Sin embargo, por muchos que sean estos datos, no son más de
lo mismo. En una encuesta o experimento hay una estructura: una
relación explícita entre los datos y lo que estos pretenden representar. Los
cerca de 1500 hogares que conforman la Encuesta Permanente de Hogares del Gran
Buenos Aires deberían poder representar el comportamiento de los casi 5
millones de la región. Es la estadística la que garantiza que es posible
extrapolar conclusiones de la muestra a la población, a través de un vínculo
probabilístico explícito en ellas.
Por el contrario, los datos de big data no tienen
una estructura trivial, de modo que no refieren a ninguna población obvia y,
justamente, proveer esa estructura es tal vez la tarea más desafiante de la
ciencia de datos. Cualquier encuesta implementada en las redes sociales recoge
muchos más datos que los que usa el Indec para medir la pobreza. Pero, sin una
estructura obvia, estas encuestas son solo representativas de los seguidores de
Twitter o Instagram de una persona o institución. Y esta cuestión es la madre
de casi todos los problemas de big data. Así, las encuestas de usuarios de una
plataforma esconden la opinión de quienes no la usan; los datos de automóviles
obtenidos vía sensores en una autopista no muestran información de quienes la
evitan, creando peligrosos sesgos, de los que la estadística se ha ocupado
desde sus inicios.
Se habla de big data como si fuese la primera revolución
de datos de la historia. Pero no es obvio ni que sea la primera ni que sea
realmente revolucionaria.
Desde la perspectiva
de que big data es simplemente un fenómeno de “más datos”, la estadística
debería ser la primera agradecida al verse librada de la escasez de materia
prima con la cual trabajar. Pero como big data no es un fenómeno de más de
lo mismo, no solo no resuelve los problemas que tenía la estadística, sino que
los magnifica. Los sesgos que afectan a los algoritmos son de una naturaleza
idéntica a la de los que atentaron contra las herramientas de la estadística
clásica, como los que en 1936 condujeron a uno de los fracasos más estrepitosos
de la disciplina, cuando una masiva encuesta predijo que Alfred Landon ganaría
las elecciones presidenciales en los Estados Unidos sin darse cuenta de que
había sido implementada mediante el sistema de correo, que sobrerrepresentaba a
los votantes ricos y cultos.
La impredecibilidad del valor del dólar o del resultado de un partido de fútbol obedece a razones que fueron estudiadas hace más de medio siglo por la economía, las finanzas y la matemática. Las dificultades a la hora de lidiar con datos faltantes fueron analizadas por la estadística y, algunas de ellas, por la economía, como los métodos que le valieron el Nobel en 2000 a Daniel McFadden y James Heckman, o las técnicas casi experimentales por las que Joshua Angrist, Guido Imbens y David Card obtuvieron el galardón en 2021.
Más aún, se
habla de big data como si fuese la primera revolución de datos de la historia.
Pero no es obvio ni que sea la primera ni que sea realmente
revolucionaria. A mediados del siglo XVI, Tycho Brahe provocó una
auténtica revolución de datos astronómicos que luego dieron lugar a las teorías
de Kepler, Galileo y Newton acerca del movimiento de los planetas, y a la
física de los tres siglos posteriores. A mediados del siglo XIX, el monje
austríaco Gregor Mendel gestó otra revolución de datos al cultivar más de
28.000 variedades de un guisante, cuyo estudio minucioso lo llevaría a postular
las “leyes de Mendel” que conforman los principios básicos de la genética.
La estadística y la ciencia formal serán un componente
clave para que big data se trasforme en una revolución.
La historia de la
ciencia provee varios ejemplos de este tipo, que sugieren dos cuestiones
llamativas: que la de big data no es la primera revolución de datos y
que a las que hubo les sucedió una auténtica revolución de ideas, que
cambiaron radicalmente la forma de interactuar con el universo.
Es la conjunción de
datos y mentes brillantes lo que produce revoluciones en el conocimiento; la
estadística y la ciencia formal serán un componente clave para que big data se
trasforme en una revolución. Mientras tanto, nos obliga a ver a big
data como una promesa y, fundamentalmente, a tener una postura madura, capaz de
apreciar sus enormes ventajas y, a la vez, lidiar con sus limitaciones, para lo
cual la estadística es una disciplina esencial. Recién cuando aparezca el (¡y
ojalá que “la”!) Newton o Mendel de big data es que realmente podremos darle al
fenómeno la entidad revolucionaria que reclama.
A fines de 2021, The
Economist publicó un artículo sobre las posibles acciones de Putin
como parte de una sección futurista llamada “El Mundo en 2022″ y titulado
“Putin renovará sus ataques sobre internet y las elecciones”. La palabra
“Ucrania” no aparece por ningún lado. A big data se le escapó la
tortuga, una vez más, como con la irrupción de la pandemia, la
elección del Papa Francisco y otros eventos cruciales.
La estadística no solo no ha muerto, sino que está más
viva que nunca, porque big data, más que resolver sus problemas, los ha vuelto
a poner sobre la mesa. El
reciente libro del autor de esta nota, Qué es (y qué no es) la Estadística,
publicado por Siglo XXI Editores, es una introducción informal y a la vez
rigurosa de las contribuciones de esta disciplina clave para las sociedades y
su rol crucial en tiempos de big data y algoritmos.
No hay comentarios:
Publicar un comentario