Desbloqueando las estadísticas: estrategias para una interpretación clara y precisa

Por: Hugo Cornejo Villena. Profesor de la carrera de Administración y Marketing de la Universidad ESAN.

Este artículo explora cómo desde la perspectiva de la economía conductual se puede mejorar la comunicación de los resultados estadísticos, abordando los desafíos que enfrentan organismos como el Instituto Nacional de Estadística e Informática (INEI) en Perú y otros similares a nivel mundial. Frecuentemente, la información estadística es percibida como compleja y distante por la población en general, lo que limita su comprensión y uso en la toma de decisiones. Basándonos en estudios realizados en el Reino Unido y en las teorías de Daniel Kahneman, se examinan los sesgos cognitivos que influyen en la interpretación de estos datos, tales como la aversión a la ambigüedad, la heurística de la disponibilidad, el sesgo del anclaje y el sesgo de confirmación. A partir de estos principios, se proponen estrategias para simplificar el lenguaje, utilizar ejemplos contextualizados y mejorar la visualización de los datos con el fin de aumentar la claridad, el compromiso y la confianza del público en las estadísticas oficiales. El artículo concluye destacando cómo la implementación de estas técnicas puede fortalecer la transparencia institucional y fomentar una ciudadanía mejor informada.

Introducción

Uno de los grandes desafíos que enfrentan los organismos estadísticos en todo el mundo es la forma en que comunican datos complejos a una población diversa. En el Perú, el Instituto Nacional de Estadística e Informática (INEI) se enfrenta a esta realidad, al igual que otros organismos similares, como la Oficina Nacional de Estadísticas del Reino Unido (ONS: Office for National Statistics), que han visto cómo las estadísticas económicas, especialmente las relacionadas con el mercado laboral, son percibidas como ininteligibles o desconectadas de la vida diaria de los ciudadanos (Cathro et al. 2022).

En el Perú, donde la comprensión de datos económicos es crucial para una participación ciudadana informada y para la toma de decisiones, mejorar la accesibilidad y la claridad de estas estadísticas debería ser una prioridad. Aquí es donde los sesgos cognitivos pueden desempeñar un rol preponderante. Estos sesgos, que son estudiados por la economía conductual, revelan cómo las limitaciones en el procesamiento de información afectan las decisiones. Identificar y abordar estos sesgos ofrece herramientas valiosas para mejorar la manera en que se presentan y entienden la información estadística. Según (Kahneman 2011), las personas toman decisiones utilizando dos sistemas de pensamiento: el rápido e intuitivo (Sistema 1) y el más lento y deliberativo (Sistema 2). Esto es crucial cuando se trata de interpretar datos complejos como las estadísticas económicas, donde es común que el público recurra a heurísticas del Sistema 1, lo que puede llevar a malinterpretaciones.

Desafíos en la enseñanza y comunicación de estadísticas económicas

En mi experiencia como docente universitario de cursos de estadística y en mi rol de consultor en temas estadísticos, he notado que muchos estudiantes, así como el público en general, consideran que la estadística es una materia complicada y desmotivante, en parte debido a su enfoque excesivamente matemático. Este enfoque desvía la atención de la naturaleza aplicativa de la estadística y de su importancia en la toma de decisiones. Además, la estadística suele enseñarse en los primeros ciclos universitarios, cuando los estudiantes aún no comprenden completamente la relevancia para sus carreras profesionales o para interpretar indicadores económicos nacionales. Esta desconexión entre el aprendizaje de la estadística y su aplicación práctica se agrava por el uso de ejemplos desactualizados o irrelevantes, en lugar de datos reales proporcionados por entidades como el INEI (https://www.inei.gob.pe/estadisticas-indice-tematico/), o la plataforma nacional de datos abiertos (https://www.datosabiertos.gob.pe/). Estos problemas generan una percepción negativa sobre la estadística, lo que lleva a que las personas enfrenten los indicadores económicos con escepticismo y desconfianza.

Economía conductual y los sesgos cognitivos que afectan la comprensión de las estadísticas

La economía conductual, que explora cómo los sesgos cognitivos influyen en la toma de decisiones, ha demostrado ser una herramienta poderosa para mejorar la forma en que los organismos comunican información estadística en diferentes contextos. La experiencia del Reino Unido muestra que incluso pequeños cambios en la presentación de estadísticas económicas pueden aumentar significativamente la comprensión, la confianza y la interacción del público (Cathro et al. 2022).

De acuerdo con (Kahneman 2011), nuestra toma de decisiones está influenciada por varios sesgos cognitivos y heurísticas que afectan cómo procesamos información compleja, como las estadísticas. Entre los más relevantes para este contexto, podemos mencionar:

• Sesgo de aversión a la ambigüedad: Las personas tienden a evitar información que no comprenden completamente. Si los datos económicos se presentan de manera técnica y 2 difícil de interpretar, el público optará por ignorarlos, lo que contribuye a la falta de compromiso con las estadísticas.
• Heurística de la disponibilidad: Las personas tienden a juzgar la probabilidad de eventos basándose en la facilidad con que pueden recordar ejemplos similares. Si las estadísticas no se vinculan con situaciones cotidianas, es más difícil que las personas las utilicen para tomar decisiones (Tversky and Kahneman 1974).
• Sesgo de anclaje: Este sesgo ocurre cuando las personas dependen demasiado de la primera información que reciben. Si se presentan cifras complejas o conceptos abstractos al principio de un informe, las personas tienden a enfocarse en eso y descartar otros detalles, lo que limita su comprensión general.
• Sesgo de confirmación: Las personas tienden a buscar y favorecer la información que confirma sus creencias preexistentes. Esto puede llevar a que los ciudadanos interpreten mal las estadísticas que no se alinean con su experiencia diaria, lo que refuerza la desconfianza en los datos oficiales (Nickerson 1998).

Aplicando la economía conductual: simplificación y relevancia con ejemplos prácticos

Estudios recientes indican que la simplificación del lenguaje y la contextualización de los datos económicos pueden aumentar la comprensión, el compromiso y la confianza del público en estas estadísticas (Cathro et al. 2022). Aplicar principios de la economía conductual en la comunicación de estadísticas económicas en el Perú podría implicar:

1. Simplificación del lenguaje (aversión a la ambigüedad): En lugar de utilizar el término “variación interanual”, se podría decir “el empleo creció un 5% en comparación con el año pasado”. Además, términos como “PBI” podrían acompañarse de explicaciones simples sobre su significado y relevancia, como “el valor total de lo que se produce en el país”. Esto reduce la barrera de comprensión para quienes no están familiarizados con el lenguaje técnico.
2. Uso de ejemplos cercanos a la realidad (heurística de la disponibilidad): Al hablar de la tasa de desempleo, se podría mencionar que “en los últimos seis meses, en Lima, una de cada diez personas ha tenido dificultades para encontrar empleo en el sector servicios”. Este tipo de ejemplo vincula los datos con experiencias que la población puede reconocer y recordar más fácilmente, mejorando su comprensión.
3. Visualización de datos (sesgo de anclaje): Los gráficos con múltiples líneas o barras pueden abrumar al lector. Una mejor opción sería utilizar infografías simples con colores básicos que representen las tendencias clave. Por ejemplo, un gráfico que muestre el crecimiento del empleo con flechas hacia arriba y explicaciones breves puede ser más fácil de interpretar que una tabla numérica. Esto permite que las personas se anclen en la información visual, más accesible que datos puramente numéricos (Kahneman 2011).
4. Segmentación del contenido (sesgo de confirmación): Al dividir los informes según diferentes grupos demográficos o regiones, se podría permitir a los usuarios explorar cómo les afecta la información. Por ejemplo, un informe sobre el ingreso familiar podría incluir secciones específicas para diferentes departamentos de Perú, como Cusco o Arequipa, de manera que las personas puedan relacionar los datos con sus propias circunstancias y evitar la tendencia de rechazar información que no parece alinearse con su realidad (Nickerson 1998).

El desafío de mejorar la confianza en las estadísticas

Una de las barreras más grandes que enfrenta la comunicación de estadísticas económicas en Perú es la desconfianza hacia las instituciones que las generan. La percepción de que los datos son manipulados por motivos políticos o ideológicos ha debilitado la confianza en las estadísticas. La economía conductual señala que para mejorar la confianza del público en los datos, es esencial presentar de manera clara cómo se recopilan estas cifras y garantizar la transparencia en el proceso.

Un ejemplo interesante proviene del Reino Unido, donde la ONS rediseñó sus resúmenes mensuales del mercado laboral para hacerlos más accesibles al público en general. A través de la simplificación del lenguaje, el uso de infografías y la incorporación de ejemplos prácticos, lograron mejorar la comprensión de los indicadores más importantes en un 15%, según un estudio reciente (Cathro et al. 2022). Este enfoque es aplicable en Perú, donde el INEI podría replicar estas estrategias para hacer sus informes estadísticos más relevantes y sobre todo comprensibles.

El reto de hacer accesibles las estadísticas económicas es un reto mundial, sin embargo, existen soluciones comprobadas que pueden ayudar a superarlo. Adaptar las estrategias de la economía conductual, como lo ha hecho el Reino Unido, puede mejorar la comprensión pública y restaurar la confianza en las instituciones que producen estos datos. Al implementar estos cambios, el INEI y otros organismos similares no solo aumentarían la transparencia, sino que también promoverían una participación ciudadana más informada.

Referencias

Cathro, Claire, Johnny Runge, Jordan Whitwell-mak, Katharine Stockland, Nida Broughton, and Jasmine Rostron. 2022. “Improving Public Understanding of Economic Statistics : Presenting Labour Market Statistics to the Public,” no. November.

Kahneman, Daniel. 2011. “Thinking fast, thinking slow.”

Nickerson, Raymond S. 1998. “Confirmation bias: A ubiquitous phenomenon in many guises.” Review of General Psychology 2 (2). https://doi.org/10.1037/1089-2680.2.2.175.

Tversky, Amos, and Daniel Kahneman. 1974. “Judgment under uncertainty: Heuristics and biases.” Science 185 (4157). https://doi.org/10.1126/science.185.4157.1124.