Escasez Informacional

Definición

Escasez Informacional es la capacidad de un modelo de datos para mostrar solo la información necesaria, significativa y accionable, evitando el exceso de métricas, dimensiones y detalles que diluyen el entendimiento y erosionan la toma de decisiones.

Un modelo que respeta la escasez informacional no oculta información,
pero no la exhibe sin propósito.

En Power BI, esta propiedad garantiza que el usuario reciba la mínima cantidad de datos necesaria para comprender una situación, sin ruido ni redundancia.

Naturaleza

Cognitiva, semántica y metodológica.

La escasez informacional no es una limitación técnica,
sino una decisión consciente de diseño orientada a la claridad mental del usuario.

Emerge cuando:

• se entiende el objetivo del análisis,
• se prioriza la señal sobre el volumen,
• y se diseña el modelo pensando en el proceso cognitivo humano.

Función

Proteger al usuario del ruido analítico y del agotamiento cognitivo.

En la práctica, esta propiedad permite que:

• los dashboards sean comprensibles en segundos,
• las métricas destaquen por significado, no por cantidad,
• el análisis conduzca a decisiones, no a exploración infinita.

Consecuencia

• Mayor claridad en la lectura de datos.
• Decisiones más rápidas y confiables.
• Reducción de interpretaciones erróneas.
• Incremento del impacto real del análisis.

Un modelo sin escasez informacional informa mucho,
pero explica poco.

Señales de Escasez Informacional

• Cada métrica tiene un propósito claro.
• No existen KPIs duplicados o redundantes.
• Las dimensiones están visibles solo cuando aportan contexto.
• El usuario puede explicar el dashboard sin leer etiquetas.
• Menos visuales generan más entendimiento.

Señales de Exceso Informacional

• Se muestran todas las métricas “por si acaso”.
• Cada página tiene más de lo necesario para decidir.
• El usuario necesita guías para entender el dashboard.
• La exploración no converge en acción.
• Se confunde profundidad con complejidad.

Esto no es riqueza informativa: es ruido estructurado.

Ejemplo Conceptual en Power BI

Exceso informacional (❌)

• 20 KPIs en una sola página.
• Variaciones mínimas sin impacto real.
• Segmentaciones irrelevantes visibles por defecto.

Resultado:
👉 el usuario no sabe dónde mirar.

Escasez informacional aplicada (✅)

• 3–5 KPIs clave.
• Variaciones que implican acción.
• Detalle accesible solo bajo demanda (drill, tooltip).

Resultado:
👉 el usuario entiende y decide.

Escasez Informacional y Diseño del Modelo

La escasez informacional se refuerza cuando:

• Las medidas están jerarquizadas (core vs derivadas).
• El modelo separa:
• métricas operativas,
• métricas estratégicas,
• métricas exploratorias.
• El diseño visual sigue la lógica del modelo semántico.

No es solo un tema de visuales:
es una propiedad del modelo completo.

Interacciones

• Consistency → evita contradicciones.
• Equivalence → reduce duplicidad semántica.
• Semantic Elasticity → adapta sin inflar.
• Integrability → conecta sin multiplicar ruido.
• Escasez Informacional → protege el significado.

Sin escasez informacional, las demás propiedades pierden impacto.

Samples

🔹 Sample 1 — Jerarquía de KPIs (Core vs Derivados)

Problema (exceso ❌)
Un dashboard muestra:

• Sales
• Sales YTD
• Sales MTD
• Sales LY
• Sales YoY
• Sales Growth %
• Sales Variance
• Sales Target
• Sales vs Target

👉 El usuario no sabe cuál importa.

Aplicación de escasez (✅)

KPI Core (visible):

• Total Sales
• Sales Growth %

KPIs Derivados (on demand):

• Sales YTD
• Sales vs Target (tooltip / drill)

📌 Resultado:
La página comunica estado y tendencia en segundos.

🔹 Sample 2 — Métricas con umbral de acción

Exceso informacional (❌)
Se muestran variaciones irrelevantes (±0.3%, ±0.5%).

Escasez aplicada (✅)
Solo se muestran métricas cuando superan un umbral de acción.

📌 Resultado:
El dashboard habla solo cuando hay algo que hacer.

🔹 Sample 3 — Dimensiones visibles solo cuando aportan contexto

Exceso (❌)
Slicers visibles por defecto:

• País
• Región
• Ciudad
• Canal
• Subcanal
• Vendedor

Escasez (✅)

• Solo Región visible.
• El resto se activa vía:
• drill-down
• drill-through
• página secundaria

📌 Resultado:
Menos opciones visibles → menos fricción cognitiva.

🔹 Sample 4 — Separación de métricas por intención

Métricas estratégicas

• Revenue
• Growth
• Margin

Métricas operativas

• Volume
• Units
• Orders

Métricas exploratorias

• Variants
• Exceptions
• Outliers

👉 Solo las estratégicas viven en la página principal.

📌 Resultado:
Cada página responde a una intención cognitiva distinta.

🔹 Sample 5 — Drill como mecanismo de escasez

Exceso (❌)
Todo el detalle visible en la misma página.

Escasez aplicada (✅)

• Página principal → síntesis.
• Drill-through → detalle.
• Tooltip → contexto rápido.

📌 Resultado:
El usuario elige profundizar, no es forzado a hacerlo.

🔹 Sample 6 — Antipatrón vs Patrón (Escasez Informacional)

❌ Antipatrón — Dashboard exhaustivo

• “Mostrar todo”
• 15+ visuales
• Todas las métricas visibles
• Decisión lenta o inexistente

✅ Patrón — Dashboard escaso

• “Mostrar lo esencial”
• 3–6 visuales
• Métricas jerarquizadas
• Decisión rápida y clara

📌 Regla práctica:
Si el usuario necesita más de 10 segundos para entender la página, falta escasez informacional.

Síntesis

Más datos no generan más conocimiento.
Más claridad sí.