"Somos una empresa data-driven." Es una frase que se oye en casi todas las presentaciones corporativas, dicha con orgullo, como un sello de modernidad. Pero detrás de ella se esconde una confusión que cuesta caro: la mayoría de las empresas que se dicen "orientadas por datos" no entienden bien qué significa eso, ni si es siquiera lo que deberían querer ser. Hay una distinción sutil pero profunda entre ser data-driven — dejar que los datos decidan — y ser data-informed — dejar que los datos aconsejen una decisión que sigue siendo humana. Confundir las dos lleva a errores en ambas direcciones: unas veces se obedece ciegamente a los datos cuando no se debía, otras se ignoran cuando eran exactamente lo que se necesitaba.
La diferencia no es de vocabulario. Es una elección sobre el papel que los datos desempeñan en las decisiones — y esa elección cambia todo, desde la cultura de la empresa hasta la calidad de las decisiones que toma. Entender cuándo los datos deben decidir y cuándo deben solo aconsejar es una de las competencias estratégicas más importantes y menos discutidas de la gestión moderna.
Este artículo no defiende que un enfoque sea siempre mejor que el otro. Defiende algo más útil: que cada tipo de decisión pide su enfoque, y que la madurez está en saber cuál usar en cada momento, en vez de aplicar un eslogan a todo.
Qué significa ser data-driven
Ser genuinamente data-driven significa que, en una decisión dada, los datos tienen la palabra final. Se define una métrica, se mide, y el resultado determina la acción sin que el juicio humano se sobreponga. Es la filosofía detrás de los tests A/B llevados al límite: se muestran dos versiones, se mide cuál convierte más, y se elige la ganadora, punto final — aunque la intuición de alguien dijera lo contrario. En estas situaciones, dejar que los datos decidan elimina el sesgo, la política y el ego de la ecuación, y es precisamente eso lo que los hace tan poderosos.
Este enfoque brilla cuando las decisiones son frecuentes, medibles y reversibles, y cuando el objetivo es claro y único. Optimizar el color de un botón, el asunto de un email, el orden de unos resultados — decisiones pequeñas, comprobables, en que la opinión humana no aporta nada que los números no digan mejor. Aquí, ser data-driven no es frialdad; es honestidad intelectual, aceptar que los datos saben más que nuestra intuición.
Qué significa ser data-informed
Ser data-informed es diferente y, para muchas decisiones, más sabio. Los datos entran como una voz importante — quizás la más importante — pero no como la única ni la final. Informan, contextualizan, alertan, pero la decisión integra también aquello que los datos no capturan: el contexto estratégico, el conocimiento del mercado, los valores de la empresa, la visión de largo plazo, la experiencia de quien ya vio situaciones parecidas. El decisor humano escucha los datos con atención y respeto, y después decide con todo el cuadro delante.
Este enfoque es el correcto cuando las decisiones son grandes, raras, difíciles de medir o cargadas de consecuencias que los datos solos no abarcan. Entrar en un nuevo mercado, lanzar un producto radicalmente nuevo, decidir la estrategia de los próximos años — decisiones en que los datos históricos dicen mucho sobre el pasado pero poco sobre un futuro que aún no existe. Aquí, obedecer ciegamente a los datos sería conducir mirando solo por el espejo retrovisor.
Los peligros de confundir las dos
- Ser data-driven donde se debía ser data-informed: obedecer a una métrica en decisiones estratégicas lleva a optimizar el número a costa de lo que no mide — como maximizar el beneficio de corto plazo destruyendo la relación con el cliente a largo plazo.
- Ser data-informed donde se debía ser data-driven: dejar que la intuición se sobreponga a los datos en decisiones pequeñas y comprobables es abrir la puerta al sesgo y al ego donde los números decidirían mejor.
- Usar los datos como coartada: fingir que una decisión ya tomada por instinto fue "orientada por datos", eligiendo solo los números que la confirman.
- Paralizarse esperando datos perfectos: negarse a decidir sin certeza total, cuando muchas decisiones tienen que tomarse con información incompleta.
El error de tratar los datos como verdad absoluta
Hay un peligro particular en la cultura data-driven mal entendida: tratar los datos como si fueran una verdad objetiva y completa, cuando son siempre una representación parcial de la realidad. Los datos miden lo que es fácil de medir e ignoran lo que no. Un número puede decir que una decisión "funcionó" según una métrica, mientras destruye valor de formas que esa métrica no capta — la satisfacción a largo plazo, la reputación, la moral del equipo. Confiar ciegamente en los datos es confiar ciegamente en aquello que elegimos medir, olvidando todo lo que quedó fuera.
Por eso el juicio humano sigue siendo insustituible en las decisiones que importan. No porque la intuición sea mejor que los datos — muchas veces no lo es — sino porque un buen decisor ve lo que los datos no muestran, cuestiona si se está midiendo la métrica correcta, e integra factores que ningún número expresa. Los datos son un instrumento poderoso al servicio del juicio, no un sustituto de él.
Un caso concreto
Una empresa se enorgullecía de ser radicalmente data-driven: toda decisión tenía que justificarse con una métrica, y el equipo optimizaba incansablemente los números. Durante un tiempo, funcionó bien — los indicadores de corto plazo subían. Pero una decisión en particular reveló la fragilidad del enfoque llevado al extremo. Los datos mostraban que cierta práctica agresiva de ventas aumentaba la conversión a corto plazo, y por eso fue adoptada y reforzada, porque "los datos decían que funcionaba". Lo que la métrica de conversión no capturaba era que esa práctica irritaba a los clientes y minaba la confianza en la marca — un efecto que solo se manifestaría meses después, en churn y reputación, muy lejos del número que estaban optimizando. Cuando los daños se hicieron visibles, era tarde. La empresa aprendió, de la forma difícil, que ser data-driven en una decisión que exigía ser data-informed — que exigía pesar lo que los datos de corto plazo no mostraban — había costado caro. Reformularon la cultura: mantuvieron la disciplina data-driven en las decisiones pequeñas y comprobables, pero pasaron a tratar las decisiones estratégicas como data-informed, escuchando los datos pero decidiendo con todo el contexto. Las decisiones mejoraron precisamente porque dejaron de aplicar un único enfoque a todo.
La madurez está en saber elegir
La verdadera madurez en datos no está en ser siempre data-driven, ni en nunca serlo. Está en reconocer, para cada decisión, qué enfoque pide. Las decisiones frecuentes, medibles y de bajo riesgo piden disciplina data-driven, para quitar el sesgo del camino. Las decisiones grandes, raras y cargadas de consecuencias que los números no capturan piden juicio data-informed, para no conducir mirando solo el retrovisor. Saber clasificar las decisiones y aplicar el enfoque correcto a cada una es lo que distingue a una organización verdaderamente sofisticada de una que se limita a repetir el eslogan de moda.
Visto así, la pregunta "¿somos data-driven?" resulta mal formulada. La pregunta correcta es: "¿usamos los datos de forma apropiada a cada tipo de decisión?" — dejándolos decidir donde eso tiene sentido, y dejándolos aconsejar un juicio humano donde es eso lo que la decisión exige. Esa es la actitud que hace que los datos creen valor en vez de convertirse en una camisa de fuerza.
En la práctica
La próxima vez que oigas "los datos dicen que debemos hacer X", haz una pausa y pregunta: ¿es esta una decisión en que los datos deben decidir, o una en que deben solo aconsejar? ¿La métrica que estamos siguiendo captura todo lo que importa, o hay consecuencias que no ve? Hacer estas preguntas no es desvalorizar los datos — es usarlos con la sabiduría de saber cuándo obedecer y cuándo pensar. ¿Tu empresa aplica un eslogan de datos a todas las decisiones, o sabe, decisión a decisión, cuándo los datos deben mandar y cuándo deben solo informar?
