Hay una escena que cualquiera que trabaje con datos conoce de memoria. Un ejecutivo entra a una reunión, mira el dashboard, ve todo en verde, y respira aliviado. No preguntó cómo se calculó ese verde. No preguntó qué pasa si el supuesto de base estaba mal. No preguntó, sobre todo, qué tan ancho es el margen de error detrás de ese número redondo y prolijo. Vio verde, y el verde le alcanzó.
Eso no es información. Es un calmante con forma de gráfico.
La ansiedad que el dashboard viene a calmar
Casi nadie lo dice en voz alta, pero vale la pena decirlo: gran parte de la obsesión corporativa con los tableros y los KPIs no nace de una necesidad genuina de entender mejor el negocio. Nace de la incomodidad, muy humana, de tomar decisiones importantes sin saber con certeza si van a salir bien. Un ejecutivo vive rodeado de apuestas: qué mercado entrar, qué producto cortar, a quién despedir, dónde invertir el próximo trimestre. Ninguna de esas apuestas viene con garantía. Y la incertidumbre, sostenida durante demasiado tiempo, cansa. Entonces aparece el dashboard, prometiendo lo que ninguna decisión real puede prometer: la sensación de que, si mirás lo suficiente, el riesgo desaparece.
Por eso las empresas de hoy tienen más datos que nunca y, paradójicamente, cada vez menos claridad. No es una contradicción rara: es exactamente lo esperable cuando se confunde la cantidad de números disponibles con la calidad del juicio que se hace con ellos. Un ejecutivo agotado de interpretar alertas, reportes y proyecciones que se contradicen entre sí no toma mejores decisiones por tener treinta paneles abiertos. Toma decisiones más lentas, o directamente delega la decisión al primer número que parece darle una salida cómoda.
Y ahí está el problema de fondo: un dashboard nunca fue diseñado para mostrar incertidumbre. Fue diseñado para mostrar certeza, aunque la certeza no exista.
Lo que un buen analista sabe y casi nadie quiere escuchar
Acá es donde el trabajo de un analista se separa, con bastante nitidez, del trabajo de un decorador de gráficos. Cualquiera puede tomar una serie de datos y producir una línea ascendente prolija, un semáforo tranquilizador, un resumen ejecutivo que cierra en una sola frase optimista. Lo difícil —lo que realmente vale un sueldo de analista— es resistir la tentación de entregar esa tranquilidad falsa cuando los datos, honestamente leídos, no la sostienen.
Un buen analista sabe algo que rara vez se dice en la sala de reuniones: no todos los datos existen para decir “sí, hacé esto” o “no, no lo hagas”. Muchas veces, la lectura correcta de un conjunto de datos no es una dirección, es una medida de cuánto no sabemos. Un intervalo de confianza ancho no es un defecto del análisis. Es, en sí mismo, el resultado más honesto que ese análisis puede dar. Decir “esto podría subir un dos por ciento o caer un ocho, y no tenemos forma de acotarlo más con lo que tenemos hoy” es, muchas veces, la verdad. Y la verdad, en ese formato, no cabe cómodamente en un dashboard con semáforos.
El problema es que casi ningún ejecutivo pide esa verdad. Pide una recomendación limpia. Y el analista que quiere sobrevivir en su puesto aprende, con el tiempo, a convertir la incertidumbre en una frase que suene a certeza, aunque no lo sea. Ese es el verdadero costo del dashboard como forma de autoengaño: no es solo que el ejecutivo se engañe mirando un número tranquilizador. Es que el sistema entero empuja al analista a fabricar esa tranquilidad, aunque los datos no la respalden, porque la incertidumbre incomoda y el trabajo, en la práctica, consiste en no incomodar.
No existe la decisión sin riesgo
Hay una idea que vale la pena repetir hasta que deje de sonar rara: ninguna decisión de negocio, tomada con la información que sea, está libre de riesgo. Ni la decisión respaldada por el dataset más completo, ni la decisión avalada por el modelo predictivo más sofisticado. En algún punto de la cadena hay algo que no controlamos, algo que ningún histórico puede anticipar del todo, porque el futuro —a diferencia de la base de datos— todavía no pasó. El azar no es una imperfección temporal de nuestros modelos, algo que un mejor algoritmo eventualmente va a eliminar. Es una condición estructural de tomar decisiones sobre lo que todavía no ocurrió.
Esto no es un llamado al fatalismo, ni una excusa para no analizar nada. Es, en todo caso, lo contrario: es el argumento más fuerte a favor de analizar bien, precisamente porque el análisis honesto no promete eliminar el riesgo, sino mostrarlo con precisión. Un dashboard que finge que el riesgo no existe no protege a nadie. Un análisis que muestra, con toda claridad, dónde está el riesgo y qué tan grande es, sí protege, aunque incomode mucho más en el momento de presentarlo.
La pregunta que cualquier analista debería poder hacerle a su propio trabajo, todos los días, no es “¿este dashboard hace sentir mejor a la gerencia?”. Es una pregunta más incómoda y mucho más útil: “¿este número esconde la incertidumbre real, o la muestra?”. La primera opción vende mejor en una reunión. La segunda es la única que, con el tiempo, evita que una empresa entera confunda un panel prolijo con una decisión efectivamente segura.