Cuando juega la selección, Pix se detiene: lo que el Mundial nos enseña sobre los outliers

Escrito por: Matheus Tavares

Probablemente ya viviste esta escena: es día de partido de la selección (en mi caso, Brasil), el tráfico disminuye, las calles se vacían y todo el país parece contener la respiración al mismo tiempo. Las oficinas se quedan en silencio, las conversaciones se reducen a un único tema y, durante noventa minutos, una nación de millones hace más o menos lo mismo, al mismo ritmo, todo a la vez.

Eso es lo que hace que un partido del Mundial sea tan inusual. No es solo que mucha gente esté mirando, sino que la vida cotidiana se dobla alrededor de un único evento, con un nivel de sincronía que casi nada más en el calendario puede igualar. Un momento así es, casi por definición, extraordinario: queda muy fuera de la rutina de una tarde cualquiera. Y los momentos extraordinarios son, al final, justamente el tema de este texto.

Cuando un país entero cambia su comportamiento al mismo tiempo, ese cambio no se queda en las calles ni frente al televisor. Deja una huella en los datos, y uno de los lugares más claros para verla es en la forma en que las personas mueven dinero. Durante un partido de la selección, el volumen de transferencias instantáneas cae a una fracción de lo que se esperaría para esa hora del día. Al pitido final rebota como si nada hubiera pasado, y en el medio se puede incluso identificar el entretiempo. 

Pero ¿cómo saber que esto es realmente inusual y no solo una variación normal? Ahí es donde entra una idea estadística simple: el outlier, un valor que queda muy fuera del patrón habitual.

Entonces, ¿qué es exactamente un outlier?

Piensa en la temperatura de una tarde de octubre en tu ciudad, siempre alrededor de la misma marca agradable, día tras día, hasta que una tarde se dispara muy por encima de cualquier cosa que la estación suele traer. O en esa factura de luz que siempre llega parecida y, en un mes en particular, llega asustadoramente alta. Esos son outliers: valores que se alejan mucho de lo que esperarías en ese contexto.

La palabra clave es contexto. Una ráfaga de transferencias a las tres de la madrugada sería extraña; al mediodía, es esperable. Un outlier es un valor que está inusualmente lejos de lo que normalmente ocurre en esa situación específica.

Primero hay que saber cómo es lo «normal»

Para reconocer lo extraordinario, hay que conocer muy bien lo ordinario. Y lo ordinario, en el mundo de las transacciones, tiene ritmo: la actividad sigue patrones predecibles según el día de la semana y la hora del día. Hay horas pico, hay la calma de la madrugada, hay diferencia entre un lunes y un domingo.

Por eso, para averiguar si un momento realmente se salió de la curva, la comparación tiene que ser justa: comparar un lunes con otros lunes, y las 2 de la tarde con otros períodos de las 2 de la tarde. Comparar la hora del partido con la madrugada no nos diría nada. Compararla con la misma hora en días similares, sí.

¿Cómo se mide un outlier?

Para convertir esa intuición en algo que una computadora, o una persona analista, pueda realmente usar, la estadística ofrece tres ingredientes simples.

El primero es el promedio: el valor que normalmente esperaríamos en ese contexto. El segundo es la desviación estándar. En términos simples, nos dice cuánto suelen moverse los valores por encima o por debajo de ese promedio. Una franja horaria con actividad muy consistente tendrá una desviación estándar pequeña; una que varía mucho de forma natural tendrá una mayor.

Luego viene el z-score. Nos dice qué tan lejos está un momento específico del promedio, medido en desviaciones estándar. Un z-score de 0 significa que el valor está justo en el promedio. Un z-score de −1 significa que está una desviación estándar por debajo del promedio. Un z-score de −4 significa que está cuatro desviaciones estándar por debajo de lo que normalmente esperaríamos.

Una regla práctica útil es que alrededor del 99,7% de los valores se encuentran dentro de tres desviaciones estándar respecto del promedio. Así que cuando un valor pasa de tres, estamos ante algo extremadamente inusual. Por eso “tres desviaciones estándar” se usa con frecuencia como línea divisoria práctica para un outlier.

Quédate con ese «tres»: va a ser útil en un momento.

El Mundial: un outlier con causa conocida

Un partido de la selección es el ejemplo perfecto, por dos razones. Primero, la causa es obvia: todo el mundo se detuvo a mirar. Segundo, está en el calendario, así que sabemos exactamente dónde buscar.

Y los datos no decepcionan. Durante el partido de la selección brasileña, el volumen de transferencias instantáneas se desplomó a poco más de la mitad de lo que se esperaría para esa hora del día, aproximadamente entre cuatro y cinco desviaciones estándar por debajo de lo normal. ¿Recuerdas que pasar de tres ya es extremadamente raro? Este es un outlier de manual.

Y además hay un detalle que hace que el gráfico sea especialmente divertido de leer: se puede ver el entretiempo. La actividad repunta brevemente en la mitad del partido, cuando las personas resuelven algunos pendientes antes de que la atención vuelva al juego en la segunda parte. A su manera discreta, los datos cuentan la historia del partido minuto a minuto.

¿Solo pasa en Brasil?

No. El mismo patrón básico aparece cuando otras selecciones salen a la cancha, pero con algunas variantes locales interesantes.

En México, país anfitrión del Mundial, la caída fue aún más pronunciada: la actividad cayó más de veinte desviaciones estándar por debajo de lo esperado. Si tres ya es extremadamente raro, veinte es un resultado extraordinario: el tipo de lectura que sería casi imposible sin una causa muy fuerte detrás. Allí también se puede ver la pausa del entretiempo y, como bonus, un pico justo antes del pitido inicial: esa transferencia de último momento para arreglar la cuenta del asado antes de que empiece a rodar la pelota.

En Colombia, la actividad cayó a menos de la mitad de lo normal durante el partido y luego se disparó bastante por encima del promedio en el momento en que terminó el juego, casi como si el país entero volviera a respirar (y a transaccionar) de golpe.

Tres países, tres sistemas de pago distintos, el mismo comportamiento humano. Eso nos da más confianza de que el patrón es real y no una coincidencia: cuando algo similar aparece en contextos independientes, resulta más difícil descartarlo como casualidad.

Bien, pero ¿para qué sirve identificar outliers?

Más allá de generar un gráfico divertido, identificar outliers es uno de los trabajos más importantes para quien trabaja con datos, y se conecta con varias cosas que afectan nuestra vida diaria.

•  Seguridad: el mismo razonamiento básico puede aplicarse al comportamiento de un solo cliente: ¿qué es lo típico para esta persona? Si una transacción es muy distinta del patrón habitual de alguien, puede levantar una alerta para revisarla con más atención. La tecnología y los equipos de personas pueden entonces intervenir para ayudar a proteger al cliente. Detectar lo que queda fuera del patrón habitual es una parte central de la prevención del fraude.

•  Mantener los sistemas funcionando: entender cuándo la actividad sube o baja ayuda a dimensionar la infraestructura para que todo siga funcionando, incluido ese instante después del gol, cuando mucha gente vuelve a transaccionar a la vez.

•  Calidad de los datos: a veces un outlier no es un evento real, sino un error de medición. Identificarlo ayuda a evitar que esa medición defectuosa lleve a una conclusión equivocada.

Y hay un punto sutil: no todo outlier es un problema. El partido es un outlier por una razón clara y explicable. El trabajo de quienes cuidan los datos es justamente separar lo que es esperable y explicable, como el Mundial, de lo que merece una mirada más atenta, como una transacción inusual sin explicación evidente. 

Las herramientas estadísticas que vimos aquí — el promedio, la desviación estándar y el z-score — ofrecen una primera forma simple de hacer esa distinción.

Lo que muestra el ejemplo del Mundial

Un país que se detiene para alentar nos da una manera sorprendentemente clara de ver una idea seria en acción: primero entender cómo es lo “normal”, luego notar cuando algo queda muy fuera de eso y, por último, preguntar por qué.

A veces la respuesta es un partido del Mundial. En otras situaciones, el mismo principio puede ayudar a proteger cuentas, mantener sistemas confiables y asegurar que las decisiones se basen en datos fiables.

Quizás eso sea lo más interesante de un outlier: identificarlo es solo el comienzo, y lo que realmente importa es entender qué lo causó.

Cómo hicimos este análisis

Todas las cifras de este artículo usan datos agregados y anonimizados. No se utiliza ni se expone información individual de clientes. Por diseño, el análisis se presenta solo en términos relativos y estadísticos, nunca en valores absolutos.