← Itinerario del curso · Lección 3 de 3 · Lectura básica orientativa: 15–20 minutos
Objetivo de la lección. Comprender cómo se transforman datos evaluados en juicios fundamentados, qué errores de razonamiento conviene vigilar y cómo se comunican las conclusiones y su incertidumbre.
Ampliación opcional: 13 capítulos con ejemplos, diagramas e interpretación de los métodos de Yappari One.
Módulo 5. Calidad, hipótesis, sesgos y relaciones
Empezar por la calidad del dato
El análisis depende de cómo se definieron y registraron los datos. Antes de calcular, comprueba qué representa cada fila, si hay duplicados, qué unidades se utilizan y cómo se indican los valores desconocidos. «Sin dato» y «cero» tienen significados distintos, y un código como «99» puede significar «desconocido» en lugar de una cantidad. Dos nombres iguales pueden corresponder a entidades diferentes; dos variantes de un nombre pueden corresponder a una sola. Preparar los datos suele llevar la mayor parte del tiempo de un análisis, y es tiempo bien invertido.
Las comparaciones necesitan denominadores y periodos compatibles. Un aumento de incidencias puede reflejar más actividad, cambios en el registro o un deterioro real. La tasa permite relacionar incidencias y volumen, pero tampoco explica por sí sola una causa.
Las cuatro casillas. Para afirmar que dos cosas están relacionadas no basta con contar los casos en que coinciden. Supongamos cien días de servicio, con datos ficticios: 12 días con lluvia y retrasos, 18 con lluvia y sin retrasos, 28 sin lluvia y con retrasos, 42 sin lluvia ni retrasos. Los «12 días de lluvia con retrasos» llaman la atención, pero la tasa de días con retraso es del 40 % con lluvia (12 de 30) y del 40 % sin ella (28 de 70): no hay asociación. Recordamos mejor lo que ocurrió que lo que no ocurrió; antes de afirmar una relación, rellena las cuatro casillas o reconoce que no puedes.
La frecuencia de partida. Cuando un fenómeno es poco frecuente, incluso un buen detector produce muchas falsas alarmas. Imagina 1.000 facturas, de las que 50 son fraudulentas. Un sistema detecta 45 de esas 50, pero también marca por error 95 de las 950 legítimas. Si salta una alerta, la probabilidad de fraude no es del 90 %, sino de 45 entre 140: alrededor del 32 %. Olvidar esa frecuencia de partida es uno de los errores más comunes al interpretar alertas, puntuaciones y perfiles.
Separar hechos, inferencias y supuestos
- Hecho documentado: «El registro contiene ocho entregas tardías de cien»; depende de la calidad y cobertura del registro.
- Inferencia: «El servicio presenta mayor vulnerabilidad que el mes anterior»; requiere una comparación y una explicación.
- Supuesto: «La demanda permanecerá estable»; puede ser necesario para estimar, pero debe declararse.
- Laguna: «No conocemos la capacidad disponible del proveedor»; limita la conclusión y orienta la siguiente búsqueda.
No se pueden cuestionar todos los supuestos, pero sí localizar los supuestos clave: aquellos de los que depende la conclusión. Para cada uno, pregúntate si el juicio cambiaría en caso de que fallara, qué podría hacerlo fallar y cómo te enterarías. Si no imaginas nada que te haga cambiar de opinión, tu idea está demasiado asentada.
Comparar explicaciones
Una hipótesis es una explicación provisional. Ante más retrasos, pueden coexistir falta de capacidad, obras en una ruta, un cambio de horarios o errores de registro. El trabajo consiste en contrastarlas con evidencias que permitan diferenciarlas.
La tentación habitual es quedarse con la primera explicación que parece bastar, ordenar los datos según la apoyen y darla por buena si encaja. Falla por tres motivos: la hipótesis inicial filtra lo que se percibe, no se generan alternativas suficientes y se busca confirmar en vez de refutar. Muchos fallos de inteligencia no nacen de un dato equivocado, sino de una explicación que nadie planteó o que se descartó demasiado pronto.
Una noticia que encaja con todas las hipótesis tiene poco valor para elegir entre ellas. Una evidencia fiable que contradice una explicación puede ser decisiva. Por eso conviene intentar refutar más que confirmar: la hipótesis que sobrevive es la que tiene menos evidencias en contra, no la que acumula más a favor. Escribe también qué observación haría cambiar tu juicio.
Tres advertencias complementan esa regla:
- Más información no equivale a más acierto. En experimentos con especialistas, pasar de pocos a muchos datos apenas mejoró la precisión de sus juicios, pero sí su confianza. Antes de pedir más datos, pregunta qué dato cambiaría la conclusión.
- La ausencia de pruebas no prueba la ausencia. Antes de escribir «no hay indicios de…», pregúntate si, de ser cierta la hipótesis, cabría esperar verlos, o si podrían estar ocultos o no haberse buscado.
- Una evidencia desacreditada deja huella. Cuando una fuente resulta poco fiable, revisa expresamente qué conclusiones dependían de ella: la impresión que creó suele sobrevivir al dato que la sostenía.
Reconocer sesgos
Todo analista interpreta los datos a través de un modelo mental hecho de experiencia, formación y cultura. Sin él no podría manejar la información; el problema es que se forma deprisa, con pocos datos, y después encaja lo nuevo en la imagen ya hecha. Por eso los cambios graduales pasan inadvertidos y, ante un giro de fondo, quien más sabe de un asunto puede ser quien más tiene que desaprender. La objetividad no consiste en no tener ideas previas, sino en ponerlas por escrito para que puedan discutirse.
- Confirmación: favorece lo que coincide con la primera explicación.
- Anclaje: una cifra inicial condiciona las revisiones posteriores.
- Disponibilidad: da demasiado peso a lo reciente o llamativo.
- Viveza: una anécdota cercana pesa más que una estadística sólida. Una queja airada en redes no dice cuántos clientes están insatisfechos.
- Coherencia engañosa: un conjunto de datos que encaja da confianza, pero puede encajar porque todos los informes tienen el mismo origen o porque la muestra es pequeña. La información «confidencial» no es más fiable por serlo.
- Proyección: suponer que otras personas actúan con nuestras prioridades.
- Sesgos causales: ver un plan deliberado donde hay errores, rutinas o azar, y atribuir la conducta ajena al carácter y la propia a las circunstancias. Un competidor que baja precios puede estar liquidando inventario, no lanzando un ataque.
- Retrospectiva: conocido el desenlace, todo parece más previsible de lo que era, y quien evalúa un error juzga con información que el analista no tenía.
Conocer un sesgo no basta para evitarlo: funcionan como ilusiones ópticas, que siguen engañando aunque se conozcan. Lo que ayuda es sacar el razonamiento de la cabeza: escribir las hipótesis, ordenar la evidencia en tablas o matrices, usar listas de comprobación y pedir a otras personas que lo revisen. El trabajo de Richards J. Heuer insiste en ello. Los métodos estructurados ordenan ese esfuerzo; sus puntuaciones no sustituyen el juicio ni garantizan acierto.
Trabajar en grupo sin pensar igual
Un grupo debería razonar mejor que cualquiera de sus miembros, pero no siempre ocurre. Quien habla primero, a menudo quien tiene más rango, fija el marco; el deseo de acuerdo cierra el debate antes de tiempo; y el grupo tiende a acabar más convencido y más extremo que cualquiera de sus miembros por separado. Un acuerdo muy rápido puede ser una mala señal.
Algunas prácticas sencillas lo corrigen: que cada persona escriba sus ideas antes de hablar, que los responsables opinen al final, reunir perfiles realmente distintos, criticar ideas y no personas, y presentar varias alternativas ordenadas en lugar de una única recomendación. Y algunas técnicas obligan a pensar contra uno mismo:
- Abogado del diablo: alguien defiende con rigor la postura minoritaria. Funciona si el desacuerdo es genuino; si es un ritual, da una falsa sensación de haberlo revisado todo.
- Equipo rojo: un grupo adopta el punto de vista del otro —un competidor, un adversario, un cliente— para descubrir debilidades propias.
- Pensar hacia atrás: suponer que ya ocurrió lo inesperado y reconstruir qué tuvo que pasar antes. La pregunta pasa de «si» a «cómo», y a menudo aparece un camino plausible para lo que parecía improbable.
- Análisis previo al fracaso (premortem): imaginar que la conclusión ya se publicó y resultó errónea, y explicar por qué. Cada causa plausible se convierte en un indicador que vigilar.
Leer un mapa de relaciones
Un grafo representa entidades mediante nodos y relaciones mediante enlaces. El significado debe estar definido: propiedad, suministro, participación, comunicación o transferencia. Sumar llamadas, pagos y parentescos como si fueran el mismo tipo de «vínculo» vacía de sentido cualquier medida; es mejor separar una capa por tipo de relación. Una flecha puede indicar dirección, pero la leyenda debe decir cuál: en una compraventa, la mercancía y el dinero circulan en sentidos opuestos. El grosor puede representar volumen, siempre que exista una leyenda y una unidad.
Un vínculo documentado, uno hipotético y una simple coincidencia de atributos deben distinguirse. Un nombre que «se parece» a otro o un domicilio compartido son hipótesis de identidad, no confirmaciones. La cercanía visual de dos nodos puede resultar del algoritmo de dibujo. Un nodo central puede ser importante para una pregunta y secundario para otra, y los grandes concentradores son a veces entidades genéricas, como un banco o una gestoría. El mapa facilita preguntas y comprobaciones, no conclusiones automáticas sobre las personas representadas.
Módulo 6. Comunicar y anticipar
La nota de inteligencia
Una estructura clara contiene: pregunta y fecha de corte; juicio principal; evidencias; explicaciones alternativas; incertidumbres; implicaciones; e indicadores de revisión. La extensión depende del destinatario. Una conclusión debe permitir volver a las fuentes que la sostienen.
- El juicio principal cabe en una frase: qué ocurre y por qué importa a quien lo lee. Si no puedes resumirlo así, el análisis no está terminado; si hay dos juicios principales, probablemente son dos notas.
- El título también es analítico. «Deterioro del servicio de transporte con causa aún abierta» informa más que «Situación del transporte».
- Una idea por párrafo, enunciada en la primera frase. Leyendo solo las primeras frases debe poder seguirse todo el argumento.
- Hechos y juicios, distinguibles. Los juicios se anuncian como tales («estimamos», «es probable que») y ninguno debe pasar por un hecho.
- Pocas alternativas, bien explicadas. Dos o tres, con la razón por la que se consideran menos probables y la señal que las haría más probables. Quien decide puede necesitar un plan de contingencia para la que no es favorita.
- «No lo sabemos» puede ser una respuesta profesional, siempre que se diga por qué, qué falta y qué comprobación lo aclararía.
Si se añade una recomendación, debe aparecer separada del juicio y etiquetada como tal. Ante quien decide, el orden de valor suele ser brevedad, oportunidad y pertinencia; quien escribe tiende a invertirlo.
Probabilidad y confianza
Probabilidad expresa cuán plausible se considera un acontecimiento. Confianza describe la solidez de la base informativa y del razonamiento. Es posible considerar probable un desenlace y tener confianza limitada porque faltan datos. Una confianza alta no equivale a certeza.
Las palabras de probabilidad son engañosas: cada lector las rellena con lo que ya pensaba. Dos analistas pueden firmar juntos que algo «podría ocurrir» pensando uno en un 30 % y otro en un 80 %. Por eso conviene adoptar una escala, publicarla junto al producto y, en los juicios clave, añadir el rango entre paréntesis. Lo que debe evitarse es el porcentaje puntual («un 63 %»), que sugiere una precisión inexistente. Como referencia, la comunidad de inteligencia estadounidense usa desde 2015 esta escala (directiva ICD 203):
| Expresión | Rango |
|---|---|
| Casi imposible, remoto | 1–5 % |
| Muy improbable | 5–20 % |
| Improbable | 20–45 % |
| Tan probable como improbable | 45–55 % |
| Probable | 55–80 % |
| Muy probable | 80–95 % |
| Casi seguro | 95–99 % |
Otras organizaciones usan escalas parecidas con cortes distintos. Lo importante es que el equipo use una sola y que el lector sepa cuál es. El plazo forma parte del juicio: un riesgo del 5 % al mes, si se mantiene, se acerca al 46 % a lo largo de un año. «Poco probable» sin horizonte no significa nada.
Escenarios e indicadores
La prospectiva combina tendencias, actores e incertidumbres para explorar futuros posibles; no adivina el futuro, sino que ayuda a prepararse y a decidir hoy. Distingue lo probable de lo posible y de lo deseable. Algunos términos útiles:
- Tendencias: evoluciones con inercia, que es razonable suponer que continuarán en el horizonte considerado.
- Incertidumbres críticas: factores importantes cuyo rumbo no se conoce.
- Hechos portadores de futuro: señales todavía débiles que pueden anunciar un cambio relevante.
- Rupturas y comodines: acontecimientos poco probables y de gran impacto que pueden quebrar una tendencia.
Un método muy extendido parte de la decisión que hay que tomar, enumera los factores del entorno, los ordena por importancia y por incertidumbre, y toma como ejes los dos más importantes e inciertos. Las cuatro combinaciones se convierten en historias que explican cómo se llegaría a cada situación; en la práctica se desarrollan entre tres y cinco. Un buen escenario es pertinente, coherente, verosímil y claro. Trampas frecuentes: tratar los escenarios como los únicos futuros posibles, convertir uno de ellos en el «oficial» y los demás en variantes, o preferir el escenario que más gusta, que es un futuro deseado, no estimado.
La probabilidad de un escenario no puede superar la de su paso menos probable. Si un escenario requiere tres condiciones independientes, cada una con un 70 % de probabilidad, el conjunto ronda el 34 %; con una cuarta condición, baja al 24 %. Cada detalle verosímil hace la historia más convincente, pero también menos probable.
Un escenario debe explicar qué condiciones lo harían coherente. Un indicador es una observación que permite revisar si esas condiciones están apareciendo. Conviene fijar de antemano qué observaciones te harían cambiar de opinión, porque después es fácil racionalizar lo inesperado. Un buen indicador discrimina: si aparece igual bajo todos los escenarios, no ayuda a distinguirlos.
Para la continuidad de un servicio podemos describir estabilización, deterioro gradual e interrupción puntual. Los indicadores pueden ser capacidad disponible, incumplimientos repetidos y tiempo de activación de una alternativa. Son útiles si se definen fuente, frecuencia, responsable y condición de revisión.
¿Merece la pena analizar algo improbable? Una pregunta lo decide: si quien decide entendiera el riesgo, ¿querría un plan de contingencia o una medida preventiva? Si la respuesta es sí, merece análisis. Y para lo que ni siquiera puede imaginarse, la mejor preparación no es predecir, sino ganar margen: alternativas verificadas, dependencias críticas identificadas y planes de continuidad.
Ensayar el futuro: juegos de guerra y simulaciones. Un juego de guerra empresarial es una simulación con personas, diseñada para responder a una pregunta estratégica concreta. Suele haber un equipo por la propia organización, otros por los competidores, uno que representa al mercado y un equipo de control que calcula resultados e introduce sorpresas, como una norma nueva o la quiebra de un proveedor. Se juegan varios turnos y se termina con una revisión de qué supuestos no resistieron. Sus fallos típicos son partir de supuestos de la dirección que nadie ha comprobado y jugar cuando la decisión ya no admite cambios. El resultado depende de las reglas y de quién forma cada equipo: es una fuente de ideas, no una predicción.
Revisar antes y después
Antes de enviar una nota, revísala con criterios independientes: claridad, exactitud, precisión, pertinencia, profundidad, amplitud, lógica e imparcialidad. Algo puede ser clarísimo y falso, o preciso e irrelevante. La revisión debe cuestionar también el modelo mental de quien escribe: qué supuestos no se declaran, qué alternativas se descartaron y por qué, y qué le haría cambiar de opinión.
Después, compara lo estimado con lo ocurrido. Para poder hacerlo, registra las estimaciones con su probabilidad y su fecha. Estudia también los aciertos, no solo los errores, y hazlo para mejorar el proceso, no para buscar culpables: se pueden seguir todos los estándares y aun así fallar, porque la inteligencia reduce la incertidumbre, pero no la elimina.
Ejemplo resuelto. Continuidad de un servicio
Contexto ficticio: una institución debe renovar un servicio de transporte en diez días. Todos los datos siguientes son inventados y se refieren al mismo criterio de entrega tardía.
- E1. Primer periodo: 4 retrasos de 100 entregas; segundo periodo: 8 de 100.
- E2. Seis de los ocho retrasos del segundo periodo afectan a una ruta con obras.
- E3. El registro no contiene medidas de capacidad ni de carga por vehículo.
- E4. El proveedor atribuye todas las incidencias a las obras; dos noticias reproducen su comunicado.
- E5. Una alternativa afirma poder empezar en cinco días, pero la institución no ha comprobado su capacidad.
Del registro a la tasa: el ejemplo resuelto
Del registro al juicio
La tasa de retrasos pasa del 4 % al 8 %: aumenta cuatro puntos porcentuales y se duplica en términos relativos. La concentración en una ruta hace plausible que las obras contribuyan, pero no explica necesariamente todos los casos. Sin datos de capacidad, esa explicación alternativa permanece abierta: la ausencia de datos no la descarta. Las noticias de E4 no corroboran de forma independiente el comunicado. El supuesto clave de la recomendación es la capacidad real de la alternativa: si falla, falla la contingencia.
Nota de inteligencia — ejemplo
El servicio presenta un deterioro documentado en el periodo observado. Las obras de una ruta son una explicación plausible de parte de las incidencias, con confianza moderada en esa contribución y limitada en su peso causal exacto. No puede descartarse una restricción de capacidad.
La decisión de renovar debería considerar una contingencia verificable. La alternativa anunciada aún no constituye capacidad confirmada. Las comprobaciones de mayor valor son desglosar retrasos por ruta y carga, contrastar los registros y verificar el plazo y capacidad del servicio alternativo.
Se revisará el juicio si persisten incidencias fuera de la ruta afectada o si aumenta la tasa tras finalizar las obras. El análisis describe el riesgo del servicio y no atribuye responsabilidad individual.
Este ejemplo conecta las seis piezas del curso: decisión, necesidad, plan de obtención, evaluación, análisis y comunicación. La revisión posterior cierra el ciclo.
Ampliación: 13 capítulos ilustrados de análisis
La ampliación desarrolla los métodos de Yappari One en páginas propias, con explicaciones, ejemplos resueltos y 31 diagramas. Puedes leerla por familias o acudir al capítulo que responda a tu pregunta. Todos los ejemplos son ficticios; Yappari One está en fase alfa.
Qué método elegir: ACH para contrastar explicaciones; Vester para interdependencias; impactos y tendencias para futuros; PESTEL y estrategia para el entorno y la organización; redes para conexiones; dinero para cadenas y movimientos; tiempo y geografía para secuencias y proximidad; calidad para revisar identidades y prioridades.
Hipótesis, impactos y prospectiva
CAPÍTULO 1 · 2 DIAGRAMAS
ACH: contrastar hipótesis con evidencias
Cómo comparar explicaciones, valorar evidencias diagnósticas y expresar una conclusión sin convertir un ranking en certeza.
CAPÍTULO 2 · 2 DIAGRAMAS
Vester: comprender influencias y dependencias
Cómo construir una matriz de influencia directa y distinguir los factores que empujan un sistema de los que reciben sus efectos.
CAPÍTULO 3 · 1 DIAGRAMA
Impactos cruzados: probabilidades y escenarios
Qué distingue una probabilidad inicial de una condicional, cómo revisar su coherencia y qué significa una simulación de escenarios.
CAPÍTULO 4 · 1 DIAGRAMA
Impacto y tendencias: explorar futuros alternativos
Cómo separar una trayectoria base de los efectos de eventos posibles y leer correctamente bandas y escenarios.
Entorno, estrategia y negocio
CAPÍTULO 5 · 2 DIAGRAMAS
PESTEL y DAFO: del entorno a la posición de la organización
Cómo ordenar cambios externos, distinguirlos de las capacidades internas y conectar ambos análisis con una decisión.
CAPÍTULO 6 · 2 DIAGRAMAS
Porter y estrategia 360°: presión competitiva y capacidad de ejecución
Cómo distinguir la estructura de un sector de las brechas de desempeño de una organización.
CAPÍTULO 7 · 2 DIAGRAMAS
BMC y propuesta de valor: conectar necesidades, operación e ingresos
Cómo leer los nueve bloques de un modelo de negocio y comprobar el encaje de una propuesta con un segmento concreto.
CAPÍTULO 8 · 3 DIAGRAMAS
Océano Azul y ajedrez de compras: diseñar alternativas con criterio
Cómo comparar curvas de valor, formular opciones ERIC y relacionar el enfoque de compra con el poder de oferta y demanda.
Datos y procesos
CAPÍTULO 9 · 3 DIAGRAMAS
Gráficos, cubos y diagramas de flujo: explicar datos y procesos
Cómo elegir una representación según la pregunta, evitar comparaciones engañosas y distinguir agregación, evolución y secuencia.
Redes y conexiones
CAPÍTULO 10 · 4 DIAGRAMAS
Análisis de redes: centralidad, caminos, comunidades y actores clave
Cómo interpretar conexiones y posiciones, y por qué un nodo central o un grupo matemático no bastan para atribuir una función real.
Titularidad y dinero
CAPÍTULO 11 · 4 DIAGRAMAS
Titularidad, dinero y trazado: leer cadenas y movimientos
Cómo distinguir participación de control, importes brutos de netos y reglas de trazado de recorridos demostrados.
Tiempo y geografía
CAPÍTULO 12 · 3 DIAGRAMAS
Tiempo y geografía: cronologías, ritmos, secuencias y coincidencias
Cómo interpretar orden, proximidad y patrones temporales conservando precisión, incertidumbre y contexto.
Calidad, identidades y puntuaciones
CAPÍTULO 13 · 2 DIAGRAMAS
Calidad, identidades y puntuaciones: revisar antes de concluir
Cómo distinguir coincidencias de identidades, comprender perfiles de cotejo y leer puntuaciones basadas en reglas.
Los capítulos cubren todos los métodos del catálogo de Yappari One, incluido el lienzo de propuesta de valor dentro del BMC. Las figuras explican métodos y supuestos; no son capturas de la aplicación ni resultados ejecutados de los ejemplos.
Fuentes y lecturas
Biblioteca complementaria: Psychology of Intelligence Analysis (1999) y Small Group Processes for Intelligence Analysis (2008); Critical Thinking and Intelligence Analysis (2007); Analytic Culture in the US Intelligence Community (2005); Data Mining and Predictive Analysis (2007); The mathematics of networks; Guía práctica de prospectiva regional en España (Comisión Europea, 2002); Business Wargaming; Story-Based Inquiry (UNESCO); Trabajo policial guiado por inteligencia. Estos materiales fundamentan familias de métodos; no todos describen específicamente Yappari One. Los ejemplos son ficticios y no contienen datos personales.
Referencias públicas: CNI: ciclo de inteligencia; ODNI: ICD 203, estándares analíticos; INTERPOL: informes operativos y estratégicos; Strategyzer: BMC; Strategyzer: VPC; Blue Ocean Strategy: ERIC.
Los nombres de métodos y marcas pertenecen a sus autores y titulares. Su explicación educativa y su implementación en Yappari One no implican afiliación, aval ni certificación de esos terceros. Catálogo editorial revisado el 17 de octubre de 2026.
← Lección anterior · Volver al itinerario · Conocer Yappari One →
