En nuestro quehacer cotidiano, cada vez m\u00e1s digitalizado, generamos constantemente datos sobre nuestros h\u00e1bitos. Dejamos pistas en todas partes. Al comprar en el supermercado pasamos la tarjeta de fidelidad y, clic, quedamos registrados: cada semana, por ejemplo, junto a la carne, la verdura y los huevos, solemos comprar una cu\u00f1a de parmesano y, s\u00f3lo una vez al mes, un cart\u00f3n de helado de vainilla. Luego enviamos SMS con el m\u00f3vil y, clic, nuestro registro indica con cu\u00e1nta gente nos relacionamos y si somos un usuario frecuente. Quiz\u00e1 despu\u00e9s, en la oficina, navegamos un rato; leemos un par de peri\u00f3dicos, mandamos tres e-mails y compramos un billete de tren; clic, clic, clic…<\/p>\n
Google puede conocer ya el estado de \u00e1nimo de su plantilla
\nLas bases de datos aumentan masivamente hasta convertirse en un pandemonio de millones de entradas. De ese caos, sin embargo, es posible desentra\u00f1ar pautas sobre nuestro comportamiento para elaborar modelos predictivos y aplicarlos a la publicidad y al marketing, claro, pero tambi\u00e9n a la medicina, la gesti\u00f3n empresarial, los procesos electorales y la lucha contra el terrorismo. A la b\u00fasqueda de esas pautas se dedican los expertos en data mining (explotaci\u00f3n o miner\u00eda de datos), b\u00e1sicamente especialistas en estad\u00edstica, matem\u00e1ticos e ingenieros inform\u00e1ticos, encargados de desbrozar semejantes junglas de archivos en busca de patrones de comportamiento que ayuden a anticipar nuestras decisiones.<\/p>\n
\u00abEl floreciente mundo de los datos es un laboratorio gigante sobre el comportamiento humano. Es una mesa de operaciones para las ciencias sociales, el comportamiento econ\u00f3mico y la psicolog\u00eda\u00bb, escribe Stephen Baker, periodista de BusinessWeek, en el ensayo The Numerati. How they’ll get my number and yours (Jonathan Cape). En su libro, Baker aborda el prometedor futuro de la miner\u00eda de datos: \u00abEn la d\u00e9cada que viene, cada uno de nosotros dar\u00e1 lugar, a menudo, sin advertirlo, a modelos propios en casi cada aspecto de la vida. Seremos modelados como trabajadores, pacientes, soldados, amantes, clientes y votantes\u00bb, escribe. Su vaticinio es ambicioso: sumadas todas estas facetas, veremos la \u00abmodelaci\u00f3n matem\u00e1tica de la humanidad\u00bb.<\/p>\n
Una empresa habituada a trabajar con enormes bases de datos, el buscador Google, ya est\u00e1 aplicando el data mining en la gesti\u00f3n de los recursos humanos de su propia plantilla. Ante la marcha de algunos cargos estrat\u00e9gicos (ingenieros, dise\u00f1adores y ejecutivos de ventas), la compa\u00f1\u00eda est\u00e1 desarrollando una herramienta que le permitir\u00eda conocer el estado de \u00e1nimo de sus trabajadores y averiguar cu\u00e1les se plantean marcharse, seg\u00fan public\u00f3 recientemente The Wall Street Journal. Consiste en un algoritmo (una f\u00f3rmula matem\u00e1tica) elaborado a partir de un gran volumen de datos (entrevistas, registros de n\u00f3minas y ascensos y evaluaciones de compa\u00f1eros, etc\u00e9tera) de sus 20.000 trabajadores. Google no da muchos detalles m\u00e1s, pero el funcionamiento de una herramienta as\u00ed es conocido. \u00abSe trata de crear un modelo de predicci\u00f3n del comportamiento\u00bb, se\u00f1ala Llu\u00eds Belanche, profesor titular del Departamento de Lenguajes y Sistemas Inform\u00e1ticos de la Universidad Polit\u00e9cnica de Catalu\u00f1a.<\/p>\n
\u00abSe toma como referencia a los empleados que se fueron de la empresa porque no se sent\u00edan valorados. Cuando se tiene una muestra amplia, de miles, se analiza c\u00f3mo se comportaron poco antes de marcharse\u00bb. \u00bfQuiz\u00e1 mandaban menos e-mails a tan s\u00f3lo un reducido grupo de amigos? \u00bfPasaban m\u00e1s tiempo visitando p\u00e1ginas web o leyendo la secci\u00f3n de deportes?, se pregunta Baker, desde Nueva Jersey. \u00abSi existe alguna pauta com\u00fan entre estas personas insatisfechas, puedes ense\u00f1ar a una m\u00e1quina a buscar entre las pautas de la plantilla actual, y localizar a los empleados que encajan en ese perfil\u00bb. Se trata de proyecciones y no garantizan una fiabilidad del cien por cien, advierte Belanche, \u00abpero cuantos m\u00e1s registros se tienen, m\u00e1s confianza merece la predicci\u00f3n\u00bb.<\/p>\n
Las t\u00e9cnicas no son nuevas, pero por primera vez se empiezan a aplicar a gran escala a la gesti\u00f3n de los recursos humanos, la investigaci\u00f3n m\u00e9dica y la lucha contra el terrorismo. \u00abEl data mining de Google no es tan diferente de otros an\u00e1lisis que hacen las empresas en sus intentos de anticipar nuestro comportamiento\u00bb, se\u00f1ala Baker. \u00abLas compa\u00f1\u00edas de m\u00f3viles, por ejemplo, examinan los patrones de nuestras llamadas en un intento de predecir qui\u00e9n es m\u00e1s probable que se cambie a otra operadora\u00bb, a\u00f1ade. \u00abSi tus llamadas siguen ese patr\u00f3n es muy probable que recibas una oferta especial tentadora para que renueves tu contrato\u00bb.<\/p>\n
Las herramientas que procesan tal volumen de datos \u00abson algoritmos de aprendizaje que proceden del campo de la inteligencia artificial\u00bb, sostiene Fernando Corbacho, socio de operaciones de la compa\u00f1\u00eda CognoData, especializada en la aplicaci\u00f3n de la miner\u00eda de datos en el sector empresarial. \u00abAnalizan las bases de datos y aprenden a distinguir entre los clientes que se han ido y los que no. Elaboran un perfil del cliente que se ha ido y luego lo aplica a cada empleado y dice si encaja en el perfil de fuga\u00bb.<\/p>\n
Otros gigantes del sector inform\u00e1tico ya estudian c\u00f3mo optimizar el rendimiento de sus trabajadores. La multinacional IBM se ha fijado en sus especialistas en tecnolog\u00eda. El proyecto consiste en reunir exhaustivos inventarios de las habilidades de cada uno de ellos y luego calcular matem\u00e1ticamente la mejor manera de utilizarlos, seg\u00fan escribe Baker. Uno de los cerebros de la idea es el matem\u00e1tico Samer Takriti, investigador del Thomas J. Watson Research Center de IBM, en Nueva York, que se ha rodeado de un equipo de especialistas, desde data miners y estad\u00edsticos hasta psic\u00f3logos y antrop\u00f3logos.<\/p>\n
La empresa tiene vedados los archivos de personal, con evaluaciones anuales, pero pr\u00e1cticamente todo el resto de informaci\u00f3n est\u00e1 a su disposici\u00f3n. Y necesitan mucha. Cuanta m\u00e1s, mejor. Escudri\u00f1ando curr\u00edculos y registros de proyectos, el equipo puede construir un perfil de las habilidades y experiencia de cada trabajador. Puede saber c\u00f3mo usan su tiempo y con qui\u00e9n se re\u00fanen a partir de los calendarios online.<\/p>\n
Adem\u00e1s, en los registros de llamadas y los correos electr\u00f3nicos est\u00e1n grabadas las redes sociales de cada t\u00e9cnico. \u00ab\u00bfA qui\u00e9n env\u00edan copias adjuntas de sus e-mails? \u00bfMandan copias ocultas a alguien? Estos mensajes ocultos podr\u00edan apuntar al crecimiento de redes informales dentro de la compa\u00f1\u00eda\u00bb, incide Baker. \u00abPodr\u00edan mostrar que un cargo medio lidera en silencio a un importante equipo de colegas y que su jefe est\u00e1 fuera del circuito. Quiz\u00e1 ambos deber\u00edan intercambiar sus puestos\u00bb. Proyectos como los de Google e IBM est\u00e1n a\u00fan en fase inicial, pero dejan entrever su alcance potencial.<\/p>\n
En Estados Unidos la privacidad de los empleados est\u00e1 claramente definida: \u00abEl empresario es propietario de cada golpe de tecla y cada clic del rat\u00f3n y de cada llamada del m\u00f3vil de la empresa\u00bb, subraya Baker. \u00abAdem\u00e1s pueden estudiar calendarios electr\u00f3nicos, registros laborales y curr\u00edculos\u00bb. En Espa\u00f1a, una sentencia del Tribunal Supremo de 2007 concluy\u00f3 que los empresarios pueden rastrear toda esa informaci\u00f3n pero tienen la obligaci\u00f3n de avisar antes a los empleados de cualquier supervisi\u00f3n de sus comunicaciones a trav\u00e9s de Internet, y deben establecer protocolos.<\/p>\n
\u00abFue una sentencia algo ecl\u00e9ctica\u00bb, se\u00f1ala el director de la Agencia Espa\u00f1ola de Protecci\u00f3n de Datos (AEPD), Artemi Rallo. \u00abSe proclam\u00f3 que el tipo de servicios que se ponen a disposici\u00f3n de los empleados son dignos de protecci\u00f3n, pero en la misma sentencia se recoge que si el empresario avisa de que podr\u00e1 acceder o acceder\u00e1 a e-mails e historiales y se protocoliza, la pr\u00e1ctica ser\u00eda legal\u00bb. En cualquier caso -a\u00f1ade Rallo-, son situaciones nuevas, sobre las que existe escasa jurisprudencia, y la cobertura legal va avanzando para adaptarse.<\/p>\n
Los nuevos expertos en gigantescas bases de datos, los numerati -como los ha bautizado Baker- juegan ya una funci\u00f3n crucial en las empresas. \u00abPor m\u00faltiples razones\u00bb, observa Javier Arias, ingeniero de alianzas estrat\u00e9gicas de Google en Espa\u00f1a. \u00abPara algunas es una herramienta para encontrar nuevas fuentes de beneficios (\u00bfqu\u00e9 producto tengo que desarrollar\/crear), para otras, el data mining es parte de su investigaci\u00f3n y desarrollo (\u00bfqu\u00e9 mol\u00e9culas tienen m\u00e1s probabilidades de funcionar contra un c\u00e1ncer espec\u00edfico?)\u00bb. Y a\u00f1ade que las entidades bancarias pueden emplear la t\u00e9cnica para \u00abdetectar que una operaci\u00f3n con tarjeta de cr\u00e9dito es fraudulenta porque no se corresponde con el patr\u00f3n de uso normal\u00bb.<\/p>\n
Los usos comerciales del data mining son abundantes. \u00abLos supermercados y las grandes cadenas, como Wal-Mart o Ikea, crean grandes bases de datos en los que cada entrada es, por ejemplo, un tique\u00bb, indica Belanche. \u00abSaben qu\u00e9 has comprado y, si tienes tarjeta de fidelidad, incluso tienen tus datos personales\u00bb. Es informaci\u00f3n fundamental para determinar los patrones de compra y poder estimular las ventas. \u00abLocalizan por ejemplo dos productos que siempre se compran juntos y los colocan en dos pasillos separados para que tengas que pasar por un tercero y compres otros que no ten\u00edas previsto adquirir\u00bb.<\/p>\n
En la elaboraci\u00f3n de los modelos de predicci\u00f3n se emplean desde la estad\u00edstica tradicional hasta las reglas de asociaci\u00f3n (\u00absi este producto se compra junto a un segundo y un tercero, entonces es probable que se compre este cuarto\u00bb), indica Belanche. \u00abTambi\u00e9n los bancos suelen invertir en el desarrollo de sistemas de predicci\u00f3n de impagos de pr\u00e9stamos\u00bb, prosigue. \u00abLas l\u00edneas a\u00e9reas en Internet cuentan con un registro de millones de entradas. Si se analiza el registro de clics se puede saber, por ejemplo, en qu\u00e9 momento un cliente ha dejado de comprar un billete y por qu\u00e9; quiz\u00e1 porque ha recibido un cargo sorpresivo, por ejemplo. A las empresas les interesa saberlo\u00bb.<\/p>\n
E incluso se est\u00e1n estudiando aplicaciones en los procesos electorales: conocer el patr\u00f3n de voto de los electores para poder personalizar el mensaje del candidato. En su ensayo, Baker describe el proyecto de la empresa Spotlight Analysis, dirigida por Josh Gotbaum, ex funcionario de las Administraciones de Carter y Clinton. Se propone localizar a los decisivos swing voters (el voto indeciso que puede resultar determinante en unos comicios) para poder afinar los mensajes electorales. \u00bfLa t\u00e9cnica? En primer lugar, toman las colosales bases de datos de empresas como ChoicePoint o Acxiom, que acumulan registros sobre sentencias judiciales, transacciones inmobiliarias y de impuestos, y sobre h\u00e1bitos de consumo (suscripciones a revistas, compra de libros, viajes, etc\u00e9tera). Son compa\u00f1\u00edas que \u00abcompran cada peque\u00f1o dato sobre nosotros que est\u00e1 en venta\u00bb, advierte Baker, \u00aby luego venden selecciones de esos datos a cualquiera que quiera perfilarnos para dirigirnos una campa\u00f1a\u00bb. Luego se cruzan esos registros con los an\u00e1lisis sobre las preocupaciones de los consumidores, suministrados por empresas como Yankelovich (que recoge lo que piensan 175 millones de consumidores sobre el \u00e9xito profesional, la vida familiar o su comunidad, entre otros valores). A todo ello se a\u00f1ade una serie de encuestas telef\u00f3nicas. El resultado permite segmentar a los votantes de una manera muy \u00fatil para el dise\u00f1o de las campa\u00f1as electorales. \u00abEl tipo de an\u00e1lisis estad\u00edstico que discutimos aqu\u00ed\u00bb, precisa Baker, \u00abtanto si se trata de predecir nuestro comportamiento como cazadores de casas o como consumidores de vino, es por naturaleza aproximado. Se basa en la probabilidad\u00bb. Logran su objetivo \u00absi consiguen respuestas mejores, m\u00e1s r\u00e1pidas o m\u00e1s baratas que las habituales\u00bb.<\/p>\n
El uso de la miner\u00eda de datos en medicina es incipiente pero prometedor. Baker enumera algunos proyectos de instalaci\u00f3n de sensores en el domicilio de personas de edad avanzada. Recoger\u00e1n las pautas de comportamiento y avisar\u00e1n de cualquier irregularidad, como un descenso de peso o un cambio del ritmo de los pasos. Otros estudios investigar\u00e1n durante las pr\u00f3ximas d\u00e9cadas el desarrollo de nanosensores instalados en el organismo para examinar la sangre y poder alertar a tiempo del crecimiento de un tumor. \u00abPara que funcionen, los numerati tendr\u00e1n que desarrollar normas estad\u00edsticas para cientos de nuestras pautas biol\u00f3gicas\u00bb.<\/p>\n
Con todo, el campo de la miner\u00eda de datos que plantea mayores conflictos sobre la invasi\u00f3n de la privacidad es el de la lucha contra el terrorismo. Tras los atentados del 11-S de 2001, Washington emple\u00f3 m\u00e1s de mil millones de d\u00f3lares para unir las ingentes bases de datos de la CIA y el FBI y ofrecer as\u00ed una \u00fanica fuente a los data miners, seg\u00fan explica Baker. Y, adem\u00e1s, -enumera el periodista- rastrearon datos de consumo y demograf\u00eda, revisaron registros de l\u00edneas a\u00e9reas y recibos de hotel, junto a millones de v\u00eddeos y horas de llamadas telef\u00f3nicas y tr\u00e1fico de internet recopilados por la National Security Agency (NSA). E incluso, seg\u00fan publicaron varios medios en 2006, las grandes compa\u00f1\u00edas telef\u00f3nicas entregaron al Gobierno el registro de millones de llamadas.<\/p>\n
En esa batalla contra el terror se incluy\u00f3 el software NORA, un sistema para identificar relaciones no evidentes entre tramposos de casinos, seg\u00fan detalla Baker. El programa fue ideado para rastrear las bases de datos internas de los casinos en busca de v\u00ednculos entre nombres, direcciones y n\u00fameros de tel\u00e9fonos.<\/p>\n
Tras el 11-S se utiliz\u00f3 NORA para cribar las identidades y movimientos de terroristas. Su creador, Jeff Jonas, es un cient\u00edfico de IBM que aboga por la defensa de los derechos de privacidad. \u00abNecesitaremos tecnolog\u00eda que proteja nuestra identidad y pol\u00edticas que salvaguarden nuestros derechos\u00bb, advierte en The Numerati. \u00abVamos a necesitar mucha gente inteligente en pol\u00edtica\u00bb. Sin una profunda regulaci\u00f3n -a\u00f1ade Baker- es probable que recibamos lo peor de ambos mundos, una sociedad de la vigilancia que aun as\u00ed es incapaz de mantenernos seguros.<\/p>\n
En cualquier caso, Baker pronostica un inmenso nuevo territorio para la ciencia. \u00abPromete ser uno de los grandes logros del siglo XXI. Su alcance crecer\u00e1 hasta incluir la mayor\u00eda del mundo f\u00edsico a medida que los matem\u00e1ticos metan mano en nuevos flujos de datos, desde constelaciones de sensores atmosf\u00e9ricos hasta la se\u00f1al de millones de c\u00e1maras de seguridad\u00bb, vaticina Baker. \u00abEs un mundo paralelo que est\u00e1 tomando forma; un laboratorio para la investigaci\u00f3n y el descubrimiento compuesto de n\u00fameros, vectores y algoritmos\u00bb.<\/p>\n