Qué es el análisis descriptivo y cómo aplicarlo a tu encuesta

El análisis descriptivo resume las respuestas que ya recolectaste en unos pocos números y gráficos. No explica por qué la gente contestó así ni qué opinaría el resto del mercado: describe, con precisión, solo lo que tienes delante.

Con esa sola frase ya se puede evitar el error más común de cualquier informe de encuesta: sacar un promedio y presentarlo como si fuera toda la historia. A veces lo es. Muchas veces no, y el promedio esconde justo el dato que importaba. Esta guía recorre los indicadores que forman el análisis descriptivo: tendencia central, dispersión y forma de la distribución. También ves qué estadístico corresponde a cada tipo de dato, cómo mostrarlo sin engañar a nadie y cómo aplicarlo, paso a paso, sobre una encuesta real.

Qué es el análisis descriptivo, y qué no es

Empecemos por la frontera, porque todo lo demás se apoya en ella. El análisis descriptivo contesta una sola pregunta: ¿cómo son los datos que tengo? Qué valores aparecen más, qué tan dispersas están las respuestas, qué forma tiene la distribución. No contesta por qué pasó, y no dice nada sobre las personas que no respondieron tu encuesta.

La diferencia se nota mejor con dos frases parecidas. "La calificación promedio fue 3,8 y un 18% no quedó conforme" es descripción pura: estás resumiendo lo que ya tienes. "Entonces la mayoría del mercado está satisfecho" ya es otra cosa. Ese salto, de tu muestra a todo el universo de clientes posibles, es inferencia, y exige una muestra representativa y un cálculo de margen de error que la descripción por sí sola no ofrece.

Casi cualquier análisis empieza describiendo. Antes de comparar segmentos, probar una hipótesis o construir un pronóstico, alguien tiene que mirar la tabla y decir qué hay ahí. Por eso el análisis descriptivo no es el paso menor de la investigación: es la base de la que dependen todos los demás, y si esa base está mal leída, ningún análisis posterior la corrige.

Tendencia central: media, mediana y moda

Los tres indicadores de tendencia central contestan la misma pregunta, cuál es el valor típico, pero cada uno la contesta distinto y cada uno se rompe en un contexto distinto.

La media suma todas las respuestas y las divide entre cuántas hay. Es la más conocida y la más frágil: unos pocos valores extremos la arrastran en su dirección. En una escala ordinal, donde la distancia entre "malo" y "regular" no es necesariamente igual a la distancia entre "bueno" y "excelente", tratarla ahí como un número exacto es, como mínimo, un acto de fe. La mediana es el valor que queda justo en el medio cuando ordenas todas las respuestas de menor a mayor. No le importa cuán extremo sea el valor más alto o más bajo, solo le importa su posición, y por eso sobrevive a los valores atípicos casi sin inmutarse. La moda es, sencillamente, el valor que más se repite. Es la única de las tres que sigue significando algo en una variable categórica: no existe un "canal de adquisición promedio", pero sí existe el canal que trajo más clientes.

La diferencia entre media y mediana no es un tecnicismo de curso de estadística. A veces cambia la decisión que tomas. Imagina un equipo de soporte que registró los tiempos de resolución de 90 tickets el mes pasado, un ejemplo inventado para ilustrar el punto. La mayoría, 70 tickets, se resolvió entre 8 y 22 minutos. Otros 14 tardaron entre 25 y 55 minutos. Y 6 tickets, complejos y escalados, tardaron entre 3 y 7 horas. La mediana de todo ese grupo es 15 minutos. La media es 38.

Si el objetivo del trimestre era resolver en menos de 30 minutos en promedio y alguien reporta la media, el equipo aparece incumpliendo el objetivo por un margen amplio, y la conclusión natural es contratar más agentes. Si reporta la mediana, el mismo equipo luce cómodamente por debajo del objetivo. Ninguna de las dos cifras miente. Lo que falla es reportar una sola. El dato real es que 84 de 90 tickets van bien y 6 son un problema aparte, probablemente uno de proceso y no de dotación de personal. La decisión correcta no es contratar a ciegas. Es investigar por qué esos 6 tickets se disparan y arreglar esa cola específica.

Dispersión: lo que la mayoría de los informes se salta

Un solo número de tendencia central nunca alcanza, porque dos grupos con la media idéntica pueden describir situaciones opuestas. Esto es lo que mide la dispersión: qué tan pegadas o qué tan repartidas están las respuestas alrededor de ese centro.

El rango es la resta más simple: el valor más alto menos el más bajo. Es fácil de calcular y fácil de romper, porque depende solo de dos puntos, los extremos, y un único valor atípico lo infla sin avisar. El rango intercuartílico corrige eso: ordena todas las respuestas, corta el 25% inferior y el 25% superior, y mide la distancia dentro de la mitad que queda. Es más aburrido de explicar en una reunión, pero mucho más honesto cuando hay valores raros en los extremos.

La desviación estándar es el indicador de dispersión que más se reporta, y también el que menos gente sabe explicar. Se calcula así: a cada respuesta se le resta el promedio del grupo, esa diferencia se eleva al cuadrado, se promedian todos esos cuadrados y al final se saca la raíz cuadrada del resultado. El cuadrado evita que las diferencias positivas y negativas se cancelen entre sí, y la raíz cuadrada devuelve el resultado a la misma unidad que tus datos originales. Por eso una desviación estándar de 1,2 puntos en una escala de 5 se lee directamente: la respuesta típica se aleja del promedio en poco más de un punto.

Para ver por qué esto importa tanto, compara tres grupos de 50 personas a las que les preguntaste, del 0 al 10, qué tan satisfechas quedaron con el soporte que recibieron. Los números son inventados, pero el mecanismo es real. Los tres grupos tienen exactamente la misma media: 7,0. Son, sin embargo, tres realidades distintas.

En el primer grupo, las 50 personas calificaron exactamente 7. Desviación estándar: cero. Es la definición de consenso, aburrido y perfecto. En el segundo, 25 personas calificaron 4 y las otras 25 calificaron 10, nadie en el medio. La media sigue siendo 7, pero la desviación estándar es 3,0, y lo que describe no es satisfacción moderada: describe una base partida entre dos experiencias opuestas del servicio. En el tercero, las calificaciones se agrupan de forma más pareja alrededor del 7, con algo de dispersión hacia el 5 y el 9. La media es 7 otra vez, pero la desviación estándar, cerca de 1,1, sí corresponde a lo que la mayoría entendería como satisfacción moderada y consistente.

Reportar solo la media de estos tres grupos produciría exactamente el mismo informe para tres situaciones que requieren tres respuestas de negocio distintas. La segunda, en particular, no pide mejorar un poco el soporte. Pide averiguar quién quedó en el grupo del 4 y qué le pasó, porque promediarlo con el grupo del 10 lo vuelve invisible.

Un par de indicadores relacionados vale la pena mencionar aquí. Los cuartiles dividen el conjunto ordenado de respuestas en cuatro partes iguales, y el intercuartílico ya mencionado es la distancia entre el primer y el tercer cuartil. Con esos mismos cuartiles se construye el diagrama de caja (box plot), un gráfico que muestra en una sola imagen la mediana, el rango intercuartílico y los valores atípicos. Resulta ideal para comparar la dispersión entre varios grupos de un vistazo. La entrada de desviación estándar profundiza en el cálculo si quieres el detalle completo.

La forma de la distribución: qué te dice cada silueta

Los números de tendencia central y dispersión describen la distribución con cifras. El histograma la describe con una forma, y esa forma suele contarte, de un vistazo, qué indicador conviene usar y qué preguntar después.

Una distribución simétrica, la campana clásica, tiene la media, la mediana y la moda prácticamente superpuestas. Es la única situación donde reportar solo el promedio no pierde demasiada información, porque el centro representa bien a la mayoría.

Una distribución sesgada a la derecha tiene su pico cerca del extremo bajo y una cola larga hacia valores altos. Aparece todo el tiempo en dinero y en tiempos de espera, en cualquier variable donde la mayoría gasta poco y unos pocos gastan mucho. Ahí la media queda por encima de la mediana, arrastrada por la cola, y conviene reportar la mediana como cifra principal. Una distribución sesgada a la izquierda es la imagen espejo: cola larga hacia valores bajos, media por debajo de la mediana. Aparece menos seguido, pero aparece en cosas como calificaciones de exámenes fáciles, donde casi todos sacan una nota alta y unos pocos sacan notas muy bajas.

Una distribución bimodal, con dos picos separados, casi siempre es una señal de que mezclaste dos grupos distintos dentro de la misma variable. Clientes nuevos y clientes de varios años respondiendo la misma pregunta de satisfacción producen justamente eso: dos comportamientos, no uno. Cuando veas dos picos, la respuesta casi nunca es describir mejor el conjunto entero. Es separarlo en dos y describir cada mitad por su cuenta.

Y está el efecto techo, el más frecuente en encuestas de satisfacción y el que menos se discute. Pasa cuando la mayoría de las respuestas se amontona en las dos opciones superiores de la escala, dejando muy poco margen para distinguir a alguien apenas conforme de alguien encantado: ambos terminan marcando la misma casilla. Más adelante recorremos una encuesta de ejemplo donde exactamente eso ocurre. La señal siempre es la misma: cuando tres cuartas partes de las respuestas se concentran en dos casillas, el promedio deja de tener margen para moverse. Conviene mirar el porcentaje en la casilla más alta en lugar del promedio general. Y vale la pena considerar si la escala necesita más granularidad la próxima vez.

Tipos de datos: qué estadístico es legítimo para cada uno

El estadístico correcto no lo elige el analista, lo elige el tipo de dato. Confundir esto es, con diferencia, la fuente más común de un análisis descriptivo técnicamente calculado pero engañoso.

Hay cuatro niveles. Los datos nominales son categorías sin orden: canal de adquisición, país, sí o no. No existe un canal "más alto" que otro, así que la única tendencia central que tiene sentido es la moda, y el resto del trabajo son frecuencias y porcentajes. Este tipo de dato suele salir de preguntas cerradas de opción única, la diferencia entre formatos está explicada en preguntas abiertas y cerradas. Los datos ordinales tienen orden, pero las distancias entre categorías no están garantizadas como iguales: una escala Likert de "muy en desacuerdo" a "muy de acuerdo" es el ejemplo de manual. Sabes que "de acuerdo" es más que "neutral", pero no puedes probar que esa distancia sea igual a la que separa "neutral" de "en desacuerdo".

Los datos de intervalo sí tienen distancias iguales entre valores consecutivos, pero su cero es arbitrario, no significa ausencia total: una puntuación estandarizada de un test es el ejemplo típico. Los datos de razón también tienen distancias iguales, con la diferencia de que su cero sí es real: edad, gasto, tiempo de respuesta, número de compras. Cero compras es, literalmente, ninguna compra.

Aquí vive el argumento más incómodo del artículo. Promediar una escala Likert de 1 a 5 es, en sentido estricto, tratar datos ordinales como si fueran de intervalo, y eso es una práctica común, no un error inventado. Que sea común no la vuelve gratis. El costo real es que el promedio asume que la distancia entre 4 y 5 es idéntica a la distancia entre 1 y 2. Eso es algo que la escala nunca prometió. Y dos distribuciones con formas completamente distintas, una concentrada al centro y otra polarizada entre extremos, pueden producir exactamente el mismo promedio, tal como viste en la sección de dispersión. Si vas a promediar una Likert, y casi todo el sector lo hace, acompaña siempre esa cifra con la mediana, la moda y, sobre todo, el porcentaje en cada extremo de la escala. La guía de la escala Likert entra en detalle sobre cómo construirla y leerla bien.

Tipo de dato	Ejemplo en una encuesta	Estadístico legítimo	Qué evitar
Nominal (categorías sin orden)	Canal de adquisición, país, sí o no	Moda, frecuencias, porcentajes	Media o mediana: no existe un "canal promedio"
Ordinal (con orden, distancias desiguales)	Escala Likert, nivel de satisfacción	Moda, mediana, frecuencias	Media como única cifra, sin mediana ni distribución al lado
De intervalo (distancias iguales, cero arbitrario)	Puntuación de un test estandarizado	Media, mediana, desviación estándar	Comparaciones tipo "el doble de puntaje": el cero no es ausencia total
De razón (distancias iguales, cero real)	Edad, gasto, tiempo de respuesta	Media, mediana, desviación estándar, rango	Confiar solo en la media sin revisar el sesgo de la distribución

La regla práctica para recordar todo esto: cuanto más "alto" el tipo de dato, más estadísticos se abren, pero nunca al revés. Lo que nunca cambia es la moda y las frecuencias, válidas para los cuatro niveles sin excepción, y por eso son el punto de partida más seguro cuando dudas.

Porcentajes y proporciones: las dos formas en que engañan

Los porcentajes son el formato más fácil de leer y, por eso mismo, el más fácil de usar mal. Hay dos maneras concretas en que un porcentaje perfectamente bien calculado termina engañando a quien lo lee.

La primera es la base diminuta. "El 60% prefiere la opción B" suena a una mayoría contundente hasta que averiguas que la pregunta la respondieron cinco personas, y ese 60% son tres. Con una base tan chica, un solo cambio de opinión mueve el porcentaje veinte puntos. La regla no tiene truco: nunca publiques un porcentaje sin publicar, al lado, el número de respuestas del que salió. "60% (n=5)" no es mentira, y de paso le ahorra al lector la sorpresa de descubrirlo después.

La segunda forma es más traicionera porque no depende del tamaño, sino de qué se esconde en el denominador. "El 40% de los encuestados calificó el soporte con 5 estrellas" puede referirse a un 40% de todos los que abrieron la encuesta, o a un 40% de los que además decidieron contestar esa pregunta puntual entre varias opcionales. Son dos denominadores que casi nunca coinciden. Cuando el filtro de quién quedó adentro no se explicita, el porcentaje describe una base que el lector no puede reconstruir ni cuestionar.

Esto se vuelve más delicado todavía con métricas de "top dos casillas", como el porcentaje de promotores en un NPS o el de satisfechos en un CSAT. Un top-two-box del 76% no es un promedio: es la proporción de gente en dos casillas específicas de la escala. Tratarlo como si fuera intercambiable con una media de 4,0 sobre 5 confunde dos preguntas distintas: cuánta gente está arriba de cierto umbral, y qué tan arriba está, en promedio, todo el mundo. Ambas preguntas son legítimas. Lo que no es legítimo es reportar una y actuar como si hubieras contestado la otra.

Qué gráfico usar según el tipo de dato

Elegir el gráfico correcto no es una decisión de diseño. Es una decisión sobre qué tan fácil le resulta al lector entender lo que ya calculaste. Tres reglas cubren la mayoría de los casos.

Para datos categóricos, nominales u ordinales, el gráfico de barras gana casi siempre. Las barras se comparan por altura, y el ojo humano compara alturas con mucha más precisión que ángulos. Ahí está, justamente, el problema del gráfico circular: funciona razonablemente bien con dos o tres categorías, donde las diferencias de ángulo son obvias. A partir de la cuarta o quinta porción se vuelve casi imposible distinguir si un pedazo es más grande que otro sin leer las etiquetas de número. En ese momento el gráfico dejó de aportar algo que la tabla no diera mejor.

Para datos numéricos, de intervalo o de razón, el histograma es la herramienta que muestra la forma real de la distribución: dónde se concentra, hacia dónde se estira la cola, si hay uno o dos picos. Es, de hecho, la forma más rápida de detectar un sesgo o una distribución bimodal antes de calcular ningún indicador. Cuando el objetivo es comparar la dispersión entre varios grupos a la vez, el diagrama de caja mencionado antes suele ganarle al histograma, porque encaja varias distribuciones lado a lado sin saturar la vista.

Entre gráfico y tabla hay una regla simple que resuelve la mayoría de las dudas de diseño. El gráfico gana cuando el objetivo es comparar de un vistazo. Y la tabla gana cuando el objetivo es buscar un valor exacto o exportar el dato a otro lado. Un informe ejecutivo casi siempre necesita ambos formatos, no uno en lugar del otro.

Y ya que estamos con gráficos, tres trucos de eje que aparecen todo el tiempo, casi nunca con mala intención, pero igual de engañosos. Truncar el eje vertical para que no empiece en cero convierte una diferencia de dos puntos en una barra que parece el doble de alta. Usar una perspectiva 3D distorsiona el tamaño relativo de cada barra. Y cambiar la escala entre dos gráficos que el lector va a comparar mentalmente, uno de 0 a 10 y el otro de 0 a 100, tiene el mismo efecto. Eso hace que una diferencia pequeña en el segundo luzca enorme al lado de la primera. Ninguno de los tres es necesario. Un gráfico honesto no necesita ayuda para verse convincente si el dato de fondo ya lo es.

Cómo hacer un análisis descriptivo, paso a paso

El orden casi no cambia de una encuesta a otra, aunque cambien los datos. Son cinco pasos, de la exportación cruda a un párrafo con conclusiones.

1. Limpia los datos primero. Exporta las respuestas a una tabla, elimina filas vacías o claramente basura (bots, pruebas internas, duplicados) y revisa que la misma opción esté escrita siempre igual. Si el cuestionario se diseñó bien desde el principio, algo que cubrimos en qué es un cuestionario, este paso toma minutos. Si no, toma horas.
2. Calcula las frecuencias. Antes de sacar ningún promedio, cuenta cuántas veces aparece cada respuesta y conviértelo en porcentaje. Esto ya te dice, sin más cálculo, cuál es el valor más común y si hay algo raro en la forma general.
3. Saca tendencia central y dispersión juntas. Nunca una sin la otra. Calcula media, mediana y moda según el tipo de dato, y al lado calcula el rango o la desviación estándar. Si media y mediana difieren bastante, ya sabes que hay sesgo antes de mirar ningún gráfico.
4. Cruza por segmentos. Corta los mismos números por plan, canal, antigüedad o cualquier variable que te importe, y compara. Aquí suelen aparecer los hallazgos que justifican el resto del informe, y también hay que vigilar el tamaño de cada celda antes de sacar conclusiones.
5. Escríbelo en un párrafo. Todo lo anterior existe para llegar a esto: una síntesis breve que diga qué es típico, qué tan de acuerdo está la gente entre sí, y si hay un grupo en el extremo que merece atención aparte.

De ahí en adelante ya se puede ir más lejos: comparar segmentos con una prueba estadística, buscar causas, proyectar un escenario. Pero todo eso se apoya en estos cinco pasos. Sáltate uno y el análisis que sigue hereda el error.

Ejemplo trabajado: encuesta de onboarding de un software

Los números que siguen son inventados para ilustrar el método. No son un hallazgo real ni una cifra de referencia de ningún sector, así que no los repitas en una reunión como si vinieran de un estudio.

Una empresa de software de gestión de proyectos envía, una semana después del registro, una pregunta: "¿Qué tan satisfecho quedaste con tu incorporación (onboarding)?", en una escala de 1 a 5. Responden 240 personas.

Calificación	Respuestas	Porcentaje
5, muy satisfecho	94	39%
4, satisfecho	88	37%
3, neutral	34	14%
2, insatisfecho	16	7%
1, muy insatisfecho	8	3%

La moda es 5. La mediana es 4. La media es 4,0, con una desviación estándar cercana a 1,0. A simple vista parece un resultado sólido y sin sorpresas, hasta que sumas las dos casillas superiores: 182 de 240 personas, un 76%, marcaron 4 o 5. Es el efecto techo del que hablamos antes: tres cuartas partes de la muestra están comprimidas en dos opciones. Eso significa que la media de 4,0 ya no tiene mucho margen para subir, ni para distinguir entre un satisfecho tibio y uno entusiasta.

Cruzar la satisfacción por tipo de plan agrega una capa útil. Entre las 190 personas del plan Individual, el top-two-box es 78%. Entre las 50 del plan Equipo, baja a 68%. Diez puntos de diferencia, en la dirección que cualquiera esperaría, porque una herramienta colaborativa es más difícil de poner en marcha con varias personas a la vez. Pero con solo 50 respuestas en el grupo Equipo, esos diez puntos también podrían ser ruido de muestra y no un patrón real. Vale la pena anotarlo en el informe y, si el hallazgo importa para una decisión de producto, confirmarlo con más datos antes de actuar. Cortar ese mismo grupo de 50 otra vez por país o por tamaño de empresa dejaría celdas de 4 o 5 respuestas, demasiado pequeñas para decir nada. Mejor detenerse aquí.

Una segunda pregunta, con un formato completamente distinto, cambia el análisis por completo: "¿Cuántos días pasaron hasta que tu equipo completó el primer proyecto en la herramienta?", una variable de razón. La mediana es 5 días. La media es 9. La distancia entre ambas ya avisa que hay sesgo, y la causa se confirma mirando la cola: un puñado de cuentas empresariales, con procesos de aprobación internos más lentos, tardaron entre 30 y 45 días. Son menos del 5% de la muestra, pero alcanzan para estirar la media casi al doble de la mediana. Reportar solo la media en este caso describiría a un cliente que prácticamente no existe.

Con eso ya alcanza para escribir el párrafo que de verdad importa, el que un equipo lee en dos minutos. La incorporación funciona bien para la mayoría, con un 76% marcando las dos casillas más altas, aunque el plan Equipo va algo más lento y merece revisión con más datos. El tiempo hasta el primer proyecto tiene una mediana saludable de 5 días, con una cola de cuentas empresariales que tardan bastante más y probablemente necesitan un onboarding asistido en lugar del genérico. Ese párrafo, no la tabla completa, es lo que la mayoría de la organización realmente va a leer.

Hacerlo en una hoja de cálculo

Cuando el volumen de respuestas es manejable, todo esto se calcula directo en la hoja de cálculo, y Excel y Google Sheets comparten casi las mismas funciones.

Indicador	Función
Media	PROMEDIO / AVERAGE
Mediana	MEDIANA / MEDIAN
Moda	MODA.UNO / MODE.SNGL
Desviación estándar	DESVEST.M / STDEV.S
Cuartiles	CUARTIL.INC / QUARTILE.INC
Frecuencia de una categoría	CONTAR.SI / COUNTIF

Esas seis funciones cubren la enorme mayoría del trabajo. Para las frecuencias por variable, la tabla dinámica resuelve en un minuto lo que a mano tomaría media hora. Arrastra la pregunta a filas, la misma pregunta a valores con la opción "contar", y ya tienes el conteo por categoría con los porcentajes a un clic de distancia. Sobre esa misma tabla dinámica, un gráfico de barras o un histograma se genera en dos clics más.

La parte que la hoja de cálculo no resuelve sola es mantener todo actualizado. Cada nueva tanda de respuestas obliga a limpiar de nuevo, revisar fórmulas y volver a armar los cruces. Por eso, en SurveyNinja, el resumen descriptivo de cada pregunta (frecuencias, porcentajes, media y su gráfico correspondiente) se arma solo a medida que llegan las respuestas. El cálculo manual queda reservado para cuando de verdad quieres bajar al detalle.

Errores frecuentes

• Reportar la media sin la dispersión. Como viste con los tres grupos que compartían la media de 7, el mismo promedio puede esconder un consenso total o una base partida al medio.
• Comparar grupos de tamaños muy distintos como si pesaran igual. Un cambio de 10 puntos en un grupo de 500 respuestas no es comparable al mismo cambio en un grupo de 20, aunque el porcentaje se vea idéntico en la tabla.
• Cortar una muestra chica en cruces hasta vaciar las celdas. Cada corte adicional, por plan, luego por país, luego por antigüedad, reduce el tamaño de cada celda, y una celda de 4 o 5 respuestas no sostiene ningún porcentaje serio.
• Tratar un top-two-box como si fuera una media. Un 76% en las dos casillas más altas contesta cuánta gente cruzó el umbral, no qué tan alto está el promedio, y son dos preguntas distintas.
• Reportar una diferencia más chica que el ruido de la muestra. Diez puntos de diferencia entre dos grupos de 50 personas cada uno pueden deberse simplemente al azar de quién contestó ese día, no a un patrón real.

Dónde termina lo descriptivo y empieza lo inferencial

Hay un momento preciso en el que cualquier análisis deja de ser descriptivo, y conviene tenerlo identificado antes de escribir la conclusión de un informe. Ese momento llega cuando la frase deja de hablar de quienes respondieron y empieza a hablar de quienes no.

"El 76% de nuestros encuestados marcó 4 o 5" es descripción, cerrada y verificable. "El 76% de nuestros usuarios está satisfecho con el onboarding" ya no lo es, aunque suene casi igual, porque generaliza de los 240 que respondieron a todos los que existen, incluidos los que ni abrieron el correo. Ese salto es legítimo, pero exige otro tipo de trabajo: una muestra construida con muestreo probabilístico y un tamaño calculado de antemano. La calculadora de tamaño de muestra lo resuelve en un minuto. Y hace falta, además, un margen de error que acompañe cualquier cifra que se vaya a generalizar.

Tampoco el análisis descriptivo explica causas, por más ordenado que se vea el informe. Saber que el plan Equipo tiene diez puntos menos de satisfacción no dice por qué. Para eso hace falta comparar grupos con una prueba que descarte el azar, o simplemente preguntar, con una pregunta abierta, qué se les complicó, y analizar esas respuestas con análisis temático.

Ninguna de las dos limitaciones es un defecto del método. Es, al contrario, su mayor virtud: un análisis descriptivo bien hecho casi nunca se equivoca, porque no afirma nada que no esté ya en los datos. El precio de esa honestidad es que hay preguntas que, simplemente, no le corresponde contestar.

Armar un análisis descriptivo confiable empieza por tener datos limpios y una encuesta bien diseñada desde el principio, algo que cubrimos en detalle en cómo crear una encuesta online. Si todavía no tienes la encuesta corriendo, arma la tuya y deja que las frecuencias, los promedios y los gráficos se calculen solos mientras llegan las respuestas.

Preguntas frecuentes

¿Qué es el análisis descriptivo?

Es el conjunto de indicadores y gráficos que resumen cómo son los datos que ya recolectaste: qué valores son más comunes, qué tan dispersas están las respuestas y qué forma tiene la distribución. Contesta cómo son los datos, no por qué son así ni qué pasaría con el resto de la población.

¿Cuál es la diferencia entre análisis descriptivo e inferencial?

El descriptivo se queda dentro de la muestra que recolectaste. El inferencial usa esa muestra para sacar conclusiones sobre un grupo más grande al que no le preguntaste, y para eso necesita una muestra representativa y un cálculo de margen de error. El descriptivo casi siempre va primero.

¿Cuándo debo usar la mediana en lugar de la media?

Cuando hay valores atípicos o la distribución está sesgada. Unos pocos valores muy altos o muy bajos arrastran la media en su dirección, mientras que la mediana no se mueve por eso. Para tiempos, gastos o cualquier variable con cola larga, la mediana suele describir mejor el caso típico.

¿Es correcto sacar el promedio de una escala Likert de 1 a 5?

Es una práctica común, aunque en sentido estricto se trata de datos ordinales y no de intervalo, así que promediarlos es un compromiso, no una operación exacta. Si lo haces, acompaña siempre esa media con la mediana, la moda y el porcentaje en cada extremo de la escala.

¿Qué muestra la desviación estándar que no muestra el promedio?

Muestra qué tan de acuerdo está la gente entre sí. Dos grupos pueden compartir exactamente la misma media y tener desviaciones estándar completamente distintas, una describiendo consenso y la otra describiendo una base dividida entre dos posturas opuestas.

¿Qué gráfico debo usar para mostrar los datos de una encuesta?

Barras para categorías, porque el ojo compara alturas mejor que ángulos. Histograma para datos numéricos, porque muestra la forma real de la distribución. El gráfico circular solo funciona bien con dos o tres categorías; a partir de la cuarta se vuelve difícil de leer.

¿Cuántas respuestas necesito para que un porcentaje sea confiable?

No hay un número mágico, pero un porcentaje calculado sobre menos de 30 o 40 respuestas se mueve mucho con un solo cambio de opinión, y conviene mostrarlo siempre junto al total de respuestas del que salió. Para saber cuántas respuestas necesitas de entrada, una calculadora de tamaño de muestra ayuda antes de lanzar la encuesta.

¿El análisis descriptivo explica por qué pasó algo?

No. Describe qué pasó, no por qué. Para las causas hace falta comparar grupos con un análisis que descarte el azar, o recurrir a preguntas abiertas y análisis cualitativo, que muestran el motivo detrás del número.