Tu amigo invisible en la oficina: cómo los datos pueden ayudarte a decidir mejor

Los 4 aliados que toda decisión necesita

En cualquier oficina, por más profesional que sea el ambiente, hay una presencia constante que rara vez se menciona, pero que influye en casi todas las decisiones. No tiene escritorio asignado, no participa en reuniones ni envía correos, pero está siempre ahí: silenciosa, disponible, esperando que alguien le preste atención.

Estamos hablando de los datos. Ese “amigo invisible” que puede darte una perspectiva más clara, ayudarte a anticipar riesgos o mostrarte un camino alternativo. Pero como en cualquier relación, no basta con que esté presente: hay que saber interpretarlo, ponerlo en contexto y, sobre todo, confiar en él cuando más lo necesitás.

Así como en la vida personal valoramos a quienes nos ayudan a pensar mejor, también en el trabajo necesitamos rodearnos de aliados que hagan nuestras decisiones más sólidas. Y aunque suene raro, eso también puede construirse con los datos.

Ahora bien, no cualquier vínculo con la información es saludable. Estar rodeado de reportes, KPIs y dashboards no garantiza buenas decisiones. Lo que marca la diferencia es cómo nos relacionamos con esa información. Y ahí es donde entra en juego la mentalidad data driven.

Para desarrollarla, existen cuatro pilares clave. Cuatro aliados que pueden transformar decisiones improvisadas en decisiones estratégicas.

---

1. Ese amigo que te hace las preguntas justas (como una buena hipótesis)

Una de las habilidades más críticas en entornos profesionales exigentes es la capacidad de identificar correctamente el problema a resolver. Y eso empieza, invariablemente, con una buena pregunta.

Muchas veces, en contextos organizacionales, se salta directamente a la búsqueda de datos sin tener claro qué se quiere responder. Se invierte tiempo valioso recolectando información, pero sin una hipótesis que ordene ese esfuerzo, los resultados suelen ser confusos o irrelevantes. Esto genera frustración, retrabajo y, en el peor de los casos, decisiones mal fundamentadas.

Una hipótesis bien construida es como ese amigo que no te deja escaparte con respuestas cómodas. Te exige pensar más allá de lo obvio, te obliga a aclarar tu punto de vista y te prepara para aceptar que podrías estar equivocado.

Por ejemplo, en el curso Data Driven Decision Making, trabajamos con situaciones reales donde las preguntas iniciales suelen ser demasiado amplias: “¿Por qué nuestros envíos están llegando tarde?”. Pero al formular una hipótesis concreta, el análisis cambia de nivel: “Sospechamos que el aumento de productos con dimensiones fuera de estándar está generando demoras por requerir un procesamiento manual en los centros de distribución”. Esto permite buscar datos específicos, interpretar causas reales y tomar decisiones más enfocadas.

Cuando la pregunta es potente y bien direccionada, los datos dejan de ser una carga y se convierten en aliados. Y es ahí cuando el proceso de decisión empieza a ganar solidez.

---

2. No todos los datos son tus amigos

En un entorno donde la abundancia de información es la norma, el verdadero desafío no es acceder a los datos, sino saber cuál de todos realmente importa. Este es un punto de fricción común entre líderes que enfrentan problemas complejos —como el aumento del turnover— y se ven forzados a reaccionar con rapidez.

En una de las cohortes del curso, un equipo compartió su preocupación por la rotación creciente en un área crítica. La primera reacción fue atribuirlo a los sueldos. Era un dato fácil de ver y parecía razonable. Pero al avanzar, se cruzaron otras variables: tiempo en el puesto, feedbacks post-offboarding, sobrecarga operativa y cambios recientes en el liderazgo.

El análisis reveló que el problema no era salarial, sino de integración: los nuevos ingresos no estaban recibiendo el acompañamiento necesario después de una reestructuración. La causa era otra, y el dato salarial, aunque cierto, no era el insight clave.

Este caso ilustra una lección central en el enfoque data driven: no todo lo que brilla es insight. Aprender a distinguir entre datos que describen y datos que explican es una habilidad crítica. Decidir con base en un dato aislado puede ser tan riesgoso como decidir sin datos.

---

3. Ese amigo que no te conviene (los sesgos)

Incluso con buenas preguntas y datos confiables, una decisión puede salir mal si está influenciada por sesgos no reconocidos. Y lo más complejo de los sesgos cognitivos es que actúan en silencio: distorsionan nuestra percepción sin que lo notemos.

En equipos, esto se traduce en decisiones que parecen correctas solo porque refuerzan lo que ya se creía. Se buscan datos que confirmen una hipótesis y se descartan los que la contradicen. Es el sesgo de confirmación, y convive con muchos otros: el de anclaje, el de disponibilidad, el efecto halo, etc.

Ni siquiera la inteligencia artificial escapa a este fenómeno. Modelos entrenados con datos sesgados replican —y a veces amplifican— patrones injustos o ineficientes. Si eso le pasa a un sistema con miles de millones de parámetros, ¿cómo no nos va a pasar a nosotros?

Durante el curso, trabajamos con herramientas y casos reales para detectar estos sesgos. El objetivo no es eliminarlos (porque eso es casi imposible), sino aprender a nombrarlos, reducir su impacto y complementar nuestra intuición con evidencia sólida.

---

4. Tu círculo de confianza debería incluir… un buen gráfico

Una decisión bien fundamentada necesita ser comprendida. Y muchas veces, esa comprensión depende más de un gráfico bien hecho que de un análisis completo.

Suponer que los números hablan por sí solos es un error frecuente. En contextos de negocio, la forma en que visualizamos los datos puede facilitar una decisión o sabotearla por completo.

Un caso frecuente: gráficos que exageran resultados porque parten de escalas recortadas o usan formatos poco claros. Eso puede distorsionar la conversación en reuniones clave y llevar a decisiones que no se sostienen en el tiempo.

Ilustrar bien una pregunta no es un tema estético, es saber elegir el tipo de gráfico, el nivel de detalle y el formato según el objetivo y la audiencia.

Imaginemos esta situación: sos parte de un equipo de operaciones que está evaluando si una nueva política de envío rápido está impactando positivamente en la experiencia del cliente. Implementaron el cambio hace tres meses, y ahora deben decidir si continuar con esa modalidad o no.

El dato a analizar es el Net Promoter Score (NPS), que mide la satisfacción general de los usuarios. La nueva política de envío exprés implicó un incremento del 18% en los costos logísticos por unidad enviada, además de una mayor exigencia operativa en los centros de distribución, debido a la necesidad de despachar pedidos en menos de 12 horas. Por eso, la pregunta real es: ¿vale la pena seguir invirtiendo en este esquema?

Dos personas presentan exactamente el mismo conjunto de datos, pero con visualizaciones distintas.

Ahora, observando estas dos presentaciones… ¿cuál te da más confianza para decidir? ¿Cuál refleja con mayor fidelidad el impacto real de la política? ¿Cuál ayuda al equipo a tener una conversación honesta sobre si vale o no seguir invirtiendo recursos en esa dirección?

La visualización de datos puede alinear o confundir, clarificar o distorsionar. Saber cuándo un gráfico exagera, manipula o esconde parte de la historia es tan importante como saber leer el dato en sí.

La verdadera amistad con los datos

Pensar de forma data driven no es simplemente tener acceso a números, sino construir una relación madura con la información. Como cualquier buena amistad, esa relación se basa en confianza, honestidad y desafío mutuo.

Las decisiones basadas en datos no eliminan el juicio profesional ni la intuición. Pero sí nos ayudan a filtrar, enfocar, validar y comunicar con más claridad y menor margen de error.

• En este Día del Amigo, te invitamos a revisar tu círculo de confianza profesional.
• ¿Tus decisiones se apoyan en preguntas sólidas?
• ¿Estás diferenciando datos útiles de los que solo distraen?
• ¿Sos consciente de tus sesgos?
• ¿Podés explicar lo que sabés de forma clara y convincente?

Si alguna de esas respuestas te deja incómodo, no es una crítica. Es una oportunidad.
Y una invitación a fortalecer una relación que puede acompañarte durante toda tu carrera:
tu amistad con los datos.

Para mas información contacte a [email protected] o agende una reunión.