Etiqueta: Data mining

Big Data, Crisis, Data mining, Privacidad, Reputación

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

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.

Big Data, Data mining, Investigaciones

¿Por qué se cometen errores en las decisiones?

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.