho, nadie tiene que explicar por qué un proyecto costoso no tuvo el efecto esperado. A largo plazo, sin embargo, esta cultura de datos tiene un efecto secundario muy desagradable: desvincula las decisiones de la realidad. Se asignan presupuestos, se escalan campañas, departamentos enteros alinean su trabajo con métricas que originalmente eran solo una interpretación favorable de un resultado más bien promedio. En algún momento, un modelo supuestamente exitoso ya no se puede reproducir. Entonces comienza el gran juego de las adivinanzas. Sin embargo, la causa real es mucho más banal: en algún momento, se dejó de mirar los números con honestidad.
Lo que realmente significa "basado en datos"
Lo que más me asombra de esta dinámica no es que exista. Las personas simplemente tienden a presentar las cosas de manera favorable. Es la obstinación con que las organizaciones se etiquetan a sí mismas como "basadas en datos" mientras en la práctica hacen todo lo posible para adaptar los datos a una narrativa existente. La palabra en sí es el problema. "Basado en datos" suena a disciplina, a un proceso que es más grande que las opiniones individuales o las jerarquías. Promete que las decisiones no dependen de quién argumenta más fuerte o tiene el título más alto, sino de lo que dicen los números.
Es una promesa atractiva. Pero solo funciona si estás dispuesto a aceptar el resultado incluso cuando es incómodo. Trabajar verdaderamente basado en datos significa algo diferente de lo que la mayoría de las empresas entienden por ello. No significa usar datos para ilustrar decisiones que ya se han tomado. Significa:
- Soportar números que no te gustan.
- Aceptar campañas como un fracaso, incluso si se invirtió mucho trabajo en ellas.
- Corregir estrategias, a pesar de haberlas presentado con total convicción unas semanas antes.
Esto requiere una cultura organizacional en la que no se castiguen las malas noticias. Porque el problema real rara vez radica en los analistas individuales o en los equipos que preparan los datos. Radica en los incentivos que establecen las organizaciones. Quien nombra abiertamente los fracasos se arriesga a ser visto como un pesimista. Quien comunica éxitos es recompensado. En tal sistema, la tentación de interpretar los datos en la dirección correcta no es un defecto de carácter. Es una reacción racional a un entorno irracional.
Por lo tanto, una verdadera cultura de datos no comienza con mejores dashboards o software de análisis más sofisticado. Comienza con la pregunta de si una organización es realmente capaz de reaccionar a verdades desagradables sin castigar al mensajero. Mientras ese no sea el caso, "basado en datos" sigue siendo una etiqueta que uno se otorga sin querer asumir las consecuencias. Sobre todo, significa distinguir entre análisis y autoengaño. Eso es más difícil de lo que parece, porque la transición es fluida y porque nadie en la sala tiene interés en nombrarlo claramente.
La manipulación de datos (más precisamente: la manipulación de la interpretación) se basa en un simple concepto erróneo: que la realidad es negociable. Que si buscas el tiempo suficiente, encontrarás una representación que haga justicia tanto a los números como a las expectativas. No lo es. La realidad no es un asunto de negociación, incluso si puedes tratarla como tal por un tiempo. Tarde o temprano vuelve a aparecer. No como un problema moral, sino práctico. Como un presupuesto que no muestra ningún efecto. Como una estrategia que no se puede reproducir. Como una pregunta a la que ya no tienes una respuesta honesta, porque hace demasiado tiempo que no te la haces.
← Volver a la vista general