Los peligros del pensamiento categórico

Resumen.

Los seres humanos son máquinas de categorización, que toman cantidades voluminosas de datos desordenados y luego los simplifican y estructuran. Así es como le damos sentido al mundo y comunicamos nuestras ideas a los demás. Pero según los autores, la categorización nos resulta tan natural que a menudo vemos categorías en las que no existe ninguna. Eso distorsiona nuestra visión del mundo y perjudica nuestra capacidad de tomar decisiones acertadas, un fenómeno que debería preocupar especialmente a cualquier empresa que dependa de la recopilación y el análisis de datos para la toma de decisiones. El pensamiento categórico, argumentan los autores, crea cuatro consecuencias peligrosas. Cuando categorizamos, comprimir miembros de la categoría, tratándolos como más parecidos de lo que son; nosotros amplificar diferencias entre miembros de diferentes categorías; nosotros discriminar, favorecer ciertas categorías sobre otras; y nosotros fosilizar, tratar la estructura categórica que hemos impuesto como estática. En los próximos años, las empresas tendrán que centrar su atención en la mejor manera de mitigar esas consecuencias.

Idea en resumen

El problema

Todos pensamos categóricamente y por una buena razón: nos ayuda a dar sentido al mundo. Pero en los negocios, el pensamiento categórico puede llevar a errores importantes en la toma de decisiones.

El Fallout

Cuando categorizamos, comprimir miembros de la categoría, tratándolos como si fueran más parecidos de lo que son; nosotros amplificar diferencias entre categorías; nosotros discriminar, favorecer ciertas categorías sobre otras; y nosotros fosilizar, actuando como si las estructuras que hemos impuesto fueran estáticas.

La solución

Los líderes reflexivos pueden evitar el daño que produce el pensamiento categórico de cuatro maneras: asegurándose de que todos comprendan los peligros de la categorización, desarrollando formas de analizar datos continuamente, cuestionando los criterios de toma de decisiones y «desfosilizando» activamente las categorías.

Diga ta. Diga da. Ahora repite los sonidos, en cada caso prestando atención a cómo los haces en tu boca. ¿Cuál es la diferencia?

¡Pregunta con truco! No hay ninguno. No es lo que pasa en tu boca lo que hace que estos sonidos sean diferentes. Es el «momento de inicio de la voz», el tiempo que transcurre entre el momento en que empiezas a mover la lengua y el momento en que empiezas a vibrar las cuerdas vocales. Si ese tiempo es superior a unos 40 milisegundos, los angloparlantes escucharán ta. Si son menos de 40 milisegundos, oirán da.

Lo sorprendente es que nunca oyes nada más que ta o da. Si dos altavoces caen en el mismo lado de la línea divisoria de 40 milisegundos, no importa si los tiempos de inicio de la voz difieren drásticamente. El tiempo de una persona puede ser de 80 milisegundos y el de la otra puede ser de solo 50 milisegundos, pero en ambos casos escucharás ta. Sin embargo, si sus tiempos caen en lados opuestos de la división, una diferencia de solo 10 milisegundos puede ser transformadora. Si el tiempo de inicio de la voz de una persona es de 45 milisegundos, escucharás ta. Si el tiempo de la otra persona es de 35 milisegundos, escucharás da. Extraño pero cierto.

La gente se ha divertido mucho en Internet recientemente con los trucos que nuestras mentes nos juegan. Piensa en el clip de audio de la palabra que la gente escucha como Yanni o Laurel. O el vestido que la gente ve como negro y azul o blanco y dorado. En estos casos, como ocurre con ta y da, las personas caen de un lado u otro de la línea divisoria categórica, y están prácticamente dispuestas a arriesgar sus vidas con la idea de que su percepción es «correcta».

Tu mente es una máquina de categorización, ocupada todo el tiempo tomando cantidades voluminosas de datos desordenados y luego simplificándolos y estructurándolos para que puedas darle sentido al mundo. Esta es una de las capacidades más importantes de la mente; es increíblemente valioso saber de un vistazo si algo es una serpiente o un palo.

Para que una categorización tenga valor, dos cosas deben ser ciertas: Primero, debe ser válido. No puedes dividir arbitrariamente un grupo homogéneo. Como dijo Platón, las categorías válidas «tallan la naturaleza en sus articulaciones», como ocurre con las serpientes y los palos. En segundo lugar, debe serútil. Las categorías deben comportarse de forma diferente de alguna manera que te importe. Es útil diferenciar las serpientes de los palos, porque eso te ayudará a sobrevivir a un paseo por el bosque.

Hasta ahora, todo bien. Pero en los negocios a menudo creamos y dependemos de categorías que no son válidas, no son útiles o ambas cosas, y esto puede llevar a errores importantes en la toma de decisiones.

Bruno Fontana

Considere el Myers-Briggs Indicador de tipo, una herramienta de evaluación de la personalidad que, según su editor, informa la toma de decisiones de RRHH en más del 80% de Fortuna 500 empresas. Pide a los empleados que respondan a 93 preguntas que tienen dos respuestas posibles y luego, sobre la base de sus respuestas, los coloca en una de las 16 categorías de personalidad. El problema es que estas preguntas exigen una evaluación continua y compleja. ¿Te vas más por hechos o por intuición? La mayoría de nosotros probablemente responderíamos: «Bueno, depende», pero esa no es una opción en el examen. Por lo tanto, los encuestados tienen que elegir uno u otro campamento, y tomar decisiones que podrían no reproducir si volvieran a tomar el examen. Las respuestas a las preguntas se resumen, y el encuestado es etiquetado, digamos, como «extravertido» en lugar de «introvertido» o «juez» en lugar de «perceptor». Estas categorizaciones sencillamente no son válidas. La prueba tampoco es útil: el tipo de personalidad no predice resultados como el éxito y la satisfacción en el trabajo.

Entonces, ¿por qué Myers-Briggs es tan popular? Porque el pensamiento categórico genera ilusiones poderosas.

El pensamiento categórico puede ser peligroso de cuatro maneras importantes. Te puede llevar a comprimir los miembros de una categoría, tratándolos como si fueran más parecidos de lo que son; amplificar diferencias entre miembros de distintas categorías; discriminar, favorecer ciertas categorías sobre otras; y fosilizar, tratar la estructura categórica que has impuesto como si fuera estática.

Compresión

Cuando categorizas, piensas en términos de prototipos. Pero eso hace que sea fácil olvidar la multitud de variaciones que existen dentro de la categoría que has establecido.

El mito del cliente objetivo.

Según una historia que cuenta Todd Rose en su libro El fin del promedio, un periódico de Cleveland organizó un concurso en 1945 para encontrar a la mujer anatómicamente prototípica. No mucho antes, un estudio había determinado los valores promedio de una variedad de mediciones anatómicas, y los editores del artículo utilizaron esas medidas para definir su prototipo. Un total de 3.864 mujeres presentaron sus mediciones. ¿Quieres adivinar cuántos de ellos estaban cerca de la media en cada dimensión?

Ninguna. Las personas varían en tantas dimensiones que es muy poco probable que una sola persona se acerque al promedio en cada una de ellas.

Lo mismo puede decirse de los clientes. Considere lo que sucede en los estudios de segmentación, una de las herramientas más utilizadas por los departamentos de marketing. El objetivo de un estudio de segmentación es separar a los clientes en categorías y luego identificar a los clientes objetivo, es decir, la categoría que merece especial atención y enfoque estratégico.

Los estudios de segmentación suelen comenzar preguntando a los clientes sobre su comportamiento, deseos y características demográficas. A continuación, un algoritmo de agrupación divide a los encuestados en grupos según las similitudes en la forma en que respondieron. Este tipo de análisis rara vez arroja categorías muy diferenciadas. Pero en lugar de evaluar seriamente si los clústeres son válidos, los especialistas en marketing simplemente pasan a los siguientes pasos del proceso de segmentación: determinar los valores promedio, crear perfiles y crear personas.

Así nacen las «mamás minivan» y otras categorías similares. Después de realizar una encuesta, alguien de marketing identifica un grupo de aspecto interesante en el que, digamos, el 60% de los encuestados son mujeres, con una edad media de 40 años y un promedio de 2,75 niños. Si observamos esos promedios, es fácil alejarse de los datos y empezar a soñar con un cliente prototípico con esos mismos atributos: la madre de la minivan.

Estas etiquetas nos ciegan a la variación que existe dentro de las categorías. Investigadores en 2011 estudio, por ejemplo, presentó a los participantes una imagen de siluetas femeninas en nueve puntos equidistantes a lo largo del espectro del índice de masa corporal. A los participantes se les mostraron las siluetas dos veces: una tal como aparece en la figura 1 y otra con las etiquetas «anoréxica», «normal» y «obesa», como se muestra en la figura 2.

En cada visita, se pidió a los participantes que calificaran las imágenes en varias dimensiones. Veían a las mujeres de manera diferente cuando las etiquetaban que cuando no lo estaban, aunque nada de las mujeres mismas había cambiado. Por ejemplo, los participantes asumieron que la personalidad y el estilo de vida de la mujer 7 se parecían más a los de la mujer 9 cuando las dos fueron etiquetadas como obesas. Del mismo modo, las mujeres 4 y 6 se consideraban más parecidas cuando se les etiquetaba como normales.

Al igual que con los tipos de carrocería, los segmentos con los que trabajan la mayoría de las empresas no son tan claros como parecen. Los clientes de un segmento suelen comportarse de forma muy diferente. Para resistir los efectos de la compresión, los analistas y los administradores podrían preguntarse: ¿Qué probabilidades hay de que dos clientes de clústeres diferentes sean más parecidos que dos clientes del mismo clúster? Por ejemplo, ¿cuál es la probabilidad de que la marca de ropa favorita de una madre minivan se parezca más a la de una madre inconformista que a la de otra madre minivan? Esa probabilidad suele estar más cerca del 50% que del 0%.

El efecto screening.

La compresión también puede distorsionar las decisiones de contratación. Imagina que eres responsable de contratar en tu empresa. Hace poco publicaste un anuncio de trabajo y 20 personas se postularon. Realice una primera selección, clasifica a los candidatos en función de sus habilidades técnicas e invita a los cinco candidatos mejor clasificados a una entrevista.

Aunque las habilidades técnicas varían considerablemente entre los cinco, ahora no estás muy influenciado por eso a la hora de decidir a quién contratar. Una vez que has evaluado a los candidatos en base a tus habilidades técnicas, los que pasaron a la siguiente fase te parecerán similares en esa dimensión. Afectado de esta manera por el pensamiento categórico, decidirás principalmente sobre la base de las habilidades blandas que demuestren los candidatos en las entrevistas: qué tan agradables son, qué tan efectivamente se comunican, etc. Esas habilidades son importantes, por supuesto, pero el principal requisito para muchos trabajos son las habilidades técnicas más altas posibles, y el efecto de detección dificulta tu capacidad para identificarlas.

Los segmentos con los que trabajan la mayoría de las empresas no son tan claros como parecen.

Anomalías en las inversiones financieras.

La compresión también se produce en los mercados financieros. Los inversores clasifican aproximadamente los activos según su tamaño (acciones de pequeña capitalización o de gran capitalización), industria (energía, por ejemplo, o atención médica), geografía,. Estas clasificaciones ayudan a los inversores a examinar la gran cantidad de opciones de inversión disponibles, y eso es importante. Pero también llevan a los inversores a asignar capital de forma ineficiente en términos de riesgo y rentabilidad. Durante la burbuja de internet de finales de la década de 1990, por ejemplo, la gente invirtió de forma intensa y casi inmediata en empresas que habían adoptado nombres puntocom, incluso cuando nada más había cambiado en esas empresas. Ese error cuestan a muchos inversores caro. Otro ejemplo: Cuando las acciones de una empresa se añaden al S&P 500, comienzan a moverse más estrechamente con los precios de las acciones de otras compañías del índice, aunque nada de la compañía o de sus acciones haya cambiado realmente.

Amplificación

El pensamiento categórico te anima a exagerar las diferencias entre los límites de las categorías. Eso puede llevarte a estereotipar a personas de otros grupos, establecer umbrales arbitrarios para tomar decisiones y sacar conclusiones inexactas.

Dinámica de grupo.

La amplificación puede tener consecuencias graves cuando afecta la forma de pensar de los miembros de grupos sociales o políticos. Los estudios demuestran que las personas afiliadas a partidos políticos opositores tienden a sobrestimar la extremidad de las opiniones de los demás.

¿A quién crees que le importa más la igualdad social: liberales o conservadores? Si respondiste a los liberales, estás en lo correcto. En promedio, los liberales consideran que la igualdad social es más importante que los conservadores. Pero a algunos conservadores les importa más la igualdad social que a algunos liberales. Supongamos que tomamos a dos personas al azar en la calle: primero alguien que vota conservador y luego alguien que vota liberal. ¿Cuál es la probabilidad de que la primera persona califica la igualdad social como más importante que la segunda? Mucho más cerca del 50% de lo que piensas. Los promedios ocultan la superposición entre grupos, amplificando las diferencias percibidas. A pesar del promedio en este caso, muchos conservadores se preocupan más por la igualdad social que muchos liberales.

Bruno Fontana

Si eres liberal en Estados Unidos, es probable que asumas que todos los conservadores se oponen al aborto, al control de armas y a la red de seguridad social. Si eres conservador, es probable que asumas que todos los liberales quieren fronteras abiertas y una atención médica universal administrada por el gobierno. La realidad, por supuesto, es que las ideologías y las posiciones políticas existen en un espectro.

La amplificación debida al pensamiento categórico es especialmente preocupante en la era actual del big data y la elaboración de perfiles de clientes. Facebook, por ejemplo, es conocido por asignar etiquetas políticas a sus usuarios según su historial de navegación («moderado», «conservador» o «liberal») y proporcionar esa información a los anunciantes. Esto puede llevar a los anunciantes a asumir que las diferencias entre las categorías de usuarios de Facebook son mayores de lo que realmente son, lo que, irónicamente, puede ampliar las verdaderas diferencias, al ofrecer a los anunciantes un incentivo para enviar un mensaje altamente personalizado a cada grupo. Eso es lo que parece haber sucedido en 2016, durante las elecciones presidenciales estadounidenses y la campaña del Brexit, cuando Facebook alimentó a «conservadores» y «liberales» a miles de divisivos comunicaciones.

Muchas empresas luchan internamente con dinámicas de amplificación similares. El éxito a menudo depende de la creación de sinergias interdepartamentales. Pero el pensamiento categórico puede hacer que subestimes seriamente lo bien que tus equipos pueden trabajar juntos entre silos. Si, por ejemplo, asume que sus científicos de datos tienen mucha experiencia técnica pero poca comprensión de cómo funciona el negocio y que sus gerentes de marketing tienen el conocimiento del dominio pero no pueden obtener datos, es posible que rara vez piense en formar un equipo. Esa es una de las razones por las que tantas iniciativas analíticas fracasan.

Toma de decisiones.

La amplificación también tiene consecuencias más sutiles para las decisiones gerenciales. Considera que los entrenadores de la NBA 17% más probabilidades de cambiar su alineación inicial en un partido tras una derrota reñída (100—101) que tras una victoria cerrada (100—99), aunque la diferencia en las puntuaciones del otro equipo sea de solo dos puntos. Pero pocos entrenadores cambiarían una alineación porque su equipo perdió 100—106 en lugar de 100-108, aunque la diferencia sigue siendo de solo dos puntos. Una pérdida se siente cualitativamente diferente de una victoria, porque no se considera que los resultados deportivos estén en un continuo.

Siempre que tomes una decisión usando un punto de corte a lo largo de alguna dimensión continua, es probable que amplifiques pequeñas diferencias. Tras la crisis financiera de 2008, el gobierno belga rescató a Fortis, filial de BNP Paribas. Como resultado, el gobierno poseía millones de acciones de BNP Paribas. Según el periódico belga De Standaard, a finales de enero de 2018, cuando el precio de las acciones superaba un poco los 67 euros, el gobierno decidió que vendería sus acciones si volvía a alcanzar los 68 euros. Pero nunca lo hicieron; en cambio, el precio se desplomó y esas acciones ahora solo valen 44 euros.

Los marketers tienden a obsesionarse con los clientes objetivo, ignorando a todos los demás.

Nadie en el gobierno belga podría haber predicho que el precio de las acciones caería tanto. Pero el error del gobierno fue convertir la venta de sus acciones en un asunto de todo o nada. Un enfoque mejor habría sido vender parte de las acciones a un precio, otras a un segundo precio,.

Significación estadística.

Con la creciente influencia de la economía del comportamiento y la ciencia de datos, las empresas confían cada vez más en las pruebas A/B para evaluar la eficacia. En parte, esto se debe a que las pruebas A/B son fáciles de implementar y analizar: crea dos versiones del mundo que son idénticas, excepto por un factor; asigna un grupo de participantes a experimentar la versión A y otro a la versión B; y luego mide si el comportamiento difiere sustancialmente entre los grupos. Siempre habrá alguna diferencia entre los grupos debido simplemente al azar, incluso si tu manipulación no tuvo efecto. Por lo tanto, para determinar si la diferencia es lo suficientemente grande como para indicar que la manipulación sí tuvo efecto, se aplica una prueba estadística. El resultado de la prueba es la probabilidad de que se hubiera observado una diferencia de esa magnitud si la manipulación no hubiera tenido efecto. Esta probabilidad se conoce como valor. Cuanto más cerca esté un valor p de cero, más cómodamente podrás concluir que cualquier diferencia se puede atribuir al factor que manipulaste, no solo al azar. Pero, ¿qué tan cerca de cero está lo suficientemente cerca?

En 1925, Sir Ronald Fisher, estadístico y genetista británico, decidió arbitrariamente que .05 era un umbral conveniente. Fisher podría haber escogido con la misma facilidad .03, y de hecho recomendó que el umbral del valor p dependiera de los detalles de cualquier estudio que se estuviera llevando a cabo. Pero pocas personas prestaron atención a eso. En cambio, en las décadas siguientes, disciplinas científicas enteras adoptaron ciegamente .05 como el límite mágico que separa la señal del ruido, y se ha convertido en la norma en la práctica empresarial.

Eso sí que es un problema. Cuando una prueba A/B arroja un valor p de 0,04, se puede adoptar una intervención, pero en 0,06 podría omitirse, aunque la diferencia entre p=0,04 y p=0,06 no sea significativa en sí misma. Para empeorar las cosas, muchos experimentadores echan un vistazo a los datos con regularidad para comprobar su significación estadística y detienen la recopilación de datos cuando ven un valor p inferior a 0,05. Esta práctica aumenta en gran medida la probabilidad de concluir que una intervención es efectiva cuando en realidad no lo es. estudio reciente al examinar las prácticas de los experimentadores que utilizan una popular plataforma en línea para realizar pruebas A/B, se encontró que la mayoría se dedican a este tipo de «hacking», lo que aumenta las tasas de falsos descubrimiento del 33% al 42%.

Discriminación

Una vez que has impuesto una estructura categórica, tiendes a favorecer ciertas categorías sobre otras. Pero atender insuficientemente a otras categorías puede ser perjudicial.

Sobreorientación.

Imagina que eres el director de marketing digital de un minorista online que vende muebles para el hogar con diseños únicos y creativos. Ha realizado un estudio de segmentación e identificado un segmento de clientes objetivo con las siguientes características: profesionales masculinos de 18 a 34 años con trabajos creativos en moda, marketing o medios de comunicación y con ingresos disponibles medios. Tienes 10 000 USD para gastar en anuncios digitales y estás considerando tres planes: (1) Sin segmentación. El anuncio se publica con la misma probabilidad para todos los usuarios de Facebook y costará 40 centavos por clic. (2) Segmentación completa. El anuncio se publicará únicamente en tu segmento objetivo y costará 60 centavos por clic. (3) Segmentación parcial. Inviertes la mitad de tu presupuesto en marketing para tu segmento objetivo y la otra mitad en marketing masivo, lo que te costará 48 céntimos por clic.

¿Qué plan debes elegir? Probablemente B o C, porque te permite reducir tu objetivo, ¿verdad?

equivocado. La mejor opción es probablemente A, el objetivo más amplio. ¿Por qué? Porque la segmentación en general suele producir un ROI más alto que la segmentación limitada. Los investigadores han encontrado que los anuncios en línea tienden a aumentar la probabilidad de compra en solo una pequeña fracción de un porcentaje. Si la probabilidad de que alguien compre tu producto sin ver un anuncio es del 0,10%, la exposición a un anuncio podría aumentar la probabilidad hasta un 0,13%. El impacto positivo del anuncio puede ser un poco mayor para los clientes objetivo, pero en muchos casos no compensará el coste adicional por clic. Sin embargo, los especialistas en marketing se obsesionan con sus clientes objetivo, ignorando el valor que se puede extraer de todos los demás.

Facebook ha participado en un esfuerzo concertado para enseñar a sus clientes de publicidad la importancia del alcance en relación con la segmentación limitada. Cita el caso de una marca de cerveza que tradicionalmente se centraba en los hombres. Cuando la marca se trasladó a las plataformas de medios digitales, pudo reducir su segmentación, lo que parecía algo bueno. Pero, de hecho, eso limitó severamente el alcance de sus campañas, y la marca comenzó a rendir mal. Tras algunas investigaciones, la empresa se dio cuenta de que una proporción significativa de las personas que consumían su producto eran mujeres. Una vez que amplió su segmentación y mensajes creativos, obtuvo resultados positivos inmediatos.

Puntuación neta del promotor.

La discriminación puede distorsionar la forma en que se interpretan los datos. Cuando impartimos clases sobre análisis de datos, a menudo preguntamos a nuestros alumnos si han oído hablar del Net Promoter Score (NPS) y si sus empresas utilizan la métrica de alguna manera. Invariablemente, la mayoría de las manos se levantan, y por una buena razón. Después de Frederick F. Reichheld introdujo el concepto, en esta revista («The One Number You Need to Grow», diciembre de 2003), rápidamente se convirtió en uno de los indicadores clave de rendimiento más importantes en los negocios, y sigue siéndolo.

¿Qué es el NPS y cómo funciona? Las empresas piden a los clientes (o empleados) que indiquen en una escala del 0 al 10 la probabilidad de que recomienden la empresa a familiares o amigos. Cero significa «nada probable» y 10 significa «extremadamente probable». Después de responder, los clientes se agrupan en tres categorías: detractores (0–6), pasivas (7—8) y promotores (9-10). El NPS se llega determinando el porcentaje de clientes en cada categoría y, a continuación, restando el porcentaje de detractores del porcentaje de promotores. Si el 60% de tus clientes son promotores y el 10% son detractores, tu NPS es 50.

Hay buenas razones para utilizar NPS. Es sencillo y fácil de entender. Además, ayuda a evitar el sesgo de amplificación que conlleva el pensamiento categórico o, como dijo Reichheld en su artículo, «la 'inflación de grados' que a menudo infecta las evaluaciones tradicionales de satisfacción del cliente, en las que alguien a una molécula al norte de neutral se considera 'satisfecho'».

Eso es útil. Pero el sistema NPS muestra el tipo de sesgo de amplificación que se supone que ayuda a las empresas a evitar. Los clientes que puntúan un 6, por ejemplo, están mucho más cerca de un 7 que de un 0, pero no obstante se ven agrupados con los detractores en lugar de con los pasivos. Las pequeñas diferencias entre los límites de las categorías son importantes para determinar la puntuación, en otras palabras, mientras que las diferencias iguales o mayores dentro de una categoría no lo hacen.

NPS tiene otro problema de pensamiento categórico: ignora el número de pasivos que encuentra. Considere dos resultados extremos de la encuesta: una empresa tiene un 0% de detractores y un 0% de promotores. Otra empresa tiene un 50% de detractores y un 50% de promotores. El NPS para ambos es el mismo, pero está claro que sus bases de clientes son muy diferentes y deben gestionarse de formas diferentes.

Interpretación sesgada de las correlaciones.

El pensamiento categórico también puede distorsionar la forma en que interpretas los datos. Imagina que eres responsable de administrar una mesa de servicio. Cree que la satisfacción de sus agentes puede tener un efecto en la satisfacción del cliente, por lo que encarga un estudio. Unas semanas más tarde, un equipo de análisis de RRHH te envía los datos, visualizados en un diagrama de dispersión similar a la figura 1.

¿Cómo evaluaría la solidez de la relación entre la satisfacción del agente y la satisfacción del cliente? La mayoría de la gente ve una relación moderadamente fuerte.

Pero, ¿qué pasaría si los resultados fueran diferentes y te enviaran el diagrama de dispersión en la Figura 2? ¿Cómo evaluarías la fortaleza de la relación ahora?

La mayoría de la gente ve una relación mucho más débil o ninguna. Pero la fuerza de la relación es en realidad la misma. Los diagramas de dispersión son idénticos, excepto en el caso de ocho puntos de datos que se han movido del cuadrante superior derecho del primero al cuadrante inferior izquierdo del segundo.

Entonces, ¿por qué la gente ve una relación más fuerte en el primer gráfico? Porque tienden a privilegiar el cuadrante superior derecho. En el primer diagrama de dispersión ven muchos agentes satisfechos con clientes satisfechos, por lo que concluyen que la correlación es bastante fuerte. En el segundo diagrama de dispersión ven pocos agentes satisfechos con clientes satisfechos, por lo que concluyen que la correlación es más débil. Aquí hay una lección: No atender por igual a todas las categorías perjudica tu capacidad para descubrir con precisión las relaciones entre variables.

Fosilización

Las categorías conducen a una cosmovisión fija. Nos dan la sensación de que así son las cosas, en lugar de cómo alguien decidió organizar el mundo. John Maynard Keynes articuló el punto maravillosamente. «La dificultad radica, no en las nuevas ideas», escribió, «sino en escapar de las viejas».

En la década de 1950, Schwinn Bicycle Company dominó el mercado estadounidense de bicicletas. Schwinn se centró en el mercado juvenil, construyendo bicicletas pesadas, con incrustaciones de cromo y neumáticos grandes para que los niños pedalearan por el vecindario. Pero el mercado cambió notablemente de la década de 1950 a la década de 1970. Muchos adultos practicaban el ciclismo por deporte y buscaban bicicletas más ligeras y de mayor rendimiento. Schwinn no logró adaptarse y los consumidores estadounidenses se inclinaron hacia los fabricantes de bicicletas europeos y japoneses. Este fue el comienzo del doloroso declive de Schwinn hacia la obsolescencia. La visión de la empresa del panorama del consumidor se había fosilizado tras décadas de éxito vendiendo bicicletas a niños, lo que deslumbró a Schwinn ante los cambios tectónicos en curso.

Innovación.

La innovación consiste en romper la tendencia a pensar categóricamente. Muchas empresas apuntan a aumentar la eficiencia de sus operaciones mediante la categorización. Asignan tareas a personas, personas a departamentos,. Estos límites disciplinarios tienen un propósito, pero también tienen un costo. Los problemas empresariales futuros no caen claramente dentro de los límites que se crearon para ayudar a resolver problemas pasados. Y pensar solo dentro de las categorías existentes puede ralentizar la creación de conocimiento, porque interfiere con la capacidad de las personas de combinar elementos de formas nuevas.

Considere lo que descubrieron los investigadores de la Universidad de Toronto en 2016, cuando pidieron a unos 200 participantes que construyeran un extraterrestre con Legos. A algunos participantes se les pidió que usaran bloques que habían sido organizados en grupos, y a otros se les pidió que usaran bloques en un surtido aleatorio. Luego se le pidió a un tercer grupo que calificara la creatividad de las soluciones y declaró que los alienígenas creados con bloques no categorizados eran más creativos.

Cuando las categorías se fosilizan, pueden impedir la innovación de otra manera, al dificultar la idea de usar objetos (o ideas) de formas atípicas. Este es el problema de fijación funcional. Si te dieran un tornillo y una llave y te pidieran que insertaras el tornillo en una pared, ¿qué harías? Puede intentar sujetar la cabeza del tornillo con la llave y girar el tornillo en la pared, con resultados predeciblemente incómodos e ineficaces. Es posible que no se te ocurra el enfoque más efectivo, usar la llave para clavar el tornillo como un clavo.

Limitar los peligros del pensamiento categórico

Entonces, ¿cómo puede un líder reflexivo evitar el daño que proviene del pensamiento categórico? Proponemos un proceso de cuatro pasos:

1. Aumente la conciencia.

Todos pensamos categóricamente y por una buena razón. Pero cualquiera que tome decisiones debe ser consciente de las seductoras simplificaciones y distorsiones excesivas que fomenta el pensamiento categórico, la sensación de fácil comprensión que invita y los sesgos invisibles que crea. Las empresas que mejor eviten esas trampas serán las que ayuden a sus empleados a sentirse más cómodos con la incertidumbre, los matices y la complejidad. ¿Es válida una categorización? y ¿Es útil? son preguntas que deberían formar parte del mantra de la toma de decisiones.

2. Desarrolle capacidades para analizar datos de forma continua.

Para evitar los errores de toma de decisiones que se derivan del pensamiento categórico, es fundamental un buen análisis continuo. Sin embargo, muchas empresas carecen de los conocimientos técnicos. Cuando se trata de segmentación, por ejemplo, subcontratan los análisis a empresas especializadas pero luego interpretan incorrectamente la información que han adquirido. Es relativamente fácil de arreglar. Las métricas bien establecidas para evaluar la validez de un segmento definido se pueden aplicar con un poco de entrenamiento. Cualquier empresa que utilice los estudios de segmentación como parte importante de su investigación de marketing o planificación estratégica debe emplear dichas métricas y realizar tales capacitaciones; representan una oportunidad de oro para que las organizaciones inteligentes desarrollen experiencia interna y aprovechen una ventaja competitiva.

3. Criterios de decisión de auditoría

Muchas empresas deciden que actuarán solo después de superar algún umbral arbitrario en un continuo. Esto tiene dos inconvenientes.

En primer lugar, aumenta el riesgo. Imagine que una empresa está realizando estudios de mercado para determinar si es probable que un nuevo producto tenga éxito. Podría avanzar con un lanzamiento si las evaluaciones de los consumidores alcanzan un umbral predeterminado durante una encuesta a gran escala o si los resultados de un experimento arrojan un valor p menor que el número mágico .05. Pero debido a que la diferencia entre simplemente acertar y simplemente perder el umbral es minúscula, es posible que la empresa lo haya cruzado simplemente por una variación aleatoria en la muestra o por algún pequeño sesgo en el método de recopilación de datos. Por lo tanto, una diferencia diminuta y fundamentalmente sin sentido puede llevar a una decisión radicalmente diferente y, como supo el gobierno belga cuando no alcanzó su umbral de venta de acciones, posiblemente la equivocada. En tal situación, un enfoque por etapas es mucho más adecuado. Los belgas podrían haber escalado la cantidad de inversión al peso de la evidencia en lugar de utilizar un límite binario.

En segundo lugar, un umbral arbitrario puede impedir el aprendizaje. Piensa en una empresa que planea hacer cambios en la organización si no alcanza un objetivo de ingresos determinado. Si apenas logra alcanzar ese objetivo, asume que algo anda mal y, por lo tanto, hace los cambios. Pero si la empresa apenas hace su objetivo, asume que las cosas están bien y continúa con las cosas como de costumbre, aunque los números de los dos casos son casi idénticos.

Para evitar estos problemas, le recomendamos que realice una auditoría de los criterios de toma de decisiones en toda su organización. Probablemente te sorprenderá saber cuántas decisiones se toman de acuerdo con los criterios de ir/no ir. A veces es inevitable. Pero, por lo general, existen alternativas y representan otra oportunidad para obtener una ventaja competitiva.

4. Programe reuniones periódicas de «desfosilización».

Aunque sigas los tres pasos anteriores, la fosilización sigue siendo un peligro. Para evitarlo, mantenga reuniones periódicas de lluvia de ideas en las que escudriñe sus creencias más básicas sobre lo que está sucediendo en su industria. ¿Sigue siendo relevante tu modelo del panorama del cliente? ¿Están cambiando las necesidades y los deseos de los clientes?

Bruno FontanaSobre el arte: Bruno Fontana se siente atraído por el mosaico de casas idénticas y la arquitectura moderna que se encuentra a menudo en los suburbios. En su fotografía busca categorizar infinitas repeticiones de formas y resaltar los toques de personalización y adornos decorativos que hacen que estas estructuras sean únicas.

Una forma de innovar es reflexionar sobre los componentes individuales que componen las categorías existentes e imaginar nuevas funciones para ellos. Por ejemplo, el transporte de automóviles gente de la A a la B, y el transporte de los trabajadores postales correo de la A a la B, ¿verdad?

Bueno, sí, pero si piensas así, probablemente estés pasando por alto oportunidades interesantes. Amazon lo reconoció. Cuando la empresa cuestionó la función de los automóviles, se dio cuenta de que podían utilizarse para recibir paquetes, por lo que en Estados Unidos comenzó a entregar correo a los maleteros de los coches pertenecientes a los miembros Prime. Del mismo modo, en los Países Bajos, cuando PostNL consideró la función de sus trabajadores postales, reconoció que mientras recorrían sus rutas podían fotografiar regularmente las malas hierbas para evaluar mejor la eficacia de los tratamientos herbicidas, una función nueva y valiosa que el pensamiento categórico nunca habría permitido compañía para ver.

Conclusión

Las categorías son la forma en que damos sentido al mundo y comunicamos nuestras ideas a los demás. Pero somos tales máquinas de categorización que a menudo vemos categorías donde no existe ninguna. Eso distorsipa nuestra visión del mundo y nuestra toma de decisiones se ve afectada. En los viejos tiempos, las empresas podrían haber podido salir bien a pesar de estos errores. Pero hoy, a medida que avanza la revolución de los datos, una clave del éxito será aprender a mitigar las consecuencias del pensamiento categórico.

— Escrito por Bart de Langhe Bart de Langhe Philip Fernbach