Big Data: igual no es para tanto

«Creo que es justo empezar dejando clara mi posición: no me gusta el Big Data. Entiendo el indudable valor que

Reflexiones de un investigador cualitativo acerca del Big Data.
Reflexiones de un investigador cualitativo acerca del Big Data.

«Creo que es justo empezar dejando clara mi posición: no me gusta el Big Data. Entiendo el indudable valor que aporta para temas de movilidad, urbanismo, seguridad ciudadana o gestión de catástrofes. De hecho esto es una evidencia. Pero cuando me hablan de conceptos como “conocimiento del consumidor”, “predicción del comportamiento de compra” o “detección de patrones de consumo”… tengo mis dudas acerca de su verdadero valor». Un artículo de Santiago de la Asunción Larios, design researcher y market researcher docente en H2I, Uxer School e IED.

No voy a entrar en cuestiones éticas acerca de la forma en cómo se consiguen, procesan, y comercializan nuestros datos. Tampoco en los fines verdaderos con los que muchas veces se utilizan. Eso es algo que excede este artículo y que dejo para otros foros.

Tampoco entraré a fondo, aunque sí quiero mencionar, los inmensos intereses comerciales que hay alrededor de este mundo. Intereses que inflan esta burbuja, que pervierten el origen del Big Data y que caen en una constante overpromise, convirtiendo algo valioso y útil, pero con sus lógicas limitaciones (como toda disciplina), en el salvavidas de muchas compañías.

Me centraré en una perspectiva pragmática, acerca de la utilidad del Big Data en lo referente a las prácticas de consumo de productos y servicios en nuestros días.

¿QUÉ ES UN SER HUMANO?

Creo que es la primera pregunta a responder. ¿Podemos reducir la complejidad del ser humano, sus emociones, sus sentimientos, sus motivaciones… a simples datos? La posibilidad es muy tentadora: muchos de los que nos dedicamos a tratar con clientes, consumidores y usuarios reconocemos, después de muchos años de experiencia, que no los entendemos. Es duro, pero es parte de nuestro trabajo. Y no es fácil de asumir.

Es fascinante la idea de que un algoritmo nos diga lo que una persona hace, compra o quiere comprar en el futuro. Pero sabemos que no es cierto. Que un ser humano no es solo lo que hace o lo que dice. Es un cúmulo de incoherencias, es algo fruto de su historia y es algo determinado por el contexto en el que vive. Si alguien consigue condensar todo esto en un algoritmo, me quito el sombrero.

¿QUIÉN HACE BIG DATA?

Al menos en mi entorno, los perfiles profesionales que están desarrollando esta disciplina son por lo general, y salvo contadas excepciones, perfiles tecnológicos (y tecnocráticos) como ingenieros informáticos, desarrolladores, programadores y similares. Mentes cartesianas, científicas, matemáticas…. cuya preocupación reside en la solidez de su modelo, en su capacidad de retroalimentarse y aprender de sí mismo.

Gente brillante, sin duda, pero con dificultades en el manejo (desde un punto de vista profesional, por supuesto) de la incertidumbre, la contradicción o la incoherencia. De todo aquello que nos hace humanos.

Es por esto que la integración del Big Data con disciplinas más humanistas, como la propia investigación social, es tan complicada. Porque hablamos lenguajes distintos y tenemos conceptos diferentes de lo que es un ser humano. Donde unos ven números, otros vemos emociones.

¿Y EL CONTEXTO?

Los adjetivos que demuestran la validez de un algoritmo son su solidez, su robustez, su fiabilidad, su capacidad de retroalimentarse…. factores todos que cobran sentido en situaciones de laboratorio.

¿Pero qué pasa cuando ese algoritmo “sale a la calle” y se encuentra con la vida real?, ¿qué sentimos cuando Netflix nos recomienda con un exactísimo grado de coincidencia una serie determinada?, ¿o Amazon nos sugiere ciertos productos cuando hacemos una compra? Es ahí cuando podemos decir si el algoritmo realmente es útil o no, cuando ese algoritmo funciona en un contexto diferente al que se creó. Considerando además que ese contexto tiene infinitas variables que lo definen y modifican continuamente. Pero claro, eso no entra en “los datos”.

¿EL CARRO ANTES QUE EL CABALLO?

Igual conviene hacer una leve revisión del desarrollo del Big Data. Cuando la etiqueta de Data Mining dejó de ser sexy, y ante el descubrimiento de esas ingentes cantidades de datos, el primer objetivo fue generar las infraestructuras necesarias para su manejo, almacenamiento y procesamiento.

Santiago de la Asunción Larios, design researcher y market researcher docente en H2I, Uxer School e IED.
Santiago de la Asunción Larios, design researcher y market researcher docente en H2I, Uxer School e IED, autor del texto.

Tras varios años y muchos euros de inversión, el panorama era el de muchas empresas con toneladas de datos, con sistemas que permitían explotar, analizar y procesar esos datos, pero que en realidad no tenían muy claro que podían (y no podían) hacer con ellos. Por eso ahora los perfiles más codiciados son los de data scientist, porque hace falta alguien que entienda y tenga la capacidad de convertir esa montaña de datos en valor para los clientes. Pero eso todavía está por ver. Hasta ahora, los servicios basados en datos se han apoyado más en la accesibilidad y disponibilidad de los mismos que en las necesidades de los usuarios.

Y UNA ÚLTIMA IDEA

Ha cobrado fama la expresión “los datos son el petróleo del siglo XXI”. Y yo me pregunto: ¿y dónde están las refinerías?