Los números son exactos. Las conclusiones no siempre.

Soy actuario y durante toda mi vida profesional trabajé con números. Aprendí a respetarlos, pero también a desconfiar de su aparente autosuficiencia. El aprendizaje más valioso no me llegó con la explicación del desarrollo de una fórmula matemática, sino de un comentario muy formativo de un profesor universitario.

En la primera clase de Estadística 1, el profesor ingresó al aula, nos miró a todos y nos dijo: “Queridos alumnos, antes que nada, un consejo de un viejo zorro acostumbrado a lidiar con cifras: cuídense de la interpretación de los números”.

Y enseguida hizo una referencia: “Si somos dos personas en un restaurante, hay un solo pollo rostizado sobre la mesa y yo me como el ave entera mientras la otra persona no prueba un bocado, el promedio para un observador que ingresa al recinto y que no pudo verme masticar dirá que cada uno de los presentes se comió medio pollo”.

El cálculo es técnicamente correcto. La conclusión es a todas luces equivocada.

Con el tiempo entendí que esa anécdota no era un simple chiste, sino una lección de fondo. Los números describen, pero no explican. Un dato informa, pero no interpreta, y toda interpretación nunca es neutra.

El promedio como espejismo

Tomemos el producto bruto per cápita. Es un cociente entre el Producto Bruto Total y la cantidad de habitantes. Si ese cociente se duplica, muchos concluirán que la población en su conjunto está mucho mejor porque la riqueza global aumentó. Pero ese mismo resultado puede surgir tanto de un aumento en la producción como de una reducción de la población. Mismo resultado, realidades opuestas.

Hay una imagen que suelo usar para explicar este mismo problema: la de un hombre que se ahogó cruzando un río cuya profundidad promedio era de apenas un metro. El promedio no mentía, pero tampoco decía nada sobre los tramos de tres metros que el río tenía en el medio. Un solo número, aplicado sin matices, puede ocultar exactamente lo que más importa conocer.

Lo mismo sucede con muchos datos salariales o sociales: una cifra aislada nunca alcanza. Siempre hay que preguntarse qué hay alrededor: cómo se distribuye ese promedio, quiénes están por encima y quiénes muy por debajo, y qué grupos quedan invisibilizados cuando todo se resume en un solo indicador.

Cuando el todo esconde a las partes

Existe incluso un nombre técnico para una de las trampas más comunes de esta naturaleza: la paradoja de Simpson. Describe esas situaciones en las que una tendencia aparece con claridad en los datos generales, pero se invierte —o directamente desaparece— cuando esos mismos datos se desagregan por grupos. Un tratamiento médico puede parecer más eficaz que otro al mirar el total de pacientes, y resultar peor para cada subgrupo específico una vez que se lo analiza por separado. No es un error de cálculo: es una consecuencia de cómo se agregan los datos, y una prueba más de que ningún número habla por sí solo sin el contexto que lo sostiene.

Correlación no es causa

Otro terreno resbaladizo es el de la correlación. Que dos variables se muevan juntas no significa que una explique a la otra. Pueden compartir una causa común, pueden coincidir por azar, o simplemente reflejar una tercera fuerza que no estamos midiendo. Confundir correlación con causalidad es una de las formas más frecuentes —y más peligrosas— en que un dato correcto termina sosteniendo una conclusión falsa.

El número que queríamos encontrar

Porque los números no hablan por sí solos; hablamos nosotros por ellos. Y esa voz, más que la precisión del cálculo, es una responsabilidad ética.

A esa responsabilidad se le suma un riesgo silencioso: el sesgo de confirmación, esa inclinación natural a leer los datos buscando lo que ya esperábamos encontrar. No hace falta falsear nada para caer en él; alcanza con detenerse apenas el número confirma la hipótesis propia, y seguir revisando solo cuando la contradice. Es una asimetría sutil, pero suficiente para torcer una conclusión sin que nadie —ni siquiera quien la produce— note que la torció.

Por eso creo que nuestra primera obligación profesional no es obtener el resultado que esperamos, sino comprender con honestidad el resultado que obtuvimos. De lo contrario, corremos el riesgo de caer en esa vieja ironía: “¿Cuánto quiere que le dé?”.

Ahí dejamos de interpretar y empezamos a disfrazar decisiones con apariencia de objetividad.

Traducir la incertidumbre

Con el tiempo llegué a pensar que el rol del analista —y, en rigor, el de cualquiera que trabaje con datos— se parece menos al de un calculista y más al de un traductor. No alcanza con producir el número correcto: hace falta traducir también lo que ese número no dice, sus márgenes de error, sus supuestos, lo que queda afuera del promedio. Comunicar la incertidumbre con la misma honestidad con que se comunica el resultado es, quizás, la parte más difícil del oficio, y también la más necesaria.

Los números seguirán siendo exactos. La pregunta que cada uno de nosotros debe hacerse, cada vez que interpreta uno, es si está dispuesto a serlo también.