Datos normalizados: ¿Quién ha ganado los Juegos Olímpicos?

Finalizados los juego de Tokyo 2020 podemos volver a abrir el debate de quién, qué país, debe presidir los top rankings de los medalleros. 
El mensaje de los medios es claro, y, como cada 4 años, experimentamos una especie de “esto ya lo he vivido».  De nuevo el mismo pequeño grupo de países encabeza el medallero: EEUUU, China, Rusia…

Este ranking sigue un criterio claro, el indicador de medida es el volumen de medallas de oro ( sin tener en cuenta el deporte en sí, que está condicionado por variables con valores muy distintos a la vez, y otras variables que veremos a continuación).

En este post no pretendemos entrar a valorar si el volumen absoluto de medallas es es un indicador representativo, “justo” u objetivo, sino que pretendemos plantear la importancia de la normalización y ponderación de los datos teniendo en cuenta más de una variable.
En el aspecto olímpico concretamente podríamos tener en cuenta para este medallero aspectos como:

Población de cada país participante: es más complicado ganar medallas para 37 millones de polacos que para 1.000 millones de chinos. 
PIB: países con un PIB más elevado tienen acceso a mejores instalaciones de entrenamiento, educación, clubes etc. que países con economías menos prósperas. 
Número de participantes de cada país en los juegos: EEEU envía a 1.000 atletas mientras que Kenia a 90.
Aquí obtendríamos el indicador de “medallas per capita” por ejemplo. Incluso podríamos agrupar por otras variables como género, dividir regiones de países, agrupar países por idioma etc.

Teniendo en cuenta este tipo de variables para construir los medalleros pasaríamos de tener titulares como “ EEUU encabeza el medallero olímpico con 113 medallas totales” a titulares como “ Georgia encabeza el medallero con 0,2 medallas por atleta” .

– EEEU gana 0,1 medallas por cada 10 atletas participantes.
– Georgia gana 2 medallas por cada 10 atletas participantes.

Es decir Georgia gana 20 veces más medallas que EEUU.

Otra variable que podríamos tener en cuenta para normalizar y ponderar los resultados seria el número de medallas disponibles por deporte o categoría.
Por ejemplo, es mucho más importante para un país ganar una medalla en baloncesto (donde solo hay una medalla en juego) que en atletismo o natación donde hay más de 100 medallas en las distintas categorías. 

Sin ánimo de seguir calculando medalleros, enlazamos con un ejemplo de normalización de datos y visualización de Alberto Cairo que nos encanta para ejemplificar la importancia de la normalización en la lectura de datos, y sobre todo en cómo comunicarlos.

En este ejemplo de visualización se pretende comparar el peso que representa la destinación de recursos a Defensa de los países de Sudamérica, concretamente los vecinos de Brasil.
Se  muestran las variables:
– El presupuesto destinado a Defensa
– Los efectivos (soldados) enviados al Ejército
– La población de cada país

Visualización de Alberto Cairo del libro “The Functional Art”.

Más allá de comentar que la visualización mediante un mapa no es la mejor manera de representar estos datos, ya que siempre tendrá más protagonismo el país con mayor extensión, en este caso Brasil, y ese no es el objetivo de la visualización, vemos cómo la normalización o no de los datos en función de las variables comentadas anteriormente cambia el orden o el ranking de los países en lo que se refiere a los recursos destinados a Defensa. 

Sin normalizar los datos vemos como Brasil encabeza el ranking de las 3 variables en términos absolutos. 

Sin embargo, en cuanto normalizamos los datos vemos como es Colombia quien los encabeza en efectivos del Ejército teniendo en cuenta los soldados per cápita (en lugar del valor absoluto de soldados) y es Chile quien los encabeza en función de presupuesto destinado por cápita y por soldado.  Dejando así a Brasil en posiciones muy inferiores en el ranking.

Visualización de Alberto Cairo del libro “The Functional Art”.

Tanto el ejemplo de los resultados en los medalleros olímpicos como la visualización de Defensa en Sudamérica de Alberto Cairo son dos ejemplos claros de cómo la normalización nos ayuda a identificar el potencial de cada uno de los objetos de estudio, en estos ejemplos son los países, pero podrían ser productos, canales de marketing, campañas publicitarias, etc. donde lo importante es demostrar su rendimiento en función de la inversión y el esfuerzo dedicado. 

Este mismo debate se vuelve a abrir siempre que nos encontramos frente a resultados electorales, así que no tendremos que esperar a los Juegos Olímpicos de París 2024 para construir nuestros propios rankings de “ ganadores”. 

En nuestro siguientes posts explicaremos distintos tipos de normalización de datos y ejemplos prácticos. 

¡Seguimos! 

 

ANTERIOR
SIGUIENTE

TIPS DE EXPERTOS

Suscríbete para impulsar tu negocio.

ÚLTIMOS ARTÍCULOS

ChatGPT vs DeepSeek: un enfrentamiento de inteligencia artificial

La inteligencia artificial (IA) ha dejado de ser una tecnología del futuro para convertirse en un componente esencial de la transformación digital que enfrentan las empresas hoy en día. Herramientas como ChatGPT y DeepSeek han revolucionado la manera en que interactuamos con los datos, permitiendo automatizar procesos, optimizar la toma de decisiones y mejorar la experiencia del usuario.

La importancia de validar propiedades en CRM

En el mundo actual de los negocios, la gestión de las relaciones con los clientes (CRM) se ha convertido en una herramienta esencial para empresas de todos los tamaños. La capacidad de almacenar y analizar información detallada sobre los clientes puede marcar la diferencia entre el éxito y el fracaso.

Comprendiendo el código a través de la IA

En un mundo donde la transformación digital está revolucionando todos los sectores, la inteligencia artificial (IA) se ha convertido en una herramienta clave para mejorar la eficiencia operativa y la toma de decisiones en las empresas. La automatización de procesos, la visualización del flujo de ejecución del código y el análisis de grandes volúmenes de datos están llevando la analítica digital y el CRM a nuevas alturas. En este artículo, exploramos cómo las herramientas de IA, como LLaMA, están impactando la analítica digital y cómo estas tecnologías se integran de manera efectiva en las empresas, tanto en el ámbito B2B como B2C.

¿Qué es Deepseek y cómo está transformando el mundo de la IA?

En los últimos años, la inteligencia artificial (IA) ha captado la atención de empresas y consumidores por igual. A medida que nos adentramos en 2025, la expectativa de que la IA transformará diversos sectores es cada vez más palpable. Un actor emergente que promete cambiar este panorama es Deepseek, una plataforma que, según un artículo publicado en Medium, se presenta como una innovación disruptiva en el mundo de la analítica avanzada.

data
Mallorca 184, 08036
Barcelona, Spain