Del dato que encontramos en una fuente abierta al número que podemos comprobar, explicar y defender.
Muchas veces vemos una estadística publicada y aceptamos el número sin preguntarnos de dónde salió. Esta vez queremos hacerlo diferente: vamos a tomar el camino desde el principio y aprender, paso por paso, cómo se construye una estadística, cómo se verifica y cómo podemos saber si realmente podemos confiar en ella.
Cómo hacer una estadística: vamos a construirla juntos
En el artículo anterior hablamos de las estadísticas y de la importancia que tienen los números cuando queremos conocer una realidad.
Pero ese artículo nos dejó una inquietud.
Y nos motivamos.
Nos motivamos a hacer este trabajo porque muchas veces vemos una cifra publicada en un periódico, en una institución, en una red social o en un informe y simplemente la damos por cierta.
Pero nosotros queremos ir un poco más allá.
¿De dónde salió ese número?
¿Quién lo produjo?
¿Cómo se calculó?
¿Qué población representa?
¿Podemos comprobarlo?
Por eso, en esta ocasión vamos a hacerlo diferente.
Aquí no queremos solamente hablar de estadísticas.
Vamos a enseñar cómo hacer una estadística paso por paso.
Este trabajo lo hacemos pensando en nuestros lectores, especialmente en los profesionales de la comunicación, abogados, investigadores, estudiantes, organizaciones sociales y en todas aquellas personas que quieran aprender a trabajar con datos.
Y lo vamos a hacer de una manera sencilla.
Sin complicarnos.
Vamos a comenzar desde el principio.
Una estadística no comienza con una calculadora
Esto es lo primero que queremos dejar claro.
Cuando hablamos de estadística, muchas personas piensan inmediatamente en números, porcentajes, fórmulas y gráficos.
Pero nosotros queremos decir algo diferente:
una estadística comienza con una pregunta.
Antes de sacar la calculadora tenemos que saber qué queremos conocer.
Por ejemplo:
¿Cuántos casos se registraron?
¿Aumentaron?
¿Disminuyeron?
¿Qué porcentaje representa determinada categoría?
¿En qué período ocurrieron?
¿Dónde se concentran?
¿Estamos comparando datos que realmente pueden compararse?
Esa primera pregunta es la que va a dirigir todo nuestro trabajo.
Porque si hacemos una pregunta equivocada, podemos terminar haciendo una estadística perfecta… para responder algo que nunca quisimos investigar.
Paso 1: vamos a definir qué queremos investigar
Supongamos que queremos conocer cómo se comportó determinado fenómeno durante cinco años.
Ya tenemos nuestro punto de partida.
Ahora debemos establecer:
qué vamos a medir, dónde, durante qué período y sobre quiénes o qué casos.
Esto parece sencillo, pero aquí comienza la seriedad de nuestro trabajo.
No podemos mezclar años diferentes.
No podemos mezclar categorías diferentes.
No podemos mezclar denuncias con condenas.
No podemos mezclar personas con expedientes.
Primero tenemos que saber exactamente qué estamos contando.
Paso 2: ¿cuál es nuestra población?
Aquí aparece una palabra que debemos conocer:
población.
Cuando hablamos de población estadística nos referimos al conjunto que queremos estudiar.
Si queremos conocer todos los casos registrados en un determinado período, esa totalidad será nuestra población de estudio.
Pero puede ocurrir que no podamos estudiar todos los casos.
Entonces trabajamos con una muestra.
La Universidad Estatal de Pensilvania explica que una muestra es un subconjunto de la población del que se recopilan los datos, y que las conclusiones sobre la población dependen de cómo se haya seleccionado esa muestra.
Aquí tenemos que tener mucho cuidado.
Porque si tomamos una muestra de cien personas, no podemos decir automáticamente que esas cien personas representan a todo el país.
Tenemos que saber cómo fueron seleccionadas.
Paso 3: ahora vamos a buscar las fuentes
Aquí entra nuestro trabajo de OSINT.
Vamos a buscar información en fuentes abiertas.
Podemos consultar:
instituciones públicas;
informes oficiales;
estadísticas;
bases de datos;
documentos públicos;
organismos internacionales;
estudios académicos;
publicaciones institucionales;
fuentes periodísticas que permitan llegar al origen del dato.
Pero aquí aparece una de nuestras reglas:
no nos vamos a quedar con el primer número que encontremos.
Vamos a buscar la fuente.
Porque una cosa es encontrar un número y otra cosa es poder demostrar de dónde salió.
Nosotros queremos que nuestro lector pueda hacer el mismo camino que hicimos nosotros.
Dato → fuente → comprobación.
Ese es el principio de la trazabilidad.
Paso 4: vamos a organizar los datos
Ya encontramos información.
Ahora no vamos a comenzar a sumar inmediatamente.
Primero vamos a organizarla.
Podemos abrir una hoja de cálculo y crear columnas.
Por ejemplo:
Año
Total
Mujeres
Hombres
Menores
Territorio
Fuente
2022
—
—
—
—
—
—
2023
—
—
—
—
—
—
2024
—
—
—
—
—
—
2025
—
—
—
—
—
—
Y aquí queremos hacer una advertencia.
No llenemos los espacios vacíos inventando números.
Si no encontramos el dato, ponemos:
No disponible.
Si lo encontramos pero todavía no lo hemos podido comprobar:
Pendiente de verificación.
Eso también es investigación.
Paso 5: vamos a limpiar los datos
Ahora viene una parte que muchas veces no vemos cuando leemos una estadística publicada.
Hay que revisar los datos.
El CDC recomienda limpiar y preparar los datos antes del análisis, revisar información faltante, estandarizar formatos y corregir inconsistencias. Después se pueden calcular totales, frecuencias y porcentajes, además de analizar tendencias y patrones.
¿Por qué hacemos esto?
Porque podemos encontrar una cifra en un documento y otra cifra diferente en otro.
Y no podemos escoger simplemente la que más nos guste.
Tenemos que investigar.
Puede ser que una institución esté contando:
denuncias.
Mientras otra esté contando:
investigaciones.
Y otra:
víctimas identificadas.
Son tres números.
Pero no significan lo mismo.
Por eso, antes de hacer nuestra operación matemática tenemos que saber qué estamos contando.
Paso 6: ahora sí, vamos a sacar el porcentaje
Aquí comienza la parte matemática.
Y vamos a hacerla sencilla.
Supongamos que tenemos:
200 casos en total.
Y dentro de esos casos encontramos:
50 correspondientes a una determinada categoría.
Nuestra fórmula será:
50 ÷ 200 × 100 = 25 %
Ya tenemos nuestro resultado.
25 %.
Pero nosotros no vamos a publicar solamente:
25 %.
Vamos a explicar qué significa.
De los 200 casos analizados, 50 corresponden a esa categoría, lo que representa el 25 %.
Ahora el lector entiende el número.
Eso es importante.
Paso 7: vamos a comparar dos años
Supongamos ahora que tenemos:
2024: 100 casos.
2025: 125 casos.
Primero vemos la diferencia:
125 − 100 = 25.
Tenemos 25 casos más.
Ahora queremos conocer el aumento porcentual.
La fórmula es:
(125 − 100) ÷ 100 × 100 = 25 %.
Tenemos entonces un aumento del:
25 %.
Pero aquí viene algo muy importante.
No necesariamente debemos escribir:
“El fenómeno aumentó 25 %.”
Podemos decir:
“Los registros aumentaron 25 % respecto al período anterior.”
¿Por qué hacemos esa diferencia?
Porque un aumento de los registros puede tener diferentes explicaciones.
Puede haber aumentado la denuncia.
Puede haber mejorado el sistema de identificación.
Puede haber cambiado la forma de registrar los casos.
Puede existir una modificación metodológica.
O puede haber aumentado realmente el fenómeno.
La estadística nos muestra lo que ocurrió con los datos.
La investigación debe ayudarnos a explicar qué hay detrás de esos datos.
Paso 9: aquí entra el MOITT
Ahora llegamos a una parte importante de nuestro proceso.
Cuando la investigación está relacionada con la trata de personas o el tráfico ilícito de migrantes, podemos incorporar el MOITT como marco operativo para ordenar el trabajo investigativo.
Pero queremos hacer una aclaración para nuestros lectores:
MOITT no es una fórmula estadística.
No lo vamos a utilizar para sacar porcentajes, sumar casos o realizar operaciones matemáticas.
Lo utilizamos para ordenar la investigación, establecer qué estamos buscando, cómo vamos a recopilar la información, cómo vamos a analizarla y cómo vamos a darle seguimiento a los elementos que encontremos.
En nuestro ejercicio podemos tener entonces:
OSINT → buscamos y recopilamos información disponible en fuentes abiertas.
MOITT → ordenamos el proceso investigativo cuando corresponda al fenómeno que estamos estudiando.
Estadística → organizamos los datos, hacemos los cálculos y analizamos los resultados.
ORS5RATT → recopilamos, analizamos, trazamos y transformamos la información.
Aquí es donde las herramientas comienzan a trabajar juntas.
No se trata de utilizar una herramienta porque está de moda.
Se trata de saber qué herramienta necesitamos, para qué la necesitamos y qué podemos demostrar con ella.
Y esa es precisamente la enseñanza que queremos dejarle al lector:
primero investigamos, después organizamos los datos y finalmente hacemos la estadística.
Paso 12: aquí podemos utilizar MOITT
Y volvemos a hacer la aclaración para nuestros lectores.
MOITT no es una fórmula estadística.
No vamos a utilizar MOITT para calcular un porcentaje.
Lo podemos utilizar, cuando corresponda al objeto de la investigación, como marco operativo para ordenar el proceso investigativo relacionado con trata y tráfico de migrantes.
De esta manera:
OSINT nos ayuda a localizar información abierta.
MOITT nos ayuda a ordenar el proceso investigativo cuando corresponda.
La estadística nos ayuda a organizar, calcular y analizar los datos.
Y ORS5RATT nos permite integrar nuestro proceso de:
Recopilar → Analizar → Trazar → Transformar.
Cada herramienta tiene su función.
Y eso es precisamente lo que queremos enseñar.
Paso 13: no confundir el dato con nuestra opinión
Este paso es fundamental.
Vamos a separar cuatro cosas:
El dato: lo que encontramos.
La fórmula: la operación que hicimos.
El resultado: lo que obtuvimos.
La interpretación: lo que entendemos que significa.
Por ejemplo:
Dato: 125 casos.
Dato anterior: 100 casos.
Fórmula: (125 − 100) ÷ 100 × 100.
Resultado: 25 %.
Interpretación: los registros aumentaron 25 %.
Pero decir que aumentaron los registros no significa que ya hayamos demostrado la causa.
La estadística sirve para describir y analizar datos; las conclusiones que podemos sacar dependen del diseño de la investigación y de la calidad de la muestra.
Paso 14: vamos a dejar la huella de nuestro trabajo
Aquí está una de las cosas que más nos interesa como Observatorio.
Que nuestro trabajo pueda ser revisado.
Por eso vamos a guardar:
La pregunta.
La fuente.
La fecha.
La población.
La muestra, si existe.
Las variables.
La fórmula.
El resultado.
El margen de error, cuando corresponda.
Las limitaciones.
Así, si alguien nos pregunta:
“¿De dónde salió ese número?”
no tendremos que responder:
“Lo vimos por ahí.”
Podremos decir:
“Aquí está la fuente. Aquí está el dato. Esta fue la fórmula. Este fue el resultado.”
Eso es trazabilidad.
Y aquí aplicamos nuestra narrativa ORS5RATT
Nosotros lo podemos resumir de una manera muy sencilla:
Recopilar.
Buscamos la información.
Analizar.
La revisamos, comparamos y limpiamos.
Trazar.
Seguimos el camino hasta la fuente original.
Transformar.
Convertimos todo ese trabajo en una información que el lector pueda entender.
Y cuando la investigación lo requiera, podemos apoyarnos en las diferentes disciplinas de nuestro modelo ORS5RATT:
OSINT, HUMINT, GEOINT, CYBINT, SOCMINT y LINKINT, siempre utilizando la herramienta que realmente corresponda al objetivo.
No se trata de utilizar herramientas porque sí.
Se trata de saber para qué sirve cada una.
La estadística no se cree: se comprueba
Y aquí queremos llegar al punto final de este trabajo.
Nos motivamos a escribirlo porque muchas veces vemos números publicados y no sabemos qué camino recorrieron antes de llegar hasta nosotros.
Nosotros queremos enseñar ese camino.
Queremos que el periodista pueda comprobar.
Que el abogado pueda revisar.
Que el investigador pueda reproducir.
Que el estudiante pueda aprender.
Y que cualquier lector pueda preguntarse:
¿De dónde salió este número?
Porque una estadística no debe depender solamente de quién la publica.
Debe poder sostenerse por la calidad de sus datos, su metodología y su trazabilidad.
Por eso nuestro proceso será:
Pregunta → fuente → recopilación → verificación → organización → fórmula → resultado → análisis → interpretación.
Y cuando trabajemos con una muestra:
muestra → estimación → margen de error → nivel de confianza.
Y cuando estemos ante una investigación relacionada con trata o tráfico de migrantes, podremos incorporar el MOITT como marco operativo de investigación, sin confundirlo con la estadística.
Ese es el ejercicio que proponemos hacer.
No solamente decir:
“Aquí están los números.”
Sino enseñar:
“Aquí están los números, aquí está la fuente, aquí está la fórmula y aquí está el camino que seguimos para llegar hasta ellos.”
Porque para nosotros una estadística no se trata simplemente de sumar, dividir y poner un porcentaje.
Una estadística no se cree: se comprueba.