Drill 21
El eje que exagera
La línea se desplomó. ¿Cuánto cayó de verdad?
Cómo leer la escala de un gráfico antes de creerle a la forma de la línea.
Cuándo se saca
Cuando un gráfico muestra un cambio dramático, cuando se comparan dos gráficos lado a lado o cuando alguien habla de caídas en porcentaje.
Cómo se usa
- Lee los números del eje antes que la forma. Si el eje no parte en cero, una diferencia chica puede ocupar todo el alto del gráfico.
- Calcula el cambio en la unidad real, cuánto es en el número y cuánto en porcentaje. Si es una tasa, distingue los puntos porcentuales de la variación porcentual.
- Compáralo con lo que la serie se mueve normalmente. Si la caída es del tamaño de lo que la serie sube y cae cualquier semana, todavía no es una señal.
La forma de la línea la decide quien elige la escala. El número no.
Una escena típica
Escena ilustrativa, sin datos de un caso real.
Escena típica en un comité de producto.
Lo que se veíaUn gráfico muestra la tasa de retención cayendo en picada y se propone detener un lanzamiento.
Lo que eraEl eje iba de un valor muy cercano al mínimo a uno muy cercano al máximo de la serie. La caída era menor que la variación de cualquier mes del año anterior.
En qué terminóEl gráfico se rehízo con el eje completo y una banda con el rango normal, y el lanzamiento siguió.
Dónde se cae la gente
Creer que cortar el eje siempre es engañar. Hay series donde un eje en cero aplasta cambios que sí importan. El error no es cortar el eje, es no leerlo.
Fuego rápido
3 preguntas sobre esto mismo. Si fallas una, la línea de abajo dice por qué.
Dónde se pone a prueba
Saber el método no es la habilidad. Estos challenges no te dicen cuál usar, y ese es justamente el ejercicio.
Quién lo revisa
Rodrigo Urrea
Analítica · Forecasting · Productos digitales
- 14 años
- Chile · Alemania · EE.UU.
- Varias industrias
- Forecasting
- Productos digitales
- MSc Business Analytics
- AI-ready
Catorce años en analítica, en Chile, Alemania y para compañías en Estados Unidos.
Empecé en consumo masivo y bebidas, donde los pedidos llegaban con apuro y sin contexto. Después forecasting, productos digitales, y empresas sin equipo de datos que necesitaban una respuesta usable el lunes y no el mejor modelo posible. Un MSc en Business Analytics en el camino. Trabajé en varias industrias, y el patrón se repite en todas: el problema casi nunca es la técnica o la herramienta.
Hoy trabajo en construir capacidades AI-ready para tareas de analítica: qué parte del trabajo conviene automatizar y qué parte sigue siendo criterio. La segunda es más grande de lo que parece.
Los 21 challenges salen de pedidos que me hicieron a mí.
LinkedIn ↗Todos mis enlaces ↗