Los datos no mienten, pero ojo...
Es bien sabido.
Y algo muy usado por los políticos y por cualquier cínico que intente maquillar (o incluso tergiversar) la realidad.
Lo importante no son los datos (cifras)... lo importante son los datos que escojas para presentar... y cómo los presentes.
Dicho esto en plan cínico.
De qué datos escogemos (y de cómo los presentemos), puede resultar que una misma realidad (económica, de ventas, de fundraising...) se presente/vea como un fracaso o como un éxito.
Se puede hacer (y se hace) muy fácil y frecuentemente.
Manipular y mentir con los datos.
Es lo que dice Santi Fiorino (AI Engineer, según se etiqueta él en sus bio. en RR. SS.) en algunos de sus posts en Instagram y otras redes:
Los datos no mienten, pero se puede mentir con los datos.
Mentir, directamente, o autoengañarse o..., sencillamente, sin mayores maldades, sacar conclusiones erróneas.
Por ejemplo, con la comparación (correlación) entre consumo de helados y ataques de tiburones...
La correlación no implica causalidad
Que dos hechos ocurran o se observen, a la vez o secuencialmente, no implica que uno sea causa o consecuencia del otro, ni siquiera que estén relacionados.
No hay que confundir, nunca, la causalidad con la casualidad.
(otros) Ejemplos de maldades o errores y sesgos (erróneos) en el análisis de datos en fundraising
En fundraising y... en cualquier ámbito de datos.
Sesgo de elección. Elegir mal los KPI
Key Performance Indicator (KPI).
Indicador clave de rendimiento.
Métrica o medida de rendimiento de un proceso.
Dato de referencia para evaluar el éxito, fracaso o tendencia de una actividad.
Puedes elegir como KPI, por ejemplo, el valor promedio de tus donativos... en lugar del valor modal.
Recibes 10 donativos.
9 de 5 euros y uno de 100.
Sacas el promedio y dices (te dices)...
—¡Mi donativo promedio es de 14,5 euros!
Es un dato cierto. Que miente (o engaña o te puede llevar al error) en este caso.
Porque el KPI que (seguramente) te interesa más escoger (te cuenta mejor la realidad), en este caso, al menos, es la moda de tus donativos.
Moda. Donativo más frecuente (valor modal). Most frequent gift size. El valor del donativo (donativos) más frecuente.
Así que..., siguiendo con el ejemplo anterior, nada de 14,5.
El valor que te indica la realidad, el que te interesa y cuenta la verdad es...
5 euros.
Tu donativo modal es 5 euros.
Nota sobre el ejemplo: Sí, sí... También es verdad... que, con frecuencia, hay, se reciben, donativos más altos (incluso mucho más altos) que la moda o la media...
Pues puedes ajustar la cosa...
Como casi todo en la vida, lo del análisis de datos, lo podemos ajustar/afinar o complicar todo lo que queramos.
Por ejemplo, en ausencia de una moda (valor modal) consistente..., cuando no hay un donativo más frecuente que se repita el suficiente número de veces, algo que, de hecho, no ocurre nada más que en series de datos muy cortas...
...podemos hacer otro tipo de cálculos, fijar otros KPI, que reflejen la tendencia central más fielmente. Según cada caso/serie de datos: media móvil, mediana, promedio truncado (o recortado) o media Winsorizada; media ponderada; media armónica o geométrica...
Otros lópez.
Pero no te líes (ni te dejes liar, tampoco por esto que lees aquí) con los medios/promedios o medianas, ni lópez...
Lo importante es que elijas bien, con sensatez, tu valor medio... (o el KPI de que se trate)...
...y que le hagas un seguimiento permanente a lo largo de campañas, meses, trimestres, años...
Sesgo focal
(ponle el nombre que quieras... podría ser, de nuevo, sesgo de elección)
El anterior era elegir mal el dato o KPI, y este es elegir solo un dato (sin relacionarlo con otros o detenerse apenas en esos otros, que quizá son igual o más relevantes)...
Por ejemplo, muy frecuente, fijarse solo en los totales.
Sin ponerlos en relación con...
Si (es una posibilidad entre muchas), ponemos el foco exclusivamente en el total de donativos...
...más aún, en el total recaudado en lo que va de año (algo, de hecho, como ya se ha dicho, muy frecuente),
...pues, esa cifra, como es evidente, solo puede ser positiva, crecer, mejorar...
...pero eso no significa, necesariamente, que nuestra captación de fondos, en general, esté creciendo (mejorando).
De hecho, puede que incluso esté disminuyendo (empeorando)...
NOTA: Evidentemente, una caída de casos de Covid, es... una mejora.
Las cifras (los datos) aisladas, FRECUENTEMENTE, carecen de significado (real, verdadero), si no las ponemos en relación con otros datos o referencias (otras cifras, otra escala de tiempo, otro periodo...).
Los datos, por sí solos, pueden resultar engañosos o llevar a conclusiones y decisiones erróneas.
Nota sobre el análisis histórico de los datos
Esto, como decíamos antes, también podemos complicarlo hasta el infinito... y más allá.
El análisis histórico se puede hacer de muchas maneras distintas (anual, interanual, secuencial,...).
Pero eso no es el objeto de este artículo.
Basta con tener muy en cuenta que...
Solo al evaluar datos en series temporales suficientemente robustas se pueden identificar tendencias, interpretar variaciones significativas y extraer conclusiones basadas en evidencia.
De nuevo...
Los datos, por sí solos, aislados, pueden resultar engañosos o llevar a conclusiones y decisiones erróneas.
Sesgo de progreso (relativo)
(ponle el nombre que quieras...)
Puede que estés creciendo en totales.
Puede que estés creciendo en %.
Puede que sea en varios KPI.
Puede que eso sea válido en el año en curso (hay un crecimiento secuencial) y puede que sea así, incluso si comparas las cifras con las de años anteriores (crecimiento interanual).
Puede...
Pero, al mismo tiempo, puede... que cada vez estés más lejos del objetivo que te propusiste para el trimestre o el año o el proyecto...
Los datos hay que ponerlos en relación con los objetivos/necesidades.
Sesgo de supervivencia o del superviviente
(puedes llamarlo como quieras, pero este, muy c onocido, se llama así)
Que, de alguna manera, también es un sesgo de correlación errónea... o de foco...
Generalmente, cuando se analiza una campaña de fundraising que ha tenido bastante o mucho éxito (o lo que creemos que es un resultado exitoso, que, a lo peor, no lo es tanto) en la captación de donativos...
...se tiende a pensar (mucho) en cuáles fueron los factores de ese éxito...
Los que determinaron la donación.
Atribuyendo (correlacionando) los donativos a una serie de elementos presentes en esas campañas (tema, asunto, diseño, copywriting, segmentación...)...
Sobre-repitiendo esas campañas, replicando básicamente sus mismos elementos, esperando obtener el mismo éxito.
Todo ello sin tener (apenas) en cuenta...
A los no-donantes.
Que son muchos más (siempre, necesariamente, en una proporción abrumadora).
No buscando (analizando) las causas de esos no-donativos...
...y no resolviéndolas.
Y lo que puede pasar es que...
(entre otras muchas cosas, esto no es un decálogo cerrado)
Se considere éxito lo que, en realidad, no lo es o no tanto (hay que comparar con otros y con uno mismo).
Se haya establecido una correlación errónea (o parcialmente errónea) entre los elementos atribuidos al éxito y el éxito (los donativos).
Aunque esa correlación también puede ser acertada, pero entonces...
Redobles tu esfuerzo en los factor de éxito (reales o no), sin subsanar las (verdaderas) debilidades que hicieron que una parte de tu audiencia que podría haber donado, quizá mucho, no lo haya hecho.
Se repita una y otra vez el mismo modelo de campaña.
Agotando a nuestra audiencia (o el modelo de campaña).
O...
Que nos acomodemos a los resultados, dándolos siempre por buenos (suficientes, no mejorables).
Estancando o limitando la mejora, la creatividad y la innovación.
Sin probar nunca cambios que quizá mejorarían (mucho, todavía más) los resultados obtenidos.
Lo de si funciona no lo toques... pero mal gestionado.
Sesgos de análisis... sin DATOS o sin datos suficientes
Bueno, esto se sale de la idea central del artículo (los datos pueden mentir), pero es un (sesgo) clásico, relacionado con los datos, en este caso la falta de..., repetido hasta la saciedad, que conviene mencionar.
Sesgo de generalización apresurada
(este también se llama así; aunque también es conocido con otros nombres)
Es... como juzgar un libro entero por su portada.
Te dice quien sea del equipo (alguien que no se ha enterado, claro está)...
—¡La gente no para de quejarse de...!
(lo que quiera que sea, la frecuencia de los correos, la insistencia en la petición de fondos, el tono de...)
Y tú... le preguntas.
—¿Cuántas quejas... en cuanto tiempo...?
—Uff, no sé, pero mucha... estoy preocupada/o...
—Hazme un favor, cuenta el número de quejas exacto y dime en qué periodo de tiempo te han llegado...
(...)
—¡37, se han quejado, nada menos que 37! ¡En 3 días!
Y lo que ha pasado, es que, quizá como respuesta a tu última petición de fondos, 37 personas (correo, RR. SS., etc.), efectivamente, se han quejado...
...pero resulta que la petición de fondos se mandó, por correo electrónico, a 86.568 personas/correos distintos...
Lo que representa un volumen de quejas del 0,04%.
Redondeando, 4 de cada 10.000 personas.
Si dedicaras un día de tu vida a cada una de esas 10.000 personas...
dedicarías 37 días a las quejas y...
27 años y cuatro meses, aproximadamente, a las que no se han quejado.
Pues eso.
Ojo con los datos.
«Conclusiones» y notas
Sí, varios de los ejemplos podrían encajarse en un sesgo u otro o intercambiarse o repetirse en distintos sesgos que, a su vez, podrían intercambiar sus nombres o...
Esto no es un tratado de sesgos, ni siquiera un tratado de sesgos de fundraising.
El artículo trata sobre la importancia de analizar (bien) los datos, cruzarlos, compararlos con otros y consigo mismos en secuencias temporales y, todo, sin caer en errores frecuentes (algunos de los ejemplos puestos) que hacen que...
...los datos engañen o propicien interpretaciones erróneas de la realidad.
En definitiva...
Cuando hablamos de resultados de algo (de fundraising)...
Más allá de las (lógicas) urgencias y necesidades del momento... no hay que agobiarse ni precipitarse, en ninguna dirección, a la hora de sacar conclusiones.
Hay que analizar todos los datos posibles, escogiéndolos bien, con sentido común, monitorizándolos en el tiempo y tomando una razonable distancia sobre ellos.
Buscando, cuando se pueda y sea razonable, nuevos datos, nuevos KPI, nuevas comparaciones, nuevas formas de análisis.
Pero siendo constante en los análisis y métricas básicos.
Porque los datos, para ser relevantes, fijar tendencias, necesitan tiempo...
Aunque, por supuesto, tienes que estar alerta, especialmente cuando hay malos resultados, y buscar las causas y... corregirlas (como, igualmente, estar atento a todo lo que funciones bien y genere más y mejores donativos, para refinarlo y potenciarlo).
En cualquier caso, si tuviera que sacar una sola idea del artículo, yo destacaría esta...
No puedes hablar de tendencia por uno, o varios, incluso seguidos, resultados, buenos o malos, en un año. Los datos «necesitan» tiempo.
Bueno y, por supuesto, esta otra...
Los datos no mienten, pero se puede mentir con los datos...