5 min de lectura
Correlación no es diagnóstico: el error que más cara sale en people analytics
Dos líneas que suben juntas no explican nada por sí solas. David Botella explica por qué confundir correlación con diagnóstico es el error más caro en people analytics.
David Botella
CTO · 16 nov 2026
Índice de contenidos
El gráfico que parece explicarlo todo
En people analytics es fácil encontrar dos líneas que suben y bajan juntas, el uso de una herramienta y la satisfacción del equipo, las horas de formación y la retención, la antigüedad del manager y el compromiso declarado. Esa coincidencia se confunde con frecuencia con una explicación.
- Que dos variables se muevan juntas no dice nada sobre cuál causa a la otra.
- Un patrón visual convincente puede ser pura coincidencia en los datos disponibles.
- Actuar sobre una correlación sin verificarla puede empeorar el problema que se quería resolver.
Cuando dos líneas que suben juntas se confunden con una causa
Vemos equipos de people analytics que presentan un hallazgo con entusiasmo, «los equipos con más formación tienen menos rotación», y de ahí saltan directo a una recomendación, invertir más en formación en todas partes.
Puede que la formación reduzca la rotación. También puede que los equipos con menos rotación, al ser más estables, simplemente tengan más tiempo para formarse. La causa puede ir en cualquier dirección, o depender de un tercer factor que nadie midió.
- Recomendaciones basadas en un solo gráfico sin prueba de causalidad.
- Inversiones grandes justificadas por una correlación nunca verificada con un experimento.
- Conclusiones que cambian de sentido en cuanto se añade una variable más al análisis.
La correlación describe, el diagnóstico exige otra pregunta
Nuestra lectura es que una correlación responde «qué se mueve junto», y un diagnóstico responde «qué pasaría si cambiáramos esto y lo demás se mantuviera igual». Son preguntas distintas y exigen evidencia distinta.
“Una correlación cuenta una coincidencia. Un diagnóstico cuenta una causa probada. Confundirlas sale caro.”
— David Botella
CTO de People & Play
Ese salto de una a otra es exactamente donde más dinero se pierde en decisiones de personas basadas en datos.
Tres pasos antes de convertir un patrón en diagnóstico
No hace falta un equipo de científicos de datos. Hace falta disciplina antes de actuar sobre un hallazgo llamativo.
- Buscar explicaciones alternativas antes de aceptar la primera
- Preguntar qué tercera variable podría explicar ambas cosas a la vez.
- Si hay una alternativa plausible, el hallazgo necesita más evidencia antes de actuar.
- Probar el cambio en una parte pequeña antes de escalarlo
- Un piloto en un equipo o una sede revela más que un gráfico retrospectivo.
- Si la causa es real, el piloto debería mostrar el mismo efecto.
- Separar quién encuentra el patrón de quién decide si se actúa
- El equipo de datos reporta el hallazgo con sus límites, no con conclusiones cerradas.
- Quien decide pregunta por la evidencia de causalidad antes de aprobar la inversión.
Preguntas antes de actuar sobre una correlación
Antes de convertir un hallazgo de datos en una decisión de personas, conviene preguntarse:
- ¿Qué tercera variable podría explicar este patrón sin que una cosa cause la otra?
- ¿Probamos el cambio en una parte pequeña antes de escalarlo a toda la organización?
- ¿El equipo de datos presentó el hallazgo con sus límites o como una verdad cerrada?
- ¿Qué evidencia tendríamos si la causa fuera justo la contraria a la que asumimos?
- ¿Cuánto dinero estamos a punto de invertir basándonos en un solo gráfico?
El dato correcto no sustituye la pregunta correcta
People analytics no falla por falta de datos. Falla cuando confunde una coincidencia bien visualizada con una causa probada.
Si queréis revisar cómo vuestro equipo pasa de un patrón de datos a una decisión, hablemos. Suele bastar con una pregunta más antes de invertir.