Explorar datos formulando buenas preguntas
Objetivos de aprendizaje
Después de completar esta unidad, podrá:
- Formular buenas preguntas.
- Identificar aptitudes y actitudes para trabajar con datos de manera eficaz.
Introducción
Existen millones de oportunidades para mejorar la vida de las personas haciendo un mejor uso de los datos. ¿Le interesa la investigación de enfermedades, las prácticas educativas, la eficiencia industrial, el cuidado de pacientes o el gasto público? Las oportunidades son infinitas.
Para comenzar a hacer un mejor uso de los datos, tenga en cuenta esta parte fundamental de la alfabetización de datos: la exploración. La clave para llevar a cabo una exploración de datos adecuada es formular buenas preguntas. Por ejemplo, si le encantan los perros y se preocupa por la salud, una primera pregunta podrÃa ser la siguiente: ¿Es bueno para la salud tener un perro?
Ahora, compare esa pregunta con esta otra: De las población con enfermedades crónicas de Estados Unidos, ¿qué diferencias en cuanto a resultados médicos presentan las personas que tienen perro y las que no?
La primera pregunta es abierta, no muestra ningún criterio que pueda considerarse para determinar si la salud de alguien es buena. La segunda pregunta es mucho más especÃfica. Se utilizan términos claramente definidos y reduce el enfoque a una población especÃfica. Resulta más sencillo explorar datos que respondan a la segunda pregunta.
Preguntar por qué
Cuando empezamos a explorar la respuesta de cualquier pregunta, generalmente realizamos preguntas de seguimiento. Normalmente, no podemos dejar de hacer preguntas después de responder a la primera. En el ejemplo, si los resultados médicos de las personas con alguna enfermedad crónica en Estados Unidos difieren al tener perro, lo siguiente es preguntar "¿por qué?".
La técnica de las 5 "W", desarrollada por el fundador de Toyota Motors, Sakichi Toyoda, propone preguntar ¿por qué? ante un problema que se esté tratando de identificar y, después, continuar preguntando lo mismo con cualquier respuesta o explicación proporcionada. Aunque el objetivo principal de la técnica es determinar la causa raÃz de un defecto, podemos utilizarla para profundizar en las causas de muchos resultados.
Stephen Few, famoso técnico de información, identificó una lista de caracterÃsticas que ayudan a las personas a trabajar con datos de manera eficaz, caracterÃsticas que él llama aptitudes y actitudes. Estas caracterÃsticas también ayudan a realizar mejores preguntas.
Aptitudes y actitudes que inspiran a realizar buenas preguntas
A medida que vaya leyendo sobre estas aptitudes y actitudes, adaptadas con el permiso del libro de Stephen Few, Now You See It: An Introduction to Visual Data Sensemaking, reflexione sobre su propia experiencia. ¿Cuál de estas caracterÃsticas posee? ¿Cuál de estas caracterÃsticas le gustarÃa desarrollar? ¿Cómo le ayudan sus propias caracterÃsticas a la hora de realizar buenas preguntas? ¿Cómo puede ayudarle el hecho de adquirir nuevas caracterÃsticas a conseguir realizar mejores preguntas?
El valor de las buenas preguntas: ejemplos
Florence Nightingale y John Snow han mostrado poseer muchas de las caracterÃsticas enumeradas anteriormente, y han realizado buenas preguntas para ayudar a resolver problemas. A medida que va leyendo sobre cada una de ellas, piense en las aptitudes y actitudes que muestran.
Por ejemplo, ambos han mostrado interés y curiosidad. Nightingale tenÃa su capacidad de análisis de datos y Snow sus patrones de puntos. ¿Puede pensar en otros ejemplos en los que se muestre de qué manera Florence Nightingale y John Snow han mostrado tener aptitudes y actitudes para el análisis de datos eficaz?
Florence Nightingale
En 1854, Florence Nightingale lideró un equipo de 38 enfermeras para cuidar de soldados que estaban hospitalizados durante la guerra de Crimea. ¿Por qué morÃan tantos soldados y de qué manera podÃan evitarse esas muertes?
Nightingale descubrió que las enfermedades causadas por las evitables condiciones insalubres, y no por las heridas de guerra, eran la principal causa de la muerte de los soldados. Comenzó a realizar reformas sanitarias, que disminuyeron drásticamente el número de muertes, y documentó los resultados de 2 años de trabajo.
Después, utilizó gráficos, como el gráfico polar (puede ver el ejemplo a continuación), para mostrar la necesidad de una reforma sanitaria generalizada a un público no cientÃfico. En el diagrama, cada parte representa un mes y el área de cada parte muestra el número de soldados que murieron ese mes. Los diferentes colores representan las distintas causas de la muerte.
La historia y las imágenes se han adaptado de la página de Florence Nightingale del sitio web del Museo de Ciencias de Reino Unido: el trabajo de Florence Nightingale.
John Snow
El cólera es una enfermedad intestinal aguda que causó muchas muertes durante una epidemia en Londres entre 1831 y 1832; después, volvió a repetirse entre 1848 y 1849. En esa época, muchas personas pensaban que el cólera estaba provocado por la mala calidad del aire debida a la descomposición de la materia orgánica. Pensaban que la enfermedad podÃa erradicarse si se tomaban ciertas medidas preventivas, como fregar, por lo que no siguieron en enfoque cientÃfico más puro de la microbiologÃa. El fÃsico británico, John Snow, cuestionaba esta teorÃa de la mala calidad del aire, o contaminación.
¿Y si el cólera estuviera causado por un germen? Snow mantenÃa que el cólera estaba provocado por una célula germinal todavÃa no identificada. Dedujo que el germen se propagaba al beber agua. Para poner a prueba su idea (que el cólera se contagiaba mediante el contacto con los gérmenes del agua, y no de la mala calidad del aire), Snow consiguió datos del Registro General sobre las muertes en Londres causadas por el cólera.
Snow trazó las muertes en un mapa de la ciudad y, después, trazó las ubicaciones de las bombas de agua que proporcionaban agua para la ciudad. Finalmente, determinó que las vÃctimas del cólera que habÃa trazado en el mapa habÃan consumido agua de la bomba de Broad Street.
La historia de John Snow es un ejemplo significativo de la resolución de un problema sanitario a partir de métodos estadÃsticos sin tener conocimientos de la causa biológica subyacente. Snow no sabÃa cuáles eran las propiedades biológicas especÃficas del germen del cólera, pero, aun asÃ, descubrió la causa del problema.
La historia y las imágenes se han adaptado de la página de John Snow del sitio web del Departamento de EpidemiologÃa de la UCLA: el trabajo de John Snow.
Recursos
- Blog de Tableau: Find hidden insights in your data: Ask why and why again
- Libro: Few, S. (2021). Now You See It: An Introduction to Visual Data Sensemaking (segunda edición). Analytics Press, 29-32.
- Sitio web: Florence Nightingale The Pioneer Statistician
- Sitio web: Father of Modern Epidemiology
Ahora comprende la relación entre las buenas preguntas y la exploración de datos. Para trabajar con datos de manera eficaz, céntrese en las aptitudes y actitudes que le ayudan a realizar buenas preguntas.