Data storytelling: el dato que no se cuenta, no decide

01Por qué los datos necesitan un relato

Existe una creencia tácita y errónea en mucha gente técnica: que los datos «hablan por sí solos», que si la evidencia es clara, la conclusión se impondrá sola. No funciona así, porque el cerebro humano no está cableado para procesar tablas de números, sino para recordar historias. Un dato presentado como cifra aislada se olvida en segundos; el mismo dato envuelto en un relato con contexto y consecuencias se entiende, se recuerda y, sobre todo, mueve a actuar. No es una debilidad del público; es cómo funciona la cognición humana, y comunicar datos sin tenerlo en cuenta es condenar tu análisis a la irrelevancia.

Esto no significa adornar ni exagerar. Significa estructurar la información de manera que conecte con cómo las personas comprenden y deciden. El data storytelling no es maquillar los datos; es darles la forma en que pueden ser entendidos y usados.

02Los tres ingredientes de una historia con datos

1. Contexto. Un número solo no significa nada. «Vendimos 10.000 unidades» no dice si es bueno o malo hasta que añades «frente a 6.000 el año pasado» o «frente a un objetivo de 15.000». El contexto, comparado con qué, es lo que convierte un dato en información.
2. Conflicto. Toda buena historia tiene una tensión: algo que está en juego, algo que sorprende, una brecha entre lo que esperábamos y lo que pasó. «Crecemos, pero perdemos cuota porque el mercado crece más rápido» tiene conflicto; «las ventas suben» no. El conflicto es lo que engancha la atención y justifica que la decisión importe.
3. Conclusión. El relato debe terminar en una respuesta a la pregunta «¿y entonces qué hacemos?». Un análisis que describe pero no recomienda deja al público donde estaba. La conclusión es lo que transforma el entendimiento en acción.

Estos tres ingredientes convierten un volcado de datos en una narración: situación (contexto), complicación (conflicto) y resolución (conclusión). Es la estructura de cualquier historia que funciona, aplicada a los datos.

03Los errores de visualización que matan el mensaje

El relato se apoya casi siempre en gráficos, y un gráfico mal hecho puede destruir el mensaje aunque los datos sean correctos. Los errores más frecuentes:

• Exceso de información. El gráfico que intenta mostrarlo todo no muestra nada. Cada elemento que añades compite por la atención; un buen gráfico destaca una idea, no veinte.
• El tipo de gráfico equivocado. Un gráfico de tarta para comparar quince categorías es ilegible; las barras lo harían claro. La forma debe servir al mensaje, no al revés.
• Ejes manipulados. Cortar el eje vertical para exagerar una diferencia, o estirar una escala para suavizarla, traiciona al público aunque los datos sean ciertos. La honestidad visual es parte de la honestidad del dato.
• Falta de titular. Un gráfico sin un título que diga la conclusión obliga al público a adivinar qué debe ver. El titular no debe describir («ventas por trimestre»), sino concluir («las ventas caen por tercer trimestre consecutivo»).

Un gráfico no se juzga por la cantidad de datos que muestra, sino por la velocidad con la que su conclusión llega a la cabeza de quien lo mira.

04La ética del relato: datos honestos o no hay relato

Hay una línea que el data storytelling no debe cruzar, y conviene nombrarla con claridad. Un buen relato sobre datos malos no es comunicación: es manipulación. Las mismas técnicas que hacen un dato comprensible, el énfasis, la selección, la narrativa, pueden usarse para engañar, destacando lo que conviene y ocultando lo que molesta. La diferencia entre contar y manipular está en la honestidad de la base: si los datos son sólidos y completos, darles forma de relato es comunicación legítima y necesaria; si se seleccionan a conveniencia o se apoyan en datos sucios, el relato más brillante solo sirve para tomar, y hacer tomar, peores decisiones con más confianza. La honestidad del dato es la condición de la honestidad del relato.

05Cómo encaja Funneld

El data storytelling más persuasivo del mundo se derrumba si los datos que lo sustentan son poco fiables. Por eso la base de toda buena narración con datos es la misma que la de todo lo demás: datos limpios, trazables y con contexto. Funneld aporta ese cimiento, datos verificados, enriquecidos y situados en su contexto de mercado, para que tu BI cuente historias verdaderas que muevan decisiones acertadas, no relatos convincentes sobre cifras frágiles. Porque al final, todo el trabajo con datos, la minería, los modelos, los dashboards, solo sirve de algo si su conclusión llega a una persona que decide. Y para que llegue, hay que contarla. El dato que no se cuenta, sencillamente, no decide.

06Fuentes y lecturas

1. Knaflic, C. N., «Storytelling with Data» (referencia del campo)
2. Tufte, E., «The Visual Display of Quantitative Information»
3. Heath & Heath, «Made to Stick» (por qué unas ideas se recuerdan y otras no)
4. Few, S., visualización efectiva y errores comunes

07Preguntas frecuentes