Cómo el data storytelling podría salvar vidas: el caso de Semmelweis

El data storytelling es un enfoque estructurado para comunicar conclusiones a partir de datos mediante elementos narrativos y visualizaciones exploratorias. Quienes quieran convertir los datos en ideas accionables y decisiones se beneficiarán de dominar el arte de contar historias con datos.

A diferencia de presentar solo estadísticas, las historias con datos son más atractivas, memorables y persuasivas. En un estudio que probó dos versiones de un folleto para la organización Save the Children, quienes recibieron la versión en infografía donaron alrededor de un 50% menos que quienes recibieron la versión basada en una historia. En otro estudio, los investigadores observaron que la gente es menos escéptica cuando escucha una historia y, en cambio, se muestra más puntillosa cuando solo se le presentan estadísticas.

Las historias con datos se construyen con tres ingredientes clave: datos, visuales y narrativa. Para contar bien una historia con datos, hay que elegir los datos adecuados, usar una estructura narrativa que guíe el hilo de la historia y reforzarla con visualizaciones convincentes.

Figura 1: La narrativa, los visuales y los datos son el motor del cambio en las historias con datos

El caso de Semmelweis

La historia está llena de advertencias sobre malas visualizaciones que no impulsan la acción como sí lo hacen las buenas historias con datos. En su libro Effective Data Storytelling: How to Drive Change with Data, Narrative, and Visuals, Brent Dykes cita el caso del doctor Ignaz Semmelweis como un ejemplo paradigmático.

Tras descubrir que lavarse las manos podía salvar vidas, Semmelweis no logró convencer a una comunidad médica escéptica de sus hallazgos. Con perspectiva, los principios del data storytelling podrían haberle ayudado a transmitir mejor sus conclusiones y, con ello, salvar miles de vidas.

Apodado el "padre de la higiene de manos", Semmelweis fue un médico húngaro. En 1844 trabajó como ayudante en una clínica de obstetricia donde muchas mujeres sufrían fiebre puerperal, una fiebre causada por una infección tras el parto.

Durante su estancia en la clínica, Semmelweis se fijó en una tendencia llamativa. Las clínicas dirigidas por médicos y estudiantes de medicina registraban tasas de mortalidad por fiebre puerperal significativamente más altas (9,9%) que las dirigidas por matronas (3,9%) (figura 2). A diferencia de los médicos y estudiantes, las matronas no realizaban autopsias antes de los procedimientos de parto. Esto le llevó a concluir que los materiales procedentes de cadáveres aumentaban el riesgo de muerte en estas mujeres.

Figura 2. Las clínicas atendidas por médicos que no se lavaban las manos causaban más muertes.

Con esto en mente, propuso lavarse las manos, lo que redujo drásticamente las muertes. Aun así, estos resultados no le sirvieron para convencer a su superior, el profesor Klein, de su teoría.

Semmelweis dedicó el resto de su vida a defender el lavado de manos, sin éxito. En 1861, publicó su obra The Etiology, Concept, and Prophylaxis of Childbed Fever, a la que la comunidad médica respondió con duras críticas. En 1865, Semmelweis murió en un hospital psiquiátrico, mucho antes de que la teoría germinal fuese ampliamente aceptada.

Figura 3. The Etiology, Concept, and Prophylaxis of Childbed Fever tiene cientos de páginas y ningún gráfico

¿Por qué no logró convencer a la comunidad?

Brent emplea este caso para mostrar que los tres componentes del data storytelling —datos, narrativa y visuales— son imprescindibles para impulsar el cambio a través de historias con datos. En este caso, los datos de Semmelweis cayeron en saco roto porque no iban acompañados de una estructura narrativa convincente ni de visualizaciones. Como resultado, aunque eran precisos, valiosos y accionables, no lograron persuadir a su audiencia.

Con el tiempo, Semmelweis podría haber transmitido su mensaje de forma más convincente con historias basadas en datos. Aquí tienes un ejemplo de Brent Dykes: un gráfico de líneas que combina datos, narrativa y visuales para contar una historia sólida.

Figura 4. Una historia con datos de Dykes que ilustra mejor el argumento de Semmelweis.

El enfoque de Semmelweis contrasta directamente con el del doctor John Snow, un médico británico que estudió el brote de cólera de Broad Street en 1854 y planteó la hipótesis de que el agua contaminada con gérmenes causaba la enfermedad. Al demostrar que las tasas de muerte eran más altas en las inmediaciones de una bomba de agua, Snow logró convencer al ayuntamiento local para que la inhabilitara.

Figura 5: la visualización de datos de John Snow

Conclusión

A diferencia de Semmelweis, hoy quienes cuentan historias con datos tienen a su alcance un sinfín de herramientas para crear narrativas envolventes, desde herramientas de inteligencia de negocio como Tableau hasta lenguajes de programación como Python. Lo inteligente es que los profesionales de datos actuales dominen el arte y la ciencia del data storytelling para impulsar la acción.