Seguro que más de una vez has estado en un estadio de fútbol. Visualízalo y concéntrate en su tamaño. Puedes ver el campo, las gradas, las porterías. Ahora imagínate que sellamos las puertas del estadio y comenzamos a llenarlo con agua a través de un grifo, a una velocidad de una gota por minuto. ¿Cuánto crees que tardaría en llenarse? La respuesta es unos cuantos miles de años; de manera que por mucho tiempo que esperases en las gradas esperando a que se llene, nunca podrías verlo inundado del todo.

Ahora, imagínate que en vez de llenarlo con una velocidad lineal lo hacemos a velocidad exponencial. Esto significaría que la cantidad de gotas que salen del grifo se duplicarían a cada minuto: el primer minuto, una gota; el segundo minuto, dos gotas; el tercer minuto, cuatro gotas; y así sucesivamente. Ahora siéntate en el mismo asiento en el que estabas antes. ¿Crees que podrías vivir lo suficiente para ver el estadio lleno del todo?

La respuesta es que el estadio tardaría en llenarse exactamente 49 minutos. Ni siquiera te daría tiempo a ver la segunda parte del partido. ¿Sorprendido? Pues aún hay más: en el minuto 45, solamente se habría llenado un 17%. Es decir, que en el tiempo de descanso estarías relajado, pacientemente sentado en las gradas, y en sólo cuatro minutos, el agua lo habría cubierto absolutamente todo, sin tan siquiera dar tiempo a desalojar.

La razón por la que no podemos estimar este efecto es que la mente humana está acostumbrada a pensar de manera lineal, pero no exponencial. El crecimiento exponencial no sólo se aplica al llenado de estadios, sino que es lo que está ocurriendo con el desarrollo tecnológico. El concepto fue expresado en 1965 con la Ley de Moore. Gordon E. Moore, cofundador de Intel, predijo que el poder de un ordenador tendría un crecimiento exponencial cada año, y que esto sería válido por diez años. Sin embargo, esta ley se ha probado cierta por más de cincuenta. Y no sólo aplica al poder de un ordenador, sino a cualquier innovación tecnológica y digital.

Hace diez años, el prototipo del iPhone que llevas en el bolsillo nos habría parecido ciencia ficción, al igual que hoy pensamos en la inteligencia artificial y en los robots como parte de una película futurista. Pero, al igual que en los últimos cuatro minutos en los que el estadio se inunda, la tecnología está avanzando más rápidamente de lo que la sociedad puede procesar.

Por ello, por mucha investigación y análisis de datos que hagamos, la única estimación segura que podemos del futuro es que el cambio va a ser extremadamente rápido. Esto va a afectar a la sociedad en general y a cada uno de nosotros en particular. Y lo único que podemos hacer para sobrevivir es aprender a adaptarnos a nuestro entorno. Ya lo dijo Darwin con su ley de la evolución universal.

Este escenario apocalíptico que podría inspirar el nuevo estreno de Netflix (al más puro estilo Black Mirror), ha desembocado en la explosión del ya popularizado término Big Data. Esta expresión se utiliza para designar el análisis cuantitativo de un número masivo de datos. Los ejemplos más conocidos son los estudios que realizan Google, Facebook, Microsoft y Amazon cada vez que compartimos en qué restaurante comemos, qué ciudad visitamos, qué foto nos gusta o qué cosas compramos. Gracias a analizar millones de preferencias, las empresas no s ofrecen contenidos personalizados y aumentan la eficacia de sus campañas de marketing. Por eso, hay quien dice que “el big data es el nuevo petróleo”.

Una ventaja es que se consigue una inmensa cantidad de información con una inversión mínima de personal. Al contrario que con los métodos de investigación tradicionales, ya no es necesario invertir horas en trabajo de campo sobre los hábitos de la sociedad y las tendencias de consumo. Un algoritmo va a recoger datos y traducirlos en métricas.

Pero, ¿hasta qué punto es inteligente que una empresa concentre todos sus esfuerzos en recoger millones de datos y traducirlos a números, si esto va en detrimento de perder el contacto humano con su cliente?

Un ejemplo de los devastadores efectos por desconexión humana fue el que sufrió Nokia en 2009. Hace diez años, Nokia era una de las empresas más grandes de teléfonos móviles en el mundo y dominaba en mercados emergentes como China, México e India. En ese mismo año, Apple lanzó su primer iPhone y el término Smartphone empezó a ser utilizado por Android. Mucha gente miró a esos Smartphones con desconfianza, argumentando que quién querría cargar con un dispositivo tan pesado y caro, cuya batería se agotaban en horas y que se rompía al más mínimo golpe. Nokia realizó un enorme trabajo de big data y todos los resultados apuntaron a que no había ningún indicador de que la gente tuviese intención de comprar un Smartphone en los años siguientes. Bien, todos conocemos cómo terminó esta historia. El exitoso negocio de Nokia se estrelló estrepitosamente. Pero, ¿cómo pudo pasar esto?

Una parte de la historia que no es tan conocida es que una joven investigadora llamada Tricia Wang acababa de empezar a trabajar en Nokia ese mismo año. Su trabajo consistía en estudiar el mercado chino y determinar los hábitos y preferencias de los consumidores en cuanto a tecnología. Tricia se infiltró entre la clase social media-baja de China (que representan a la mayoría) haciendo cosas como vender street-food a trabajadores de la construcción o pasar noches enteras en cibercafés hablando con jóvenes. Sus experiencias cualitativas enseguida mostraron un patrón claro: pese a que este sector de la población era indiferente a los artículos de lujo, enloquecían cada vez que oían hablar de un iPhone. Había quienes ansiaban gastarse incluso la mitad de su sueldo en uno, o quienes recurrirían a imitaciones baratas. Pero todos querrían tener su teléfono inteligente. Tricia mostró sus conclusiones a Nokia y les advirtió del peligro que estaban corriendo. Sin embargo, Nokia decidió ignorar el estudio ya que no se trataba de big data (tenía escasamente una centena de datos, frente a los varios millones que recoge el big data). Pero de lo que Nokia no se dio cuenta es que el big data analiza datos que ya han sido recogidos, mientras que los sujetos de su estudio ni siquiera habían oído hablar del iPhone. ¿Cómo iban a responder que querían uno si no sabían de su existencia? El método había sido diseñado para optimizar un modelo de negocio existente, mientras que el problema al que se enfrentaban era una disrupción del mercado. La cual Tricia acababa de predecir al mirar fuera del consumo y dentro de las dinámicas humanas.

El tipo de datos que Tricia había facilitado ha sido denominado como Thick Data, y hace referencia a datos cualitativos sobre humanos en forma de historias, emociones e interacciones, que nos permiten preguntar “por qué”. Y la belleza de intentar predecir el comportamiento humano es que sus condiciones están cambiando continuamente, lo que lo convierte en una historia interminable, en un ciclo que se retroalimenta. Sin embargo, el big data nos hace tener la falsa ilusión de que conocemos todas las variables y tenemos el problema resuelto.

Una compañía que ha sabido realizar un balance perfecto entre big data y thick data es la conocida Netflix.

A estas alturas, Netflix no necesita presentaciones. Sus adictos hemos sido seducidos por la plataforma, no sólo por la calidad de sus producciones propias, sino principalmente por sus maravillosos algoritmos que saben qué películas recomendarnos y qué series nos van a gustar, con una precisión expresada en tanto por ciento. Se acabó eso de perder más de media hora en decidir qué peli ver: Netflix lo hace por ti. E incluso actúa de psicólogo cuando te has sumido en la más profunda depresión porque tu serie favorita ha sido cancelada: sutilmente te sugerirá otra con la que curar las heridas de tu corazón. Un clavo saca otro clavo.

Todos estos prodigios son posibles gracias al big data que aportamos al añadir una serie a nuestra lista o al ver una película (e incluso al dejarla a medias). Pero los responsables de Netflix no se fían del big data únicamente para tomar decisiones, ellos apelan a “un 70% de datos y un 30% de sentido común”. Con esta lógica, combinan los cálculos con la antropología. Y gracias al estudio no cuantificable de los hábitos de los seriéfilos, descubrieron sorpresas como que los humanos no odiamos los spoilers tanto como decimos (a algunos incluso les gustan) o el famoso fenómeno del Binge-Watching que significa ver un capítulo de una serie tras otro (conocido en España como ‘maratón de series’). Incluso, en Estados Unidos han cruzado sus propios límites al posicionar su marca más allá de las series, en el ámbito de la sexualidad humana. El término Netflix and Chill es ya un hito cultural entre los jóvenes y se utiliza para remplaza al típico: “¿Vienes a mi casa a ver una peli?” (cuando ni siquiera tienes televisión).

Esta dicotomía entre el big data y el thick data es lo que hace que la sociedad actual sea tan fascinante. La contradicción entre la fría ciencia y los volátiles sentimientos. La lucha entre la racional tecnológica y el impredecible comportamiento humano. El hombre frente a las máquinas. Y, como ingeniera fascinada por la antropología, no puedo evitar emocionarme al pensar en lo que está por venir.

Tags:

  • Marta Bilbao

    Redactora

    Ingeniera de día y escritora de noche. Mañica de corazón y bruselense de adopción, cada día sueño en un idioma distinto. Adicta al té, a las series y a los aeropuertos.

  • Show Comments (0)

Your email address will not be published. Required fields are marked *

comment *

  • name *

  • email *

  • website *

You May Also Like

El mundo tecnológicamente perfecto de Elon Musk

¿Te imaginas un mundo en el que no estés obligado a trabajar para ganar ...

La Deep Web y los videojuegos imposibles

29 de Noviembre de 1981, Portland. Brian Mauro lleva pañales. Tiene calambres en los ...

El hambre de revolución

Cuenta Martín Caparrós en El Hambre que, cuando estaba en un pueblo de Níger ...

Gente dando charlas: Los videojuegos necesarios

En 1988 Chris Crawford reunió a alrededor de una treintena de amigos suyos en ...