Comunicación de hallazgos en Ciencia de Datos: narrativa, visualización y toma de decisiones

Por qué la comunicación es parte del trabajo (y no un “extra”)

Un hallazgo en Ciencia de Datos solo crea valor cuando alguien puede entenderlo, confiar en él y actuar. Comunicar no es “embellecer” resultados: es traducir evidencia a una decisión concreta, con sus costos, beneficios, incertidumbre y límites. Este capítulo se centra en cómo construir una narrativa orientada a decisiones, cómo elegir visualizaciones sin distorsionar y cómo adaptar el mensaje a públicos técnicos y no técnicos.

Comunicar para distintos públicos: técnico vs. no técnico

1) Público no técnico (negocio, dirección, operaciones)

• Objetivo: decidir (qué hacer, cuándo, con qué recursos).
• Lenguaje: evitar jerga; usar analogías y magnitudes familiares (dinero, tiempo, clientes).
• Contenido clave: insight principal, impacto estimado, riesgos, recomendación y plan de acción.
• Profundidad: “lo necesario para decidir”; metodología en 2–4 frases.

2) Público técnico (data, ingeniería, analítica)

• Objetivo: evaluar solidez, reproducibilidad e implementación.
• Lenguaje: términos precisos; supuestos explícitos; detalles de datos, transformaciones y validaciones relevantes.
• Contenido clave: metodología resumida pero verificable, evidencia detallada, análisis de sensibilidad, limitaciones técnicas, próximos experimentos.
• Profundidad: suficiente para auditar y continuar el trabajo.

Regla práctica: dos capas del mismo mensaje

Prepara siempre: (a) una versión ejecutiva de 1 página o 5 diapositivas y (b) un anexo técnico. La versión ejecutiva debe “vivir sola”; el anexo existe para preguntas y trazabilidad.

Estructura recomendada orientada a decisiones (plantilla base)

Usa esta secuencia como columna vertebral para informes, one-pagers y presentaciones. Mantiene el foco en la decisión y reduce el riesgo de “contar todo lo que hicimos” en lugar de “lo que significa”.

1. Pregunta (decisión a habilitar): ¿Qué decisión se quiere tomar? ¿Qué alternativa se compara?
2. Contexto: por qué importa ahora; restricciones operativas; a quién afecta.
3. Metodología resumida: 2–6 líneas sobre enfoque, datos usados y cómo se midió el efecto.
4. Insight principal: una frase con el hallazgo y su dirección (sube/baja, mejora/empeora) y magnitud.
5. Evidencia: 1–3 gráficos/tablas que sostengan el insight; incluir incertidumbre.
6. Impacto estimado: traducción a unidades de negocio (€, horas, churn, conversión) y rango.
7. Riesgos/limitaciones: qué podría salir mal, dónde no aplica, supuestos críticos.
8. Recomendación: acción concreta (hacer X) y criterio de éxito.
9. Plan de acción: próximos pasos, responsables, timeline, dependencias y monitoreo.

Guía práctica paso a paso para construir tu narrativa

Paso 1: define la decisión y el “dueño”

Antes de escribir una sola diapositiva, responde:

• Decisión: “¿Qué se decide el lunes con esto?”
• Dueño: quién aprueba/ejecuta (rol, no nombre).
• Restricciones: presupuesto, capacidad, legal, producto, tiempo.

Ejemplo: “¿Reducimos el descuento del 20% al 10% en el segmento A sin perder ventas?” (dueño: pricing manager; restricción: margen mínimo).

Continúa en nuestra aplicación.

• Escuche el audio con la pantalla apagada.
• Obtenga un certificado al finalizar.
• ¡Más de 5000 cursos para que explores!

O continúa leyendo más abajo...

Descargar la aplicación

Paso 2: escribe el insight principal en una sola frase

Plantilla:

[Acción/variable] se asocia con [cambio] en [métrica], de [magnitud], bajo [condiciones], con [incertidumbre].

Ejemplo: “En clientes nuevos, enviar recordatorio a las 24h aumenta la conversión en ~1.8–2.6 pp, especialmente en móvil.”

Paso 3: selecciona 1–3 evidencias “mínimas”

Elige evidencias que respondan a estas preguntas:

• ¿El efecto es real o podría ser ruido? (mostrar intervalo/rango)
• ¿Dónde aplica y dónde no? (segmentos)
• ¿Cuál es el trade-off? (beneficio vs. costo/impacto secundario)

Evita “galerías” de gráficos. Si un gráfico no cambia la decisión, no entra.

Paso 4: traduce a impacto de negocio (con rango)

Convierte el efecto a unidades accionables:

• Volumen: cuántos usuarios/pedidos se verán afectados.
• Valor unitario: margen por pedido, LTV, costo por ticket.
• Rango: usa escenarios (conservador/base/optimista).

Paso 5: explicita riesgos y limitaciones sin “matar” el mensaje

Una limitación bien comunicada no debilita: acota. Usa formato “riesgo → consecuencia → mitigación”.

• Riesgo: el efecto podría variar por estacionalidad → Consecuencia: impacto menor en Q4 → Mitigación: piloto de 2 semanas y monitoreo diario.
• Riesgo: sesgo por adopción (solo usuarios activos) → Consecuencia: no generaliza a inactivos → Mitigación: replicar en cohorte de reactivación.

Paso 6: termina con recomendación y plan de acción “operables”

La recomendación debe ser ejecutable y medible:

• Qué: acción específica.
• Quién: responsable.
• Cuándo: fecha o ventana.
• Cómo mediremos: métrica y umbral de éxito.
• Qué haremos si sale mal: criterio de rollback.

Reglas de visualización para no distorsionar (y persuadir con honestidad)

1) Elige el gráfico según la pregunta

• Comparar categorías: barras (ordenadas), dot plot.
• Evolución temporal: líneas; resalta eventos con anotaciones.
• Distribuciones: histogramas, box/violin (si el público lo entiende), densidades.
• Relación entre variables: dispersión con tendencia; hexbin si hay mucha densidad.
• Parte-del-total: barras apiladas (pocas categorías) o 100% apiladas para proporciones; evita “tartas” si hay muchas porciones.

2) Escalas y ejes: reglas rápidas

• Barras: eje debe empezar en 0 (si no, se exagera la diferencia).
• Líneas: puede no empezar en 0, pero debe indicarse claramente y evitar “zoom” engañoso.
• Logaritmos: solo si el público lo entiende y la razón es clara (p. ej., crecimiento multiplicativo); etiqueta explícitamente.
• Unidades: siempre visibles (€, %, pp, días). Diferencia entre % y puntos porcentuales (pp).

3) Anotaciones que guían la lectura

• Título informativo (que ya diga el insight): “La conversión sube 2 pp en móvil tras el recordatorio”.
• Etiquetas directas en el gráfico (mejor que leyendas lejanas).
• Marca eventos: cambios de política, campañas, releases.
• Incluye el tamaño de muestra cuando sea relevante: n=12,430.

4) Evita distorsiones comunes

• 3D y efectos: dificultan comparar longitudes/áreas.
• Colores sin significado: usa paletas consistentes; evita rojo/verde si no es imprescindible (accesibilidad).
• Demasiadas series: si hay 10 líneas, nadie ve nada; agrupa o facet.
• Promedios que esconden: acompaña con distribución o segmentación cuando haya heterogeneidad.

5) Muestra incertidumbre de forma comprensible

• Intervalos: barras de error o bandas (p. ej., 95%); explica en una frase qué significa.
• Escenarios: conservador/base/optimista para impacto.
• Sensibilidad: “si el costo sube 10%, el ROI baja a X”.

Frase útil para no técnicos: “Esperamos un impacto alrededor de €36k/mes; en un escenario conservador sería ~€18k y en uno optimista ~€47k.”

Mensajes claros con incertidumbre: cómo decir “no estamos 100% seguros” sin perder credibilidad

Principios

• Separa señal de decisión: “La evidencia sugiere X; por eso recomendamos Y con un piloto”.
• Cuantifica cuando puedas: rangos, escenarios, probabilidades aproximadas si son defendibles.
• Explica el origen: variabilidad, tamaño de muestra, supuestos, datos faltantes.
• Propón mitigación: experimento, monitoreo, guardrails.

Plantillas de frases

• “Con los datos actuales, el efecto más probable está entre A y B.”
• “El resultado es consistente en segmentos 1 y 2, pero no concluyente en segmento 3 por bajo volumen.”
• “Si el supuesto S no se cumple, el impacto podría reducirse a C; por eso proponemos mitigación M.”

Plantilla de one-pager (1 página) para negocio

Usa este formato como documento que se pueda leer en 2–3 minutos. Ideal para enviar por email o adjuntar a un ticket.

Estructura

• Pregunta/decisión: …
• Contexto: …
• Insight principal (1 frase): …
• Evidencia (1 gráfico + 2 bullets): …
• Impacto estimado (tabla de escenarios): …
• Riesgos/limitaciones (3 bullets): …
• Recomendación: …
• Plan de acción (quién/cuándo/medición/rollback): …

Ejemplo (one-pager resumido)

Pregunta/decisión: ¿Implementamos recordatorio a las 24h para carritos abandonados en móvil?

Contexto: Alto abandono en móvil; equipo de CRM tiene capacidad para 1 automatización este mes.

Metodología resumida: Comparación de cohortes con y sin recordatorio, controlando por canal y tipo de producto; medición de conversión a 7 días.

Insight principal: En móvil, el recordatorio a 24h aumenta la conversión en ~1.8–2.6 pp.

Evidencia: (i) Gráfico de conversión por cohorte con banda de incertidumbre; (ii) efecto consistente en 3 de 4 semanas; (iii) sin aumento detectable en devoluciones.

Impacto estimado: Base: +€36k/mes (rango €18k–€47k), asumiendo volumen actual.

Riesgos/limitaciones: (1) Estacionalidad; (2) posible fatiga si se añade a otras campañas; (3) menor efecto en usuarios recurrentes.

Recomendación: Lanzar piloto 2 semanas en 50% de tráfico móvil con guardrail de quejas y bajas.

Plan de acción: CRM configura flujo (Día 1–2), Data instrumenta tracking (Día 1–3), revisión diaria; éxito si +1.5 pp o más y sin empeorar bajas >0.2 pp; rollback inmediato si guardrails se rompen.

Plantilla de presentación breve (5 diapositivas)

Diseñada para reuniones de 10–15 minutos. Cada diapositiva debe tener un mensaje único.

• Slide 1 — Decisión: “Hoy decidimos si…” + criterio de éxito.
• Slide 2 — Contexto: 2–3 bullets con magnitud del problema y restricción.
• Slide 3 — Insight principal: 1 gráfico con título que ya contenga el resultado.
• Slide 4 — Impacto y riesgos: tabla de escenarios + 3 riesgos con mitigación.
• Slide 5 — Recomendación y plan: qué/ quién/ cuándo/ cómo medimos/ rollback.

Ejemplos de buenas y malas conclusiones (para entrenar el “olfato”)

Ejemplo 1: lenguaje vago vs. accionable

Mala: “El modelo funciona bien y parece que mejora la conversión.”

Buena: “Recomendamos activar el recordatorio a 24h en móvil: aumenta la conversión ~2 pp (rango 1.8–2.6 pp) y el impacto esperado es €18k–€47k/mes. Proponemos piloto 2 semanas con guardrails de bajas y quejas.”

Ejemplo 2: confundir métricas y magnitudes

Mala: “Subimos la conversión un 2%.” (¿2% relativo o 2 pp?)

Buena: “La conversión sube 2 puntos porcentuales (de 10% a 12%), equivalente a un +20% relativo.”

Ejemplo 3: ocultar incertidumbre

Mala: “Este cambio incrementará €50k al mes.”

Buena: “El impacto mensual esperado es ~€36k; en un escenario conservador ~€18k y en uno optimista ~€47k. La mayor fuente de variación es el volumen semanal.”

Ejemplo 4: sobrecargar con metodología

Mala: “Usamos XGBoost con 500 árboles, profundidad 6, regularización…, y luego…” (para dirección)

Buena: “Comparamos grupos equivalentes y medimos el cambio en conversión a 7 días; el resultado es consistente por semana y por canal. Los detalles técnicos están en el anexo.”

Ejemplo 5: recomendación sin plan

Mala: “Deberíamos mejorar la segmentación.”

Buena: “Implementar segmentación por canal y antigüedad: piloto en 30% de usuarios durante 14 días; éxito si reduce CPA >5% sin bajar conversión >0.5 pp; responsable: Growth; revisión: diaria.”

Checklist final antes de enviar tu informe o presentar

• ¿La primera frase deja clara la decisión?
• ¿El insight principal está en una oración con magnitud y condiciones?
• ¿Hay 1–3 evidencias que sostienen el insight (no más)?
• ¿El impacto está en unidades de negocio y con rango?
• ¿Incluyes riesgos/limitaciones con mitigación?
• ¿La recomendación es ejecutable y el plan tiene responsables, fechas y guardrails?
• ¿Los gráficos respetan escalas, unidades, anotaciones y no distorsionan?