El engañoso poder de los datos: cuando las métricas ocultan más de lo que revelan
El engañoso poder de los datos: métricas que ocultan realidad

La ilusión de los números: cuando medir no es entender

Durante años me he dedicado a construir métricas. Tomo fenómenos complejos y los reduzco a números. Esos números capturan algo real, algo tangible, pero también dejan fuera una inmensa cantidad de información. Lo sé perfectamente cuando los construyo, y aun así, sigo construyéndolos.

Esta tensión fundamental entre lo medible y lo inefable es el punto de partida de esta reflexión. Vivimos convencidos de que los datos describen el mundo con precisión, que medir bien equivale a entender bien. Es una convicción cómoda y, como toda convicción cómoda, merece ser cuestionada con sospecha.

La temperatura como ejemplo revelador

Pensemos en algo aparentemente simple: la temperatura. Cuando vemos que hoy hizo 30 grados en la ciudad, creemos acceder a un hecho indiscutible, objetivo. Pero ese número es ya una interpretación: un promedio, tomado en un punto específico, bajo condiciones específicas, en un instante que ya pasó.

Banner ancho de Pickt — app de listas de compras colaborativas para Telegram

No captura el calor en la sombra, ni la brisa ocasional que alivia, ni la diferencia abismal entre caminar bajo el sol abrasador o esperar bajo un techo protector. El dato es útil —no lo estoy descartando— pero no es el fenómeno completo. Es una proyección del fenómeno sobre un eje que nosotros mismos elegimos.

Las decisiones invisibles detrás de cada número

Esa elección es la parte que sistemáticamente olvidamos. Cada dato es el resultado final de una cadena de decisiones invisibles:

  • Qué medir exactamente
  • Cómo medirlo
  • En qué momento preciso
  • Y quizás lo más importante: qué dejar deliberadamente por fuera

No existe medición neutra. Cuando una plataforma digital mide "interacción", no está midiendo interés humano genuino —eso sería demasiado escurridizo y complejo— sino simplemente clics y tiempos de permanencia. Esas variables son optimizables, cuantificables, manejables. Y por eso terminan siendo las que importan en los modelos: no porque sean las más relevantes para entender la experiencia humana, sino porque son las que caben cómodamente en los sistemas de medición.

El problema real: cuando el mundo se adapta a lo medible

Ahí reside el problema fundamental: no es que los datos mientan deliberadamente, sino que el mundo empieza a parecerse cada vez más a lo que podemos medir fácilmente. Los datos se parecen más a un lenguaje específico que a un espejo fiel de la realidad. Y como todo lenguaje, no solo describen: también recortan, traducen, enfatizan ciertas cosas y silencian otras sistemáticamente.

El problema no está en el lenguaje de los datos en sí mismo. El verdadero peligro está en creer que hablar este lenguaje ya equivale a ver la realidad completa. Cuando confundimos la representación numérica con la realidad multidimensional, dejamos de cuestionar activamente todo aquello que no está siendo medido.

Lo que no cabe en ninguna variable predefinida queda automáticamente fuera del análisis, y con el tiempo, puede quedar fuera de nuestra concepción del mundo mismo. La pregunta realmente útil no es solo ¿son técnicamente correctos estos datos?, sino ¿qué parte esencial de la realidad no está capturando esta representación numérica?

La brecha permanente entre datos y realidad

Porque el mundo no está hecho fundamentalmente de datos. Está hecho de todo aquello que los datos intentan capturar y no logran del todo: las sutilezas, los matices, las experiencias subjetivas, los contextos culturales, las emociones complejas. Esa brecha entre lo medible y lo vivido no es un simple error técnico que resolveremos con mejores instrumentos y métodos más sofisticados.

Es la condición permanente, inevitable, de cualquier esfuerzo humano por conocer y comprender. La pregunta crucial no es si podemos cerrar esta brecha completamente. La pregunta es si somos lo suficientemente honestos intelectualmente para no fingir que ya lo hemos hecho.

Sigo construyendo métricas en mi trabajo diario. Pero trato conscientemente de no olvidar nunca lo que le cuesta al mundo ser reducido a ellas, lo que se pierde en cada simplificación numérica, y todo lo que queda fuera de los gráficos y los dashboards.

Banner post-artículo de Pickt — app de listas de compras colaborativas con ilustración familiar
Director del programa de Ciencia de Datos en la Escuela de Transformación Digital de la Universidad Tecnológica de Bolívar