Familiarizándonos con los Datos y Por Qué No Dan Tanto Miedo
Jul 9, 2026
En esta sesión, Ibrahima Ball, analista de datos de programas internacionales de Unbound, y Davide Gallo, fundador de Vetta, presentaron una aproximación sencilla y centrada en las personas para utilizar datos.
El objetivo no fue convertir a los participantes en especialistas ni enseñar fórmulas complejas. La sesión buscó fortalecer tres capacidades básicas: formular mejores preguntas, buscar evidencia y tomar decisiones con mayor fundamento.
Los expositores recordaron que los datos no son solamente números, tablas o gráficos. También incluyen observaciones, respuestas de encuestas, fotografías, conversaciones, testimonios y experiencias que ayudan a comprender a las familias y comunidades.
Los datos representan personas
Ibrahima explicó que, al comenzar a trabajar con información del Poverty Stoplight, inicialmente veía cada registro como un número dentro de una base de datos.
Su perspectiva cambió después de visitar un programa de Unbound en Honduras y observar cómo se recopilaba la información mediante conversaciones en los hogares.
"Detrás de cada punto de datos hay una historia real."
Los indicadores representan experiencias, decisiones y condiciones concretas. Por ello, analizar datos requiere mantener presente el contexto en que fueron recopilados y las personas a quienes representan.
La visita al terreno no es la única manera de incorporar ese contexto. También puede obtenerse conversando con facilitadores, preguntando por qué cambió un indicador o consultando qué intervención se desarrolló en una comunidad.
Las respuestas recibidas también son datos y pueden explicar aquello que no resulta visible en un tablero.
¿Por qué los datos parecen intimidantes?
Al comienzo de la sesión, los participantes compartieron las ideas y emociones que relacionaban con la palabra “datos”. Surgieron conceptos como evidencia, información, oportunidades, gráficos, confusión, presión y responsabilidad.
Varias personas señalaron que los datos pueden parecer:
● Demasiado técnicos.
● Reservados para especialistas.
● Difíciles de interpretar.
● Riesgosos cuando se trabaja con información sensible.
● Abrumadores por la cantidad de números.
● Complicados porque no siempre se sabe por dónde comenzar.
Ibrahima reconoció que incluso quienes trabajan diariamente con datos sienten presión por la posibilidad de cometer errores. Un número publicado en un informe o utilizado para tomar decisiones puede tener consecuencias.
Sin embargo, el problema muchas veces surge de creer que es necesario comprender simultáneamente las bases de datos, las fórmulas, la metodología, las estadísticas y las herramientas tecnológicas.
La sesión propuso comenzar de una manera mucho más sencilla: con una buena pregunta.
Algunos mitos sobre los datos
Davide presentó varias ideas frecuentes que hacen que los datos parezcan más complejos de lo que realmente son.
“Los datos son solamente números”
Los datos pueden ser cualquier hecho que pueda registrarse. Una respuesta escrita, una fotografía, un audio, una transcripción o el estado de ánimo de una persona también pueden convertirse en evidencia.
La inteligencia artificial ha ampliado la capacidad de analizar información en formatos que antes eran más difíciles de procesar, como imágenes, audios y textos extensos.
“Un número demuestra la verdad”
Un número ofrece una perspectiva, pero necesita contexto.
Un aumento del 300 % puede parecer extraordinario, pero podría representar un crecimiento de uno a cuatro casos. Sin conocer el punto de partida, el número puede generar una impresión equivocada.
"Los datos son evidencia, no una verdad completa."
“Se necesitan herramientas sofisticadas”
Para comenzar, una hoja de cálculo puede ser suficiente. Una base de datos es, en esencia, información organizada en filas y columnas.
Los sistemas especializados son útiles cuando aumenta la cantidad o complejidad de los datos, pero no son un requisito para formular preguntas, observar patrones y tomar decisiones.
“Solo las personas técnicas pueden trabajar con datos”
Los especialistas pueden organizar, limpiar o conectar la información. Sin embargo, quienes conocen el programa y las comunidades son quienes pueden interpretar qué significan los resultados.
Un tablero no reemplaza la experiencia de quienes comprenden el contexto.
“Más datos siempre producen mejores respuestas”
Una gran cantidad de información puede generar ruido y dificultar la identificación de lo importante.
La pregunta no debería ser cuántos datos se pueden recopilar, sino cuáles son necesarios para tomar una decisión.
Paso cero: Comenzar con una pregunta
El primer paso ocurre antes de abrir una base de datos o construir un gráfico.
Ibrahima recomendó formular la pregunta en lenguaje sencillo. Muchas veces las organizaciones comienzan con preguntas amplias, como:
● ¿Está funcionando el programa?
● ¿Está mejorando la situación de las familias?
● ¿Qué ocurre con la pobreza?
● ¿Cuáles son las tendencias?
Estas preguntas pueden servir como punto de partida, pero necesitan mayor precisión.
Una pregunta útil debería incluir tres elementos:
● Quién: la población, proyecto o territorio que se analizará.
● Qué: el cambio o indicador que se quiere observar.
● Cuándo: el período que se comparará.
Por ejemplo, en lugar de preguntar “¿Está funcionando el programa?”, podría preguntarse:
"¿Disminuyó la cantidad de indicadores de ingresos en rojo entre las últimas dos encuestas realizadas en Guatemala?"
Otra pregunta podría ser:
"¿Cuántas familias redujeron al menos un indicador rojo durante los últimos doce meses?"
Las preguntas precisas ayudan a identificar qué información se necesita y evitan analizar grandes cantidades de datos sin una finalidad clara.
Paso uno: Identificar dónde está la evidencia
Después de formular la pregunta, es necesario reconocer dónde puede encontrarse la respuesta.
Los datos pueden estar en encuestas, sistemas de gestión de proyectos, plataformas de atención a clientes, registros financieros, fotografías, audios, informes, estudios de caso, conversaciones y testimonios.
Davide explicó algunos términos técnicos utilizados en esta etapa:
● Migración de datos: significa trasladar información desde un lugar hacia otro. Por ejemplo, pasar respuestas de encuestas en papel a una hoja de cálculo o transferir registros desde una plataforma a una base central.
● Data warehouse: es un espacio central donde se reúne información procedente de diferentes fuentes. Conceptualmente, puede imaginarse como una carpeta organizada y de gran capacidad donde se almacena la información necesaria para los análisis.
● API: es el mecanismo que permite que dos sistemas intercambien información. Davide lo comparó con un idioma utilizado por los programas informáticos; así como las personas solicitan información mediante una conversación o correo, las aplicaciones utilizan una API para pedir y recibir datos.
● LLM: un modelo de lenguaje de gran escala recibe palabras, documentos, imágenes o instrucciones y genera una respuesta. Puede utilizarse para resumir textos, clasificar información o transformar datos, pero sus resultados deben ser revisados por personas.
Paso dos: Hacer que los datos sean utilizables
La información recopilada rara vez está completamente lista para el análisis.
Puede contener campos vacíos, registros duplicados, nombres escritos de distintas maneras, fechas en formatos diferentes, números guardados como texto, variaciones en monedas o unidades, o categorías que significan lo mismo pero tienen nombres distintos.
Por ejemplo, un sistema puede registrar “Reino Unido”, otro “Gran Bretaña” y otro “GB”. Para una persona resulta evidente que se relacionan con el mismo país, pero una computadora puede interpretarlos como categorías diferentes.
Esta etapa consiste en limpiar, organizar y normalizar la información para que los registros puedan compararse correctamente.
La calidad también depende de cómo se recopilan los datos. Las preguntas claras y los formularios bien diseñados reducen los problemas posteriores.
Paso tres: Visualizar, decidir y aprender
Una vez organizada la información, puede representarse mediante gráficos, tableros, informes o cifras destacadas.
El objetivo no es producir la visualización más sofisticada, sino responder la pregunta inicial de manera comprensible.
Después de interpretar la evidencia, la organización puede tomar una decisión. Esa decisión normalmente genera nuevas preguntas, por lo que el proceso vuelve a comenzar:
- Formular una pregunta.
- Identificar las fuentes.
- Organizar y limpiar los datos.
- Analizar y visualizar.
- Decidir.
- Aprender y formular una nueva pregunta.
Los datos no son un producto final. Forman parte de un proceso continuo de aprendizaje.
El papel de la inteligencia artificial
Los presentadores destacaron que la IA puede ayudar a organizar grandes cantidades de información, analizar textos, identificar patrones y realizar tareas que antes requerían más tiempo.
También puede facilitar el acceso a herramientas que anteriormente estaban reservadas para personas con conocimientos técnicos.
Sin embargo, no debe utilizarse para interpretar datos de manera automática y sin supervisión.
"El juicio humano sigue siendo necesario."
Una IA puede señalar que un indicador mejoró, pero posiblemente no sepa por qué ocurrió. Para comprenderlo puede ser necesario conversar con el equipo local, revisar las intervenciones o conocer la experiencia de las familias.
La tecnología puede procesar la información, pero las personas aportan contexto, criterio y responsabilidad.
Preguntas y respuestas
¿Cómo decidir qué tipo de gráfico utilizar?
Una participante preguntó si existe una guía para determinar cuándo utilizar gráficos de barras, porcentajes, historias, diagramas o gráficos circulares.
Ibrahima explicó que la elección depende de la pregunta y de la rapidez con la que se necesita comprender la respuesta.
Un gráfico circular puede ser útil para mostrar una distribución sencilla entre rojo, amarillo y verde. Sin embargo, no sería adecuado para comparar cincuenta indicadores, porque resultaría difícil de leer; en ese caso, un gráfico de barras sería más claro. Los gráficos de líneas suelen ser útiles para observar cambios a lo largo del tiempo.
Davide agregó que una visualización siempre representa una perspectiva. En algunos casos, será conveniente utilizar varios gráficos para comprender la información desde diferentes ángulos.
También puede ocurrir que la mejor respuesta no sea un gráfico, sino una cifra destacada o una historia que explique el contexto.
¿Podría realizarse una sesión práctica con datos reales?
Julia Corvalán, Gerente Global de Operaciones del Poverty Stoplight, propuso organizar una sesión posterior en la que se recorriera todo el proceso con información concreta, desde la base de datos hasta la interpretación.
Los presentadores manifestaron su disposición a desarrollar un ejercicio práctico y preparar un material breve con los principales pasos.
Participa
¿Te interesa participar en futuros eventos virtuales y presenciales de la Red Global de Poverty Stoplight?
👉 Suscríbete al boletín mensual.
También puedes conocer más sobre el próximo Cerrito Forum 2026, el encuentro internacional anual sobre desarrollo global que reunirá, del 12 al 16 de octubre, a actores de todo el mundo comprometidos con la eliminación de la pobreza.
Back to all webinars