COVID-19; Estamos entendiendo bien la Data?

Nuestro país, así como el mundo entero, están sumidos en una crisis sanitaria debido al COVID-19, el cual nos ha mantenido en cuarentena para evitar contagios y así "aplanar la curva", como se nos ha dicho. Sin embargo, esta crisis está generando un problema económico de proporciones que nos afectará al menos en el mediano plazo.

Hoy más que nunca, entonces, se hace necesario el uso de los datos para la toma de decisiones. La pasión o lo que uno crea no ayuda en un momento así, en que por un lado nos arriesgamos al contagio de la enfermedad y, por el otro, a la pérdida de la base económica del país y la fuente laboral de muchos chilenos.

El modelo que usa el gobierno chileno es de "cuarentenas focalizadas", de esta forma, libera de confinamiento a las zonas donde hay una menor tasa de contagio e impone cuarentena en aquellas zonas en las que se visualiza que las tasas de contagio aumentan, de manera de mantener el flujo económico con el menor riesgo posible.

El gráfico adjunto es una visualización de los datos de la evolución de los contagiados por el COVID-19 desde el 03 de marzo hasta el 27 de abril de 2020. Como podrán ver este contiene el acumulado de contagiados, los actualmente activos, los recuperados, los contagiados diarios y los muertos. Al analizar los datos podemos ver que la curva de enfermos activos baja su pendiente y luego vuelve a cambiar en los últimos días, mientras que la curva de nuevos contagiados se mantiene prácticamente plana. Esto es parte de la visualización de los datos, una descriptiva básica que permite analizar y generar conclusiones, y que constituyen uno de los primeros pasos hacia una administración por datos (Data Driven). Claramente a partir del gráfico podemos decir que existe control de la pandemia, pero que es frágil, como dijo Angela Merkel “Caminamos sobre hielo”.

No obstante lo anterior, hay varias consideraciones que tenemos que tener presentes para mirar el gráfico y decidir. La primera de ellas es preguntarse respecto de la calidad de los datos, han sido éstos recogidos en forma cuidadosa?, están todas las fuentes incluidas?, las etapas en las que estoy obteniendo los datos son las correctas?, es decir, reflejan la realidad o es solo una parte de ella?.

Otra consideración importante es el contexto, ya que una sola visualización no nos da una perspectiva completa de la realidad. En este caso puede ser que en unas zonas la enfermedad se encuentre bajo control, pero en otras se está disparando; que los enfermos críticos han aumentado y las camas UCI están casi copadas; que ha cambiado alguna variable durante la toma de los datos, por ejemplo, disminuyeron o aumentaron los test diarios. Si fuese el caso de una empresa, si se presenta un gráfico de la evolución de las ventas de un mes a otro, en la que aumentó 15%, puede ser una noticia de gran alegría, pero si lo colocamos en contexto y vemos que la empresa en ese mes hace la venta del 50% del año y que el aumento de años anteriores en ese mes es de 100%, notoriamente el 15% no sería de gran alegría.

En Datarunner trabajamos con metodologías CRISP-DM y en cada etapa profundizamos en los datos para apoyar a las empresas y a sus ejecutivos a entenderlos de mejor manera, y obtener el máximo valor de ellos para la toma de decisiones de negocios.

Fuente gráfico: Data UC