Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Uso y Abuso de Las Estadísticas
Uso y Abuso de Las Estadísticas
¿Las tasas de defecto están bajando? ¿Aumenta la satisfacción del cliente? Usted inspecciona
los números, pero no está seguro de creer en ellos. No es que le tema al fraude o a la
manipulación; usted no sabe cuánta fe merecen las estadísticas. Y tiene razón en ser cauto.
“Los cálculos estadísticos representan sólo el 5% del trabajo de un gerente”, asegura Frances
Frei, profesora de la Escuela de Negocios de Harvard que dicta seminarios sobre estadística, de
dos días de duración, para gerentes de empresas. “El otro 95% debe invertirse en determinar si
los cálculos son correctos y en interpretar los resultados”, añade. A continuación, algunas
pautas para el uso eficaz de las estadísticas, extraídas del seminario de Frei y de otras fuentes:
“En su trabajo diario, los gerentes no ‘trituran’ tanto los números como creen hacerlo”, dice
Victor McGee, profesor emérito de la Escuela de Negocios Amos Tuck del Dartmouth College.
“De hecho -añade-, lo que más ‘mastican’ son ideas: pasan la mayor parte de su tiempo tratando
de persuadir a los demás con sus aseveraciones. Pero rara vez se dan cuenta de hasta qué
punto sus afirmaciones se apoyan en hipótesis no comprobadas.” McGee recomienda a los
gerentes que codifiquen sus “conocimientos” con colores, a fin de identificar cuáles deben ser 1
probados. El rojo puede representar lo que realmente saben, el verde lo que suponen que
saben, y el azul lo que “saben” como consecuencia de lo que suponen. Las suposiciones e
hipótesis (conocimiento verde y azul) no deben ser consideradas seriamente, a menos que haya
conocimiento rojo sustentándolas.
La gestión de un negocio, según McGee, significa tratar de encontrar los mecanismos que
afectarán su desempeño: “Si hago tal cosa, sucederá tal otra.” Pero este es un mundo de
conocimiento verde y azul. Las hipótesis dependen de las suposiciones hechas a partir de
determinadas causas, y la única manera de confiar en el curso hipotético de una acción es
probar que las supuestas conexiones causales se sostienen. Digamos, por ejemplo, que usted
está empeñado en hacer una inversión importante en la capacitación de su equipo de ventas, y
tiene cifras que demuestran que los ingresos por ventas aumentan según el dinero invertido en
capacitación. ¿Estableció una relación causa-efecto? “No -dice Frei-. Todo lo que tiene es una
correlación.” Para establecer una causalidad genuina, es necesario formularse tres preguntas.
¿Hay una asociación entre las dos variables? ¿La secuencia de tiempo es precisa? ¿Hay alguna
otra razón que podría explicar la correlación? Para establecer la asociación, Frei recomienda
observar los datos en crudo, y no sólo la correlación aparente.
4. Sobre la base de las estadísticas es imposible probar algo con un 100% de certeza
Únicamente cuando usted registra todas las impresiones de todos los clientes que tuvieron
alguna experiencia con un producto en particular, puede establecer con certeza la satisfacción
del cliente. Pero, para hacerlo, necesitaría demasiado tiempo y dinero, de modo que usted toma
muestras al azar. Una muestra al azar -fácil de generar (con Microsoft Excel, por ejemplo-
significa que cada miembro de la población tiene las mismas posibilidades de ser elegido. Pero
manejarse con una muestra que no es al azar, según Frei, es el primer error que cometen las
empresas cuando hacen una investigación. “Todos los muestreos obedecen al teorema de la
distribución normal y el límite central”, continúa Frei. Estos principios -que pueden encontrarse 2
en cualquier manual de estadística- permiten calcular un “intervalo de confianza” para toda una
población, en función de una muestra. Digamos que usted parte de una tasa de error del 2,8%
en la muestra. Según sea el tamaño de la muestra y de otros factores, podría decir que tiene un
95% de confianza en que la cifra real oscila entre un 2,5% y un 3,1%. A menor tasa de error, a
propósito, el mayor tamaño de su muestra servirá para establecer un intervalo de confianza del
95%. “Por lo tanto -dice Frei-, a medida que mejora, debe invertir más en el muestreo que
asegura calidad, no menos.”