Artículo
¡Desastre! Datos desordenados, malas interpretaciones y decisiones absurdas
Tengo una relación peculiar con los datos desordenados. Por un lado, pueden volverme loco: hay ocasiones en las que exploto como un volcán al darme cuenta de que se tomaron decisiones incorrectas debido a ellos. Especialmente cuando el problema lleva mucho tiempo ocurriendo y ha tenido un impacto negativo significativo. Y, en particular, cuando me doy cuenta de que podría haber identificado el problema mucho antes. Por otro lado, resolver este tipo de situaciones me lleva a un estado de flujo, un estado en el que me sumerjo profundamente en el problema y desconecto del mundo exterior.
He llegado a darme cuenta de que probablemente me aburriría en un lugar donde todo estuviera perfectamente organizado, donde toda la información fuera precisa, todos supieran exactamente qué nos dicen los datos y pudieran colocarlos en el contexto más amplio de la organización.
Un ejemplo de un lugar así es un organismo demasiado simple. En el pasado, cuando me ofrecieron un puesto en uno de los proyectos de comercio electrónico más reconocidos de Eslovaquia, no me interesó cambiar de trabajo. Pero, al mismo tiempo, me pregunté: ¿qué podría aportar significativamente allí? Es un negocio demasiado simple: compran y venden, compran y venden. No me emocionó en absoluto. No vi ninguna aventura intelectual en ello, ni una oportunidad de enfrentarme a situaciones completamente nuevas y aprender algo nuevo al resolverlas.
Mi lugar está en otro lado: en la jungla. Un lugar que, a primera vista, parece caótico e imposible de navegar. Un lugar donde la mayoría de las personas solo conoce su área específica de especialización. Y es en esos momentos cuando el trabajo se vuelve realmente disfrutable para mí. Es cuando medio día pasa volando como si fueran solo treinta minutos.
Esta “jungla” puede verse muy diferente dependiendo de la situación. No quiero entrar en detalles; lo mantendré general, aunque me doy cuenta de que esto podría hacerlo menos claro para el lector. Todo comienza con que es uno de esos organismos más complejos. Y en un organismo así, puedes encontrarte con cuatro tipos de desafíos relacionados con el trabajo con información y los desastres que pueden surgir de ellos.
Únete a la Biblioteca
Acceso completo a mis pensamientos, historias personales, hallazgos y lo que me cuentan las personas con las que me encuentro.
Únete a la Biblioteca — €29,99 al añoReciba el artículo completo por correo electrónico y no dude en responder si desea seguir comentándolo.
Resumen
Preguntas frecuentes sobre el tema del artículo
¿Cuáles son los principales tipos de problemas de calidad de datos en las organizaciones?
¿Por qué la mala interpretación de datos es más peligrosa que la falta de datos?
¿Qué significa actuar sobre datos sin contexto?
¿Cómo se relaciona el estado de flujo con resolver problemas complejos de datos?
¿Por qué algunas personas prosperan en entornos de datos caóticos?
¿Cómo pueden las organizaciones reducir el riesgo de desastres impulsados por datos?
Si tienes pensamientos, preguntas o comentarios, no dudes en escribirme a mail@richardgolian.com.
Más artículos
Durante mucho tiempo tratamos internet como el camino principal. El lugar donde ocurren el trabajo y las relaciones. Pero la mayoría de lo que vemos en él hoy ya es, o pronto será, generado por IA: texto, imágenes, perfiles y comentarios. Internet se está convirtiendo en un juego online lleno de bots, donde no puedes estar seguro de que al otro lado haya una persona. Así que me pregunto: ¿fue el mundo online el camino principal, o solo un desvío temporal del que parte de la gente regresará, de vuelta al offline?
Hace unos días entrevisté a un sénior del marketing. Un hombre con experiencia, años de práctica. Le pregunté por la IA. Me dijo que apenas la usa. Tuvo una mala experiencia con un resultado y decidió que era demasiado sénior para que le aportara algo cuando no es perfecta. Conozco también la otra cara — profesionales que automatizan todo lo que se puede automatizar.
Europa no tiene capacidad para hacer frente a una guerra de drones masiva y a gran escala como la que vemos en Ucrania. La debilitan tres dependencias: China suministra el material físico de los sistemas de defensa, Estados Unidos aporta las capacidades que Europa no tiene, y veintisiete Estados no logran ponerse de acuerdo sobre con qué rapidez, ni quién paga. Existen planes de rearme, pero se ejecutan con lentitud.
La IA crea el gráfico, el newsletter y la página de producto más rápido que una persona. A quien antes lo hacía le queda una sola cosa — el criterio, saber si el resultado es bueno. Pero la mayoría tiene peor criterio que la IA. Y quien no sabe juzgar la calidad tampoco sabe delegar. ¿Cómo saber si el tuyo es el criterio en el que una empresa se apoya, o el que puede reemplazar?
En abril, en la primera parte de esta serie, escribí sobre un sistema predictivo de IA que empecé a desarrollar en mi propio ordenador. Entonces el software tenía unas pocas horas y el registro de predicciones estaba vacío. Desde entonces, los registros del sistema mostraron una cosa — el sistema todavía no entiende el mercado que se le pide predecir. Sabe encontrar el contexto macro, el valor contable de las empresas, las ganancias. Pero no sabe juntar esas cosas en algo que le ayude a entender el precio.
Praga, 13 de mayo de 2026. De camino al trabajo empecé a pensar en algo que se me quedó dentro durante días. Si en los próximos diez años desaparece la mayor parte del trabajo rutinario delante de un ordenador, y con ella desaparece buena parte del trabajo manual repetitivo, ¿qué pasa con el flujo del dinero? ¿Quién paga a quién y por qué? ¿Qué capas económicas existirán, qué tamaño tendrán y qué relaciones se establecerán entre ellas? Este es el mapa de seis capas que esbocé como respuesta.
Estoy construyendo un sistema de IA para predecir el S&P 500. Corre en mi propia máquina, usa datos públicos gratuitos — yfinance, FRED, el dataset de Shiller — y evalúa cada pronóstico contra la realidad. Esta serie documenta la construcción en sí: las decisiones, la metodología, los errores. Lo que finalmente comparta del sistema en funcionamiento es una pregunta separada, y honesta.
Ayer no podía despegarme del ordenador. Cuando levanté la cabeza, eran las ocho y media de la tarde. Llevaba unas tres horas sentado solo arriba.
¿Me quitará la IA el trabajo? Un formador certificado de Google me dijo en junio de 2024 que mi profesión dejaría de existir. Veintidós meses después, mi cargo no ha cambiado — pero el noventa por ciento de lo que hago durante el día es distinto. He delegado más de mi pensamiento a agentes de IA de lo que jamás creí posible. No tengo miedo. Esto es por qué, y qué significa para cualquiera que se haga la misma pregunta.
Una hora. Cincuenta y cinco minutos. Ese es el tiempo que me llevó construir lo que una empresa checa de software había cotizado en más de 50.000 €. Lo construí con Claude Code. Ni un prototipo. Ni una prueba de concepto. Una herramienta funcional — la que la empresa realmente necesitaba. Aquella misma tarde ya estaba corriendo en staging. Esto no va sobre Claude Code. Va sobre lo que Claude Code deja al descubierto.
Cuatro días en Cataluña. Sin ordenador, sin IA, casi sin redes sociales. Me compré este cuaderno para anotar lo que pensaría y lo que encontraría y aprendería durante el viaje.