Lunes, reunión semanal. Dos pantallas, el mismo indicador, dos cifras distintas. Una sale del CRM y la otra de contabilidad, y los veinticinco minutos siguientes se van en averiguar cuál de las dos es la buena. Al final se acuerda que alguien debería unificar eso de una vez, para que todos vean lo mismo. Nadie en la sala pregunta qué haría la empresa distinto si fuera cierta la primera cifra, y qué haría si fuera cierta la segunda.
Ahí está el trabajo, y casi siempre se busca en el sitio equivocado. El encargo que sale de esa reunión es unificar los dashboards. Que todos los equipos tengan la misma vista, los mismos colores, las mismas tarjetas. Eso da sensación de orden porque el orden se ve. El orden que importa está un piso más abajo y es invisible: en la definición del número y en la decisión que cuelga de él.
Un diagnóstico de 1967
Russell Ackoff, uno de los fundadores de la investigación operativa, desmontó en 1967 en Management Science cinco supuestos sobre los que se construyen los sistemas de información de gestión. El primero dice que a los directivos les falta información relevante. Su diagnóstico fue el contrario. Sufren un exceso de información irrelevante, y un sistema que entrega todavía más agranda el problema.
Eso se escribió cincuenta años antes de la primera licencia de BI de autoservicio. Desde entonces, producir vistas se ha vuelto barato, casi gratis. Hoy cualquier servicio de analítica te monta un dashboard a medida en segundos, con la forma que pidas. Cuando construir deja de costar, la imagen se convierte en artículo de consumo, y lo escaso pasa a ser lo que ya señalaba Ackoff: saber qué información cambia algo.
Lo que hay debajo de la imagen
Antes de que un número pueda cambiar algo, tiene que estar claro qué cuenta. Tadhg Nagle, Thomas Redman y David Sammon publicaron en 2017 en Harvard Business Review una medición sencilla: 75 directivos revisaron cien registros recién creados cada uno, de su propio departamento en busca de errores críticos. De media, el 47 por ciento de esos registros llevaba al menos uno. Y solo el tres por ciento de las puntuaciones de calidad medidas alcanzó un nivel que los autores consideran aceptable, con el criterio más generoso que pudieron aplicar. Casi uno de cada dos registros ya estaba dañado antes de que nadie hiciera un gráfico con él.
Richard Wang y Diane Strong describieron en 1996, en el Journal of Management Information Systems, cómo se ve la calidad del dato desde quien lo usa. La ordenan en cuatro grupos: el dato en sí, su ajuste a la tarea, su representación y su accesibilidad. La representación es uno de los cuatro, y va por detrás de la relevancia y la actualidad. Trabajar solo sobre la representación pule una cuarta parte y deja tres sin tocar.
El termómetro
Un termómetro es un buen aparato porque detrás hay una regla. Por encima de treinta y ocho grados llamamos, por debajo esperamos a mañana. La regla es lo que da sentido a la medición. Quita la regla y te queda un número en una pantalla que te inquieta y no lleva a ninguna parte. Entonces mides más veces, porque medir se parece a actuar.
La mayoría de los dashboards son termómetros sin regla. Muestran un valor que se mira y se comenta cada semana, y no hay un umbral a partir del cual alguien haga algo, ni un rol que lo haga. Que el dashboard se vea igual en todos los departamentos no cambia nada de eso.
Dónde está de verdad la dispersión
La dispersión no está en la imagen. Está en lo que las personas hacen con la misma imagen. Daniel Kahneman y sus colegas describieron en Harvard Business Review en 2016 una aseguradora que midió exactamente eso. Lo medido fue un 55 por ciento de diferencia mediana en el precio que distintos suscriptores ponían a pólizas idénticas, y un 43 por ciento en el importe fijado por distintos peritos para siniestros idénticos. A modo de comparación, en una encuesta aparte a 828 altos directivos de distintos sectores, la estimación mediana de cuánto se separan dos expertos en el mismo caso era del diez por ciento.
Los mismos datos, las mismas directrices, la misma casa. Un dashboard unificado no habría movido ahí ni un punto porcentual, porque la desviación nace después de mirar el número. Kahneman propone como remedio procedimientos que fijen el camino hasta la decisión. Eso es lo que significa estandarizar la decisión: el umbral a partir del cual pasa algo, el rol que actúa entonces, y las opciones entre las que se elige.
Dónde sí cuenta la forma
La forma no es indiferente por ello. Sara Hjelle y sus colegas publicaron en 2024 en Information and Management un experimento con 524 participantes sobre cuadros de mando: el formato, la actualidad y la integridad de la información mejoran la calidad de la decisión de forma indirecta, al reducir la complejidad que la tarea aparenta y al aumentar la satisfacción con la información misma. Una buena representación funciona, y funciona a través de lo que transporta.
De ahí sale una distinción que ahorra muchas discusiones. Se unifican la definición del indicador, su fuente y el camino de decisión. Queda libre cómo ordena cada equipo su vista, porque un almacén trabaja distinto que un equipo comercial, y hay vistas que sencillamente no encajan una dentro de otra. Lo que se mantiene es la visibilidad: que todos vean la misma definición y puedan seguir la evolución del mismo número en el tiempo. La transparencia nace del significado compartido, y sobrevive perfectamente a que las tarjetas estén colocadas de otra manera.
Cómo empezar esta semana
Coge un solo indicador de los que miráis con regularidad. Uno.
- Escribe la decisión que cuelga de él. ¿Qué dos o tres acciones entran en juego cuando ese número se mueve? Si no se te ocurre ninguna, ya tienes el resultado.
- Fija el umbral. ¿A partir de qué valor pasa algo, y qué pasa exactamente? Con una frase basta.
- Nombra el rol que actúa. Qué rol interviene al superarse el umbral, no qué persona. Sin esa línea, el umbral se queda en declaración de intenciones.
- Define el número por escrito. De qué fuente, para qué periodo, qué entra y qué queda fuera. Esos cuatro datos cierran la mayoría de las discusiones de los lunes.
- Revisa a las cuatro semanas si ha cambiado algo. Si en cuatro semanas no ha colgado ninguna decisión de ese número, quítalo del dashboard. Cuesta atención y no devuelve nada.
Un indicador por semana. Al cabo de un mes quedan unos pocos números con una decisión detrás de cada uno, y las reuniones se acortan.
El resto es decoración
Un dashboard vale lo que valen las decisiones que dispara. Si el número está bien definido y lleva una acción colgada, trabaja para ti aunque viva en una tabla sin adornos. Si le faltan las dos cosas, la vista más bonita es un cuadro en la pared que abre la semana y no mueve nada.
En el próximo artículo del Clarity Playbook vamos a lo que hay entre el umbral y la acción: en qué reconocen todos que una tarea está terminada. Cada artículo trae un método que se apoya en el anterior.
Un último apunte, por si esto suena a pérdida de control. Quitar números del dashboard parece al principio renunciar a visión de conjunto, sobre todo si conoces la sensación de tener que estar pendiente de todo. En la práctica ocurre lo contrario. Cuatro números con una decisión detrás te dan más gobierno que cuarenta que solo contemplas, y la atención que hasta ahora gastabas en observar queda disponible para actuar.
Cuida tus sistemas y cuidarás a tu gente.
Elisa
Este artículo lo escribe Elisa Winkelmann con ayuda de IA y bajo su revisión editorial.
Fuentes
- Russell L. Ackoff, «Management Misinformation Systems», Management Science 14(4) (diciembre de 1967), pp. B147-B156. Sobre el supuesto de que a los directivos les falta información relevante y sobre el exceso de información irrelevante.
- Tadhg Nagle, Thomas C. Redman y David Sammon, «Only 3% of Companies' Data Meets Basic Quality Standards», Harvard Business Review (11 de septiembre de 2017). Fuente de las cifras: 75 directivos, cien registros cada uno, 47 % de registros con al menos un error crítico y 3 % de las puntuaciones de calidad aceptables con el criterio más generoso.
- Richard Y. Wang y Diane M. Strong, «Beyond Accuracy: What Data Quality Means to Data Consumers», Journal of Management Information Systems 12(4) (1996), pp. 5-34. Sobre las cuatro categorías de calidad del dato.
- Daniel Kahneman, Andrew M. Rosenfield, Linnea Gandhi y Tom Blaser, «Noise: How to Overcome the High, Hidden Cost of Inconsistent Decision Making», Harvard Business Review (octubre de 2016). Las cifras de la auditoría de ruido, junto con la estimación mediana del 10 % de una encuesta aparte a 828 altos directivos de distintos sectores, aparecen también en Kahneman, Sibony y Sunstein, «How noisy is your company?», strategy+business (19 de mayo de 2021).
- Sara Hjelle, Patrick Mikalef, Najwa Altwaijry y Vinit Parida, «Organizational decision making and analytics: An experimental study on dashboard visualizations», Information and Management 61(6) (2024), art. 104011. Experimento con 524 participantes sobre el efecto indirecto del formato, la actualidad y la integridad.
- Bart de Langhe y Stefano Puntoni, «Decision-Driven Analytics», MIT Sloan Management Review (2021). Sobre pensar hacia atrás, desde las opciones de acción hasta los datos necesarios.