Yoel Kluk

Más allá de los promedios: la trampa de las métricas resumidas en People Analytics

El análisis de personas transforma la minería chilena al optimizar procesos, elevar la productividad y fortalecer la seguridad laboral mediante decisiones basadas en datos.

Escrito por
Yoel Kluk

También Director de Deepple, la empresa de people analytics que co creó hace unos años a partir de su pasión por la ciencia de datos, Yoel ama crear estrategias de negocio que conecten innovación con resultados reales.

BLOG-Ale-Goldstein-agosto-2025

Los datos se han convertido en una herramienta esencial para la toma de decisiones. Sin embargo, incluso con datos abundantes, es fácil caer en trampas que nos llevan a conclusiones equivocadas.
 Estos errores son conocidos como data fallacies: interpretaciones erróneas que surgen por sesgos, simplificaciones o formas inadecuadas de analizar la información.

En esta serie de tres artículos exploraremos algunas de las data fallacies más comunes y cómo afectan ámbitos como People Analytics. Hoy comenzamos con la primera: la trampa de las métricas resumidas.

En 1973, el estadístico Francis Anscombe presentó un ejemplo que sigue siendo vigente: el Anscombe’s Quartet. Se trata de cuatro conjuntos de datos que, cuando se analizan con métricas resumidas como promedio, varianza y correlación, parecen idénticos. Sin embargo, al graficarlos, muestran patrones radicalmente distintos.

Esto demuestra algo clave: los números por sí solos pueden ocultar historias completamente diferentes. Visualizar y contextualizar los datos es tan importante como medirlos.

1758288684080

La trampa: Las métricas resumidas son números que condensan información compleja en un solo valor, como un promedio, un porcentaje o un índice global. Son útiles para comunicar resultados de forma sencilla, pero también pueden llevarnos a tomar decisiones equivocadas, porque esconden variaciones críticas.

Es como mirar un paisaje a través de una foto borrosa: ves la silueta, pero pierdes los detalles que importan.

Ejemplos para entenderlo:

1. La temperatura promedio Imagina que te dicen que la temperatura promedio de una ciudad es de 20 °C. Parece información suficiente, ¿verdad? Pero no es lo mismo si durante el día hace 30 °C y por la noche 10 °C. Si solo confías en el promedio, podrías empacar la ropa equivocada y terminar pasando frío o calor.

 

2. La velocidad promedio de un viaje Supón que conduces durante una hora a 100 km/h y la siguiente hora a 20 km/h. La velocidad promedio será de 60 km/h, pero este número no describe la realidad: un tramo fue rápido y otro desesperadamente lento. Si solo compartes el promedio, estarías ocultando una parte fundamental de la experiencia.

 

En People Analytics, este error es especialmente común. Nos sentimos tentados a resumir la información en un solo número:

 

  • “Nuestra organización tiene un 5 en liderazgo.”
  • “Obtuvimos un 89 % de participación en la encuesta.”

 

Estos datos parecen útiles, pero no cuentan la historia completa:

 

  • ¿En qué áreas el liderazgo es fuerte y en cuáles débil?
  • ¿Qué grupos no participaron y por qué?

 

Cuando solo vemos el promedio, perdemos la oportunidad de diseñar acciones precisas y significativas. El verdadero valor surge al explorar la variabilidad y los matices detrás de los datos.

Los promedios y otras métricas resumidas son tentadores porque simplifican la comunicación, pero no deben ser el destino final del análisis. Son apenas el punto de partida para hacer preguntas más profundas y descubrir patrones que realmente guíen la acción.

 

En el mundo de los datos, lo simple no siempre es lo verdadero.

 

 

Por Yoel Kluk, socio de la consultora Olivia.

 

Otras reflexiones de Yoel Kluk

La verdadera cultura no vive en los valores. Vive en la influencia cotidiana.

Rotación, desempeño, clima laboral, liderazgo… todo eso que medimos con dashboards y encuestas tiene una raíz más profunda: las relaciones reales entr...
leer más

La IA ya llegó. Lo que no ha llegado es un liderazgo a la altura

En los últimos meses he visto a directivos implementar soluciones de inteligencia artificial con la misma lógica con la que en el pasado instalaron so...
leer más