La gestión humana no puede derivarse del tratamiento analítico de datos duros sobre el comportamiento de las personas. Datos duros del comportamiento humano no existen, son datos cualitativos y subjetivos que dependen de quién los emita, su intención y el momento. Ejemplo de ello son evaluación del desempeño, identificación del clima organizacional, eficiencia, productividad, motivación, compromiso, etc.
El Big Data (BD) es muy útil para abordar con éxito el comportamiento de grandes cantidades de datos. No obstante hay que tener mucho cuidado con su procedencia, su pertinencia, su objetividad y su exactitud porque podríamos caer en aquel lema, muy conocido por cierto, que si basura entra al sistemas, basura sale del sistema Entre más exactos sean los dato y entre mejor represente una realidad, y entre más objetivos sean, las conclusiones serán más exactas y concordantes con la realidad. Todo esto se da cuando los datos reflejan comportamientos de sistemas cerrados o mecánicos, datos independientes de la interpretación humana. Por ejemplo tratar con BD el escaneo del comportamiento de los motores de los automóviles es muy seguro en sus conclusiones. Pero qué pasa cuando los datos provienen de variables cualitativas, variables que parten de la interpretación humana, datos subjetivos, datos de opinión, utilizar el BD para hacerlos representativos de una realidad es una tarea inútil, engañosa e imprecisa. Por ejemplo analizar datos cualitativos de opinión sobre el clima organizacional de una empresa con los instrumentos del BD son una quimera, y sus resultados pueden llevar a las organizaciones a tomar decisiones erróneas. Lo mismo pasa con las encuestas de opinión por ejemplo sobre preferencias políticas, han sido un fracaso, la evaluación del desempeño, una variable totalmente subjetiva y situacional, el análisis BD no agreda nada y si agrega algo es confusión.
El error de generalizar el hecho de que como sirve para analizar sistemas cerrados y mecánicos, sirve también para estudiar el comportamiento de variables cualitativas y subjetivas. Ese es el problema lo ha tenido la estadística con el promedio, las distribuciones, en la estadística inferencial. No es más análisis, no es más de lo mismo, es necesario otro abordaje nativo de los sistemas abiertos.
Si estamos frente a sistemas complejos, donde los resultados no son determinísticos, y dependen de propiedades emergentes, y de infinidad de variables muy poco conocidas tanto en su existencia como en su comportamiento, los abordajes de BD se hacen insuficientes y en algunos casos confusos. No olvidemos que las empresas y organizaciones se mueven en el mundo de los sistemas complejos adaptativos.
Cuando estamos tratando grandes masas de datos, si éstos son veraces, el BD sirve para entender el comportamiento de muestras o universos, pero cuando se singulariza el fenómeno lo que es verdadero en que todo se comporta de forma probabilística cuando es referida al comportamiento del elemento individual. Por ejemplo, cuando un médico le dice a un paciente, «la probabilidad de cura de su enfermedad es de un 90%», si el paciente no sabe de probabilidades, posiblemente sale de la cita muy contento. Pero si la comprende pregunta que debe hacer al médico es la siguiente: «¿Dónde me ubico yo , en el 90% o en el 10%?» y esa pregunta no tiene una respuesta exacta, ni correcta, a no ser que le diga que no sabe, es una respuesta que nadie puede dar. Los eventos probabilísticos, son eso probabilidades, y las probabilidades aparecen cuando no se tiene la información perfecta, y además si ésta es incompleta, subjetiva, cualitativa y referida a comportamiento humano.