Sesgos en los datos

Concepto

Los datos no son un espejo exacto de la realidad: reflejan cómo se recolectaron. Si la forma de recolectarlos deja grupos fuera o cambia en el camino, las conclusiones quedan torcidas aunque cada cálculo esté bien. La IA puede ayudarte a listar posibles sesgos, pero evaluarlos requiere conocer el proceso.

Sesgos frecuentes.

• De captura: solo se registra lo que llega por cierto canal. Si los reclamos por teléfono no se anotan, el análisis subestima los problemas de quienes llaman, que pueden ser personas mayores o sin internet.
• De respuesta: en una encuesta voluntaria responden más las personas muy contentas o muy molestas; el promedio no representa a todas.
• De supervivencia: analizar solo a los clientes actuales esconde a los que se fueron, que son justo los que más tienen que decir sobre los problemas.
• Cambio de definición: si en marzo "cliente activo" pasó de "compró en 3 meses" a "compró en 6 meses", el número de activos sube sin que haya más clientes.

Preguntas para detectarlos. ¿Quién queda fuera de estos datos? ¿Cómo y desde cuándo se registran? ¿Cambió algo en el proceso durante el período? ¿A quién le pregunté y quién eligió responder?

Qué hacer con un sesgo. No siempre se puede corregir, pero siempre se puede declarar: "estos datos solo incluyen reclamos por email y web". Un límite dicho a tiempo evita una mala decisión.