Periodismo de datos: encontrar la historia que guardan los números

Un titular dice: "Dársena, la ciudad con más robos a domicilio de la región". Es cierto. Dársena registra 3,600 robos a domicilio al año. También tiene 3 millones de habitantes, y la localidad que encabezaría una lista seria de inseguridad podría ser un pueblo de 15,000 personas donde 60 robos al año son una cifra preocupante. El titular era exacto y engañoso, y la diferencia es una sola división.

El periodismo de datos es el oficio de encontrar y contar historias con números, y de no dejarse engañar por ellos. Está entre la reportería y la estadística: hace falta la pregunta de un reportero, el cuidado de un analista con los datos y la honestidad de un diseñador. Casi todo el trabajo no es ingenioso. Es revisar definiciones, dividir, comparar cosas comparables y mostrar lo que hiciste.

Todos los pueblos, series y tablas de esta pieza son inventados y están marcados como tales. Los casos reales se nombran solo donde el registro es claro. Las cifras reales llevan su fuente al final.

Empieza con una pregunta que los datos puedan responder

Las historias de datos empiezan con una pregunta, no con un archivo. En julio de 1967 Detroit vivió uno de los peores disturbios de la historia de Estados Unidos; el Detroit Free Press le pidió a su joven reportero Philip Meyer que pusiera a prueba la teoría popular de que los participantes eran recién llegados del sur sin estudios. Su encuesta a los residentes mostró que la teoría no encajaba con la evidencia. Un periódico que tenía una teoría ahora tenía un número con el cual compararla. Meyer escribió después Precision Journalism (1973), el texto fundador del campo, donde sostiene que los reporteros deben usar los métodos de las ciencias sociales.

El trabajo con datos también puede pedirle cuentas a un algoritmo. En 2016, reporteros de ProPublica obtuvieron las puntuaciones de riesgo que se usaban en tribunales del condado de Broward, en Florida, las cruzaron con detenciones posteriores e informaron que la herramienta clasificaba como de alto riesgo, por error, a los acusados negros que no volvieron a delinquir casi el doble de veces que a los blancos. La empresa que hizo el programa rebatió la conclusión: argumentó que una puntuación de cierto nivel significaba el mismo riesgo de reincidir en cada grupo. Un trabajo académico posterior mostró por qué ambos bandos podían tener razón: cuando los grupos tienen tasas de base distintas, ninguna puntuación puede cumplir a la vez todas las definiciones razonables de justicia. Eso es una historia de datos en su mejor forma: un hallazgo, una réplica y una pregunta pública más clara, no un veredicto.

Las etapas son las mismas en todas partes: pregunta → buscar los datos (registros oficiales, solicitudes de acceso a la información pública, extracción de lo que es público, filtraciones) → limpiarlos → analizarlos → contrastar con reportería (llamar a las personas detrás de los puntos) → mostrarlos. Esa comprobación final es la que más importa: un patrón en una hoja de cálculo es una pista, y la historia sale de reportear el porqué.

Un número necesita un denominador

Los conteos brutos miden sobre todo tamaño. Los lugares más grandes tienen más delitos, casos, muertes y quejas porque tienen más gente, así que una lista ordenada por conteo suele ser una lista ordenada por población. La solución es una tasa: los eventos divididos entre las personas (o los hogares, o los kilómetros, o las horas) expuestas a ellos, y escalados a una unidad legible, como por cada 100,000 habitantes.

Dividir entre la población no es magia. Supone que todos los del denominador están igual de expuestos (un pueblo lleno de turistas o de gente que solo viene a trabajar no lo cumple), y una buena historia pregunta quién está realmente en la base. Pero es la primera corrección. Dos trampas parecidas: un "aumento de 50%" sobre una base minúscula pueden ser tres casos, y una subida de 2 puntos porcentuales (de 10% a 12%) es un aumento relativo de 20%. Di cuál de los dos quieres decir.

Sin JavaScript: por conteo bruto Dársena (3,600) va primero y Encino (60) último; por cada 100,000 habitantes Encino (400) va primero y Dársena (120) último.

Lugares pequeños, tasas locas

Las tasas arreglan un problema y crean otro. Una localidad de 1,000 habitantes con un solo evento de más ve su tasa saltar 100 por cada 100,000. El estadístico Andrew Gelman ha usado un ejemplo famoso: en los mapas de Estados Unidos de la mortalidad por cáncer de riñón por condado, tanto los condados con la tasa más baja como los de la más alta eran en su mayoría pequeños y rurales. La causa no es algo en el agua o en el aire. Las muestras pequeñas son ruidosas, y el ruido produce extremos en las dos direcciones.

La prensa debe tener cuidado aquí. "Un pueblo tiene la tasa de cáncer más alta del país" es justo la nota que una lista ordenada por tasas va a producir una y otra vez, y la respuesta correcta es preguntar en cuántos eventos se apoya. Los buenos equipos de datos fijan un mínimo de casos, juntan varios años o dibujan bandas de incertidumbre. La simulación siguiente le da a todas las localidades la misma tasa verdadera. Córrela varias veces.

Sin JavaScript: cuando todas las localidades tienen la misma tasa verdadera, las tasas observadas más alta y más baja pertenecen a localidades mucho más pequeñas que la típica, porque los conteos pequeños oscilan.

Gráficas que mienten, y sus versiones honestas

How to Lie with Statistics (1954), de Darrell Huff, y The Visual Display of Quantitative Information (1983), de Edward Tufte, preguntan lo mismo: ¿el tamaño de un gráfico en la página corresponde al tamaño del cambio en los números? How Charts Lie (2019), de Alberto Cairo, es la guía moderna. Cuatro de los trucos más comunes:

• El eje truncado. Empieza una gráfica de barras en 410 en vez de 0 y un cambio de 5% parece diez veces mayor. En las barras el largo es el mensaje, así que deben empezar en cero. En las líneas, empezar en un valor distinto de cero puede ser justo si está señalado; la prueba es si el lector se da cuenta.
• La ventana escogida a conveniencia. Eliges los tres meses que suben y lo llamas tendencia.
• Los ejes dobles. Dos líneas con escalas distintas se cruzan donde tú quieras.
• Las decisiones ocultas. Totales acumulados que solo pueden subir, áreas donde solo importa el largo, y mapas que pintan el territorio y no a las personas.

Sin JavaScript: en todo el año las quejas bajaron cerca de 0.9% (de 430 a 426). De enero a marzo subieron 5.1%; de marzo a octubre bajaron 7.5%. Un eje truncado hace que cada una de esas cifras parezca dramática.

La versión honesta muestra todo el periodo, empieza el eje donde el lector lo espera, dice cuál es la unidad y pone la cifra sorprendente en el titular solo cuando la gráfica la muestra con justicia. Los libros de estilo de las redacciones añaden cada vez más una regla: si una gráfica se recortó para que cupiera, di dónde y por qué.

¿Los datos son lo que crees que son?

Antes de analizar, entrevista a la base de datos. ¿Quién la recogió, para contar qué, con qué definición? ¿Cambió la definición? Muchas "tendencias" reales son cambios en la forma de contar: un sistema de registro nuevo, un cambio en lo que se considera un caso, el paso del papel a lo digital. Los casos de cualquier enfermedad dependen de cuánta gente se hace la prueba; las cifras de delitos dependen de si las víctimas denuncian; y la oficina de estadística de un país puede estar bajo presión, así que conviene contrastar con una fuente independiente (el Banco Mundial, agencias de la ONU o una universidad) y decir dónde difieren. El trabajo de Africa Check sobre las estadísticas oficiales de delito y desigualdad se apoya en ese hábito.

Luego mira las filas en bruto: valores como 999 o -1 (dato faltante escrito como número), una columna que mezcla unidades, duplicados y errores de captura. Son los números que hacen el daño, porque un solo 999 perdido puede alejar un promedio muy lejos de la verdad.

Sin JavaScript: el promedio en bruto es 133.0 minutos; tras tratar el 999 como dato faltante, convertir 0.2 horas en 12 minutos y quitar el duplicado, es 11.3 minutos.

La cifra negra: lo que nadie cuenta

Un caso real muestra por qué importa saber qué mide un dato. Las cifras de delitos que publican las fiscalías cuentan los delitos denunciados, y muchos no se denuncian. En México, el INEGI hace cada año la Encuesta Nacional de Victimización y Percepción sobre Seguridad Pública (ENVIPE), que le pregunta a los hogares qué les pasó, se haya denunciado o no. La edición de 2025, con datos de 2024, estimó una cifra negra (delitos que no se denunciaron o que se denunciaron sin que se abriera una carpeta de investigación) de 93.2%, y la de 2026, con datos de 2025, de 93.4%, según la cobertura de prensa de los boletines del INEGI. Con esa magnitud, un estado donde "bajan los delitos" puede ser simplemente un estado donde la gente denuncia menos, o confía menos en que denunciar sirva de algo.

La lección para el periodista: una cifra de delitos registrados mezcla dos cosas, lo que ocurre y lo que se denuncia, y comparar lugares con distinta confianza en las autoridades compara las dos a la vez. Las encuestas de victimización, o al menos pedir en qué se basa el conteo, ayudan a separarlas.

Sin JavaScript: con 4,000 delitos reales en cada ciudad, si A denuncia 10% y B denuncia 40%, las estadísticas oficiales registran 400 delitos en A y 1,600 en B: B parece cuatro veces más peligrosa, aunque son iguales.

Dos grupos, historias opuestas

La advertencia más famosa es la de Berkeley. En el otoño de 1973 cerca de 44% de los hombres y 35% de las mujeres que solicitaron ingreso a los programas de posgrado de la Universidad de California en Berkeley fueron admitidos, lo que parecía sesgo claro. Peter Bickel, Eugene Hammel y J. W. O'Connell (Science, 1975) dividieron los números por departamento y encontraron que, en la mayoría de los departamentos, la tasa de admisión de las mujeres era igual o mayor. Las mujeres habían solicitado más a departamentos que rechazaban a más gente. La cifra combinada era real, y para entender qué significaba hacía falta la división.

Esto es la paradoja de Simpson: una tendencia del conjunto puede invertirse dentro de cada grupo cuando los grupos tienen tamaños distintos. No es un truco de aritmética; es una advertencia de que la causa vive en la estructura detrás de los totales. Qué variable usar para dividir no lo decide solo el dato. Lo decide el reportero, por cómo conoce que funciona el proceso, y lo dice. El mismo cuidado vale para la causalidad: dos líneas que se mueven juntas (los helados y los ahogamientos) suelen estar impulsadas por una tercera cosa, aquí el verano. Mira Probabilidad y estadística (34/19) para el caso general.

Sin JavaScript: en el departamento A se admite a 80% de los hombres y 90% de las mujeres; en el B, a 20% de los hombres y 30% de las mujeres. Combinados, se admite a 70% de los hombres y 40% de las mujeres.

Mostrar tu trabajo

El periodismo de datos gana confianza al poder comprobarse. La buena práctica incluye hoy una nota metodológica (de dónde salieron los datos, cómo se limpiaron, qué se excluyó), el código o una hoja de cálculo cuando se pueda, y una declaración honesta de la incertidumbre. En una encuesta eso es el margen de error; en un modelo, un rango y no un punto. Las mejores redacciones también publican correcciones de las historias de datos con la misma disposición que las de texto. Y hacen la pregunta humana que los números no pueden responder: si una gráfica muestra que un barrio tiene la tasa más alta de algo, ¿cómo se vive allí, y quien vive allí reconoce lo que ve?

Una condición previa es poder conseguir los datos. Muchos países de habla hispana tienen leyes de acceso a la información pública, y esas solicitudes son una herramienta básica del periodista de datos; las reglas y los plazos cambian de un país a otro, así que conviene leer la ley y el portal de transparencia del país en que trabajas antes de contar con ellas.

Lo que un graduado ve sin pensarlo

• "El que más" suele significar "el más grande": divide entre las personas expuestas.
• Las tasas más altas y más bajas tienden a pertenecer a los lugares más pequeños; pregunta cuántos eventos hay detrás de cada una.
• Una gráfica de barras debe empezar en cero; cualquier otra decisión debe verse y justificarse.
• Una ventana de unos pocos meses puede mostrar la tendencia que quieras; muestra todo el periodo.
• Un salto en una serie puede ser un cambio en la forma de contar, no en el mundo.
• Una cifra registrada de delitos mide lo que se denuncia, y la cifra negra puede ser mucho mayor que lo que se ve.
• Un total puede contar lo contrario que cada una de sus partes.
• Un patrón es una pista. La historia es la reportería que lo explica.

Dónde aparece después

• Periodismo de investigación (34/64): detectar la anomalía en una lista de contratos o en un registro de propietarios antes de que un reportero levante el teléfono.
• Elecciones, partidos y opinión pública (34/53): márgenes de error y cómo una encuesta se vuelve titular.
• Economía y futuro de los medios (34/65): analítica, datos de audiencia y lo que una redacción mide sobre sí misma.
• En el mundo: tableros de salud pública, seguimiento de presupuestos, mapas de clima y de calidad del aire, analítica deportiva y cada gráfica que ves pasar en tu teléfono.

Si quieres profundizar

• 🌐 Texto gratis, en español. El Manual de Periodismo de Datos Iberoamericano (Fundación Poderomedia y la Escuela de Periodismo de la Universidad Alberto Hurtado, con apoyo de Hivos e ICFJ), una guía gratuita para periodistas de la región con más de 40 colaboradores: cómo obtener y procesar datos, visualización, mapas, datos abiertos, acceso a la información pública y ciberseguridad. Lo describe IJNet; el sitio original (manual.periodismodedatos.org) puede no estar disponible, así que búscalo por su título.
• 🌐 Texto gratis (en inglés). The Data Journalism Handbook (European Journalism Centre; en línea y en PDF), con una segunda edición en el mismo sitio.
• 🌐 Curso gratis (en inglés). Data Mindset for Editors, del Centro Knight para el Periodismo en las Américas (instructora: MaryJo Webster; se dio en febrero y marzo de 2026 y es gratis, con certificado opcional). Los demás cursos en español del Centro Knight (journalismcourses.org/es) figuran como gratuitos; revisa en cada página las fechas y si ofrece certificado.
• 📘 Libro de texto (en inglés). Philip Meyer, Precision Journalism (Rowman & Littlefield, cuarta edición, 2002), y Alberto Cairo, The Truthful Art (New Riders, 2016), sobre análisis y diseño de gráficos. Cairo dirigió a principios de la década de 2000 el departamento de infografía interactiva de El Mundo, en España.
• 📘 Más ameno (en inglés). Alberto Cairo, How Charts Lie (Norton, 2019), y Darrell Huff, How to Lie with Statistics (1954).