Hoy vamos a explorar un tema que a menudo se pasa por alto, pero que es fundamental para entender cómo funcionan los análisis: el sesgo en los datos.

El dato del día.

Nuestro dato del día es este: según una investigación publicada en la revista ‘Nature’, hasta el 50% de los conjuntos de datos científicos pueden contener algún tipo de sesgo.

Análisis del dato.

Pero, ¿qué es exactamente el sesgo en los datos?

El sesgo en los datos se refiere a una tendencia sistemática en la recopilación, interpretación, análisis, o presentación de datos que pueden conducir a conclusiones erróneas. Esta tendencia puede ser producto de una variedad de factores, como, por ejemplo:

Sesgo de selección: Esto ocurre cuando los datos recolectados no representan adecuadamente la población que se está estudiando. Por ejemplo, si haces una encuesta sobre la salud general, pero solo seleccionas participantes de una clínica de salud, los resultados estarán sesgados y no reflejarán la salud de la población general.

Sesgo de medición: Esto ocurre cuando los datos se recogen de manera incorrecta, ya sea por error humano, instrumentos de medición defectuosos, o preguntas de la encuesta mal diseñadas.

Sesgo de confirmación: Esto ocurre cuando los investigadores interpretan o seleccionan datos de una manera que confirma sus expectativas o hipótesis previas.

Sesgo de supervivencia: Esto ocurre cuando los datos están sesgados debido a que solo se observan «supervivientes» o aquellos que han pasado algún tipo de selección. Por ejemplo, si analizas solo las empresas que han tenido éxito para determinar las claves del éxito, te perderás la información valiosa de las empresas que fracasaron.

Sesgo de publicación: Esto ocurre cuando los resultados de los estudios que muestran un efecto significativo o positivo son más propensos a ser publicados que los estudios que no lo hacen. Esto puede llevar a una sobreestimación de la eficacia de un tratamiento en la literatura publicada.

En el análisis de datos, es fundamental tener en cuenta estos y otros posibles sesgos para garantizar que las conclusiones a las que se llega sean lo más precisas y justas posible. La detección y mitigación del sesgo en los datos es un paso crucial en cualquier proceso de investigación o análisis de datos.

Veamos algunos ejemplos de sesgo de datos:

Sesgo de confirmación en las redes sociales: Las redes sociales a menudo muestran a los usuarios contenido que está en línea con sus creencias y actitudes existentes, lo que puede reforzar el sesgo de confirmación. Este es un ejemplo de cómo los datos sobre el comportamiento del usuario pueden estar sesgados por los algoritmos que determinan qué contenido ven los usuarios.

Sesgo en la recopilación de datos de salud: Los investigadores han encontrado que las personas mayores, las personas de color y las personas con bajos ingresos a menudo están infrarrepresentadas en los estudios de investigación médica. Esto puede sesgar los datos y hacer que los resultados de la investigación sean menos aplicables a estos grupos.

Sesgo de género en las reseñas de productos: Un estudio de 2019 publicado en la revista ‘Nature’ encontró que las mujeres son más propensas que los hombres a comprar productos con altas calificaciones, mientras que los hombres son más propensos a comprar productos con un gran número de reseñas. Esto puede sesgar los datos sobre las preferencias de compra basadas en el género.

Sesgo de género en la investigación farmacológica: Históricamente, muchos ensayos clínicos han excluido a las mujeres o han limitado su participación. Esto se debe en parte a la creencia de que los cambios hormonales durante el ciclo menstrual de las mujeres pueden afectar los resultados del estudio. Sin embargo, esta práctica ha llevado a un sesgo de género en la investigación farmacológica, con menos datos disponibles sobre cómo los medicamentos afectan a las mujeres en comparación con los hombres. Además, algunas investigaciones han mostrado que las mujeres pueden responder de manera diferente a los medicamentos que los hombres, lo que significa que este sesgo puede tener consecuencias reales para la salud de las mujeres.

Estos ejemplos ilustran por qué el sesgo en los datos es tan importante. Cuando los datos están sesgados, nuestras conclusiones basadas en esos datos también estarán sesgadas. Y en un mundo donde cada vez dependemos más de los datos para tomar decisiones, desde el diagnóstico médico hasta la contratación de empleados, el sesgo en los datos puede tener consecuencias muy reales y perjudiciales.

Por eso es tan importante ser conscientes del sesgo en los datos, y trabajar para mitigarlo tanto como sea posible.

 ¡Vamos con ello!

Percentiles y cuartiles

Ahora vamos a hablar sobre los percentiles y cuartiles, que son medidas estadísticas que nos dan información sobre la distribución de los datos.

Comencemos con los percentiles. El percentil es una medida que indica el valor por debajo del cual cae un porcentaje específico de observaciones en un grupo de observaciones. Por ejemplo, si sacaste una puntuación de 90 en una prueba y te dijeron que estás en el percentil 90, eso significa que superaste al 90% de los demás que realizaron la prueba.

Una aplicación cotidiana de los percentiles se encuentra en el crecimiento de los niños. Cuando el médico dice que el peso de tu hijo está en el percentil 70, significa que tu hijo pesa más que el 70% de los niños de su edad.

Pero ten cuidado, usar percentiles sin contexto puede ser engañoso. Piensa en el sistema educativo. Es común que los colegios informen del rendimiento de sus alumnos mediante percentiles en ciertas pruebas estandarizadas. Por ejemplo, podrían decir: ‘Nuestros estudiantes están en el percentil 90 en matemáticas a nivel nacional’. A primera vista, esto parece muy impresionante, ya que sugiere que los estudiantes de ese colegio se desempeñan mejor que el 90% de los estudiantes de todo el país.

Sin embargo, este uso de los percentiles puede ser engañoso. Primero, puede ocultar la variabilidad en el rendimiento de los estudiantes dentro de la misma escuela. Por ejemplo, algunos estudiantes pueden estar haciendo un trabajo excepcional, lo que empuja el percentil hacia arriba.

Segundo, la comparación nacional puede no ser la más relevante para todos. Si estás interesado en cómo se compara tu colegio con otros en tu comunidad local o región, el percentil nacional puede no ser muy útil.

Y, por último, las puntuaciones de las pruebas son solo una medida del éxito educativo. No capturan otras habilidades importantes que los estudiantes pueden desarrollar en la escuela, como la capacidad de pensamiento crítico, la creatividad o las habilidades sociales.

Por lo tanto, aunque los percentiles pueden parecer una manera sencilla de entender el rendimiento, es importante recordar que no capturan toda la historia y es esencial tener en cuenta el contexto y las otras medidas.

Ahora hablemos de los cuartiles. Los cuartiles son un tipo especial de percentil. Hay tres cuartiles, denominados primer cuartil (Q1), segundo cuartil (Q2) y tercer cuartil (Q3). Q1 es el percentil 25, Q2 es el percentil 50 y Q3 es el percentil 75.

Por ejemplo, si tienes un conjunto de números, el primer cuartil es el valor por debajo del cual se encuentra el 25% de los datos. El segundo cuartil, que es también la mediana, es el valor por debajo del cual se encuentra el 50% de los datos. Y el tercer cuartil es el valor por debajo del cual se encuentra el 75% de los datos.

Veamos un ejemplo de uso correcto de los cuartiles. Imagina que estás en un equipo de corredores de una carrera de 10 km y quieres entender cómo se comparan los tiempos de todos los corredores en tu equipo. Después de que todos hayan terminado la carrera, puedes organizar los tiempos de todos de menor a mayor y luego encontrar los cuartiles de estos tiempos.

El primer cuartil, o Q1, es el tiempo que separa al 25% más rápido del equipo del resto. Esto significa que el 25% de los corredores en tu equipo terminaron la carrera en un tiempo que es menor o igual a Q1. El segundo cuartil, o Q2, que también es la mediana, es el tiempo que separa a la mitad más rápida del equipo de la mitad más lenta. El 50% de los corredores terminaron la carrera en un tiempo que es menor o igual a Q2. Y finalmente, el tercer cuartil, o Q3, es el tiempo que separa al 75% más rápido del equipo del 25% más lento.

Al observar estos cuartiles, puedes obtener una buena idea de cómo se distribuyen los tiempos de carrera en tu equipo. Por ejemplo, si Q1 y Q2 están muy juntos, pero Q3 es mucho más alto, eso podría sugerir que la mayoría de tu equipo es bastante rápido, pero hay algunos corredores que son significativamente más lentos.

Este uso de los cuartiles es correcto porque nos ayuda a entender la distribución de un conjunto de datos y nos da una imagen clara de cómo se distribuyen los diferentes tiempos de carrera en tu equipo.

Veamos un uso o interpretación incorrecta en el uso de los cuartiles. Imagina que eres padre o madre y estás revisando una tabla de crecimiento que muestra los cuartiles de altura para niños de la misma edad que tu hijo. Ves que tu hijo está en el tercer cuartil (Q3), lo que significa que es más alto que el 75% de los niños de su edad.

Podrías interpretar esto como que tu hijo es ‘alto’ para su edad y asumir que continuará siendo más alto que sus compañeros a medida que crece. Pero esta sería una interpretación incorrecta de lo que realmente representan los cuartiles.

Lo que el tercer cuartil realmente te dice es que, en este momento, tu hijo es más alto que el 75% de los niños de su misma edad. No predice si tu hijo continuará creciendo a un ritmo más rápido que sus compañeros. Además, no tener en cuenta otros factores importantes, como la genética y la nutrición, puede dar una visión simplista e inexacta del crecimiento de tu hijo.

En este caso, usar solo los cuartiles para hacer predicciones a largo plazo sobre la altura de tu hijo podría llevarte a conclusiones incorrectas y potencialmente a tomar decisiones basadas en información incompleta.

Entender cómo y cuándo usar estos términos estadísticos puede ayudarte a interpretar correctamente los datos y a evitar interpretaciones engañosas.

Correlación y causalidad

Vamos a hablar ahora de la correlación y la causalidad, seguro que has oído hablar de ellos.

Primero, definamos los términos. La correlación se refiere a la relación entre dos variables. Si una variable cambia, la otra también lo hace, aunque no necesariamente en la misma dirección. Por otro lado, la causalidad es una relación donde un cambio en una variable provoca directamente un cambio en otra.

Pongamos un ejemplo de correlación correcta. Imagina que eres un profesor y notas que los estudiantes que estudian más horas tienden a obtener calificaciones más altas en los exámenes. Aquí, el tiempo de estudio y las calificaciones están correlacionados.

En el mismo escenario, puedes inferir una relación causal: estudiar más causa que se obtengan calificaciones más altas, ya que estudiar lleva a un mejor entendimiento del material, que a su vez lleva a mejores calificaciones.

Pero ¿dónde puede ir mal esto? Aquí es donde entra el mal uso de correlación y causalidad. Supón que observas una correlación entre el consumo de helado y las tasas de ahogamiento en piscinas. Ambos aumentan durante los meses de verano, pero sería incorrecto inferir que comer helado causa ahogamientos. Esto es una correlación espuria, donde dos variables parecen estar relacionadas, pero no lo están.

En mal análisis de causalidad sería el siguiente. Imagina que todos los días, en tu camino al trabajo, ves a una persona que lleva un sombrero de color verde. Y, por casualidad, esos días siempre llegas temprano a tu trabajo, no encuentras tráfico, tu jefe está de buen humor, y tienes un día productivo y exitoso.

Comienzas a asociar ver a esa persona con el sombrero verde como una señal de un buen día. Llegas a la conclusión de que ver a la persona con el sombrero verde causa un buen día de trabajo. Comienzas a buscar a esta persona en tu camino al trabajo, pensando que de alguna manera influirá en cómo se desarrollará tu día.

Aquí estás confundiendo causalidad con casualidad. En realidad, ver a la persona con el sombrero verde es solo una coincidencia que está ocurriendo al mismo tiempo que tienes un buen día de trabajo. No hay una relación causal; es simplemente casualidad. La presencia de la persona con el sombrero verde no tiene ningún efecto en las condiciones de tráfico, el humor de tu jefe, ni en tu productividad.

De hecho, esto conlleva con frecuencia a una falacia lógica llamada ‘post hoc, ergo propter hoc’, que significa ‘después de esto, por lo tanto, a causa de esto’.

Así que recuerda, la correlación no implica causalidad. Siempre es importante investigar más a fondo para entender la verdadera relación entre dos variables.

Fin

Con este capítulo termino, al menos por ahora, esta serie sobre los términos estadísticos más habituales. Esperamos que esta serie de 3 capítulos te haya ayudado a entender mejor estos conceptos y a interpretar los datos de una manera más informada.

En el capítulo anterior de esta serie sobre los términos estadísticos más habituales, he estado hablando de las ‘medidas de tendencia central’, es decir, media, mediana y moda. Hoy trataré las ‘medidas de dispersión’: rango, varianza y desviación estándar.

 ¡Vamos con ello!

Medidas de dispersión

Ahora que ya hemos hablado de las medidas de tendencia central, es el momento de abordar otro aspecto crítico en el análisis de datos: la dispersión. Las medidas de dispersión, como el rango, la varianza y la desviación estándar, nos dan información sobre la variabilidad de nuestros datos.

El rango

El más fácil de los tres. El rango es la diferencia entre el valor más alto y el valor más bajo en un conjunto de datos. Es la forma más simple de medir la dispersión y se calcula simplemente restando el valor mínimo del valor máximo.

Por ejemplo, si tienes un conjunto de datos que incluye las edades de un grupo de personas: 12, 15, 20, 24, 30, el rango sería 30 – 12 = 18. Esto significa que la diferencia de edad entre la persona más joven y la más vieja en este grupo es de 18 años.

El rango es una medida de dispersión muy fácil de calcular, pero puede ser muy sensible a los valores extremos. Por ejemplo, si en el grupo anterior se añade una persona de 80 años, el rango aumentaría a 80 – 12 = 68, lo que podría dar una impresión engañosa de la variabilidad de las edades en el grupo. Por esta razón, a menudo se utilizan otras medidas de dispersión, como la varianza o la desviación estándar, que toman en cuenta todos los datos y no solo los valores extremos.

La varianza

La varianza es otra medida de dispersión que nos dice cuán lejos están los valores de su media. Sin embargo, la varianza puede ser un concepto más difícil de entender, ya que matemáticamente se expresa como “el promedio de los cuadrados de las desviaciones de la media”.

Tipos de distribución de probabilidad

Antes de continuar, y para entender mejor la varianza, vamos a introducir otro concepto, los tipos de distribución de probabilidad. Imagina que tienes una bolsa llena de caramelos de diferentes colores: rojos, azules, verdes y amarillos. Si cierras los ojos y metes la mano en la bolsa para sacar un caramelo, ¿podrías predecir de qué color será?

Si en la bolsa hay muchos caramelos rojos y muy pocos caramelos azules, verdes y amarillos, tienes más posibilidades de sacar un caramelo rojo. Eso es lo que llamamos una «distribución de probabilidad»: nos dice cuántas posibilidades hay de que ocurra algo.

Así que si alguien te pregunta: «¿Qué caramelo crees que sacarás si metes la mano en la bolsa?», podrías decir: «Probablemente un caramelo rojo, porque hay muchos más caramelos rojos que de cualquier otro color». Eso es usar la distribución de probabilidad para hacer una predicción.

Y así como hay bolsas con diferentes cantidades de caramelos de cada color, hay diferentes «distribuciones de probabilidad» para diferentes situaciones. Algunas pueden tener la misma cantidad de cada cosa (como una bolsa con la misma cantidad de caramelos de cada color), y otras pueden tener muchas de una cosa y pocas de otra (como nuestra bolsa con muchos caramelos rojos y pocos de los otros colores).

Existen muchas distribuciones de probabilidad:

• Por un lado, las podemos dividir en función de los datos que estamos analizando: distribuciones de probabilidad discretas, cuando los posibles resultados son discretos (es decir, pueden ser contados), por ejemplo, el número de caramelos de la bolsa; y distribuciones de probabilidad continuas, cuando los resultados forman un conjunto continuo (es decir, pueden tomar cualquier valor dentro de un intervalo), por ejemplo, la altura de las personas.
• Estos datos, además, se pueden distribuir de diferente forma. Para los datos discretos tenemos, entre otras, la distribución binomial, la distribución de Poisson y la distribución geométrica; y, para los datos continuos, la distribución normal (también llamada gaussiana), la distribución exponencial y la distribución uniforme.

Todo esto lo trataremos en detalle en otros capítulos.

Ejemplo

Pongamos ahora un ejemplo para entender mejor estos términos. Imagina que estás comparando el tiempo de recorrido diario al trabajo en dos ciudades diferentes. En la Ciudad A, el tiempo de recorrido puede variar entre 20 y 30 minutos. En la Ciudad B, el tiempo de recorrido puede variar entre 5 y 45 minutos. Aunque la media de tiempo de recorrido en ambas ciudades es de 25 minutos, la varianza, como veremos a continuación, en la Ciudad B es mucho mayor que en la Ciudad A, lo que significa que puedes esperar una mayor variabilidad en tu tiempo de recorrido diario.

En este ejemplo, ya sabemos que lo que tenemos es una distribución de probabilidad continua, puesto que estamos hablando de tiempo (recuerda, los datos pueden tomar cualquier valor dentro del intervalo). Para simplificar el ejemplo vamos a suponer que es una distribución uniforme continua, es decir, que los valores de tiempo tienen la misma probabilidad de ocurrir. En la vida real, esto rara vez es el caso para los tiempos de viaje, ya hay muchos factores que pueden hacer que algunos de estos tiempos sean más probables que otros, como el tráfico, el clima, los accidentes, etc.

Es más probable que los tiempos de viaje sigan una distribución diferente, como una distribución normal (donde los tiempos de viaje más comunes están cerca de la media y los tiempos muy cortos o muy largos son menos probables) o una distribución sesgada (donde, por ejemplo, los tiempos más largos son más probables debido a la posibilidad de retrasos inesperados), pero, como estos casos los vamos a ver en un próximo episodio nos vamos a quedar con una versión simplificada donde supondremos, como ya he comentado, que los valores de tiempo tienen la misma probabilidad de ocurrir, o sea, que siguen una distribución uniforme continua.

Para calcular la varianza, en este tipo de distribución, haríamos lo siguiente:

• Al valor superior del rango (el tiempo mayor de desplazamiento, es decir, 30 minutos en la ciudad A y 45 minutos en la ciudad B), le restamos el valor inferior del rango (el tiempo menor de desplazamiento, 20 minutos en la ciudad A y 5 minutos en la ciudad B);
• ahora elevamos el resultado al cuadrado;
• y para terminar lo dividimos entre 12.

¿y por qué entre 12, te preguntarás? El divisor de 12 en esta fórmula proviene de la definición matemática de la varianza para una distribución uniforme. La varianza es el promedio de los cuadrados de las desviaciones de la media. En una distribución uniforme, todos los valores en el intervalo tienen la misma probabilidad, por lo que la media es simplemente el punto medio del intervalo.

Si calculas la varianza de acuerdo con su definición, sumando los cuadrados de las desviaciones de cada valor posible en el intervalo y dividiendo por el número de valores, y luego simplificas la expresión resultante, obtendrás la fórmula que acabamos de aplicar.

La varianza en el primer caso sería de 8,33 minutos² mientras que en el segundo sería 133,33 minutos².

Desviación estándar

Una vez calculada la varianza ya podemos obtener fácilmente la desviación estándar. Esta es, probablemente, la medida de dispersión, o variabilidad de los datos, más comúnmente utilizada y se obtiene simplemente haciendo la raíz cuadrada de la varianza.

En el ejemplo anterior, para calcular la desviación estándar deberíamos hacer la raíz cuadrada de la varianza de ambas ciudades, que si recordamos eran 8,33 minutos² para la ciudad A y 133,33 minutos² para la ciudad B, lo que da como resultado 2,89 y 11,55 minutos respectivamente.

Te habrás dado cuenta de que la varianza está en “minutos²“, mientras que la desviación estándar está en “minutos”. Esta es una de las ventajas del uso de la desviación estándar: trabajamos con las mismas unidades que los datos, lo que facilita su interpretación.

La desviación estándar en este caso te da una idea de cuánto varían estos tiempos. Una desviación estándar de 2,89 minutos (caso de la ciudad A) indica que, aunque cualquier tiempo entre 20 y 30 minutos es igualmente probable, ya que hemos considerado que tenemos una distribución uniforme continua, los tiempos tienden a variar en alrededor de 2,89 minutos desde el tiempo medio.

Es importante recordar que la desviación estándar es una medida de variabilidad, no de probabilidad. No te dice la probabilidad de que ocurra un evento específico, sino cuánto varían los datos alrededor de la media.

Uso conjunto

Cómo ves, las medidas de tendencia central, que hemos visto en el capítulo anterior, nos dan un punto de referencia, pero no nos dicen nada acerca de cuán dispersos están los datos. En otras palabras, no nos indican cuán alejados están los valores individuales de ese punto de referencia. El rango, la varianza y la desviación estándar son tres medidas de dispersión que nos ayudan a entender la variabilidad de los datos. Cada una tiene sus ventajas y desventajas, y su elección dependerá del contexto y de lo que estés intentando entender de tus datos.

Recuerda que, en el análisis de datos, el contexto es clave. Las medidas de tendencia central nos proporcionan una visión, pero la dispersión nos da una perspectiva más amplia. Y cuando se trata de datos, una visión más amplia a menudo significa una interpretación más precisa y un mejor entendimiento.

Para terminar, vamos a ampliar este punto con un par de ejemplos más:

Ejemplo 1

Imagina que estás pensando en mudarte a una nueva ciudad y estás investigando los costes de vida. Te das cuenta de que las dos ciudades que estás considerando tienen el mismo costo promedio de vida. Pero ¿significa eso que las ciudades son idénticas en términos de costos? No necesariamente.

Si nos fijamos en la dispersión, podríamos ver una historia diferente. Por ejemplo, en la Ciudad A, el costo de la vivienda, los alimentos, el transporte y otras necesidades vitales podrían estar bastante equilibrados. Esto significa que la desviación estándar, que es una medida de dispersión, es bastante baja. Así, aunque algunos costos pueden ser un poco más altos o bajos que el promedio, en general, los costos no varían demasiado.

Por otro lado, en la Ciudad B, quizás los alquileres son muy altos, pero los alimentos y el transporte son baratos. Así, aunque la media del costo de vida pueda ser la misma que en la Ciudad A, la dispersión es mayor en la Ciudad B. Eso significa que podrías terminar gastando mucho más en vivienda de lo que habías previsto, aunque ahorres en otras áreas.

En este caso, aunque la media te proporcionó un buen punto de partida, fue la dispersión la que te proporcionó una imagen más precisa de lo que realmente puedes esperar.

Ejemplo 2

Digamos que tienes dos clases con 20 estudiantes cada una. En ambas clases, la nota media de un examen fue de 7. A primera vista, podrías pensar que las dos clases tienen un rendimiento similar. Sin embargo, si consideramos la dispersión, podríamos descubrir una historia diferente.

En la Clase A, la mayoría de las notas estaban alrededor del 7, con algunas un poco por encima y algunas un poco por debajo. Así, la desviación estándar, que es una medida de dispersión, sería pequeña. Sin embargo, en la Clase B, las notas son más dispersas: algunos estudiantes obtuvieron un 10, pero otros obtuvieron un 4. Aunque la media es la misma que en la Clase A, la desviación estándar es mayor, indicando una mayor dispersión en las notas.

Por lo tanto, sin considerar la dispersión, podríamos haber concluido erróneamente que las dos clases son similares en términos de rendimiento. La media, la mediana y la moda son útiles, pero no nos dan la imagen completa sin las medidas de dispersión.

Estos ejemplos ilustran la importancia de considerar tanto las medidas de tendencia central como las de dispersión al analizar datos. Juntas, proporcionan una imagen más completa y precisa, permitiéndonos tomar decisiones más informadas. Y eso es lo que intentamos hacer en ‘Dato anula relato’: ayudarte a entender los datos para que puedas tomar las mejores decisiones posibles.

Inicio una serie donde hablaremos sobre algunos de los términos más comunes que encontrarás en el campo de la estadística. Voy a intentar desmitificar estas palabras y conceptos, y espero que al final de estos episodios tengas una mejor comprensión de lo que realmente significan.

Dividiré el contenido en los siguientes puntos:

• Medidas de tendencia central
• Medidas de dispersión
• Percentiles y cuartiles
• Correlación y causalidad

Para cada uno de éstos, no sólo los explicaré sino que además pondré algunos ejemplos cotidianos.

Hoy empiezo con las “medidas de tendencia central”, en el siguiente episodio veremos las “medidas de dispersión” y, en el tercero y último de esta serie, hablaré de percentiles, cuartiles, correlación y causalidad. ¡Vamos con ello!

Medidas de tendencia central

Empezaremos con las medidas de tendencia central: media, mediana y moda. En la estadística, estas medidas son formas de describir, en un solo valor, el centro de un conjunto de datos. Veámoslos uno por uno.

Primero está la media aritmética, también conocida como promedio o simplemente media. La media se calcula sumando todos los valores de un conjunto de datos y luego dividiéndolos por la cantidad de valores. Por ejemplo, si tuviste tres pruebas en el colegio y obtuviste calificaciones de 80, 85 y 90, tu calificación media sería la suma de esos tres números dividida por tres, lo que nos da una media de 85.

A continuación, tenemos la mediana. La mediana es el valor del medio cuando se ordenan los datos de menor a mayor. Si tienes un número impar de observaciones, la mediana es simplemente el valor en el medio. Si tienes un número par de observaciones, la mediana es el promedio de los dos valores del medio. Por ejemplo, si los tiempos de llegada de un autobús durante una semana son 5, 6, 7, 8, y 9 minutos, la mediana sería 7 minutos, ya que es el valor en medio de los otros tiempos de llegada.

Por último, pero no menos importante, tenemos la moda. La moda es el valor que ocurre con mayor frecuencia. Por ejemplo, si preguntas a diez amigos cuántas veces visitan la cafetería cada semana y las respuestas son 2, 2, 3, 2, 1, 4, 2, 3, 2 y 1, entonces la moda sería 2, ya que es el número que más veces aparece en la lista.

Estas tres medidas son fundamentales en estadística y cada una puede ofrecer una visión única de tus datos. Sin embargo, es importante recordar que no todas las medidas son apropiadas para todos los conjuntos de datos y cada una tiene sus propias fortalezas y debilidades. Recuerda que incluso las mejores herramientas pueden ser usadas de manera incorrecta o engañosa. Veamos algunos ejemplos de mal uso de estas medidas:

Ejemplo 1:

Imagina que eres dueño de una pequeña empresa y tienes un equipo de cinco empleados. Cuatro de ellos ganan 30.000€ al año, pero el quinto, el CEO, gana 150.000€ al año. Si calculas el salario medio, obtienes 54.000€ al año. Esto podría hacer pensar que tu empresa paga salarios generosos.

Este es un ejemplo de por qué a veces es preferible usar la mediana en lugar de la media. En el caso que nos ocupa, los sueldos de la empresa están sesgados hacia arriba debido al salario mucho más alto del CEO. Si bien la media nos da un valor de 54.000€, esto no refleja con precisión lo que gana la mayoría de los empleados.

La media se ve afectada por los valores extremos, por lo que, si tienes un número que es significativamente más alto o bajo que el resto, puede distorsionar la media y dar una imagen engañosa. En cambio, la mediana, que es el valor que cae en medio de los datos cuando están ordenados de menor a mayor, es más resistente a los valores extremos o atípicos. En este caso, la mediana del salario sería 30.000€, lo que refleja mejor lo que ganan la mayoría de los empleados.

Así, para este tipo de distribuciones, con valores extremos o atípicos, puede ser más apropiado usar la mediana como medida de tendencia central, ya que proporciona una mejor representación del ‘típico’ o el ‘común’ en el conjunto de datos.

Ejemplo 2:

Digamos que estás buscando una casa en un nuevo vecindario y te interesa saber el precio medio de las casas en esa área. Te dicen que la mediana del precio de las casas es de 250.000€.

Esto podría hacer que pienses que la mayoría de las casas cuestan alrededor de esa cifra. Pero no necesariamente es así, puede ser que la mayoría de las casas sean mucho más baratas, pero unas pocas casas extremadamente caras estén elevando la mediana.

En este ejemplo, parece haber una confusión en cuanto a cómo funciona la mediana. La mediana es el valor medio cuando todos los valores se ordenan de menor a mayor. No se ve afectada por los valores extremos, por lo que no puede ser ‘elevada’ por unos pocos valores altos.

Sin embargo, si estás interesado en conocer una imagen más detallada de la distribución de los precios de las casas, podrías querer considerar otras medidas estadísticas además de la mediana. Por ejemplo, si quieres entender la distribución completa de los precios de las casas en ese vecindario, podrías observar el rango de los precios (la diferencia entre el precio más alto y el más bajo), así como la varianza o la desviación estándar, que te darán una idea de cómo se dispersan los precios alrededor de la mediana. Estos temas los veremos un poco más adelante.

Además, si estás interesado en saber qué es lo más común, podrías considerar la moda, que es el valor que aparece con mayor frecuencia en el conjunto de datos.

Como ves, aunque la mediana puede darte una idea general de los precios de las casas en el vecindario, combinarla con otras medidas puede darte una imagen más completa y precisa.

Ejemplo 3:

Pensemos en una tienda de ropa que tiene un gran número de tallas para sus productos. La mayoría de sus clientes compran tallas 36, 38 y 40. Sin embargo, hay un pico en las ventas de la talla 38, por lo que la moda de las tallas vendidas es 38. Usar solo la moda para tomar decisiones sobre qué tallas almacenar podría llevar a la tienda a sobreestimar la demanda de la talla 38, descuidando la necesidad de tener una buena cantidad de tallas más pequeñas y más grandes.

Este es un buen ejemplo de cómo confiar únicamente en una medida de tendencia central puede ser engañoso. En este caso, la moda, que es el tamaño más vendido, es la talla 38. Pero eso no significa que la mayoría de las ventas sean de la talla 38. Solo significa que, de todos los tamaños individuales, la talla 38 es el que más se vende.

Sin embargo, si la tienda quiere tener una visión más completa de la demanda de tallas, debería considerar otras métricas además de la moda. Por ejemplo, la tienda podría considerar el uso de la distribución de frecuencias, que muestra cuántas veces se vende cada talla. Esta medida proporcionaría una visión más completa de las ventas por tallas.

Además, podrían considerar usar otras medidas de tendencia central como la media y la mediana, aunque en este caso, como las tallas son una variable categórica y no numérica, estas medidas pueden no ser tan útiles.

Por último, podría ser interesante analizar los percentiles que proporcionan una medida de la distribución de los datos, ya que esto podría dar una mejor idea de la distribución de las tallas que se venden y ayudar a la tienda a tomar decisiones de inventario más informadas, pero hablaremos de este tema en los siguientes episodios de esta serie.

De hecho, a raíz de estos análisis estadísticos nació la teoría de la ‘cola larga’ o ‘long tail’, acuñada por Chris Anderson en 2004, que habla de la estrategia de negocio de vender una gran variedad de productos únicos en pequeñas cantidades, en lugar de vender solo los productos más populares en grandes volúmenes. En esencia, es la estrategia de atender a muchos nichos de mercado en lugar de concentrarse solo en los mercados masivos.

Para visualizarlo, piensa en un gráfico de distribución. En el eje horizontal, tienes todos tus productos ordenados desde el más vendido hasta el menos vendido. En el eje vertical, tienes la cantidad de ventas. Al principio, verás los productos más vendidos, que representan un alto volumen de ventas. Pero luego, la línea se desplaza hacia la derecha, hacia los productos menos vendidos, formando una ‘cola larga’, y de ahí viene el nombre de esta teoría.

Aunque cada producto individual en la ‘cola’ puede tener pocas ventas, la suma de todas esas ventas puede ser bastante significativa. Además, debido a que hay menos competencia en estos nichos de mercado, las empresas pueden cobrar precios más altos y obtener mayores márgenes de beneficio.

La teoría de la ‘cola larga’ ha sido especialmente relevante en la era de Internet, donde las empresas como Amazon y Netflix han sido capaces de capitalizar la venta de una amplia gama de productos a nichos de mercado específicos. Su éxito demuestra cómo una estrategia de ‘long tail’ o ‘cola larga’ puede ser una ventaja competitiva en el mundo digital de hoy en día.

Bueno, como puedes ver con estos ejemplos, es vital entender la naturaleza de tus datos antes de decidir qué medida de tendencia central es la más apropiada para usar.

En este artículo he hablado de las ‘medidas de tendencia central’. Recuerda que en los siguiente dos capítulos hablaré de:

• Medidas de dispersión
• Percentiles y cuartiles
• Correlación y causalidad

Hay una cita atribuida a Winston Churchill, aunque no verificada, que dice «Nunca confío en las estadísticas a menos que las haya manipulado yo mismo». Aunque no hay evidencia sólida de que realmente haya dicho esta frase, sí nos sirve para ilustrar la idea de que las estadísticas y los gráficos pueden ser manipulados para apoyar un argumento en particular.

Vivimos en la era de la información y los datos se han convertido en una herramienta muy poderosa. Pueden ayudarnos a entender el mundo, tomar decisiones informadas y avanzar en nuestro conocimiento en una amplia gama de campos.

Los gráficos son una herramienta poderosa para mostrar estos datos de una forma fácil de entender. Sin embargo, también pueden ser manipulados para engañar o tergiversar la realidad.

La manipulación de los gráficos, el uso de estadísticas engañosas, la descontextualización y la correlación errónea con la causalidad son sólo algunas de las formas en que se puede desinformar con datos.

A veces esto se hace a propósito, para promover una agenda particular; otras veces es el resultado de una falta de habilidades de alfabetización en datos.

Vamos a explorar las formas más habituales de manipulación de las gráficas, con algunos ejemplos para que se entiendan más fácilmente.

Cambio en la escala de los ejes

Una de las formas más comunes de manipulación en los gráficos es el cambio en la escala de los ejes. Si un gráfico no comienza en cero, o si los intervalos en el eje ‘y’ no son uniformes, puede dar la impresión de que las diferencias son mayores de lo que realmente son. Esto puede usarse para exagerar pequeñas diferencias o minimizar grandes disparidades.

Por ejemplo, si un gráfico que muestra los ingresos de una empresa no comienza en cero, puede dar la impresión de que los ingresos han aumentado drásticamente, cuando en realidad el cambio puede haber sido mínimo.

Al examinar una gráfica, presta especial atención a los valores en el eje ‘y’, es decir, el eje vertical. Ten en cuenta que, en ocasiones, los valores de la derecha y la izquierda pueden diferir, por lo que es crucial observar ambos para entender adecuadamente lo que se te está presentando. Si estos valores no aparecen en absoluto, sería conveniente descartar la gráfica directamente, ya que su interpretación podría ser engañosa o inexacta.

Manipulación de los colores y las formas

Otra técnica de manipulación es el uso de colores y formas. Los colores brillantes o las formas más grandes pueden llamar la atención sobre ciertas partes del gráfico, distorsionando la percepción del espectador. Los colores también pueden usarse para provocar ciertas emociones o asociaciones que pueden influir en cómo se interpretan los datos.

Por ejemplo, si un gráfico de barras utiliza barras más anchas para una categoría en particular, puede dar la impresión de que esa categoría es más significativa de lo que realmente es.

Otro ejemplo. Si ponemos determinados valores de una gráfica en rojo ya estamos sesgando la información, ya que casi todo el mundo interpreta este color como peligro o alerta. Esto lo podéis observar en los mapas que representan la temperatura; si los comparáis con mapas de hace unos años veréis que lo que antes se pintaba de un color más pagado hoy se rellena con colores fuertes, por ejemplo, a una misma temperatura, pongamos 30 grados en Madrid, antes se pintaba de un color anaranjado y ahora se muestra como rojo oscuro.

Uso engañoso de gráficos 3D

Los gráficos 3D son otra herramienta que puede ser manipulada. Si bien pueden parecer impresionantes, también pueden distorsionar las proporciones y hacer que las diferencias parezcan mayores o menores de lo que son en realidad.

Por ejemplo, un gráfico de barras 3D puede exagerar las diferencias entre las barras, haciendo que una pequeña diferencia parezca mucho mayor de lo que es realmente.

A menos que haya una razón específica para usar tres dimensiones, un gráfico 2D es a menudo una forma más precisa de representar los datos.

Omisión de datos relevantes

La omisión de datos relevantes es una forma sutil pero poderosa de manipulación. Si un gráfico no incluye todos los datos pertinentes, puede dar una visión sesgada de la realidad. Siempre es importante preguntarse qué datos podrían estar faltando y cómo su inclusión podría cambiar la interpretación de los datos.

Por ejemplo, cuando escuchas las noticias o lees los informes sobre la tasa de empleo en un país, a menudo se discute en términos de la cantidad de personas que están trabajando. Pero ¿alguna vez te has preguntado qué datos se están omitiendo en estas estadísticas? Uno de los más importantes, y a menudo pasado por alto, es el ‘número de horas trabajadas en empresa privada’.

El número de horas trabajadas en empresa privada puede dar una imagen más clara de la realidad económica de una región o un país, ya que puede ayudar a diferenciar entre el empleo a tiempo completo, a tiempo parcial, o el subempleo; a diferenciar el empleo público del empleo en empresa privada; a medir la productividad del país; y en general, al estado real de la economía y los trabajadores.

Limitación de las series temporales

En muchas ocasiones, los gráficos que muestran tendencias a lo largo del tiempo pueden ser manipulados simplemente seleccionando un rango de tiempo limitado o conveniente. Esto puede dar la impresión de una tendencia ascendente o descendente que no existiría si se considerase un rango de tiempo más amplio.

Un caso recurrente que ilustra esta manipulación es la inflación. Frecuentemente, políticos y medios de comunicación se limitan a discutir su valor comparándolo únicamente con el año anterior, sin tomar en consideración que la inflación tiene un efecto acumulativo año tras año. Por lo tanto, para tener una visión más realista de su impacto, sería mucho más apropiado exhibir una serie temporal más extensa.

Ahora ya sabes que cuando te muestren gráficos de series temporales, siempre debes analizar los datos anteriores y posteriores al intervalo que te presentan, especialmente cuando sus efectos sean acumulativos.

Uso de datos promedio sin indicar la variabilidad

Una forma común de manipulación de gráficos es utilizar datos promedio sin indicar la variabilidad.

Por ejemplo, si se representa el salario medio de un grupo de personas, pero no se indica la desviación estándar, se puede dar la impresión de que todos ganan una cantidad similar, cuando en realidad puede haber una gran disparidad entre los salarios más altos y los más bajos.

El ‘promedio’ o ‘media aritmética’ es uno de los términos estadísticos más utilizados y a la vez peor entendidos, y por eso son una de las bases más frecuentes para la manipulación.

Más adelante escribiré otro post sobre los términos estadísticos más habituales, pero de momento quédate con esta idea, siempre que alguien te hable de valores promedio pídele su desviación estándar (ya veremos qué es esto). Si no dan la información o, lo que es muy habitual, no saben ni de qué estás hablando, descarta ese dato.

Gráficos de tarta mal proporcionados

Los diagramas circulares, también llamados gráficos de tarta o pastel, también pueden ser manipulados. Si las secciones del gráfico de tarta no se dibujan proporcionalmente a los porcentajes que representan, puede dar lugar a una visualización incorrecta de los datos.

Por ejemplo, si una empresa quiere minimizar la apariencia de su gasto en un área en particular, puede hacer que esa sección del gráfico de tarta parezca más pequeña de lo que debería ser.

Comparación de datos incomparables

A veces, los gráficos pueden comparar datos que realmente no son comparables.

Por ejemplo, un gráfico podría comparar la cantidad de dinero gastado en diferentes departamentos de una empresa, pero si algunos departamentos tienen más empleados o más recursos que otros, esta comparación puede ser engañosa.

Uso de correlaciones para implicar causalidad

Otra forma común de manipulación gráfica es usar correlaciones para implicar una relación causal.

Por ejemplo, un gráfico podría mostrar que las ventas de helado y las tasas de ahogamiento aumentan al mismo tiempo y sugerir que comer helado causa ahogamientos. En realidad, ambos están correlacionados con una tercera variable: el periodo estival.

Es muy frecuente confundir causalidad con casualidad, y a veces es muy complejo llegar a descubrir si dos o más datos que, aparentemente, están relacionados, tienen una causa común o un efecto entre ellos.

Un ejemplo muy claro lo tenemos en lo siguiente: hay un aumento registrado de la temperatura en múltiples estaciones meteorológica (dato); por otro lado, hay un aumento registrado de la concentración de CO2 en la atmósfera (dato), pero… establecer una relación causal entre ambas es algo mucho más complicado, ya que no conocemos todos los factores que afectan al clima.

Manipulación de las imágenes que acompañan a los gráficos

Incluso las imágenes que acompañan a los gráficos pueden elementos de manipulación.

Por ejemplo, si se utiliza una imagen alarmante junto a un gráfico sobre el cambio climático, puede aumentar la sensación de urgencia o peligro, incluso si los datos en sí mismos no son tan dramáticos.

Conclusión

Recuerda, los gráficos son una herramienta, y como todas las herramientas, pueden ser utilizados para bien o para mal. La próxima vez que veas un gráfico, tómate un momento para analizarlo críticamente. Pregúntate si se está representando la información de manera justa y precisa, y qué podría estar faltando.

Vamos a hablar de las emisiones de CO2, tanto de origen natural como humano, y cómo se relacionan con la emisión de este gas en los vehículos de combustión que circulan por las carreteras de la Unión Europea.

Según el Carbon Dioxide Information Analysis Center (CDIAC), la Tierra emite aproximadamente 770 gigatoneladas de CO2 al año por procesos naturales, mientras que las emisiones humanas suman alrededor de 36 gigatoneladas anualmente.

Estos números pueden ser sorprendentes. A menudo pensamos en las emisiones de CO2 como un problema exclusivamente humano, pero la verdad es que la Tierra misma emite una cantidad significativa de CO2 de forma natural, a través de procesos como la respiración de las plantas y la descomposición de la materia orgánica.

Sin embargo, a pesar de que las emisiones naturales son mucho mayores, las emisiones humanas son las que están causando un aumento en la concentración de CO2 en la atmósfera. Esto se debe a que el ciclo natural del carbono tiene formas de absorber y almacenar ese CO2, mientras que las emisiones humanas se añaden a este ciclo sin una forma de ser absorbidas a la misma velocidad.

Dentro de las emisiones humanas, el transporte, incluyendo los vehículos de combustión interna, representa aproximadamente un 14%, según el Global Carbon Project. Y si hablamos solo de la Unión Europea, si mañana elimináramos todos los vehículos de combustión interna de sus carreteras solo reduciría las emisiones globales de CO2 en alrededor de un 0,5%, según datos de la Agencia Europea de Medio Ambiente.

Y esta reducción del 0,5% no viene de sustituir los vehículos de combustión por eléctricos, si no de eliminar completamente los vehículos, de todo tipo. En efecto, la fabricación de vehículos eléctricos puede resultar en una mayor intensidad de carbono en comparación con la fabricación de vehículos de combustión interna. La razón principal de esto es la producción de baterías, que a menudo se realiza con energía derivada de combustibles fósiles, contribuyendo así a las emisiones de CO2, según la Agencia Internacional de Energía.

Y siguiendo con datos de esta Agencia, si tomamos en cuenta que la construcción de cada vehículo eléctrico genera, en promedio, 13 toneladas de CO2 (frente a las 8 de un vehículo comparable de gasolina), y considerando que hay alrededor de 300 millones de vehículos en la Unión Europea, la sustitución total de vehículos de combustión por eléctricos liberaría aproximadamente 3.9 gigatoneladas de carbono.

Además, no podemos olvidar el consumo eléctrico necesario para el funcionamiento de estos vehículos. Según Eurostat sólo alrededor del 40% de la generación de energía eléctrica en la Unión Europea proviene de fuentes renovables. También debemos tener en cuenta la gestión de residuos al final de la vida útil del vehículo, especialmente la de las baterías, y la escasez de las materias primas necesarias para la producción de vehículos eléctricos.

En resumen, aunque los vehículos eléctricos son una parte importante de la solución al cambio climático, también presentan sus propios desafíos ambientales que deben abordarse.

El relato popular a menudo sitúa a los vehículos de combustión interna en el centro de la discusión sobre el cambio climático. Y aunque es cierto que estos vehículos contribuyen a las emisiones de CO2, los datos muestran que su eliminación completa tendría un impacto relativamente pequeño en el contexto global.

Eso no significa que no debamos buscar alternativas más limpias. Sin embargo, es importante entender que hacerlo no resolverá el problema por sí solo. Necesitamos abordar todas las fuentes de emisiones de CO2, con una visión más global y estratégica, si queremos tener un impacto significativo en el cambio climático.

Hoy, tenemos una discusión esencial que a menudo se pasa por alto en nuestra sociedad basada en datos: la privacidad.

Cada clic, cada compra, cada post en las redes sociales: ¿qué sucede con esos datos? ¿Quién los tiene y qué pueden hacer con ellos?

Antes de continuar, dos acotaciones:

• En este capítulo haré referencia a la legislación española y europea, que es la que conozco más en profundidad. Si escuchas esto desde otro país, estoy seguro que también tendrás legislación parecida, ya que es un tema que preocupa a todos los ciudadanos, independientemente de su lugar de residencia.
• También me centraré en la protección de un tipo concreto de datos, los personales. En otro capítulo hablaré sobre la seguridad de la información en general y su aplicación a través de la norma ISO 27001.

Privacidad de los datos personales

La privacidad de los datos se refiere a cómo se maneja la información personal, cómo se recoge, cómo se almacena, cómo se comparte y cómo se utiliza. En la era digital, donde las empresas y los gobiernos pueden recopilar y almacenar enormes cantidades de datos personales, la privacidad de los datos se ha vuelto cada vez más importante.

Los datos pueden ser utilizados para personalizar la publicidad, mejorar productos y servicios, predecir comportamientos, y en algunos casos, para manipular opiniones. Y es por eso que cada vez más empresas y organizaciones están interesadas en recopilar y analizar datos.

Pero la recopilación y el análisis de datos personales también pueden conducir a problemas de privacidad. Los datos pueden ser robados por hackers, pueden ser vendidos a terceros sin el conocimiento o consentimiento del individuo, y pueden ser utilizados para decisiones discriminatorias o injustas.

Además, hay un problema de transparencia. Muchas veces, las personas no saben qué datos se están recopilando sobre ellas, cómo se utilizan esos datos y con quién se comparten. Y esto puede llevar a una sensación de pérdida de control sobre la propia información personal.

Protección de los datos personales

Pero, empecemos por el principio. ¿Qué se consideran datos personales? Según el RGPD, datos personales son cualquier información que se refiera a una persona física identificada o identificable. Es decir: nombre, dirección, correo electrónico, teléfono, fecha de nacimiento, DNI, número de la Seguridad Social, información bancaria, información médica, orientación sexual, información genética, datos biométricos, etc.

Ahora que sabemos lo que son, ¿cómo podemos proteger la privacidad de nuestros datos? Existen leyes y regulaciones, como el Reglamento General de Protección de Datos de la UE (el RGPD o, por sus siglas en inglés, el GDPR), que tienen como objetivo su protección.

Es cierto que cuando hablamos del RGPD, a menudo pensamos en las empresas y cómo manejan nuestros datos. Pero el RGPD también afecta a los particulares. Por ejemplo, si recopilas o procesas datos personales como parte de una actividad profesional o comercial, como el alquiler de una propiedad, el RGPD podría aplicarse.

El RGPD, en su ámbito de aplicación, establece, en el punto 2c, que no es aplicable al tratamiento el “efectuado por una persona física en el ejercicio de actividades exclusivamente personales o domésticas”. Es decir, para su uso estrictamente privado.

Si compartes en línea datos personales sobre otras personas sin su consentimiento, incluso si es en tu perfil personal, podrías estar infringiendo el RGPD, ya que los datos pasan del ámbito privado al público. Aquí se incluiría el compartir fotos, videos e incluso los mensajes de texto o de correo electrónico que te hayan enviado de forma privada.

En España, el RGPD se aplica junto con la legislación local sobre el derecho a la propia imagen (artículo 18.1 de la Constitución y la Ley Orgánica 1/1982). La ley española es muy clara: cada persona tiene derecho a controlar el uso de su propia imagen. Esto significa que no puedes compartir una imagen de alguien sin su consentimiento, incluso si tú tomaste la foto. Esto se aplica tanto a las de adultos como, con más fuerza aún, a las de menores.

Es importante destacar que estas reglas se aplican independientemente del propósito. Incluso si compartes una foto con las mejores intenciones, como para celebrar un cumpleaños o un logro, si alguna de las personas que salen en ella no te da su consentimiento, puedes estar infringiendo el RGPD y su derecho a la propia imagen.

Pero también es importante que cada individuo tome medidas para proteger sus propios datos personales, como, por ejemplo, ajustar la configuración de privacidad en aplicaciones y servicios en línea, ser cauteloso al compartir información personal y usar tecnologías como la encriptación y las redes virtuales privadas, VPN por sus siglas en inglés.

La privacidad de los datos es un tema importante y complejo en nuestra sociedad basada en datos. Es necesario establecer un equilibrio entre el beneficio de los datos y la protección de la privacidad individual.

Detalles sobre el Reglamento General de Protección de Datos

El Reglamento General de Protección de Datos, o RGPD, es una legislación que fue aprobada por la Unión Europea en 2018 y ha marcado un hito en la forma en que se tratan los datos personales. Establece una serie de reglas estrictas para las empresas y organizaciones que procesan los datos de los ciudadanos de la UE, independientemente de dónde estén ubicadas dichas empresas.

El RGPD se centra en varios principios clave:

• Uno es la transparencia, que exige que las empresas sean claras sobre cómo, por qué y durante cuánto tiempo se utilizarán los datos.
• Otro es el consentimiento, lo que significa que las empresas deben obtener permiso antes de recopilar o utilizar datos personales, y este consentimiento debe ser fácil de retirar.
• Además, establece el derecho al olvido, que permite a los individuos solicitar que sus datos sean borrados.
• Y también está el derecho a la portabilidad de los datos, que permite a las personas pedir que se les entregue una copia de sus datos personales para que puedan trasladarla a otro servicio si así lo desean.

El RGPD exige que las empresas tengan medidas de seguridad adecuadas para proteger los datos que manejan. Y en caso de una violación de datos, las empresas tienen la obligación de informar a las autoridades y a los afectados en un plazo de 72 horas.

El RGPD ha cambiado el paisaje de la privacidad de datos, otorgando a los individuos un mayor control sobre sus datos personales y exigiendo a las empresas un mayor nivel de responsabilidad. Pero, como siempre, la protección de nuestros datos es una responsabilidad compartida. Asegurémonos de estar informados y de hacer nuestra parte.

Ejemplos

Veamos algunos casos cotidianos que muestran cómo el RGPD nos podría afectar en nuestra vida diaria.

Uno de los escenarios más comunes es el uso de fotos, vídeos, audios y mensajes en las redes sociales o en aplicaciones de mensajería. La regla general es que, si eres el creador de la foto, el vídeo o el audio, tienes el derecho de controlar cómo se utiliza. Sin embargo, hay situaciones en las que se pueden aplicar excepciones.

Por ejemplo, imagina que has tomado una foto en una fiesta de amigos y decides publicarla en tu perfil de redes sociales. De acuerdo con el RGPD, estás en tu derecho de hacerlo, ya que tú has creado la foto. Pero si un amigo que aparece en la foto no quiere que se comparta en público, tiene el derecho de pedirte que la retires, porque dicha imagen también contiene sus datos personales, en este caso, su imagen.

Otro escenario podría ser si grabas una conversación sin el consentimiento de la otra persona. Según el RGPD, no tienes derecho a compartir esa grabación con otros, ni siquiera en un grupo de chat privado, sin el consentimiento explícito de la otra persona. Esto es porque la grabación de audio es considerada un dato personal y está protegida por el RGPD.

En el caso de los mensajes, también es importante recordar que, aunque puedes compartir tus propios mensajes libremente, compartir los mensajes de otros, especialmente si contienen información personal, sin su consentimiento, puede infringir las reglas del RGPD e incluso podrías estar cometiendo un delito de revelación de secretos:

El que, para descubrir los secretos o vulnerar la intimidad de otro, sin su consentimiento, se apodere de sus papeles, cartas, mensajes de correo electrónico o cualesquiera otros documentos o efectos personales, intercepte sus telecomunicaciones o utilice artificios técnicos de escucha, transmisión, grabación o reproducción del sonido o de la imagen, o de cualquier otra señal de comunicación, será castigado con las penas de prisión de uno a cuatro años y multa de doce a veinticuatro meses. Artículo 197.1 de código penal.

Considera el caso de las listas de correo electrónico. Imagina que tienes una pequeña empresa y quieres enviar boletines informativos a tus clientes. De acuerdo con el RGPD, no puedes simplemente agregar todas las direcciones de correo electrónico que tienes a tu lista de envío. Necesitas obtener el consentimiento explícito de cada persona. Esto significa que deben optar por recibir tus correos electrónicos, y debe ser tan fácil para ellos darse de baja como lo fue para optar.

Además, cada correo electrónico que envíes debe incluir información sobre cómo las personas pueden darse de baja de tu lista de correo y cómo pueden solicitar que sus datos sean eliminados de tus registros, de acuerdo con el ‘derecho al olvido’ que establece el RGPD.

En el lugar de trabajo, el RGPD también tiene implicaciones importantes. Por ejemplo, como empleado, tu empleador tiene acceso a una gran cantidad de tus datos personales, desde tu dirección hasta tu número de seguridad social. Pero el RGPD limita lo que pueden hacer con esa información.

No puede compartir tus datos con otras empresas o usarlos para propósitos para los que no hayan obtenido tu consentimiento. Y, por supuesto, tienen la obligación de proteger esos datos y de informarte si hay una violación de datos que pueda afectar tu información personal.

Privacidad de datos personales de menores

Ahora hablemos de un grupo especialmente vulnerable cuando se trata de privacidad de datos: los menores. Los menores son usuarios activos de internet, desde juegos en línea hasta aprendizaje a distancia, y sus datos personales pueden ser tan valiosos, si no más, que los de los adultos.

El RGPD establece protecciones especiales para los datos personales de los menores de edad. Estipula que deben tener al menos 16 años para poder dar su consentimiento para el procesamiento de sus datos personales. Si son menores de esta edad, “tal tratamiento únicamente se considerará lícito si el consentimiento lo dio o autorizó el titular de la patria potestad o tutela sobre el niño, y solo en la medida en que se dio o autorizó”.

Además, los servicios que están dirigidos a los niños y niñas, como los sitios web de juegos o las aplicaciones educativas, deben estar diseñados con un alto nivel de privacidad por defecto. Esto significa que sólo deben recopilar los datos personales que son absolutamente necesarios para proporcionar su servicio y nada más.

Por ejemplo, un sitio web de juegos infantiles no debería requerir su fecha de nacimiento o dirección de correo electrónico para jugar. Si la recopilación de dichos datos es necesaria, por ejemplo, para la creación de una cuenta, entonces el consentimiento de los tutores debe ser obtenido de una manera clara y fácil de entender.

Un tema que no se puede pasar por alto cuando se trata de la privacidad de los datos y los menores es el acto de compartir imágenes de ellos, especialmente nuestros propios hijos e hijas, en las redes sociales. A esto se le ha denominado sharenting, una combinación de las palabras en inglés ‘compartir’ y ‘crianza’.

Podría parecer inofensivo y natural querer compartir los logros y momentos especiales de nuestros vástagos con amigos y familiares. Sin embargo, debemos recordar que una vez que una foto o video es compartido en línea, puede ser difícil controlar quién más lo ve o qué uso se le da.

Además, estamos creando parte de su huella digital sin su consentimiento. El RGPD hace hincapié en el consentimiento informado, lo cual es problemático cuando se trata de menores que pueden no tener la capacidad de comprender completamente qué significa dar su consentimiento para compartir su imagen.

Esto podría tener consecuencias a largo plazo para ellos. Por ejemplo, las imágenes compartidas en línea podrían ser usadas para el ciberacoso, podrían afectar a sus futuras oportunidades de empleo o incluso para cosas perores.

Como padres, educadores y cuidadores, es crucial entender que la privacidad de los menores es un derecho que debemos proteger. Debemos respetar este derecho, aprender a defenderlo y enseñarles cómo pueden protegerse a sí mismos.

Asegurémonos de tener conversaciones con los menores a nuestro cargo sobre privacidad y consentimiento, y de establecer reglas claras sobre lo que se puede y no se puede compartir en línea.

Compartir imágenes de las vacaciones

Un tema que merece especial atención es el de compartir fotos y actualizaciones mientras estamos de vacaciones. Esto es algo muy común, y muchos de nosotros somos culpables de ello. Queremos compartir con nuestros amigos y familiares los lugares hermosos que visitamos y las emocionantes actividades que realizamos. Pero esto puede tener serias implicaciones para nuestra seguridad personal y la de nuestro hogar.

Al publicar fotos de nuestras vacaciones en tiempo real, estamos anunciando públicamente que nuestro hogar puede estar desocupado. Esta información puede ser utilizada por los ladrones para identificar casas que pueden ser blancos fáciles.

Vale, entonces, ¿qué podemos hacer para proteger nuestra privacidad y seguridad mientras disfrutamos de nuestras vacaciones? Primero, considera limitar la audiencia de tus publicaciones de vacaciones. Puedes hacerlo ajustando la configuración de privacidad en tus redes sociales para que sólo tus amigos más cercanos puedan ver tus publicaciones.

Además, podrías considerar compartir tus fotos de vacaciones después de que hayas regresado a casa, en lugar de hacerlo en tiempo real. De esta manera, puedes disfrutar compartiendo tus experiencias sin poner en riesgo la seguridad de tu hogar.

Recuerda, la privacidad de tus datos también se aplica a la información que compartes voluntariamente. Asegúrate de pensar en las posibles implicaciones antes de publicar en línea.

Datos personales de especial protección

No todos los datos personales son iguales a los ojos del RGPD. Algunos tipos de datos están considerados ‘especialmente protegidos’ debido a su naturaleza sensible. Estos incluyen datos relacionados con la salud, la orientación sexual, las creencias religiosas y el origen étnico, entre otros.

Estos datos necesitan un nivel de protección aún mayor debido al riesgo de discriminación que puede surgir si se utilizan incorrectamente. Bajo el RGPD, el procesamiento de estos datos está generalmente prohibido a menos que se cumpla con ciertas condiciones.

Por ejemplo, consideremos los datos médicos. Estos son datos especialmente protegidos porque revelan información muy íntima y personal sobre nuestra salud. El mal uso de esta información puede llevar a discriminación en el empleo, el seguro, o incluso la atención médica.

Bajo el RGPD, los datos médicos solo pueden ser procesados bajo ciertas condiciones, como con el consentimiento explícito del individuo, cuando es necesario para la prestación de servicios de salud, o cuando es necesario para razones de interés público en el área de salud pública.

Conclusión

Como puedes ver, el RGPD y las leyes que regulan el derecho a la propia imagen, tienen un impacto significativo en nuestra vida diaria.

Estas reglas están diseñadas para proteger nuestra privacidad, pero también requieren que seamos respetuosos con la privacidad de los demás. Se trata de respetar los derechos de los otros en el espacio digital, igual que lo haríamos en el mundo físico.

Antes de compartir información personal sobre otras personas, pregúntate si tienes su consentimiento para hacerlo. Y si tienes alguna duda, lo mejor es errar del lado de la precaución.

La próxima vez que vayas a compartir una foto, un vídeo, un audio o un mensaje, piensa en todo esto.