Dashboards en people analytics: gráficos mentirosos (y otras trampas de percepción visual)

En un artículo anterior repasábamos los errores más comunes al elegir el tipo de gráfico en RRHH: desde el clásico abuso del “quesito” hasta el mal uso de colores o de comparaciones sin contexto (puedes consultarlo [aquí]). Pero incluso cuando el tipo de visualización es el correcto, hay detalles más sutiles que pueden llevar a interpretaciones erróneas. No hablamos de manipulación consciente en muchos casos, sino de sesgos visuales que se cuelan casi sin querer. Y en People Analytics eso puede significar pasar de una conclusión útil a una parcialmente errónea o directamente falsa.

 

Aquí van cinco errores que mienten sin intención (o si…) pero con consecuencias tanto éticas como de toma de decisiones.

1. La ilusión del crecimiento: escalas temporales desiguales

• Error: Mostrar gráficos de evolución con intervalos temporales desiguales sin indicarlo.
• Ejemplo: Un gráfico de evolución del eNPS donde el primer punto de la línea es de enero, el segundo de marzo, el tercero de diciembre… pero están todos equidistantes visualmente.

 

Fuente: Chatgpt con prompt de Ana Valera.

 

• Consecuencia: Se percibe una estabilidad o una aceleración que no existen. El lector interpreta ritmo constante cuando hay saltos de tiempo entre los puntos.
• Recomendación: Asegúrate de que los ejes temporales sean proporcionales al tiempo real o, si no es posible, indícalo explícitamente. Usa marcadores o fondos que dividan visualmente los trimestres, meses o años. ¿Cambia o no cambia la interpretación de los datos al ver este otro gráfico con la temporalidad corregida?

Fuente: Chatgpt con prompt de Ana Valera.

 

2. Gráficos invertidos: cuando lo bueno parece malo

• Error: Ordenar de mayor a menor algo que conceptualmente debería ir al revés.
• Ejemplo: Un ranking de “tiempo medio para cubrir vacantes” en el que el mejor resultado (menos tiempo) aparece al final.

 

Fuente: Chatgpt con prompt de Ana Valera.

 

• Consecuencia: El ojo tiende a premiar lo que aparece arriba o a la izquierda. Si no usamos una codificación coherente con la lógica del dato, el gráfico va contraintuitivo.
• Recomendación: Piensa el dato como lo leería un directivo sin contexto. Lo rápido, lo eficiente, lo deseable debe aparecer primero. Y si no, deja claro en el título cuál es el criterio de orden.

 

Fuente: Chatgpt con prompt de Ana Valera.

 

3. Exceso de precisión: cuando el decimal es ruido

• Error: Mostrar dos o más decimales en visualizaciones donde no aportan valor.
• Ejemplo: Un gráfico de engagement por equipos donde aparecen decimales en una puntuación de 0 a 100 y diferencias mínimas.

 

Fuente: Chatgpt con prompt de Ana Valera.

 

• Consecuencia: El lector se detiene en comparar diferencias irrelevantes. Se desvía la atención del patrón general y se fomenta el “micromanagement visual”.
• Recomendación: Redondea. A veces, menos precisión es más claridad. Usa uno o ningún decimal salvo que estés comparando datos financieros o resultados de modelos muy sensibles.

 

Fuente: Chatgpt con prompt de Ana Valera.

 

4. Formas difíciles: usar visualizaciones “creativas” que complican la lectura

• Error: Pasarnos de creativos, empleando gráficos poco comunes para comparar indicadores simples.
• Ejemplo: Un gráfico tipo Sankey para comparar datos de salidas de la organización y tipos de reemplazo

 

Fuente: Chatgpt con prompt de Ana Valera.

 

• Consecuencia: El lector necesita más esfuerzo para entender lo que podría verse de forma más sencilla en dos gráficos separados o en una tabla o mapa de calor
• Recomendación: Reserva las visualizaciones complejas para cuando el receptor está más familiarizado.

 

Fuente: Chatgpt con prompt de Ana Valera.

 

5. El falso total: superponer gráficos sin escala común

• Error: Poner varios gráficos uno junto al otro sin que tengan la misma escala, pero haciendo parecer que sí.
• Ejemplo: Siguiendo el mismo ejemplo anterior, imagina mira cómo cambia la interpretación con los datos de salidas en 3 departamentos, con escalas diferentes.

 

Fuente: Chatgpt con prompt de Ana Valera.

 

• Consecuencia: El lector compara tamaños o alturas que no son comparables. Visualmente, se asume que ambos gráficos usan la misma base, aunque uno va hasta el 40% y otro hasta el 100%.
• Recomendación: Alinea escalas o pon etiquetas bien visibles indicando la diferencia. Mejor aún, combina ambas visualizaciones en un mismo gráfico si tiene sentido analítico.