Cuando un gráfico se ve bien, pero la historia se cae en tres preguntas
Hay un momento demasiado común: entras a comité con el dashboard impecable, colores sobrios, ranking listo para coronar ganadores… y a los tres minutos aparece la pregunta que no viste venir. No es mala leche. Es instinto. En operaciones, una cifra bonita sin contexto suena a promesa; y las promesas en soporte se pagan con dinero, reputación y alguna noche fea.
Mini caso realista: “Sucursal Norte mejora 12% en Semana 32 en tiempo de primera respuesta por WhatsApp”. Se ve espectacular. Alguien propone replicar el playbook en Sucursal Centro. Y cae la pregunta que te deja sin aire: “¿Semana 32 contra qué corte? ¿Incluye los casos que se cerraron tarde? ¿Cambió el mix de consultas o solo dejaron de entrar las difíciles?”. En ese punto, el gráfico puede seguir siendo correcto… pero ya no es defendible.
El matiz es cruel: en comité no ganas por tener razón; ganas por poder sostener tu número bajo presión. Auditar señal antes de presentarla es eso: llegar con un gráfico que aguante preguntas y con límites claros de lo que no puedes concluir.
La trampa: precisión visual vs precisión operativa
Un gráfico puede ser preciso en el sentido de “esto es lo que el sistema reporta” y aun así ser impreciso en el sentido operativo de “esto explica una decisión que tomaremos hoy”. La precisión visual te calma. La precisión operativa te salva cuando te piden actuar.
En visualización hay trampas clásicas (sin intención maliciosa) que te empujan a contar historias que el dato no soporta: escalas tramposas, cortes invisibles, promedios que esconden colas. Para afinar olfato sin volverte diseñador, estas lecturas son un buen antídoto:
Las tres preguntas que siempre aparecen en comité
¿Qué exactamente estás midiendo? Si el KPI cambió de definición (aunque sea un “ajuste pequeño”), el comparativo se vuelve arena.
¿A quién estás incluyendo? Población y cortes: lo que entra y lo que queda afuera. En soporte, un filtro inocente como “solo con tag completo” puede transformar el universo sin que nadie lo note… hasta que explota la pregunta.
¿Qué cambió en la operación? Canal, enrutamiento, turnos, campañas, feriados, herramientas, automatizaciones. En soporte, los números se mueven a menudo porque cambió el sistema, no porque cambió la realidad.
Qué significa “señal defendible” en soporte (sucursal, canal, semana)
Una señal defendible es una variación en un indicador que puedes explicar con tres cosas: definición estable, población comparable y una causa operativa plausible que no contradice métricas relacionadas.
No necesitas certeza absoluta. Necesitas dos cosas: (1) que tu historia tenga frenos —qué no afirmas—, y (2) que tu señal no sea un espejismo producido por cortes, rezagos o cambios de instrumentación.
Tu ritual de 24 horas para auditar señal antes de presentarla
No es auditoría forense. Es un chequeo corto que cabe en la agenda real de operaciones. La idea es llegar a comité con dos cosas: un número que se sostiene y un borde claro de lo que ese número no permite concluir.
Piensa el ritual como ocho “sets” que se repiten cada semana. Están pensados para números por sucursal, canal y semana, justo donde más fácil te quemas: comparativos rápidos, bases desiguales, y el típico “¿por qué esa sucursal sí y esta no?”.
Primero, Definición de métricas. Antes de ver tendencias, escribe en una frase qué dispara el contador y qué lo detiene. Si no lo puedes decir simple, en comité te lo van a pedir igual, solo que con menos paciencia. Este es el punto donde te quemas cuando alguien dice: “¿y ese SLA se mide desde que entra la conversación o desde que alguien la abre?”
Segundo, Filtros y segmentos. Revisa lo básico con paranoia sana: región, clientes nuevos vs recurrentes, canal, tipo de caso, severidad. En dashboards vivos, el filtro que alguien tocó “para que se vea más limpio” es el primo directo del incendio. Un filtro mal puesto no se nota en la gráfica; se nota cuando ya tomaste una decisión.
Tercero, Fuente de datos. Confirma dos cosas sin drama: que la fuente sea la oficial y que la ventana de fechas sea exactamente la que estás contando. En soporte el error típico no es “el dato está inventado”, es “estás viendo un extracto parcial” o “hay rezago de carga” y el gráfico se convierte en una foto con retraso.
Cuarto, Granularidad y agregación. Confirma nivel (día vs semana) y función (suma, promedio, mediana). Un promedio semanal puede verse “estable” mientras tu operación se rompe lunes y martes. Y cuando mezclas niveles sin querer, terminas comparando manzanas con peras con uniforme de manzana.
Quinto, Outliers y anomalías. Identifica picos y caídas y busca la causa antes de contarlo como historia. Feriado, campaña, incidente, cambio de horario, caída de sistema, error de carga, backlog que se “libera” de golpe. Los outliers no se “sacan porque se ven feos”. Si son reales, cuentan. Si son artefacto de medición, se documentan y se corrige la fuente. Si no sabes, se dejan y se avisa.
Sexto, Coherencia con métricas relacionadas. Si WhatsApp sube, ¿voz baja? ¿ventas se mantiene? ¿la resolución sube, pero el recontacto también? Aquí el ejemplo operativo que vale oro es comparar WhatsApp vs voz entre Semana 31 y Semana 32 para dos sucursales. Cuando una métrica mejora aislada, pero el resto no se mueve o se contradice, esa “mejora” suele ser cambio de mix o cambio de medición.
Tip práctico: mira bases absolutas antes que porcentajes. Un 12% con base chica es como presumir que bajaste de peso porque te quitaste la chamarra.
Séptimo, Escalas y ejes. Para volumen, eje Y en cero. Si usas logarítmica, que sea con justificación y con una nota clara. También revisa si hay un ancla (ANCHOR) que esté exagerando diferencias. Un eje mal armado no miente con palabras; miente con la vista.
Octavo, Reglas de decisión. Este set es el que te convierte de “persona que trae números” a “persona que cuida decisiones”. Define cuándo un gráfico se puede usar para actuar, y cuándo solo para describir (“a validar”).
Y sí: suena burocrático… hasta que te salva de defender un ranking que no sobreviviría diez minutos de preguntas.
Cuándo congelar un gráfico (la regla que evita la vergüenza pública)
Congela el comparativo, o preséntalo como “dato a validar”, cuando se juntan dos de estas tres:
Cambió la definición.
La base se volvió inestable (poco volumen, cambios de corte, o cierre tardío que mueve casos entre semanas).
Se rompe la coherencia con métricas relacionadas.
Esto no es ser dramático. Es no disparar acciones con una señal que no se puede defender.
Notas de defensa, lo mínimo que te hace ver serio
Antes de comité, anota en dos o tres líneas qué cambió en la operación. Si cambiaste el handoff bot→agente en WhatsApp en Semana 32, dilo tú primero. Si hubo un feriado local en una región, menciónalo antes de que lo usen como “jaque mate”.
Presentar un gráfico sin probar la masa es como llevar pan recién horneado a la mesa sin partirlo: huele increíble, pero nadie quiere descubrir que está crudo en el centro.
A continuación tienes los ocho sets resumidos en una tabla. Úsala como mapa mental: no para “hacer más trabajo”, sino para saber en qué capa buscar cuando un número se pone raro.
Doce banderas rojas de que tu gráfico te está metiendo en problemas
Las banderas rojas no son para buscar culpables. Son para saber si el dato aguanta una decisión.
A veces el error es visual (escala, cortes). A veces es narrativo (prometiste causalidad cuando solo había correlación). Y muchas veces es operacional: cambió la cola, cambió el canal, o cambió la definición sin que nadie lo “sintiera”.
Para recordar lo fácil que es engañarse con gráficas (sin mala intención), estas lecturas son buen antídoto:
Escalón perfecto de un día a otro. Suele ser definición o enrutamiento.
Quiebre de tendencia que coincide con un release o cambio de herramienta.
Varianza que se aplana de golpe. A veces es recorte de población (o se dejó de medir parte del universo).
Contactos suben, resoluciones no. Huele a doble conteo por handoff o a que la entrada crece más rápido que la salida.
Recontacto explota sin que suba el backlog. Puede ser reapertura automática, bots “re-preguntando”, o tags mal aplicados.
Una cola desaparece. Antes de celebrar, revisa si cambió el estado, si se activó cierre automático o si se redirigió a otra cola con otro nombre.
El KPI “mejora” justo cuando se redefinió el SLA. No es mejora: es cambio de regla.
Se reasignan casos entre sucursales o equipos y el ranking se da vuelta. Se movió el trabajo, no la calidad.
Se recorta población por un filtro nuevo (por ejemplo “solo casos con tag completo”). Se ve más bonito, pero puede ser menos real.
Cambio de mix por canal (más autoservicio, más voz, más WhatsApp). El promedio no sabe de contextos.
Cambio de severidad por campaña, quincena o incidente. Las semanas “fáciles” también existen.
Cambio estacional por temporada o feriado local. Un feriado es el laboratorio perfecto para producir gráficos dramáticos con causas simples.
Error común: pelear por el número como si fuera identidad. Tu trabajo es defender el alcance de la señal, no tu ego.
Qué decir en comité cuando aparece una bandera roja
Guion breve, sin sonar defensivo:
“Antes de sacar conclusiones por sucursal, hay una señal de medición que puede estar inflando o recortando la comparación. En Semana 32 cambió el mix y además vemos patrón compatible con duplicados por handoff en WhatsApp. Lo que sí puedo defender hoy es el estado descriptivo y la decisión de revisar el comparativo con población estable para el próximo comité.”
La magia del guion no es la frase: es que separas el dato descriptivo de la decisión, y compras tiempo de forma profesional.
Rankings por sucursal: útiles, adictivos y peligrosos
Los rankings simplifican la conversación, y por eso enganchan. El problema es que en soporte simplifican de más. Comparar sucursales sin contexto es como comparar restaurantes sin saber si uno atiende desayunos y el otro solo cenas.
El ranking tiene un sesgo psicológico: te obliga a buscar “ganador” y “perdedor” incluso cuando la señal real es incertidumbre. Por eso es el lugar perfecto para auditar señal antes de presentarla.
La pregunta que sí sirve es: “¿En condiciones comparables se ve una diferencia real?”. Eso también es auditar señal antes de presentarla, especialmente cuando hay política de por medio.
Regla de base mínima
Si una sucursal atendió 900 conversaciones por WhatsApp en Semana 32 y otra atendió 60, el ranking va a premiar y castigar con volatilidad absurda. Con bases pequeñas, un día malo te tumba la semana; un día bueno te corona.
Si no hay base mínima, cambia el formato: usa bandas de volumen (alta, media, baja) y compara dentro de banda. Y cuando te pidan “pero igual dime quién va mejor”, tu respuesta adulta es: “Dentro de su banda, estas dos destacan; entre bandas, no es comparable sin ajustar por mix”. No es evadir: es evitar una conclusión falsa con traje formal.
Regla de estacionalidad
Feriados locales, quincena y campañas rompen comparativos semana contra semana.
- Un feriado suele verse como pico corto, luego arrastre de backlog. Si presentas solo la semana, parece “fallo de desempeño”. Si miras dos semanas, aparece la película completa.
- Una campaña suele traer rampa: suben conversaciones, después tickets, y al final se estresa la cola si no ajustas staffing.
Si estás comparando Semana 31 vs 32, pregunta simple: “¿Qué evento externo cambió el flujo?”. No para justificar, sino para no castigar a quien solo recibió la ola.
Regla de mix
El mix explica más de lo que a todos nos gustaría. Si una sucursal recibe más casos complejos por voz, su promedio sube aunque trabajen como relojes.
La trampa aquí es el KPI único. El “tiempo promedio” te hace creer que todos hicieron el mismo trabajo. Cuando el mix cambia, el promedio deja de ser un juez; se vuelve un narrador poco confiable.
Antes de atribuir mérito o culpa, controla por tipo de caso o severidad. Si no puedes controlarlo todavía, al menos dilo: “este ranking es sin ajuste por mix, úsese con cuidado”. Es aburrido, sí. También es lo que evita que tu ranking se vuelva un boomerang.
Cuando suben las conversaciones pero bajan los tickets (o viceversa)
Ese desacople es una fábrica de historias falsas. No porque alguien manipule, sino porque la instrumentación cambia mientras la operación sigue corriendo.
Cuando alguien te dice “estamos atendiendo más, pero hay menos tickets”, suena a victoria. A veces lo es. A veces es solo que cambió el evento que crea ticket, o que el bot resolvió sin crear caso, o que una integración se cayó y los tickets “no nacieron” donde deberían.
Si quieres contexto de cómo los eventos y los flujos de integración impactan medición (sin meterte en ingeniería), esta lectura lo aterriza bien: [5]
Tu mapa mínimo tiene cuatro estaciones: conversación → evento (ticket) → resolución → venta/retención. Cuando una estación se mueve sola, siempre hay una explicación. A veces es buena noticia. Muchas veces es cambio de medición.
Señales típicas:
Autoservicio mejorado: suben conversaciones, bajan tickets, porque el bot resuelve sin crear caso. En el gráfico se ve como “menos trabajo”, pero en realidad puede ser “menos trabajo humano”. Si lo vas a celebrar, celebra la parte correcta.
Etiquetado cambió: los tickets existen, pero “se pierden” en categorías. Sube “otros” o sube el porcentaje sin tag. Si tu comité solo ve el total, te van a pedir una explicación que en realidad es de taxonomía.
Cierre tardío: tickets suben en Semana 32, resoluciones se van a Semana 33. Sin nota de rezago, el comité te va a sacar el pase.
Un detalle operativo que ayuda: cuando detectes desacople, mira una mini-muestra de casos (aunque sea 10–20) para responder la pregunta humana: “¿Qué tipo de interacciones son?”. No para “hacer ciencia”, sino para evitar que el comité convierta un cambio de instrumentación en una reestructura.
La salida elegante: documenta supuestos para que critiquen el dato, no a ti
Cuando no documentas supuestos, la crítica se vuelve personal. “Tus números están mal” muchas veces significa “no entiendo el alcance, pero tengo que decidir”. Si acotas bien, la conversación se vuelve adulta.
Una conversación útil sobre blindar dashboards con transparencia y límites claros: [6]
La idea no es llenar páginas. Es dejarle al comité una baranda para agarrarse: qué mide, qué no mide, y qué cambió. Esto baja el drama y sube la velocidad de decisión.
Plantilla corta de supuestos, en ocho campos, para copiar tal cual:
KPI.
Definición operativa en una frase.
Ventana y corte (por ejemplo Semana 32 con fechas).
Población incluida y excluida.
Fuente principal y si hubo cambios.
Cambios operativos relevantes (canal, enrutamiento, turnos, campañas).
Riesgos y limitaciones (qué podría sesgar).
Decisión permitida y decisión no permitida con esta señal.
Un tip pequeño que rinde mucho: pon la decisión no permitida en lenguaje de negocio. “No usar este gráfico para recortar headcount”, “no usar este ranking para bonificar sucursales”, “no usar esta semana para comparar performance”. Ese tipo de frase evita malentendidos y, de paso, te evita peleas.
Cierre
Si haces una sola cosa a partir de hoy, que sea esta: adopta un ritual corto, repetible, y dale permiso explícito a alguien de congelar gráficos cuando no pasan las reglas. No es burocracia. Es un seguro contra incendios, y sale mucho más barato que improvisar frente a comité.
| Control | Dónde vive | Qué configurar | Qué se rompe si está mal |
|---|---|---|---|
| Set: Coherencia con métricas relacionadas | Dashboard principal | Si 'WhatsApp' sube, ¿'Voz' baja? ¿'Ventas' se mantiene? — Ejemplo operativo: comparar WhatsApp vs voz en Semana 31–32 para dos sucursales | Mejora aislada sin impacto real. Desconfianza. |
| Set: Fuente de datos | SQL, API, CSV | Validar filtros, joins, y rangos de fecha. ¿Es la fuente oficial? | Datos parciales/incorrectos. Decisión errónea. |
| Set: Granularidad y agregación | Herramienta BI (Tableau, Power BI) | Confirmar nivel — día, semana y función — suma, promedio. | Comparación inválida (manzanas vs peras). Tendencias distorsionadas. |
| Set: Definición de métricas | Diccionario de datos | Confirmar cálculo de 'conversión' o 'retención'. ¿Es consistente en el tiempo? | Comparar métricas con mismo nombre, distinta definición. Análisis inválido. |
| Set: Filtros y segmentos | Panel de filtros | Asegurar filtros correctos (ej. 'clientes nuevos', 'región X'). | Datos irrelevantes/incompletos. Conclusiones sesgadas. |
| Set: Outliers y anomalías | Visualización y tabla de datos | Identificar picos/caídas. Entender causa (feriado, error). | Tendencia distorsionada. Reacciones exageradas o ignorar problemas. |
| Set: Reglas de decisión | Documento de 'Reglas de decisión' | Aplicar cuándo 'congelar' el gráfico y no presentarlo como comparativo. ¿Cumple criterios? | Presentar un gráfico engañoso. Pérdida de credibilidad. |
| Set: Escalas y ejes | Configuración del gráfico | Eje Y en cero para volumen. Logarítmico solo si justificado. ¿Hay un 'ANCHOR'? | Manipulación visual. Diferencias exageradas/minimizadas. |
Fuentes
- colombiacheck.com — colombiacheck.com
- fernandojuca.com — fernandojuca.com
- educalidad.com — educalidad.com
- learntocheck.org — learntocheck.org
- wallstreetes.com — wallstreetes.com
- es.linkedin.com — es.linkedin.com