Kim I. Melton, Ph.D. North Georgia College & State University Página 1 de 6

Comunicación Efectiva de Información Gerencial

Kim I. Melton, Ph.D., North Georgia College & State University kmelton@ngcsu.edu

Traducción al español: David Hinojosa

david@hinojosa.cc

Extracto

La estadística es un tópico desalentador para muchas personas. ¡Incluso la mención de la palabra estadística causa miradas de aburrimiento! Sin embargo, a menudo sin darnos cuenta, usamos la estadística a diario. Leemos artículos y escuchamos reportes sobre los resultados de nuevos estudios “científicos”. Pero ¿Qué nos dicen estos reportes? ¿Qué deberían decirnos, y qué deberíamos preguntar acerca de ellos? ¿Y qué pasa cuando los zapatos están en los pies de otro y somos nosotros los responsables de crear el artículo o reporte? Esta sesión se enfocará en la comunicación de resultados cuantitativos, tanto gráficamente como en palabras comunes.

La comunicación es una calle de dos vías

Una buena comunicación depende de ambos, emisor y receptor. El emisor trata de tomar una idea, transformar esa idea en un mensaje, transmitir ese mensaje a través de algún medio, y esperar que el mensaje sea escuchado e interpretado por el receptor. Algunas veces el receptor revierte el proceso tratando de proporcionar retroalimentación al emisor original. En una situación ideal, la idea original del emisor y la interpretación del receptor de lo que oyó o leyó concordarán —aunque nunca lo sabremos con certeza. Mientras mayor sea la distancia entre el emisor y el receptor (en procesos de pensamiento, espacio y tiempo) más difícil será el proceso de comunicación. La comunicación escrita reduce la posibilidad de retroalimentación inmediata del receptor y limita los métodos de interpretación. Cuando la comunicación tiene lugar cara a cara, a través de video o alguna forma de audio, se dispone de ciertas “pistas” adicionales en forma de énfasis en la voz, gestos, y otras señales no verbales. La ausencia de pistas añadidas aumenta la necesidad en la comunicación escrita de usar múltiples métodos para transmitir información (por ejemplo, en forma narrativa y con gráficos).

¿Qué tiene de especial la comunicación de resultados estadísticos?

Cuando el mensaje a ser enviado es de naturaleza estadística, el proceso de desarrollo, transformación e interpretación se complica debido a que se necesita conocimiento de la materia y conocimientos sobre variación. El desarrollo del mensaje requiere conocimiento de la materia para identificar potenciales fuentes de variación y para entender los resultados. Además, se necesita conocimientos sobre variación para analizar la variación en los datos para separar la señal del ruido. Estos dos tipos de conocimiento usualmente requieren cooperación entre diferentes grupos —casi nunca residen en un mismo individuo. Y aún cuando un solo individuo tenga ambos tipos de conocimiento, los estudios estadísticos se benefician de aportes adicionales de expertos en la materia con diferentes perspectivas sobre el tema. Por su naturaleza misma, los estudios estadísticos tratan con la variación. Muchos resultados deben ser condicionados (por ejemplo, “bajo las siguientes condiciones, podemos decir que…”). Los resultados que incluyen información cuantitativa son también comunes. Estas dos características incrementan la posibilidad de que lo que el emisor piensa y lo que el receptor escucha o lee sean diferentes.

Kim I. Melton, Ph.D. North Georgia College & State University Página 2 de 6

Adicionalmente, los estudios estadísticos toman una variedad de formas diferentes. Algunos estudios están diseñados para proporcionar información descriptiva que resume una situación; otros usan información de una muestra para ‘inferir’ sobre un grupo mayor (la mayoría de técnicas estadísticas clásicas se aplican aquí); y un tercer tipo de estudio intenta entender el sistema de causas subyacente que produjo los resultados observados con el propósito de planificar y tomar acción para el futuro. La comunicación de resultados depende del propósito del estudio. Algunos conceptos se aplican a todos los casos de manera genérica. Por ejemplo, cualquier reporte de un estudio estadístico debería incluir el propósito del estudio, la fuente de los datos, cómo se recopilaron los datos, cualquier problema que haya ocurrido y cómo fue manejado, y limitaciones en los resultados. Las respuestas específicas dependerán del propósito del estudio —para describir/inferir o para explicar/predecir. Cuando la meta es describir o inferir, debemos definir claramente el universo que nos interesa, identificar un marco apropiado para acceder a ese universo, y tomar muestras desde ese marco. Temas como los errores de muestreo o no muestreo deberían ser tratados en cualquier reporte de resultados. Cuando la meta es explicar o predecir, debemos tratar temas como la estabilidad de procesos y depender de un conocimiento de la materia para juzgar si las condiciones futuras permanecerán similares a las pasadas. No se puede proporcionar enunciados probabilísticas para resultados futuros. Poner los resultados por escrito requiere una evaluación de la audiencia potencial, balancear cuidadosamente la simplicidad y la sofisticación, y varios ciclos de revisiones. Jonas H. Ellenberg, Presidente de la Asociación Estadística Americana1, sugiere los siguientes lineamientos para comunicar efectivamente información estadística: 1) conozca a su audiencia, 2) enseñe, no dogmatice, 3) prepárese para el tema, 4) permita al cliente descubrir las virtudes de la estadística, 5) adhiérase a normas aceptadas en la preparación de ayudas visuales, 6) haga preguntas y escuche las respuestas, y 7) sopese consideraciones de diseño contra los recursos disponibles. Los resultados estadísticos no deberían ser comunicados solamente con palabras. Un gráfico bien diseñado puede comunicar información compleja de manera rápida y clara. Por otra parte, un gráfico pobremente diseñado puede llevar a la gente a recordar que hay “Mentiras, Condenadas Mentiras, y Estadísticas”.

Algunas imágenes valen más que 1000 palabras…

Con la explosión de alternativas gráficas en muchos paquetes de software (como los programas de hoja de cálculo), la mayoría de la gente tiene rápido acceso a una variedad de tipos de diagramas y gráficos. El uso de este software debería venir con una advertencia —cuidado con el usuario. Con todo lo útiles que son las computadoras, la mente humana no puede ser reemplazada. Antes de crear un gráfico, el usuario necesita pensar acerca del mensaje a ser transmitido. El hecho de que un cierto tipo de gráfico pueda ser trazado a partir de un conjunto de datos no implica que ese sea el tipo de gráfico apropiado. El trabajo de Edward Tufte proporciona una excelente guía acerca de la presentación gráfica de resultados. Él dice, “La excelencia gráfica es aquella que transmite al lector el mayor número de ideas en el menor tiempo, con el mínimo de tinta y en el menor espacio.” Entre otros puntos él enfatiza la necesidad de mostrar las variaciones de los datos y no variaciones en el diseño, de citar los datos en el contexto apropiado, de mostrar la naturaleza multivariada de los datos (pero no usar más dimensiones que las presentes en ellos), minimizar la relación datos-tinta, y evitar la chatarra gráfica.

Kim I. Melton, Ph.D. North Georgia College & State University Página 3 de 6

La relación datos-tinta se refiere a la proporción de la tinta de un gráfico dedicada a mostrar información no redundante sobre los datos. La ilustración de la derecha2 provee un ejemplo de relación datos-tinta redundante. Tufte señala que la barra sombreada y etiquetada de este gráfico de barras, ubica la altitud inequívocamente de seis formas distintas (cinco cualquiera de ellas pueden ser borradas y la sexta seguirá indicando la altura): 1) la altura de la línea izquierda, 2) la altura del sombreado, 3) la altura de la línea derecha, 4) la posición de la línea horizontal superior, 5) la posición (no el contenido) del número sobre la barra, y 6) el número mismo. La chatarra gráfica se refiere a la tinta redundante o no relacionada con los datos en los gráficos. La chatarra gráfica no agrega valor al gráfico —de hecho, usualmente hace más difícil la interpretación del gráfico. De acuerdo a Tufte3:

Oculto tras la chatarra gráfica hay un desdén hacia ambos, la información y la audiencia. Los promotores de la chatarra gráfica imaginan que los números y los detalles son aburridos, sosos y tediosos, requiriendo ornamento para cobrar vida. La decoración cosmética, la cual frecuentemente distorsiona los datos, nunca salvará una falta de contenido subyacente. Si los números son aburridos, entonces usted tiene los números equivocados. La credibilidad se desvanece en nubes de chatarra gráfica; ¿Quién confiaría en un gráfico que luce como un juego de video?

Ejemplo

Supongamos que tenemos los siguientes datos de ventas de dos productos durante un período de cinco años:

Año Producto A Producto B Total del año

1991 110 130 240

1992 130 160 290

1993 165 140 305

1994 160 135 295

1995 180 155 335

Total por Producto 745 720 1465

La meta es entender el sistema subyacente y, en última instancia, hacer alguna afirmación sobre qué esperar en el futuro. Los siguientes gráficos se presentan en un orden que refleja el grado de utilidad (de menos útil a más útil). Gráfico 1: La información sobre la operación del proceso se ha perdido por el uso de estadística resumida, y un se ha hecho un gráfico muy elaborado donde una simple oración habría sido suficiente. Además, debido a la escala usada en el eje vertical, el gráfico lleva al lector a concluir que las ventas del producto A son aproximadamente el doble que las del producto B (ya que el cubo del producto A es de casi el doble de alto que el cubo del producto B). La chatarra gráfica presente en este gráfico incluye 1) el uso de tres dimensiones cuando, como mucho, sólo hay dos dimensiones que considerar (productos y ventas), 2) la adición de una leyenda cuando las etiquetas en los ejes ya proveen la información, 3) el diseño usado en los cubos, 4) la etiqueta en el eje de productos es redundante, y 5) las rejillas a lo largo del costado izquierdo y atrás.

35.9

Kim I. Melton, Ph.D. North Georgia College & State University Página 4 de 6

Gráfico 1

Gráfico 2: Los diagramas de pastel rara vez proporcionan información útil en estudios que intentan examinar las relaciones entre variables. Sólo una variable es graficada, y se espera que el lector arregle mentalmente los porcentajes para ver cómo se comparan o, cuando la variable es tiempo, el lector debe ponerlos mentalmente en el orden en que se producen para empezar a entender cómo las ventas han cambiado a través de los años. Adicionalmente, este gráfico no proporciona indicación sobre qué tan altas fueron las ventas (los valores reales de las ventas han sido convertidos en porcentajes de las ventas totales. ¿El 20% se refiere a ventas de 20 de un total de 100 durante el período de 5 años o a 200,000 de un total de 1’000,000?). Los tres primeros ejemplos de chatarra gráfica observados en el gráfico anterior, están presentes en este también.

Gráfico 2

Gráfico 3: Como el gráfico de pastel, el gráfico de columnas apiladas pierde los valores reales de las ventas (las ventas reales pueden ser crecer, decrecer, o fluctuar irregularmente y este simplemente proporciona información sobre la ‘participación de mercado’). Además, ya que sólo hay dos productos, el imprimir columnas para el producto B es redundante. Si más de dos productos estuvieran disponibles, juzgar los cambios de un año al siguiente para cada producto sería difícil. Se requeriría que los lectores ‘desapilen’ el gráfico en sus mentes.

Gráfico 3

Series1700

710

720

730

740

750

Producto A

Producto B

Ve

nta

s

Productos

Ventas Totales

Producto A

Producto B

1991 16%

1992 20%

1993 21%

1994 20%

1995 23%

Ventas por Año

1991

1992

1993

1994

1995

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

1991 1992 1993 1994 1995

Ve

nta

s

Año

Ventas por Año

Producto B

Producto A

Kim I. Melton, Ph.D. North Georgia College & State University Página 5 de 6

Gráfico 4: El diagrama de barras tridimensionales (puestas unas detrás de otras) desapila las barras y proporciona algo de información sobre los reales niveles de ventas. Desafortunadamente, la información del producto B está escondida detrás de las barras del producto A. La información importante en este gráfico es la altura de cada barra y un simple punto mostrando la altura sería más efectivo (es decir, las barras son chatarra gráfica). Además, debido al uso innecesario de tres dimensiones y la ausencia de rejillas, se obliga al lector a adivinar la altura de las barras. La leyenda en el gráfico, así como las etiquetas en el eje de Productos son redundantes (es decir, chatarra gráfica).

Gráfico 4 Gráfico 5: Un gráfico de barras paralelas (con barras en 3-D puestas una junto a la otra) permite al lector comparar los dos productos en cualquiera de los años, pero hace de las comparaciones en el tiempo un ejercicio de gimnasia mental —el lector debe tratar de bloquear la imagen de las barras de un producto mientras se enfoca en la altura de las barras del otro producto. Las barras son chatarra gráfica (una vez más, puntos en la cima de cada barra serían más fáciles de interpretar). La adición de información acerca de la altura de cada barra puede ser necesaria debido al uso de tres dimensiones —pero esto es solucionar el problema equivocado (es preferible eliminar la naturaleza innecesaria de 3-D del gráfico y dejar que la escala en el eje vertical haga lo que se supone que debe hacer!).

Gráfico 5 Gráfico 6: El diagrama de barras paralelas se deshace de la parte 3-D innecesaria del gráfico anterior y elimina la necesidad de las etiquetas en la parte superior de cada barra, pero las barras son todavía chatarra gráfica. La misma gimnasia mental se necesita para ver la demanda de un producto en el tiempo.

Producto A

Producto B

0

50

100

150

200

1991 19921993

19941995

Producto

Ve

nta

s

Año

Ventas por Producto

Producto A

Producto B

0

50

100

150

200

1991 1992 1993 1994 1995

110

130

165 160

180

130

160 140

135

155

Ve

nta

s

Año

Ventas por Año

Producto A

Producto B

Kim I. Melton, Ph.D. North Georgia College & State University Página 6 de 6

Gráfico 6 Gráfico 7: El siguiente diagrama de ocurrencia le ayuda al lector a ver las siguientes conclusiones (la mayoría de las cuales eran obscuras en los gráficos previos): 1) Las ventas del producto A sobrepasaron a las del producto B en 1993, 2) Las ventas del producto A parecen tener una tendencia a la alza, 3) Las ventas del producto B parecen mantenerse más o menos iguales a lo largo del período de cinco años, y 4) Las ventas totales parecen estar incrementándose un poco, y 5) La diferencia entre las ventas de los dos productos ha permanecido aproximadamente igual. Este tipo de entendimiento en conjunto con un conocimiento de la materia ayudará a generar teorías acerca de qué esperar en el futuro —lo cual le permitirá planear!

Gráfico 7

Resumen

La meta al comunicar datos cuantitativos probablemente se resume de la mejor manera en la siguiente cita:

“Los lectores de un reporte deberían no ser conscientes de su ‘diseño’. Más bien deberían sentirse atraídos a leerlo por un contenido interesante, un orden lógico y una presentación simple. La página impresa debería parecer natural y autorizada, evitando cuestionamientos que puedan interponerse en su carácter documental.”

Paul Rand

Hablando sobre los Reportes Anuales Referencias: 1 Ellenberg, Jonas H., “Statistics and Communication,” Amstat News, The American Statistical Association, February 1999, pp.8-9

2 Tufte, Edward R., The Visual Display of Quantitative Information, Graphics Press, 1983

3 Tufte, Edward R., Envisioning Information, Graphics Press, 1990

020406080

100120140160180200

1991 1992 1993 1994 1995V

en

tas

Año

Ventas por Producto

Producto A

Producto B

100

110

120

130

140

150

160

170

180

190

1991 1992 1993 1994 1995

Ven

tas

Año

Ventas por Año

Producto A

Producto B