Datos: Un arma de doble filo

Ya han pasado casi 10 años desde que un hombre entró furioso a una multitienda en Estados Unidos, desconcertado sobre las promociones y descuentos de productos de bebés que recibía su hija adolescente. 

Resulta que esta multitienda había generado un modelo de predicción para entender cuándo las mujeres estaban embarazadas según las compras y búsquedas que realizaban en su página web. Y por medio de este algoritmo predijeron que la adolescente estaba esperando un bebé. 

Así es, esto sucedió hace casi una década, y el potencial de lo que pueden hacer los datos ha incrementado aún más, hasta el punto de incidir en las elecciones presidenciales de Estados Unidos, por medio del uso ilegal de datos de 87 millones de usuarios de Facebook para crear perfiles “psicográficos”, una herramienta para segmentar el mercado, y así enviar anuncios personalizados a distintos grupos de personas que tuvieran el potencial de ser influenciados. 

El análisis de datos puede ser un arma de doble filo, por eso debemos ser cuidadosos en el uso ético de estos. Hay varios ejemplos positivos con el manejo de los datos en industrias como la educación, salud y agricultura. Esta última, por ejemplo, está usando imágenes satelitales, análisis de suelos y datos meteorológicos para generar estimaciones y predicciones del rendimiento de los cultivos. 

Las posibilidades que ofrecen las herramientas relacionadas al análisis de datos aún las estamos empezando a explorar. Para entender el tamaño de esta industria, en el 2016 IBM afirmó que el 90% de los datos en el mundo habían sido generados en los últimos 2 años. Esto se hace cada vez más relevante, ya que en dicho año había 3.153 millones de usuarios en internet y para el 2020 este número ya asciende a 4.538 millones. Estas cifras no deberían asustarnos, sino motivarnos a aprender cómo usar el análisis de datos en nuestras empresas y startups, pues esto apenas comienza. 

Antes de recolectar información y datos innecesarios, lo primero es preguntarse qué tipo de análisis se necesita. Si el objetivo es entender ¿Qué sucedió?, se debe hacer un Análisis Descriptivo donde se usan datos históricos, para resumir comportamientos pasados que pueden influenciar el presente. Este tipo de análisis suele describir tendencias o características de las variables que están siendo medidas para extrapolar conclusiones y generar descubrimientos a través de medias, promedios y proporciones de los datos recolectados. 

Si el objetivo es responder ¿Qué sucederá?, se tiene que hacer un Análisis Predictivo que se fundamenta en la utilización de datos para predecir patrones por medio de la identificación de relaciones entre variables de eventos pasados y la asignación probabilística de que algo ocurra, en función de los datos que se dispongan. La diferencia entre ambos tipos de análisis, es que el descriptivo no clasifica u ordena los datos según su probabilidad de realizar una acción particular, como sí lo hace el análisis predictivo, donde una vez introducidos los datos y aplicado el modelo se obtendrá la probabilidad de que suceda el evento estudiado.

El acelerado crecimiento de información que generamos y recolectamos ha desarrollado nuevos conceptos como el Aprendizaje Computacional, que proporciona técnicas como el modelo de predicción de la multitienda, que supo del embarazo de la adolescente antes de que sus padres se enteraran. Estos modelos se podrán utilizar para predecir qué probabilidades hay de que una persona reaccione de una manera determinada, ya sea comprando un producto, cambiando su voto, o contratando un servicio.

Según la empresa Statista, en la actualidad se recolectan más datos en un día que todos los generados por la humanidad hasta el año 2000. Esto no va disminuir, así que con el tiempo las probabilidades predictivas serán cada vez más exactas y tendremos más posibilidades en nuestras manos para usar esta herramienta de doble filo de la manera correcta. 

Deja una Respuesta

avatar
  Suscribir  
Notificar de