Presentar datos con seguridad y descubrir que la fuente estaba equivocada puede destruir horas de trabajo en segundos. Saber verificar la calidad de los datos antes de comunicarlos es una habilidad crítica para cualquier analista, y la diferencia entre influir en una decisión o perder credibilidad frente a tu equipo.

¿Por qué un dato incorrecto puede arruinar tu presentación?

Imagina que preparas una gráfica durante horas, cuidas el diseño y la narrativa, y al presentarla alguien señala que tu fuente está equivocada [0:08]. Todo el esfuerzo se desacredita de inmediato. Lo más frustrante es que se trata de un error evitable desde el principio.

Este escenario ilustra un principio que Jeff Bezos, CEO de Amazon, expresa de forma contraintuitiva: cuando la anécdota y los datos no coinciden, probablemente los datos están midiendo algo mal [0:50]. No siempre el número es la verdad absoluta; a veces el contexto humano detecta lo que una métrica no captura.

¿Qué ocurrió con la nave espacial que se desintegró en Marte?

Uno de los ejemplos más dramáticos de datos mal comunicados sucedió en 1999 [1:08]. Dos equipos espaciales trabajaban con sistemas de unidades diferentes: uno usaba unidades métricas y el otro, unidades imperiales. Esa falta de estandarización provocó que la nave se aproximara a Marte a una altitud mucho más baja de la prevista y se desintegrara por completo.

• La causa raíz fue un error de comunicación, no de cálculo.
• Ambos equipos tenían datos correctos en sus propios sistemas.
• La falla surgió al no verificar la compatibilidad entre fuentes.

Este caso demuestra que la validación cruzada entre equipos y fuentes no es opcional; es una práctica de supervivencia para cualquier proyecto basado en datos.

¿Cómo se descubrió la inconsistencia en datos de COVID en México?

Durante la pandemia, las muertes oficiales por COVID en México no coincidían con lo que se observaba en la realidad ni con las tasas de mortalidad del resto del mundo [1:35]. La parte sombreada de la gráfica mostraba cifras oficiales, pero la tasa de mortalidad simplemente no tenía sentido.

Unos investigadores aplicaron una metodología diferente conocida como exceso de mortalidad [1:58]. En lugar de contar solo los decesos etiquetados como COVID, se preguntaron:

• ¿Cuánta más gente ha muerto respecto a lo que sería normal en un año?
• ¿Cómo se compara con el promedio de años anteriores?

Esta técnica permitió acercarse más a la verdad, revelando una brecha significativa entre las cifras oficiales y la realidad. Es un ejemplo claro de cómo contrastar datos con metodologías alternativas puede exponer errores que de otro modo pasarían desapercibidos.

¿Cómo cultivar una mirada crítica frente a los datos?

La recomendación final es directa: mira siempre los datos con una dosis de duda [2:14]. Cuando algo te sorprenda o contradiga tu experiencia, no lo ignores. Esa incomodidad es una señal para investigar más.

• Verifica las fuentes antes de presentar.
• Compara con metodologías diferentes cuando algo no cuadre.
• Asegúrate de que los equipos usen los mismos estándares y unidades.
• Pregúntate si el dato mide realmente lo que crees que mide.

Desarrollar este pensamiento crítico analítico no solo protege tu credibilidad, sino que fortalece cada decisión que se tome a partir de tu trabajo. ¿Alguna vez te ha pasado que un dato aparentemente correcto resultó estar midiendo algo equivocado? Comparte tu experiencia.