La confianza en un dato se puede medir. Proponemos evaluar cada indicador crítico en cinco dimensiones (origen, frescura, completitud, consistencia y trazabilidad) y mostrar ese nivel al lado del número, para que quien decide sepa si está frente a un dato firme o frente a una estimación.
¿Por qué los directorios deciden con números sin saber cuán confiables son?
Un dashboard muestra todos los números con el mismo peso visual. El margen del trimestre, conciliado con la contabilidad, aparece con la misma tipografía y el mismo color que la proyección de ventas que un gerente cargó a mano ayer a la noche. Para quien mira la pantalla, ambos parecen igual de ciertos.
Ese es el problema: el número viaja sin su nivel de certeza. Y cuando la certeza no está explícita, cada persona la completa con su intuición. Algunos confían en todo lo que aparece en pantalla; otros no confían en nada que no hayan calculado ellos mismos. Ninguna de las dos posturas es gestión basada en datos.
¿Qué pasa cuando la confianza en el dato no se mide?
La confianza no medida falla de dos maneras opuestas, y las dos son caras:
- Exceso de confianza. Se decide con un dato que tenía tres días de atraso, al que le faltaba una sucursal o que venía de una carga manual sin revisar. El error no se detecta hasta que la decisión ya tuvo consecuencias.
- Falta de confianza. Nadie cree en el dashboard, así que cada gerente pide «el Excel de respaldo», el equipo de datos pasa la semana conciliando y el directorio posterga la decisión hasta la próxima reunión. La inversión en BI queda como un adorno caro.
- La IA hereda el problema. Un agente de IA responde con la misma seguridad sobre un dato firme que sobre uno incompleto. Si el sistema no sabe cuán confiable es un número, la respuesta tampoco lo va a decir.
En los diagnósticos que hacemos, la pregunta «¿cuánto confiás en este indicador, de 1 a 10?» suele recibir respuestas muy distintas según a quién se le haga dentro de la misma empresa. Esa dispersión es, en sí misma, el diagnóstico.
¿Cómo se mide la confianza de un dato?
Proponemos un Score de Confianza del Dato en cinco dimensiones. Cada una se evalúa de 0 a 2 puntos, y el total va de 0 a 10.
| Dimensión | Pregunta clave | 0 puntos | 1 punto | 2 puntos |
|---|---|---|---|---|
| Origen | ¿De dónde sale el dato? | Carga manual sin control | Sistema transaccional con ajustes manuales | Sistema transaccional, sin intervención manual |
| Frescura | ¿Está actualizado para la decisión que se va a tomar? | Atraso mayor al ciclo de decisión | Atraso dentro del ciclo, sin fecha visible | Actualizado y con fecha de corte visible |
| Completitud | ¿Están todas las unidades, sociedades y períodos? | Faltan partes sin aviso | Faltan partes, pero está señalizado | Completo y verificado automáticamente |
| Consistencia | ¿Coincide con otras fuentes que miden lo mismo? | No se concilia | Se concilia manualmente, a veces | Se concilia automáticamente contra contabilidad |
| Trazabilidad | ¿Se puede llegar desde el número hasta la transacción? | No | Con ayuda del equipo de datos | Sí, con un clic, desde el propio reporte |
Cómo se usa el score
- 8 a 10 · Decidir. El dato puede llevarse al directorio sin salvedades.
- 5 a 7 · Decidir con salvedad. Se presenta, pero con la aclaración explícita de su limitación («falta la sociedad de Perú», «corte al día 3»).
- 0 a 4 · No llevar al directorio. El indicador necesita trabajo antes de usarse para decidir.
Un ejemplo ilustrativo
Tomemos el indicador «margen bruto por cliente» en una distribuidora. Sale del ERP pero con reclasificaciones manuales de costos (origen: 1). Se actualiza una vez por mes, a los diez días del cierre (frescura: 1). Incluye todas las sucursales (completitud: 2). No se concilia con el margen contable (consistencia: 0). Para llegar al detalle hay que pedírselo al analista (trazabilidad: 1). Total: 5 puntos. Conclusión: se puede presentar, pero con salvedad, y el primer trabajo a encarar es la conciliación automática, que es la dimensión más débil.
El valor del score no está en el número final, sino en que convierte una sensación («no confío en este dato«) en una lista de trabajo priorizada.
Del score al sello
El paso siguiente es mostrar el nivel de confianza al lado de cada indicador, con un sello simple de color. Así la conversación del directorio cambia: en lugar de discutir si el número es correcto, se discute qué decisión tomar sabiendo cuán firme es.
¿Cómo se automatiza la confianza del dato?
Evaluar el score a mano una vez sirve como diagnóstico. Para que sea una práctica, las cinco dimensiones tienen que controlarse automáticamente, todos los días: pruebas de frescura que avisan cuando un proceso de carga no corrió, conteos que detectan sociedades faltantes, conciliaciones automáticas contra la contabilidad y un linaje de datos que permite llegar desde el reporte hasta la transacción.
En BlueDraft lo trabajamos en dos pasos. Primero, un diagnóstico de confianza sobre los indicadores que llegan al directorio, con el score de cada uno y un plan priorizado de mejora. Después, la automatización de esos controles dentro de la arquitectura de datos, con el sello de confianza visible en los tableros de BI y disponible para los modelos de planificación y los agentes de IA.
Pregunta para esta semana: si tuvieras que ponerle un sello verde, ámbar o rojo a cada número de tu próxima presentación de directorio, ¿cuántos quedarían en verde?
Pedinos el diagnóstico de confianza de tus 15 indicadores clave con BlueDraft: en pocas semanas vas a saber cuáles están listos para decidir y cuáles no.→ [Agendar diagnóstico]
Preguntas frecuentes
La calidad de datos mide atributos técnicos (errores, duplicados, formatos). La confianza en el dato agrega la perspectiva del que decide: si el número está completo, actualizado, conciliado y es rastreable para la decisión concreta que se va a tomar.
Es el conjunto de controles automáticos que monitorean los procesos de datos (frescura, volumen, cambios de estructura, conciliaciones) y alertan cuando algo falla, antes de que el error llegue a un reporte.
El diagnóstico inicial se hace una vez. Después, lo ideal es que las dimensiones se controlen automáticamente en cada actualización del dato, y que el score se revise cuando cambia una fuente o un proceso.
Por los que se presentan al directorio y los que alimentan decisiones de precio, compras o inversión. Son pocos, y concentran el mayor riesgo.