Limitaciones de las estadísticas empresariales

Las estadísticas de negocios pueden ser una herramienta poderosa para diagnosticar problemas en su negocio. Sin embargo, las estadísticas no son una panacea. Las limitaciones en la capacidad de las estadísticas para responder preguntas sobre nuestras empresas y la limitación inherente en nuestra capacidad para comprender las estadísticas reducen su aplicabilidad. Comprender algunos escollos comunes de las estadísticas de negocios puede ayudarlo a identificar dónde estas cifras podrían desviarlo de su empresa.

Dificultad de comprensión

La investigación ha demostrado que las personas tienen dificultades para pensar de forma estática. La idea de que una estadística es parte de una distribución de cifras posibles es relativamente poco intuitiva. Como tales, los dueños de negocios tienden a descuidar características tales como las tarifas base.

Supongamos que una empresa ha diseñado una prueba para detectar fraudes con una precisión del 99 por ciento. Si la proporción de fraude en toda la población es de solo 1 en 1, 000, la probabilidad de que usted haya detectado fraude es mucho menor. De hecho, la probabilidad de que exista un fraude, dado un resultado de prueba positivo, es solo del 9 por ciento. Debido a que la tasa base de fraude es tan baja, un resultado de prueba positivo no puede darnos una idea de la probabilidad real de que haya ocurrido un fraude.

Frecuencia

Las pruebas estadísticas en los negocios a menudo se realizan desde un enfoque frecuentista, que puede no ser representativo de las preguntas que estamos haciendo. En los procesos de producción, esto a menudo toma la forma de una tolerancia de error. Digamos que una empresa produce láminas de metal de 3 mm de espesor. La compañía puede decir que las hojas dentro del rango de espesor de 2.95 mm a 3.05 mm son aceptables. Si la empresa está produciendo láminas de 3, 02 mm de espesor, las láminas son aceptables según los estándares de calidad de la empresa y, estadísticamente, esto puede no ser significativamente mayor a 3 mm. Sin embargo, la sobreponderación en la producción podría costarle dinero a la empresa.

Tamaños de muestra pequeños

En general, las personas tienden a determinar pobremente el efecto del tamaño de la muestra cuando el tamaño de la muestra es pequeño. Por ejemplo, un capataz puede tener la opción de completar una pequeña producción de botellas diariamente o una más grande cada dos días. La compañía considera que una ejecución de producción es exitosa cuando menos del 1 por ciento de las botellas están defectuosas. Todo lo demás es constante, la mayoría piensa que es igual de probable que exceda el umbral del 1 por ciento usando cualquier tamaño de producción. Sin embargo, en series de producción más pequeñas, las fluctuaciones aleatorias tienen un efecto mayor del número total de defectos. En carreras más grandes, estas fluctuaciones tienden a igualarse.

Sesgo de resultado

Cuando se usan las estadísticas como una herramienta de diagnóstico de negocios, los gerentes tienden a sufrir sesgos de resultados. Por ejemplo, los gerentes pueden usar el porcentaje de productos defectuosos para determinar si un proceso de producción es correcto. Si se encuentran muchos defectos, los administradores generalmente investigarán el proceso e intentarán determinar la fuente del problema. Sin embargo, no tiene sentido investigar un bajo número de productos defectuosos. Cuando el recuento de productos defectuosos no es concluyente, el gerente tiene que elegir si desea investigar.

La investigación ha demostrado que si el gerente investiga los defectos y no encuentra ningún problema sistemático en la producción, la gerencia estará menos satisfecha con el desempeño del gerente que si descubriera un problema. Esto ocurre a pesar de que el gerente no tenía idea del resultado de su investigación antes de iniciarla.

Recomendado