Vivimos en una época fascinada por los datos.
Medimos cuántos pasos caminamos al día, cuántas horas dormimos, cuánto tiempo dedicamos a cada tarea, qué contenidos consumimos, qué compramos, qué clicamos y qué dejamos de hacer. Las empresas hacen exactamente lo mismo. Registran ventas, visitas, conversiones, productividad, satisfacción de clientes y cientos de indicadores adicionales.
Parece que cuanto más medimos, más capaces somos de entender el mundo. Y hasta cierto punto es cierto.
Los datos son extraordinariamente útiles para comprender qué ha ocurrido, muy útiles para entender qué está ocurriendo, e incluso pueden ayudarnos a identificar patrones que pasan desapercibidos a simple vista. Lo que hacen bastante peor es anticipar el futuro.
Porque los datos tienen una característica que solemos olvidar: siempre hablan del pasado. Incluso cuando construimos modelos predictivos, seguimos utilizando información histórica para estimar lo que podría suceder después. La predicción no deja de ser una extrapolación del pasado hacia adelante. Eso funciona razonablemente bien cuando el futuro se parece al pasado. El problema aparece cuando el futuro decide comportarse de forma diferente.
El sesgo invisible de los datos
Toda organización que trabaja con datos parte de una premisa implícita: que aquello que ha ocurrido hasta ahora seguirá siendo una referencia válida para tomar decisiones mañana.
Es una hipótesis razonable. De hecho, muchas veces es correcta. Si una tienda vende más los viernes que los lunes, es lógico esperar que el próximo viernes vuelva a vender más que el próximo lunes. Si un cliente compra cada tres meses, es razonable pensar que volverá a hacerlo en un plazo similar. Los datos ayudan a reducir incertidumbre porque identifican regularidades.
Pero existe una diferencia importante entre una regularidad y una novedad. Las regularidades aparecen en los datos. Las novedades no.
El problema de Harry Potter
Imaginemos que retrocedemos a mediados de los años noventa. Una editorial dispone de toda la información imaginable sobre literatura infantil y juvenil: géneros más vendidos, temáticas preferidas, tendencias del mercado, ventas históricas y comportamientos de compra. Tiene más datos que nunca.
Sin embargo, esos datos no le permiten anticipar que una profesora desconocida llamada J.K. Rowling está a punto de crear una de las sagas literarias más exitosas de la historia. Harry Potter no aparece en ningún gráfico, no figura en ninguna serie temporal, no existe en ningún histórico. No porque falten datos, sino precisamente porque todavía no existe.
Los datos podían describir perfectamente el mercado editorial de aquel momento. Lo que no podían hacer era describir una innovación cultural que todavía no había sucedido. Y eso ocurre constantemente. Las grandes transformaciones rara vez aparecen reflejadas en los datos antes de producirse.
Optimizar no es lo mismo que crear
Los datos son excelentes para optimizar: mejoran procesos, eliminan ineficiencias y permiten tomar mejores decisiones dentro de un contexto conocido. Pero crear algo nuevo es una actividad diferente. Cuando alguien imagina un nuevo producto, una nueva categoría o una nueva forma de trabajar, está operando fuera de los límites del histórico. No puede apoyarse únicamente en evidencias porque las evidencias todavía no existen. Tiene que construir sobre hipótesis, asumir incertidumbre e imaginar posibilidades que los datos aún no pueden ver.
Por eso las organizaciones necesitan dos perfiles que raramente se solapan. Las personas racionales utilizan datos para optimizar el presente: analizan, comparan, reducen errores y consiguen que las cosas funcionen mejor. Las personas visionarias hacen otra cosa: imaginan escenarios que todavía no existen y exploran caminos que ningún dato respalda todavía. Ambos perfiles son imprescindibles. Pero confundir uno con el otro — pedirle a los datos que inventen el futuro, o pedirle a la visión que justifique el presente — es uno de los errores más habituales en las organizaciones que trabajan con información.
El futuro rara vez nace de una hoja de cálculo. Suele empezar como una idea que todavía no aparece en ningún dataset.
