Can we trust Facebook

La nueva ley de protección de datos y la confianza en las redes sociales: la cara mala de Facebook (4/4)

Publicado el Deja un comentarioPublicada en Big Data, Crisis, Data mining, Ética, Privacidad, Reputación

Cerrando el análisis en cuatro partes sobre la crisis de Facebook y Cambridge Analytica, me gustaría ahora de enfocarme en cómo las organizaciones en la era digital están gestionando la confianza que sus usuarios y clientes tienen en ellas y el role de la ética en el big data. Este artículo es particularmente relevante pues esta semana la nueva normativa europea para protección de datos entra en vigor.

Este caso en particular demuestra que hubo una clara quiebra de la confianza entre los usuarios y Facebook. Además, observamos como l a la cuestión del consentimiento es central para comprender toda esta crisis. No que eso sea algo nuevo, pues el fundador de Facebook es conocido por ser un ¨serial-apologiser¨. No es de hoy que Facebook se destaca negativamente en diferentes estudios sobre confianza como, por ejemplo,  este en que es la última entre las gigantes del mercado y este, en que demuestra cómo su reputación fue afectada tras la crisis.

La cuestión es: ¿una empresa debe ser especialista en hacer las cosas bien a la primera o en disculparse después que se descubre sus mal hechos? Talvez todo no pasa de prisa y el resultado del pionerismo, pues el mantra de Facebook es “move fast and break fast”. Pero, ¿y si es solo irresponsabilidad? Sea como fuera, y no tengo la intención de juzgar a nadie ni a Facebook, este es un ejemplo muy interesante sobre el tema de la construcción de confianza en ambientes digitales.

La confianza es un estado mental y una actitud en relación a un agente (en este caso, una plataforma de red social) y se asocia al comportamiento o acción esperado en el futuro de este agente. La evaluación que se hace de la confianza atribuida a este agente se llama reputación.

La confiabilidad en Facebook: una vez más cuestionada

 La confianza es un constructo situacional y depende de la percepción de la naturaleza de las intenciones y motivos de la otra persona o organización. El caso de Facebook es sintomático, pues al parecer la red no se importó mucho con el uso de su plataforma para fines de investigación, a sabiendas que esta investigación no se quedaría solo en el mundo teórico. Es decir, posiblemente había interés por parte de Facebook que el experimento fuese usado como un campo de test de un nuevo tipo de publicidad basada en el uso de la red social como predictor del comportamiento social (para fines comerciales o electorales). O, menos que eso, no se importaron mucho con limites éticos para la obtención de datos. Cerraron los ojos o miraron para el otro lado, en fin.

No hay nada de nuevo en el uso de informaciones personales para fines de comerciales, como ya comentamos, y eso es día a día del marketing basado en datos. El problema en este caso fue como Cambridge Analytica se apropió indebidamente de los datos a través de una app ofrecida a través de Facebook con el objetivo explícito de ser un test de personalidad. Es decir, esta app defraudó a la gente para obtener sus datos y también de sus contactos. Peor que eso tal vez fue el hecho de que el objetivo final de CA era lo usar este data set para crear campañas de desinformación y divulgación de falsedades  según comentarios de un ex-empleado de la empresa.

En resumen, para concluir este artículo, el tema se centra, al final y al cabo, en la ética de las organizaciones a la hora de gestionar los datos de las personas. Si, como dice el refrán, la tecnología es agnóstica, las personas y empresas, por su vez, generalmente tienen sus preferencias. E intereses. De manera, que el uso ético de los datos debe seguir algún tipo de criterio. En este interesante paper, un ingeniero de IBM nos da algunas pautas de cómo eso debería acontecer y en este del MIT ya se dejaba antever también las preocupaciones con el dark side del big data.

 

Jorn_Lyseggen_Meltwater

Data Fest en London: Sysomos Summit

Publicado el Deja un comentarioPublicada en Big Data, Data mining, Estrategia, Eventos, Inteligencia

El martes pasado, asistí a Sysomos Summit en Londres, una celebración de tecnología, data science, redes sociales y negocios. El evento también fue el lugar donde Meltwater, una empresa líder en el área de monitoreo de medios de mercado y software de inteligencia de negocios, anunció la adquisición de Sysomos. Jorn Lyseggen, fundador y CEO de Meltwater, presentó los objetivos acerca de esta adquisición, bajo la nueva visión Outside Insight.

Me sorprendió gratamente ver en una de las diapositivas de Lyseggen la mención del impacto de la nueva realidad digital en la toma de decisiones, que es exactamente el tema clave de este mi blog. De hecho, Lyseggent escribió un libro sobre esto. Estoy a mitad de camino en mi lectura y puedo decir que vale 100% la pena.

Para empezar, no es solo un libro sobre gestión datos. Los temas centrales del libro son el cambio, la toma de decisiones y la estrategia. Su tesis clave es que las organizaciones necesitan no solo tener una visión interna de los datos a través, por ejemplo, de los datos gestionados por el software de ERP. Sobre todo, y fundamentalmente, las empresas hoy deben mantener su mirada atenta a factores externos, y para eso pueden aprovecharse de las “migas en línea” (también me gusta llamar “huella digital”) que están disponibles en el mundo digital, con origen en las más variadas fuentes. Salir de un paradigma introvertido para extrovertido, en otras palabras.

 El resultado de este cambio de actitud es claro: las empresas empiezan a actuar (no solo a reaccionar) en tiempo real, toman decisiones más inteligentes, como la mirada hacia el futuro, y son capaces de predecir, no explicar, sus acciones en un mercado en constante cambio.

 Muy interesante, también, fue la mención de Lysenggen al Modelo de Fuerza 5 de Michael Porter. Al contrario de aquellos que el modelo está desactualizado, eso demostró que el modelo mantiene su validez como parte esencial del análisis y de la formulación de la estrategia. Con el nuevo paradigma propuesto por el libro, el modelo gana potencia y su aparente naturaleza estática se transforma por completo en una arena vibrante y competitiva en tiempo real.

El evento contó con muchos otros representantes de diferentes empresas, y quizás el punto común más importante entre las presentaciones fue cómo los datos externos pueden ser una fuente de ventaja competitiva (Porter, nuevamente). Las empresas que integran los datos de la manera descrita por Jorn Lysenggen en su libro para “luchar contra creencias preconcebidas y romper con sus prejuicios internos” seguramente evitarán el tipo de visión de túnel o miopía de marketing (concepto de otro autor clásico, Levitt) que afectó a grandes marcas como Kodak o Blackberry. Y sobrevivirán a estos tiempos hipercompetitivos con menos dificultades.

El mito de la transparencia

El Mito de la Transparencia: la cara mala de Facebook (2/4)

Publicado el 2 comentariosPublicada en Big Data, Crisis, Data mining, Privacidad, Reputación

Una crisis acerca de la transparencia, podríamos resumir así la pesadilla para la reputación de Facebook los hechos ocurridos en estas últimas semanas. O, como la revista Times lo describió de forma brillante: “Todo esto ha provocado duras críticas a la compañía, que rastrea meticulosamente a sus usuarios pero no pudo hacer un seguimiento de adónde fue la información sobre la vida y el pensamiento de esa gente”. En esta aparente paradoja reside el primer punto que me gustaría destacar en este segunda parte de mi análisis: El Mito de la Transparencia.

Si uno lee libros como lo de Jeff Jarvis “Partes Públicas”(2011), sabes cómo las redes sociales han creado con éxito una hype sobre las virtudes de la vida en la esfera pública, en un continuo “Self Big Brother”. Aunque en aquel entonces Jarvis estaba de acuerdo con algún tipo de protección a la privacidad de las personas, como las propuestas por la entonces comisaria europea Viviane Reding, él defendía también una visión libertaria, tal vez utópica, de la transparencia que ignoraba un impulso básico detrás de la “publificación” de nuestra vidas de por las compañías de tecnología. Para ellas, los datos tienen valor económico y las redes sociales prosperan comercializando datos que de privados se convirtieron en públicos.

Lo que esta crisis ha sacado a la luz y ha llamado la atención de los reguladores ha sido la culminación de una serie de problemas en relación a la privacidad y fallos de seguridad que involucran a Internet y, más precisamente, a Facebook. Es tal vez el comienzo del “fin de la inocencia” y la comprensión por parte de los usuarios de que la transparencia es buena cuando ocurre en ambos sentidos: desde la parte del productor de los datos (es decir, nosotros) y del comercializador de los datos ( las empresas de redes sociales). El mercado se ha vuelto más maduro. La gente comienza a darse cuenta de que nunca ha habido un verdadero “servicio gratuito” de Google o Facebook. Como lo plantea Viviane Reding: pagamos el servicio con nuestros datos.

Para ser justos, estas compañías nunca han dicho que no usarían los datos de las personas para diversos propósitos, válidos o no, incluyendo hacer toneladas de dinero. Sin embargo, lo que la gente está notando ahora es cuán opacas y descuidadas las empresas de TIC han estado en el manejo de estos datos. Y cuán vulnerables son los usuarios cuando sus mentes pueden ser leídas por compañías de data mining como Cambridge Analytic que usó el controvertido, y al mismo tiempo, brillante experimento realizado por Kosinski et al (2015).

Las personas también se están dando cuenta de cómo las redes sociales crean una forma sutil de vigilancia, al permitir que las organizaciones desconocidas accedan a su visión del mundo, sus relaciones y sus gustos. Al impactar decisiones muy serias como los votos en una elección general, por ejemplo, o referéndums, la opinión pública comienza a darse cuenta de los riesgos de la manipulación en este ciclo de transparencia de datos – extracción de datos – gestión de campañas.

fracasos en la era digital

¿Por qué se cometen errores en las decisiones?

Publicado el Deja un comentarioPublicada en Big Data, Data mining, Investigaciones

Un reciente estudio de los investigadores de Ashton Anderson del Microsoft Research de Nueva York, Jon Kleinberg de la Cornell University en Ithaca, y Sendhil Mullainathan de la Harvard University ha lanzado luz al tema de la toma de decisiones y sus errores. Usando el ajedrez como laboratorio, y un dataset de 200 millones de juegos de ajedrez jugados por amadores y otro dataset con cerca de un millón de juegos entre grandes maestros, los autores partieron de la premisa que el error en una decisión se relaciona con tres factores: la habilitad del jugador, el tiempo disponible para una jugada/decisión y la inherente dificultad de la decisión.

Tras exhaustivo análisis de los datos, los investigadores llegaron a la conclusión que el factor de predicción más fiable es el inherente grado de dificultad de la decisión. El estudio nos invita a debatir cómo los errores ocurren en otros campos. Por ejemplo, ¿es la experiencia del médico o la dificultad del caso lo que puede generar un error en el diagnóstico? ¿O serían conductores despistados más propensos a accidentes que aquellos conductores experimentados que afrontan carreteras en condiciones peligrosas?

También podríamos preguntar: si el ambiente actual es más difícil para quienes toman decisiones de marketing y comunicación (y para todos los dirigentes, en general) ¿sería necesario crear nuevos modelos estratégicos para hacer menos complejo el campo de batalla donde se juega la competición digital y, por lo tanto, evitar los errores? ¿Y cuál es el role de la formación en este sentido?

Creo que por más experiencia que uno tenga, y más tiempo que tenga para tomar sus decisiones (y hoy en día no hay mucho tiempo…) las nuevas tecnologías crean un panorama bastante más difícil e incierto que el habitual, y, por lo tanto, la cantidad de errores debe ser elevado – hasta al punto de llevar un negocio a la quiebra. Esta situación quizás explique los planteamientos fatalistas de Silicon Valley como el “fail fast, fail often” popularizado por Facebook, lo que para algunos no es nada más que una irresponsable hype. O, simplemente, aprender por tentativa y errores. Muchos errores.

No hay nada errado en aceptar riesgos y eso todo el emprendedor sabe. Pero, eso no significa buscar fracasos como estrategia de aprendizaje. Quizás hay métodos más eficaces. El uso de data mining y modelos predictivos en marketing, seguramente podrían reducir la complejidad de la toma de la decisión, y quizás sea un camino para evitar fracasos fácilmente identificables. Tal vez, mucho mejor sería “sea exitoso rápidamente, y siga en frente”, como comenta este artículo.