fbpx

Cómo el Sesgo de Supervivencia Puede Complicar Tu Análisis de Datos

El sesgo de supervivencia, si se ignora, puede causar errores graves en nuestras interpretaciones y decisiones. Esto es muy importante en el mundo del análisis de datos y si trabajas con datos debes conocerlo.

A continuación, a través de un relato histórico y ejemplos prácticos, te mostraremos por qué este sesgo es fundamental y cómo evitarlo. ¡Vamos allá!

«Si prefieres consumir este contenido en formato de vídeo, ¡dale un vistazo a continuación!»

Una Lección de la Historia: La Segunda Guerra Mundial

Durante la Segunda Guerra Mundial, la pérdida de aviones en combate se convirtió en una preocupación significativa para los ingenieros militares.

Se perdían muchos aviones

Al estudiar los aviones que volvían de las misiones, notaron patrones de daño en áreas específicas, lo que llevó a la conclusión lógica de que reforzando esas áreas, los aviones tendrían una mayor probabilidad de regresar sanos y salvos.

Donde los aviones que volvían se les disparaba

Pero había un fallo en este razonamiento: estaban olvidando los aviones que no regresaban. Al no tener datos de los patrones de daño en estos aviones, ignoraron áreas críticas que en realidad necesitaban ser reforzadas.

Donde no se les disparaba a los aviones que volvían

Este error de juicio es lo que se conoce como sesgo de supervivencia.

Sesgo de Supervivencia: No Es Sólo Cosa de Guerras

El sesgo de supervivencia no es exclusivo de las situaciones bélicas. Se manifiesta en diferentes ámbitos de nuestra vida cotidiana, especialmente en el análisis de datos:

  • Inversiones: Si solo nos fijamos en empresas que han prosperado e ignoramos las que fracasaron, podemos tener una percepción distorsionada del mercado.
  • Ciencia: Al centrarnos únicamente en experimentos exitosos y dejar de lado los fallidos, podemos perder insights cruciales.
  • Machine Learning: Crear modelos basándonos solamente en datos de clientes activos, y olvidando a aquellos que se han dado de baja, puede llevarnos a interpretaciones sesgadas.
  • Prevención de Fraudes: Centrándonos solo en transacciones fraudulentas detectadas, y no considerando las que pasan desapercibidas, nos impide mejorar nuestros sistemas de detección.

Importancia de una Visión Completa

En análisis de datos, es esencial que miremos más allá de lo obvio. No centrarse únicamente en los datos exitosos o en aquellos que «sobreviven» es esencial para obtener una perspectiva completa. De lo contrario, nos exponemos a tomar decisiones basadas en una realidad parcial o distorsionada.

Así que, querido lector, la próxima vez que te encuentres analizando datos, recuerda siempre tener en cuenta el sesgo de supervivencia. No te limites a los datos que están frente a ti; busca aquellos que pueden faltar para tener una imagen completa y precisa.

¿Quieres aprender sobre datos de forma gratuita?

Si te ha parecido interesante este artículo y deseas profundizar más en el mundo del análisis de datos, te invito a echar un vistazo a nuestros cursos gratuitos para principiantes. Y si ya tienes experiencia y buscas una formación más avanzada, el MDA – Máster en Datos y Analítica es perfecto para ti. ¡Hasta la próxima!

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *