IA para Gráficas y Estadística: Analiza Datos Sin Saber Programar

Si todavía abres el Excel, seleccionas cuatro columnas a ojo, insertas un gráfico de barras y rezas para que la reunión pase rápido, tengo buenas y malas noticias. La mala: probablemente llevas años tomando decisiones con gráficas que no dicen lo que crees que dicen. La buena: hoy puedes subir ese mismo fichero a una IA, pedirle un análisis estadístico serio y salir con tres conclusiones defendibles en menos de diez minutos. Sin saber programar. Sin saber qué es una desviación típica.

Vamos sin rodeos con la respuesta directa: para analizar datos con IA sin programar, la vía más rápida hoy es subir tu Excel o CSV a ChatGPT (con Análisis de Datos activado) o a Claude, describir en una frase qué decisión quieres tomar y pedirle que empiece por la estadística descriptiva antes de dibujar nada. La IA escribe y ejecuta el código Python por ti, te devuelve las gráficas ya hechas y te explica en castellano qué está viendo. Tu trabajo pasa de "hacer el gráfico" a "hacer las preguntas correctas y detectar cuándo el número te está engañando". Ese cambio de rol es todo el artículo.

Llevo años viendo cuadros de mando en empresas de software y en una red de más de 70 clínicas dentales, y te digo algo que no vas a leer en un hilo de LinkedIn: la mayoría de los gráficos que se enseñan en una reunión de dirección no soportan una pregunta de segundo nivel. La IA no arregla eso sola, pero bien usada te obliga a mirar lo que antes ni te planteabas.

¿Se puede hacer estadística con IA sin saber programar?

Sí, y no es un truco. La diferencia respecto a hace tres años es que las IA ya no "hablan" de estadística: la ejecutan. Cuando subes un fichero a ChatGPT o a Claude, la herramienta abre un entorno Python real (pandas, matplotlib, scipy), escribe el código, lo corre y te devuelve el resultado numérico y la imagen. No está prediciendo qué media te gustaría oír: está calculándola.

Eso importa muchísimo, porque marca la frontera entre lo fiable y lo peligroso. Un modelo de lenguaje que te dice "la correlación es aproximadamente 0,7" sin ejecutar nada se lo está inventando. Un modelo que te enseña el código y el output, no. Regla número uno de todo lo que viene: si no ves el cálculo, no te fíes del número.

Lo que sigues necesitando aportar tú:

1. Datos limpios y bien estructurados. Una fila = una observación. Una columna = una variable. Cabeceras en la primera fila. Sin celdas combinadas, sin totales a mitad de tabla, sin colorines que signifiquen algo.
2. La pregunta de negocio. "Analiza esto" es el peor prompt del mundo. "Quiero saber si el descuento de julio nos trajo pacientes nuevos o solo abarató los de siempre" es un prompt que produce trabajo útil.
3. El escepticismo. La IA te dará una respuesta siempre. Que tenga sentido es cosa tuya.

Si trabajas mucho con hojas de cálculo, te recomiendo leer antes la guía específica de analizar datos de Excel con ChatGPT, donde entro en la preparación del fichero, que es donde se pierde la mitad del tiempo.

Cómo analizar un Excel con IA: el flujo de 6 pasos

Este es el proceso que uso yo, en este orden. El orden no es decorativo: hacer la gráfica antes de mirar los descriptivos es la forma más habitual de contar una mentira con buena fe.

1. Prepara el fichero. Exporta a CSV o XLSX limpio. Elimina filas de subtotales, notas al pie y columnas vacías. Renombra las cabeceras a algo legible ("importe_factura", no "Col_7"). Si hay datos personales de clientes o pacientes, anonimiza antes de subir: quita nombres, DNI, teléfonos y emails. Con RGPD no se juega, y una herramienta en la nube es un tratamiento de datos.

2. Contextualiza en el primer prompt. Algo así: "Te subo un CSV con las ventas mensuales de 2024 y 2025 de una empresa de servicios en España. Cada fila es una factura. Antes de analizar nada, dime cuántas filas hay, qué columnas, qué tipo de dato tiene cada una, cuántos nulos y cuántos duplicados. No hagas gráficas todavía."

3. Pide la auditoría de calidad. Nulos, duplicados, rangos imposibles (edades de 300 años, importes negativos), fechas mal parseadas. Aquí aparece la mayoría de los problemas reales: si tu fichero tiene un 30% de nulos en la columna clave, no hay análisis que valga.

4. Estadística descriptiva antes que nada. Media, mediana, desviación típica, mínimo, máximo y cuartiles de cada variable numérica; frecuencias para las categóricas.

5. Ahora sí, la visualización. Una gráfica por pregunta, no un dashboard de doce cajas. Pídele que justifique el tipo de gráfico elegido.

6. Contraste y exportación. Pide el código Python usado, las gráficas en PNG y, si vas a repetir el análisis cada mes, el script listo para reutilizar.

Un detalle que ahorra mucho tiempo: dile explícitamente "trabaja paso a paso y enséñame el resultado de cada paso antes de seguir". Sin eso, la IA tiende a soltarte un informe de 2.000 palabras donde no puedes auditar nada.

Qué gráfica usar según el tipo de dato

Esta es la tabla que más falta hace en las empresas. La mayoría de los errores de visualización son elegir mal el tipo de gráfico, no calcular mal. Puedes copiar esta tabla y pegársela a la IA como criterio.

Qué quieres mostrar	Gráfico correcto	Gráfico que NO debes usar	Nota
Comparar categorías (ventas por ciudad)	Barras horizontales ordenadas	Tarta con 8 porciones	Ordena de mayor a menor, siempre
Evolución en el tiempo	Líneas	Barras 3D	Eje Y empezando en cero si comparas magnitudes
Composición de un total (2-4 partes)	Barra apilada o tarta simple	Donut con 10 trozos	Con más de 4 categorías, barras
Relación entre dos variables	Dispersión (scatter)	Doble eje Y	El doble eje Y es la reina de las falacias visuales
Distribución de una variable	Histograma o boxplot	Media en un número grande	La media sola esconde la asimetría
Comparar distribuciones entre grupos	Boxplot o violín	Barras con la media	Enseña la dispersión, no solo el centro
Datos geográficos por provincia	Mapa coroplético	Barras con 52 categorías	Normaliza por población
Muchas métricas a la vez	Tabla ordenada	Radar / araña	El radar es casi siempre ilegible

Dos reglas mías, aprendidas a base de discusiones en salas de reuniones: la tarta solo se justifica con dos o tres trozos, y el gráfico de doble eje Y sirve para hacer que dos cosas parezcan relacionadas cuando no lo están. Si alguien te lo enseña, desconfía.

Estadística descriptiva: las seis cifras que debes pedir siempre

No necesitas un máster. Necesitas entender seis números, y la IA te los da en un prompt:

• N (número de observaciones). Si son 30 registros, cualquier conclusión es una anécdota. Si son 30.000, empieza a haber señal.
• Media. Útil y traicionera. Se la carga un solo outlier.
• Mediana. El valor central. En facturación, ingresos o tiempos de espera, casi siempre es más honesta que la media. Si media y mediana se separan mucho, tienes datos asimétricos y la media te está mintiendo.
• Desviación típica. Cuánto se dispersa. Una media de 100€ con desviación de 5€ y una media de 100€ con desviación de 90€ son negocios distintos.
• Percentiles 25, 50 y 75. El rango donde vive el grueso de tus datos. En clínicas dentales, el percentil 75 del ticket medio te dice más sobre tu potencial que la media.
• Recuento de nulos. Lo que falta también es información.

Prompt directo que puedes copiar: "Calcula para cada variable numérica: N, media, mediana, desviación típica, mínimo, máximo, P25, P75 y número de nulos. Dame la tabla en markdown. Después dime en qué variables la media y la mediana se separan más de un 15% y explícame por qué."

Esa última frase es la que convierte un ejercicio de clase en un análisis útil.

Correlaciones y tests básicos sin liarte

Aquí es donde la gente se pega el batacazo. Vamos por partes, con lo mínimo imprescindible.

Correlación. Mide si dos variables se mueven juntas, de -1 a +1. Le pides a la IA la matriz de correlaciones y un mapa de calor. Interpretación práctica: por debajo de 0,3 en valor absoluto, olvídalo; entre 0,3 y 0,6, hay algo; por encima de 0,7, relación fuerte. Y ahora la frase que hay que tatuarse: correlación no es causalidad. El gasto en publicidad y las ventas correlacionan, sí. También correlacionan porque en diciembre subes las dos cosas a la vez.

Test de hipótesis (el t-test). Sirve para responder: "¿la diferencia entre estos dos grupos es real o es ruido?". Landing A convierte al 3,1% y la B al 3,4%: ¿celebro o no? El test te da un p-valor. Por convención, si el p-valor es menor de 0,05, la diferencia se considera estadísticamente significativa. Es decir, es poco probable que se deba al azar.

Chi-cuadrado. Para variables categóricas: ¿el tipo de tratamiento depende del canal de captación, o son independientes?

Prompt útil: "Compara la tasa de conversión del grupo A y el grupo B con un test estadístico apropiado. Dime qué test has usado y por qué, el p-valor, el tamaño del efecto y si el tamaño muestral es suficiente para concluir algo. Sé conservador."

Ese "sé conservador" cambia el tono de la respuesta más de lo que imaginas. Si quieres profundizar en la parte de cálculo puro, tengo una comparativa específica de la mejor IA para matemáticas donde analizo cuál falla menos con números.

Las cinco formas en que un análisis con IA te va a engañar

Esta sección es la que hace que este artículo valga algo. Todo lo anterior lo encuentras en cualquier tutorial. Esto no.

1. La alucinación del número no ejecutado. Si le pides una interpretación sin fichero adjunto, o si el entorno de código falla y la IA "resume" igualmente, te puede dar cifras inventadas con una seguridad pasmosa. Antídoto: exige ver el código y el output crudo. Contrasta dos o tres cifras a mano en el Excel.

2. El outlier que se come la media. Una factura de 80.000€ entre 400 de 300€ te destroza cualquier promedio. La IA no lo señala si no se lo pides. Antídoto: pide siempre mediana junto a la media, y "identifica los 10 valores más extremos y dime si son errores o casos reales".

3. La correlación espuria. Con 40 columnas, la estadística garantiza que algunas correlacionarán por puro azar. Si buscas suficiente, encuentras. Antídoto: la hipótesis primero, el dato después. Nunca al revés.

4. El eje Y truncado. La IA a veces genera gráficas con el eje Y arrancando en un valor alto, y una subida del 2% parece un cohete. Antídoto: "genera todas las gráficas de barras con el eje Y empezando en cero".

5. El sesgo de supervivencia y el filtro invisible. Si tu CSV solo contiene clientes activos, cualquier conclusión sobre satisfacción es basura: los descontentos ya se fueron y no están en el fichero. Antídoto: pregúntate siempre quién falta en esta tabla. La IA no puede saberlo.

Y una sexta, que es más de sala de reuniones que de estadística: la IA responderá a la pregunta que le hagas, no a la que deberías hacer. Si le preguntas "¿por qué han bajado las ventas en Andalucía?", asumirá que han bajado y te construirá una explicación. Pregúntale primero si han bajado de forma significativa.

Herramientas: cuál usar para qué

He probado todas estas con ficheros reales. Aquí va mi criterio sin humo. Los precios son orientativos a fecha de publicación; consulta el precio actual antes de contratar.

Herramienta	Precio orientativo	Para quién	Veredicto
ChatGPT (Análisis de Datos)	Gratis limitado / desde 23€/mes Plus	El estándar para el 90% de los casos	La mejor opción general. Ejecuta Python, genera gráficas y acepta Excel y CSV. Es con la que empezaría cualquiera
Claude	Gratis limitado / desde 18€/mes Pro	Análisis largos, informes escritos, ficheros con contexto complejo	El que mejor explica y menos se inventa en la interpretación. Excelente para redactar la conclusión del análisis
Julius AI	Gratis limitado / desde 20$/mes	Analistas que hacen esto a diario	Especializado en datos: gráficas más pulidas y flujo más rápido. Si vives en los datos, compensa; si no, es un extra
Copilot en Excel	Incluido en Microsoft 365 Copilot, desde 30$/usuario/mes	Empresas ya metidas en el ecosistema Microsoft	Cómodo porque vive donde están tus datos, pero más limitado que ChatGPT en análisis estadístico serio
Looker Studio	Gratis	Cuadros de mando recurrentes	No es IA, es visualización. Para el informe mensual automático es imbatible y no cuesta nada
Power BI	Desde 10$/usuario/mes	Datos corporativos, muchos usuarios	El estándar empresarial. Curva de aprendizaje real, pero escala

Mi recomendación práctica: ChatGPT o Claude para explorar y entender, Looker Studio o Power BI para lo que tengas que mirar todas las semanas. No uses la IA conversacional como cuadro de mando: es exploración, no monitorización. Si tu caso es sobre todo hojas de cálculo, mira la comparativa detallada de la mejor IA para Excel.

El ángulo que nadie te cuenta: qué métricas importan de verdad

Aquí me pongo el sombrero de director de marketing, porque llevo demasiados años viendo análisis impecables de métricas irrelevantes.

Puedes tener el gráfico más limpio del mundo sobre las visitas a tu web. Y da igual. Las visitas no pagan nóminas. En mi experiencia, en una pyme de servicios solo hay cuatro familias de métricas que mueven la aguja:

• Coste de adquisición de cliente (CAC). Lo que te cuesta traer uno nuevo, por canal. Sin esto, la inversión en publicidad es fe.
• Valor de vida del cliente (LTV). Lo que deja de media a lo largo de la relación. En una clínica dental, un paciente de higienes anuales durante ocho años vale mucho más que una ortodoncia suelta.
• Tasa de conversión por etapa. No "convertimos un 4%": de cada 100 leads, cuántos cogen cita, cuántos vienen, cuántos aceptan presupuesto. El agujero está en una etapa concreta, y solo se ve desglosado.
• Recurrencia y abandono. Cuántos vuelven y cuántos dejan de venir. La métrica más cara de ignorar y la que menos gente mide.

Prompt de negocio que uso a menudo: "Con estos datos de facturación por cliente y fecha, calcula el ticket medio, la frecuencia de compra anual y estima el LTV a 3 años. Segmenta por canal de captación y dime qué canal trae los clientes de mayor valor, no solo los más baratos."

Esa distinción —valor frente a coste— es la que separa un análisis que decora una presentación de uno que cambia dónde pones el presupuesto del mes que viene.

Preguntas frecuentes

¿Es seguro subir datos de mi empresa a ChatGPT o Claude?

Depende de qué datos y de qué plan tengas. En los planes de empresa (ChatGPT Team/Enterprise, Claude Team) tus datos no se usan para entrenar modelos. Aun así, mi regla es simple: anonimiza siempre antes de subir. Sustituye nombres por identificadores, quita DNI, teléfonos y emails. Con datos de salud o financieros de terceros, revisa tus obligaciones de RGPD antes de nada.

¿Qué IA es mejor para hacer gráficos, ChatGPT o Claude?

Para generar la gráfica en sí, ChatGPT con Análisis de Datos suele ser más directo y produce imágenes descargables con menos fricción. Claude brilla más en la interpretación y en redactar la conclusión del análisis con matices. Si tengo que elegir una sola para empezar, ChatGPT; si el entregable es un informe escrito, Claude.

¿Necesito saber estadística para usar estas herramientas?

No para operarlas, sí para no engañarte. Con entender media frente a mediana, qué es la dispersión, qué significa un p-valor y que correlación no es causalidad, ya estás por encima de la media de las reuniones a las que he asistido. La IA hace el cálculo; el criterio sigue siendo humano.

¿Puede la IA equivocarse en los cálculos estadísticos?

Cuando ejecuta código Python real, los cálculos son fiables porque los hace una librería, no el modelo. Los errores aparecen en otro sitio: al interpretar mal el resultado, al elegir un test inadecuado o al leer mal el fichero (fechas, decimales con coma, columnas desplazadas). Por eso hay que pedir siempre el código y verificar dos cifras a mano.

¿Cuántos datos necesito para que el análisis sirva de algo?

No hay número mágico, pero orientativamente: por debajo de 30 observaciones estás describiendo, no concluyendo. Para comparar dos grupos con cierta confianza, pide unos cientos por grupo. Y ojo: si tu test A/B lleva tres días corriendo, no ha terminado, aunque el gráfico ya esté precioso.

¿Sirve todo esto para un autónomo o solo para empresas grandes?

Sirve especialmente para el autónomo. Una empresa grande tiene analistas; tú no. Con un CSV exportado de tu programa de facturación y veinte minutos puedes saber qué cliente te da margen de verdad, en qué meses se te hunde la caja y qué servicio deberías dejar de ofrecer. Eso, antes, costaba una consultoría.

Por dónde empezar esta semana

Sin plan de seis meses: exporta a CSV el histórico de facturación del último año, anonimiza los datos personales y súbelo a ChatGPT o Claude con este prompt: "Audita este fichero (filas, columnas, tipos, nulos, duplicados, valores extremos). No hagas gráficas todavía." Después pide la descriptiva completa, formula una sola pregunta de negocio concreta y quédate con la única gráfica que la responda. Verifica dos cifras a mano en el Excel.

Si el resultado te cambia una decisión, ya ha valido la pena. Y si no te la cambia, también has aprendido algo: que estabas mirando la métrica equivocada.