Hay un gran artículo de Michael Gaynor en el Washington Post Magazine sobre el uso de Big Data para predecir los resultados legislativos y políticos. El artículo se centra en la Nota Fiscal de Tim Hwang, una compañía que utiliza una gran cantidad de datos para predecir los resultados de los proyectos de ley y otras formulaciones políticas. El artículo destaca varias otras compañías que se han comprometido en esfuerzos similares. Sin embargo, todos ellos se centran en la predicción. Aunque la predicción precisa es un premio tentador, puede que no siempre sea el objetivo correcto.
La era del Big Data
Las ventajas de utilizar Big Data para obtener información han existido desde que la era digital avanzó hasta el punto de que la gente común y corriente es capaz de gestionar muchos gigabytes de datos en ordenadores personales. Esta estrategia se hizo famosa en el libro Moneyball de Michael Lewis, que Steven Zaillian y Aaron Sorkin adaptaron en un guión que se convirtió en una película popular (2011), protagonizada por Brad Pitt, Robin Wright, Jonah Hill y Philip Seymour Hoffman.
En política, Nate Silver alcanzó la fama al aplicar los mismos principios más allá del ámbito deportivo y hacer pronósticos muy precisos de las elecciones presidenciales. Los algoritmos utilizados por Silver y su equipo de FiveThirtyEight han sido muy transparentes y útiles, y su trabajo ha transformado de muchas maneras la forma en que los expertos y académicos ven las pujas electorales.
También se ha criticado la práctica de utilizar Big Data para pronosticar los resultados de las elecciones. Algunos se han preguntado si el pronóstico en sí mismo puede afectar los resultados de las elecciones. Aunque existe un gran escepticismo sobre la magnitud de cualquier impacto, la idea es que la información en tiempo real y disponible públicamente sobre quién está liderando en un momento dado de una campaña puede tener una gran influencia en las decisiones estratégicas de los votantes y candidatos sobre si votar o no y a quién hacerlo.
¿y si hacer predicciones es la meta equivocada?
Es muy humano querer saber quién ganará un concurso. Los humanos pueden ser naturalmente competitivos e incluso voyeuristas, características que han ayudado a que nuestra especie prospere. Se entiende totalmente que el conocimiento predictivo es tentador y emocionante.
Muchas veces, la información predictiva es insatisfactoria… y cuando la encontramos insatisfactoria, puede ser porque lo que realmente buscamos es comprensión o información sobre cómo influir en los resultados.
Big Data: El objetivo principal debería ser explicar en lugar de predecir
Cuando los «social scientists» o muchos especialistas del mundo del marketing digital utilizan Big Data para realizar análisis, el objetivo principal es explicar en lugar de predecir. La predicción es divertida, pero puede que no nos permita entender las causas subyacentes de un fenómeno o resultado. Aquí es donde entra en juego la insatisfacción. El uso de los datos para centrarse en el desarrollo de una comprensión más clara de cómo funciona el mundo, cómo interactúan los seres humanos en él y cómo estas interacciones producen resultados, puede proporcionar información. En última instancia, esta iluminación puede proporcionarnos información de mayor calidad que la predicción por sí sola.
Para aquellos que buscan usar estas herramientas para ejercer influencia, o para ayudar a lograr resultados políticos particulares, ¿no sería mejor saber cómo y por qué funciona algo, en lugar de saber si es probable que suceda o no?
Estamos haciendo las preguntas equivocadas.
En lugar de preguntar: «¿Quién ganará?» o «¿Cuál pasará?», tal vez deberíamos preguntarnos: «¿Por qué va un candidato por delante?» y «¿Cuáles son las condiciones que hacen que una política gane fuerza?
