En el mundo del big data, empiezan a surgir verdades extrañas sobre el mundo. Los coches naranjas son los coches usados más fiables que se pueden comprar. Las ventas de tarjetas telefónicas prepagadas pueden predecir disturbios en África. Y las mujeres con pechos más grandes gastan más dinero en internet.
Ese último dato procede de un estudio reciente publicado por Alibaba, el sitio web chino que aspira a convertirse en el próximo Amazon. Al analizar los datos de ventas de ropa interior femenina, los analistas de datos observaron que las mujeres que compraban sujetadores de tallas más grandes gastaban más dinero en internet en general.
Pero ¿es útil ese conocimiento? Quizá sí, quizá no.
Correlación no implica causalidad.
Si alguna vez tomaste una clase de ciencias en la escuela, quizá hayas oído la frase «Correlación no implica causalidad». En esencia, nos dice que el hecho de que las mujeres que compran sujetadores de tallas más grandes gasten más dinero en internet no significa que la talla más grande de sus sujetadores las haya llevado a gastar más dinero.
Y ese puede ser el problema cuando los analistas de datos examinan estas verdades nuevas, extrañas e interesantes que surgen de las enormes cantidades de datos a las que ahora tenemos acceso. Si aceptamos como cierto que los coches usados naranjas son más fiables, la pregunta entonces es por qué: ¿Los dueños de coches naranjas conducen con más cuidado? ¿El color evita que la gente tenga accidentes? ¿O el color naranja tiene alguna otra propiedad mágica que hace que un coche funcione bien? Los datos no ofrecen respuestas.
Tyler Vigen publica gráficos divertidos en su sitio web, Correlaciones espurias, que muestran el peligro de limitarse a relacionar dos conjuntos de datos sin comprender más a fondo cómo se relacionan las cosas. Por ejemplo, si basta con basarse en la correlación, podemos suponer que cuantos más filmes protagonice Nicolas Cage en un año determinado, más muertes por ahogamiento en piscinas habrá y que un aumento del gasto de Estados Unidos en ciencia provoca un aumento de los suicidios por ahorcamiento. Esperamos que sean espurias, desde luego; de lo contrario, los investigadores estadounidenses y la carrera cinematográfica de Nick Cage estarían en apuros.
La bola de cristal basada en datos.
Ahora que tenemos todos estos datos, apenas estamos empezando a descubrir cómo aprovecharlos. El objetivo es poder utilizar estas extrañas verdades para intentar predecirlo todo, desde los hábitos de compra hasta la propagación del virus de la gripe, y los resultados son igual de variados.
Los investigadores han comprobado que las actualizaciones de Twitter pueden predecir los brotes de gripe con mayor rapidez y precisión que los métodos tradicionales de seguimiento de los CDC; de hecho, los datos de Twitter pueden predecir un brote hasta 8 días antes, con más de un 90 por ciento de precisión.
La empresa africana CellTel descubrió una capacidad predictiva similar al observar un aumento en la compra de tarjetas telefónicas prepagadas antes de importantes episodios de violencia y disturbios en el Congo. Se dieron cuenta de que las tarjetas estaban denominadas en dólares estadounidenses y que la gente las compraba para tener algo portátil y valioso que llevar consigo y que la protegiera contra la inflación local.
Del mismo modo, Alibaba espera utilizar las increíbles cantidades de datos que recopila (hasta 14 millones de puntos de datos en un solo día) para predecir factores en una enorme variedad de negocios que podría probar.
«Por ejemplo, si tenemos muchos datos sobre lo que compra la gente en cuanto a alimentos y comestibles, ¿nos serán útiles esos datos en el ámbito de la atención sanitaria? Creo que sí», declaró un ejecutivo a la revista en línea Quartz.
A medida que más empresas intenten utilizar sus datos para predecir el comportamiento de los consumidores, no se sorprenda si surgen más verdades curiosas de este tipo. Facebook, por supuesto, cuenta con un equipo entero dedicado a la ciencia de datos y publica con frecuencia sus hallazgos en su página de Facebook, como el dato de que, si se llama Yvette, es más de un 37 por ciento más probable que la persona promedio que tenga una hermana llamada Yvonne.
Aún está por verse cómo contribuye eso al plan de negocios de Facebook.
Este artículo se publica en colaboración con LinkedIn. La publicación no implica que el Foro Económico Mundial respalde las opiniones expresadas.
Para mantenerse al día con Forum:Agenda, suscríbase a nuestro boletín semanal.
Autor: Bernard Marr es un experto de reconocimiento mundial en estrategia, gestión del desempeño, analítica, indicadores clave de rendimiento (KPI) y big data.
Imagen: En esta foto ilustrativa tomada en Sídney el 23 de junio de 2011, se muestran cables LAN de Internet. REUTERS/Tim Wimborne.
