En esta era de conexión digital, todos generamos una cantidad enorme de datos cada día. Qué buscamos. Cómo lo buscamos. Qué compramos y qué leemos. Qué nos gusta y qué no, con quién decidimos relacionarnos y mucho más: un flujo constante de datos que puede cuantificarse, filtrarse y analizarse en conjunto con los datos de todos los demás para revelar patrones antes ocultos y, a veces, cosas de nosotros mismos de las que ni siquiera somos conscientes.
Esos datos podrían ofrecernos, como sociedad, una forma mejor de entender de verdad quiénes son las personas; esa es la teoría que el autor Seth Stephens-Davidowitz plantea en su nuevo libro Everybody Lies: Big Data, New Data, and What the Internet Can Tell Us About Who We Really Are. Stephens-Davidowitz, ex científico de datos de Google y profesor visitante en Wharton, participó en el programa Knowledge@Wharton en el canal 111 de Sirius XM para hablar de lo que el análisis adecuado de los macrodatos puede revelar sobre nuestras opiniones políticas, nuestra salud, nuestros prejuicios y mucho más.
A continuación, la transcripción editada de la conversación.
Knowledge@Wharton: No cabe mucha duda de que nuestra huella digital dice mucho sobre quiénes somos, pero tengo la impresión de que la gente todavía se burla, hasta cierto punto, de la idea de que se pueda extraer tanta información de todos estos datos.
Stephens-Davidowitz: Sí. Algunas personas tienen una idea tradicional de lo que son los datos. Los conciben como una encuesta representativa: hay preguntas claras con casillas que la gente puede marcar para responder con claridad. Creo que el mundo imprevisible de internet les incomoda un poco, porque allí los datos suelen estar menos estructurados y ser algo distintos de lo que conocen.
Knowledge@Wharton: ¿Te parece que la gente sigue creyendo que su nivel de seguridad de los datos es mayor de lo que realmente es?
Stephens-Davidowitz: Creo que, sin duda, preocupa el poder de los macrodatos. Como los datos permiten hacer predicciones tan precisas, las empresas podrían utilizarlos para aprovecharse de la gente. Hablo de ello en el libro. Por ejemplo, si solicitas un préstamo, las empresas pueden predecir si lo devolverás basándose únicamente en las palabras que utilizas en la solicitud. Si escribes la palabra «Dios» en una solicitud de préstamo, por ejemplo, tienes 2,2 veces más probabilidades de incumplir el pago; es decir, 2,2 veces más probabilidades de no devolverlo. Así que una empresa podría ahorrar dinero si no concediera préstamos a quienes terminan sus solicitudes con «Que Dios te bendiga», lo cual da bastante miedo.
Knowledge@Wharton: A lo largo del libro, abordas algunos de los problemas más importantes de nuestra sociedad, como el racismo y el maltrato infantil. Y hay todo tipo de datos que pueden apuntar en una u otra dirección en estos ámbitos.
Stephens-Davidowitz: Exactamente. Ahora hay muchísima información en la web. Y hay ciertas fuentes, como Google, en las que me centro mucho. La gente es muy sincera y le cuenta a Google cosas que quizá no le diría a nadie más. Por eso, en ámbitos muy importantes como los que mencionas, podemos obtener perspectivas realmente novedosas sobre quiénes somos.
Knowledge@Wharton: Uno de los temas que analizas es el sexo.
Stephens-Davidowitz: Me gusta decir que los macrodatos son tan poderosos que me convirtieron en experto en sexo, aunque no era un tema que se me diera de forma natural. Es evidente que se miente mucho sobre el sexo porque es un tema incómodo y tabú. Creo que las búsquedas de Google pueden enseñarnos mucho más sobre lo que le gusta a la gente.
Knowledge@Wharton: También analizaste el racismo y explicas que este afloró más, no durante la campaña presidencial de 2008, sino justo después de que eligieran al presidente Obama.
Stephens-Davidowitz: Hay un aspecto inquietante en estos datos. Si, por lo general, la gente miente para quedar bien, acabaremos teniendo una percepción demasiado optimista de quiénes son las personas. Pero, si conocemos la verdad, por desgracia, en muchos ámbitos descubriremos aspectos más oscuros, y el racismo es uno de ellos. Es impactante. Una de las cosas más sorprendentes que encontré enseguida en estos datos fue la cantidad alarmante de búsquedas racistas que hace la gente, básicamente para encontrar chistes que se burlan de los afroamericanos. Y sí, fue un tema recurrente: búsquedas realmente repugnantes sobre Obama en cuanto fue elegido.
Knowledge@Wharton: Una creencia arraigada al respecto era que el racismo es más propio del sur, pero tus datos demostraron que no necesariamente es así.
Stephens-Davidowitz: Sí. Si haces encuestas o te guías por la opinión general, se considera que el racismo es un problema del sur. Pero creo que quizá se deba a que allí hay menos necesidad de ocultarlo. Si observas los datos de las búsquedas de Google, que son más sinceros, verás que muchas de las zonas con más racismo están en el norte: el oeste de Pensilvania, el este de Ohio, el norte del estado de Nueva York y la zona industrial de Michigan. La verdadera división del racismo hoy en día no es entre el sur y el norte, sino entre el este y el oeste.
Knowledge@Wharton: Si las personas o las empresas pudieran usar estos datos de una manera más coherente y eficaz, ¿qué impacto crees que tendría, en general, para el país o para la sociedad?
Stephens-Davidowitz: Bueno, hay un escenario optimista y otro pesimista. No sé cuál se hará realidad. En el escenario pesimista, las empresas usarían estos datos para aprovecharse de la gente y hacer que gastara más dinero del que tiene o pasara más tiempo en sus sitios web, aunque no necesitara estar en ellos. En el escenario optimista, obtendríamos información sobre ámbitos realmente muy importantes —la salud, el racismo y la sexualidad— y aprenderíamos de verdad a mejorar la sociedad.
Knowledge@Wharton: El aspecto de la salud es muy interesante. La idea de que pudiéramos obtener información que ayudara a encontrar curas para enfermedades o a adoptar medidas preventivas más eficaces, detectando enfermedades antes de que empeoren, tendría un impacto enorme tanto en la población de este país como en la economía de la atención sanitaria.
Knowledge@Wharton: Una creencia arraigada al respecto era que el racismo es más propio del sur, pero tus datos demostraron que no necesariamente es así.
Stephens-Davidowitz: Sí. Si haces encuestas o te guías por la opinión general, se considera que el racismo es un problema del sur. Pero creo que quizá se deba a que allí hay menos necesidad de ocultarlo. Si observas los datos de las búsquedas de Google, que son más sinceros, verás que muchas de las zonas con más racismo están en el norte: el oeste de Pensilvania, el este de Ohio, el norte del estado de Nueva York y la zona industrial de Michigan. La verdadera división del racismo hoy en día no es entre el sur y el norte, sino entre el este y el oeste.
Knowledge@Wharton: Si las personas o las empresas pudieran usar estos datos de una manera más coherente y eficaz, ¿qué impacto crees que tendría, en general, para el país o para la sociedad?
Stephens-Davidowitz: Bueno, hay un escenario optimista y otro pesimista. No sé cuál se hará realidad. En el escenario pesimista, las empresas usarían estos datos para aprovecharse de la gente y hacer que gastara más dinero del que tiene o pasara más tiempo en sus sitios web, aunque no necesitara estar en ellos. En el escenario optimista, obtendríamos información sobre ámbitos realmente muy importantes —la salud, el racismo y la sexualidad— y aprenderíamos de verdad a mejorar la sociedad.
Knowledge@Wharton: El aspecto de la salud es muy interesante. La idea de que pudiéramos obtener información que ayudara a encontrar curas para enfermedades o a adoptar medidas preventivas más eficaces, detectando enfermedades antes de que empeoren, tendría un impacto enorme tanto en la población de este país como en la economía de la atención sanitaria.
Stephens-Davidowitz: Sí. En uno de mis estudios favoritos, los investigadores utilizaron datos de búsquedas y encontraron a personas que habían buscado frases como «me acaban de diagnosticar cáncer de páncreas». Y sabes que, cuando alguien hace una búsqueda así, probablemente acaba de recibir ese diagnóstico. Después comparas a esas personas con otras similares a las que nunca se les diagnosticó cáncer de páncreas y analizas qué síntomas habían buscado durante los meses anteriores. Encontraron patrones muy, muy sutiles que permiten predecir un futuro diagnóstico de cáncer de páncreas.
Por ejemplo, buscar «indigestión» y después «dolor abdominal» es un factor de riesgo de cáncer de páncreas. En cambio, buscar «indigestión» por sí sola no lo es. Es un patrón muy, muy sutil, difícil de detectar sin conjuntos de datos enormes, y casi parece apuntar a una nueva forma de medicina.
Knowledge@Wharton: Una de las cosas que quizá contribuyeron a revolucionar los macrodatos y nuestra comprensión de ellos, y sobre la que escribes, es Google Trends.
Stephens-Davidowitz: Sí, es interesante. Google Trends puede mostrarte dónde se buscan distintos términos y en qué lugares se buscan con más frecuencia; también puedes ver cómo cambian las búsquedas con el tiempo. Cuando apareció, muchos lo consideraban una especie de broma. No se veía como una fuente académica, sino más bien como una herramienta divertida de relaciones públicas para Google. Podías curiosear y averiguar qué modas o famosos eran populares. Pero creo que cada vez comprendemos mejor que no es ninguna broma. Como digo, probablemente sea el conjunto de datos más importante jamás recopilado sobre la psique humana y, sin duda, una herramienta muy importante para que los investigadores se centren en ella.
Knowledge@Wharton: En cambio, muchas de las encuestas que se publican y presentan como datos quizá no sean tan precisas como dan a entender.
Stephens-Davidowitz: Sí, creo que las encuestas tienen grandes lagunas. Cuantas más analizo, más escéptico me vuelvo. Incluso en cosas pequeñas. Hace poco comparé datos de encuestas sobre la intención de comprar un coche con las compras reales, y no coinciden en absoluto. La gente dice que comprará coches que luego no compra, o no dice que comprará el coche que sí acaba comprando. Así que creo que se ha sobrevalorado muchísimo el papel de las encuestas y que, en el futuro, será mucho menor a medida que algunas de estas nuevas fuentes de datos de internet sean más accesibles.
Knowledge@Wharton: Por eso muchas más empresas están recurriendo al análisis y a los datos para entender mejor lo que piensan los consumidores, ¿verdad?
Stephens-Davidowitz: Sí. También creo que hay que tener cuidado. Ante cada fuente de datos, hay que preguntarse: ¿qué es esta fuente? ¿Qué incentivos tienen las personas cuando me proporcionan estos datos? Creo que mucha gente, cada vez que ve cifras o datos, dice: «Ah, eso es fiable». Pero muchas fuentes de datos son una basura —perdón por la expresión—. Muchos datos son muy poco fiables, y muchos otros sí lo son. Pero lo que la gente pulsa, compra o busca es más valioso que muchas de las otras fuentes que podrías considerar.
Knowledge@Wharton: Volviendo al ámbito político, en el libro comentas que los datos y la información disponible en internet sí apuntaban a que el presidente Trump iba a ganar, no solo las primarias republicanas, sino también las elecciones generales, ¿verdad?
Stephens-Davidowitz: Creo que, sin duda, había indicios. Es un poco complicado. Es una de las preguntas que más me hacen: «¿Se pueden usar las búsquedas de Google para predecir elecciones?». No es fácil, porque solo hemos tenido cuatro elecciones desde que existen los datos de búsquedas de Google, así que resulta algo difícil predecir cómo funcionarán esos modelos.
Pero creo que, dentro de cuatro a ocho años, podremos utilizar estos datos para predecir las elecciones muy, muy bien. Ya he hablado de algunos indicios que tenía justo antes de las elecciones y que me sugerían que Trump ganaría. Hubo un par de cosas que me alertaron. Una es que, según si la gente busca «cómo votar» o «dónde votar» antes de unas elecciones, puedes ver si realmente acudirá a votar. No puedes fiarte de que la gente diga en las encuestas que va a votar. Todo el mundo dice que lo hará y luego muchos no lo hacen. Pero estos datos revelaron que la participación de los afroamericanos sería mucho menor que en elecciones anteriores. Eso perjudicó mucho a Hillary Clinton en las elecciones.
Luego hay un indicio muy sutil que me parece fascinante: el orden en que la gente busca los nombres de los candidatos puede dar pistas sobre su voto. Quienes buscan «encuesta Trump/Clinton» tienen muchas más probabilidades de inclinarse por Trump. Y quienes buscan «encuesta Clinton/Trump» tienen muchas más probabilidades de inclinarse por Clinton. En algunos estados clave del medio oeste hubo muchas más búsquedas de encuestas Trump/Clinton.
Knowledge@Wharton: Entonces, ¿se podía sacar alguna conclusión del simple hecho de que alguien incluyera a Clinton en una búsqueda, tanto si también incluía a Trump como si no?
Stephens-Davidowitz: No. Creo que esa búsqueda por sí sola no revela nada, porque quizá busques a Clinton porque la adoras o porque la detestas. Puedes buscar a Trump porque lo adoras o porque lo detestas. Eso no te dice gran cosa. El indicio tiene que ser algo más sutil. Pero el orden en que se buscan los candidatos sí tiene poder predictivo. Puede que la gente revele a quién piensa apoyar antes de darse cuenta, porque alguien puede creerse indeciso, pero si ha estado buscando «debate Trump/Clinton», «encuestas Trump/Clinton» y «elecciones Trump/Clinton», es muy probable que vote por Trump.
Knowledge@Wharton: Pero ¿crees que estamos llegando a un punto en que la gente comprende mejor, en general, todos los datos disponibles? Es bastante habitual oír que, en realidad, no entendemos todos estos datos. Quizá haga falta tiempo para llegar a comprenderlos bien.
Stephens-Davidowitz: Creo que avanzamos bastante rápido. Hace falta que se sumen más personas. Como al principio parecía tan extraño que se pudiera entender a la gente a partir de su comportamiento en internet, este tema no recibió toda la atención académica que merecía. Pero cada vez se estudia más y hay más especialistas en metodología trabajando en este ámbito. Estamos avanzando de verdad. Ya hemos superado la etapa de decir: «Qué curioso». Ahora estamos obteniendo información muy, muy reveladora sobre quiénes somos a partir de estos datos.
Knowledge@Wharton: Entonces, ¿será un sector en crecimiento para la economía estadounidense? ¿Habrá personas capaces de hacer análisis y entender cómo utilizar estos datos para tener un impacto real tanto en las empresas como en la gente?
Stephens-Davidowitz: Sin duda. Pero creo que el proceso es más sutil de lo que la gente imagina. Hablamos mucho de ello en mi clase de Wharton. Cuando piensas en «macrodatos», te imaginas algo muy técnico, centrado en la estadística y propio de personas muy cerebrales y empollonas. Y sin duda es un ámbito técnico; no voy a negarlo. Pero sorprende lo mucho que depende de la creatividad. Se trata, sobre todo, de saber qué preguntas hacer y cómo encontrar en esos datos la información valiosa. Eso no se puede enseñar del todo. Es un poco como un arte que se aprende y se domina con el tiempo. Por eso no creo que baste con asignarle esta pregunta a un científico de datos para resolverla. Es más complicado.
Knowledge@Wharton: Eso me hace pensar que, durante las próximas décadas, veremos más colaboraciones entre científicos de datos y distintos sectores empresariales para entender mejor este asunto y utilizarlo para abordar algunos de los mayores problemas del mundo, como el acceso al agua o la lucha contra las enfermedades.
Stephens-Davidowitz: Es apasionante: las posibilidades son realmente asombrosas y abarcan ámbitos muy importantes. Como existen estos nuevos datos y son sinceros, tiene sentido abordar las grandes preguntas y ser realmente ambiciosos. Con los macrodatos, no tiene sentido centrarse en preguntas pequeñas.
Knowledge@Wharton: ¿Y qué hay de la posibilidad de que las personas lleguen a conocerse un poco mejor? Hablamos mucho de cómo estos datos pueden influir en otras personas y en las empresas. ¿Podrá la gente entenderse mejor en el futuro?
Stephens-Davidowitz: Eso creo. A menudo, los datos nos entienden mejor que nosotros mismos. Por ejemplo, en los primeros años de Netflix, la empresa preguntaba a la gente: «¿Qué películas vas a ver en los próximos días? Sabemos qué estás viendo ahora, pero ¿qué quieres ver este fin de semana para que lo pongamos en cola cuando llegue?». Cuando se lo preguntas, la gente dice: «Voy a ver un documental» o «Voy a ver películas francesas de vanguardia». Luego llega el viernes, encuentran esas películas en la cola, las ignoran y ven las mismas comedias tontas o películas románticas de siempre. Netflix se dio cuenta de que debía ignorar lo que la gente decía y centrarse en lo que realmente hacía, y dejar que el algoritmo contara la historia.
Solemos hacer predicciones terribles sobre lo que haremos en el futuro. Casi todos somos demasiado optimistas. Creo que los datos pueden ayudarnos a mantener mucho mejor los pies en la tierra.
Knowledge@Wharton: Esto también podría ayudarnos a entender con más claridad en qué se diferencia este país de, por ejemplo, China, Francia o Alemania. Eso tiene repercusiones cuando se adopta una perspectiva global, ya sea en los negocios, la política o muchos otros ámbitos.
Stephens-Davidowitz: Sin duda. Es muy interesante comparar las diferencias entre países que estos datos pueden revelar. Además, desde el punto de vista empresarial, algunos de estos países tienen datos pésimos. Nigeria, que creo que es la mayor economía de África, descubrió una vez que había un error en su estimación del PIB y cambió la cifra un 90 % de la noche a la mañana. Así que los datos tradicionales de algunos de estos países son realmente muy malos. Algunas de las nuevas fuentes de datos que están surgiendo pueden mejorar drásticamente nuestra comprensión de esos países.
Hablo de los datos de luz nocturna, que permiten medir la economía según la cantidad de luz que se produce. También hablo de Premise, una empresa que básicamente recorre países en desarrollo y fotografía la actividad económica; a partir de esas imágenes puede calcular las tasas de inflación, los tipos de interés y muchas otras cosas.
Knowledge@Wharton: El potencial de cambio que encierran todos estos elementos es enorme. Y parecen ofrecer herramientas de predicción mucho mejores para impulsar el crecimiento o evitar dificultades en distintas economías del mundo.
Stephens-Davidowitz: Sí. Suelo ser una persona muy cínica y escéptica, así que cuando oigo términos como «macrodatos» o alguna palabra de moda, pienso: «Uf, qué tonterías. Es solo la última moda pasajera». Pero llevo cinco años estudiando este tema. He hablado con gente del sector y no dejo de asombrarme de lo que se puede descubrir. Esto no es una moda pasajera. Es una revolución en nuestra comprensión de las personas y del mundo.
Knowledge@Wharton: Te defines como una persona cínica, pero tu vida gira en torno a los datos. Y, en realidad, los datos dicen la verdad, ¿no?
Stephens-Davidowitz: Sí. En cierto sentido, creo que confirma mi escepticismo y mi cinismo: no puedes fiarte de lo que te dice la gente. Muchas fuentes de datos tradicionales crean incentivos para quienes proporcionan esos datos. Pero no soy nada cínico respecto a lo que se puede aprender si sabes qué datos conviene analizar.
Knowledge@Wharton: Ahora te sumerges a diario en estos datos. Quiero decir, este es un sector abierto, en el que hay datos sobre todo lo que uno pueda querer influir. Podrías ir literalmente de una empresa a otra y recopilar datos a diario, ¿verdad?
Stephens-Davidowitz: Bueno, sí. Para la última sesión de mi clase de Wharton, hicimos una presentación en grupo y les propuse temas muy, muy amplios. Les dije: «Piensen en una empresa nueva en el ámbito de la educación, de la salud o de la política, y en cómo las herramientas de los nuevos datos y los macrodatos podrían ayudarla». Al final de todas las presentaciones, todos los estudiantes dijeron: «¿Por qué no existe esto? No tiene sentido. Debería existir». Normalmente cuesta encontrar algo nuevo, porque personas inteligentes llevan toda la vida buscando cosas que deberían existir, cosas que la gente quiere. Pero creo que, con los macrodatos, resulta sorprendentemente fácil tener una idea nueva e importante en un ámbito muy amplio.
Knowledge@Wharton: Entonces, ¿tienes una visión positiva del futuro? Trabajas con la próxima generación, con estudiantes que participarán en la sociedad. Entienden la importancia de este tipo de datos y seguirán desarrollándolos y ampliándolos con el tiempo.
Stephens-Davidowitz: Es realmente emocionante. Sin duda, la única preocupación es la cuestión ética. Las empresas podrían llegar a tener demasiado poder y ser capaces de exprimir a los consumidores hasta sacarles todo lo que tienen, porque saben más de ellos que ellos mismos. Esa es, sin duda, una gran preocupación para mí.
Knowledge@Wharton: ¿Cómo se puede evitar eso?
Stephens-Davidowitz: Va a requerir mucho trabajo. Creo que la mayoría de las personas en los ámbitos del derecho y la ética no están del todo preparadas para lo revolucionario que es el big data en algunos de estos ámbitos. Básicamente, la forma en que me gusta pensarlo es que todo está correlacionado con todo. Hay muy pocas cosas cuya correlación sea de 0.000. Así que casi cualquier cosa que hagas permitirá predecir algo más que hagas. Tradicionalmente, las empresas solo han tenido tres, cuatro o cinco variables para hacer estas predicciones. Pero ahora tienen prácticamente todo lo que alguien ha hecho alguna vez para hacerlas. Así que es algo muy poderoso.
