big data analysis fue mal interpretado por estadistas, mencionaron perdedor al que fue ganador y presidente electo de EEUU Donald Trump.

Hola amig@s ! , como están aquí tincho una vez más con ustedes.

Ahora que el asunto está mas tibiecito y no hay tanto revuelo les traigo este post sobre algunas cosas que he logrado recapitular en cuanto a qué paso con respecto al nuevo presidente de eeuu Donald Trump.

Es interesante el vinculo de esta situación con big data analysis, ya que hoy mas que nunca las elecciones presidenciales se manejan en base a variados estudios sobre grandes volumenes de datos de la población del país que elige su presidente; Entiendo que este resultado te tomó de sorpresa como a mí!…

Sí, ese sujeto que parece desagradar a todos (así lo parece o él nos hace creer eso, quien sabe!); Que ganó las elecciones EEUU y que todo el mundo pensó que perdía pero.. contra todo pronóstico y estadística GANÓ!.

Y como se explica esto? pues es seguro el big data analyisis del que tanto hablamos tuvo su influencia en ello, no tengáis ninguna duda..

Los humanos fallaron y su interpretación en big data analysis, pero no los datos.

Como sabéis la campaña de Hillary Clinton para la presidencia fue muy famosa, hecha con orgullo, impulsada por los datos. Durante meses, los periodistas relataron la magia de la “estrategia digital” del equipo de Clinton con asombro vertiginoso.

Un jefe de datos que garabatea en las paredes en marcador borrable como Russell Crowe en la pelicula A Beautiful Mind! ¡Cambios sutiles pero que dicen al diseño de la página de aterrizaje! Algo llamado “costo por delegado flippable!”

Ahora que sabemos que Clinton ha fracasado, la venganza contra los datos ha sido más que rápida:

Desde la sorpresiva elección del martes 8/NOV/2016, nos han dicho que la victoria sorpresa de Trump socava la
creencia de que el análisis de resmas de datos puede predecir con precisión los acontecimientos; Que explota la sabiduría recibida sobre el valor de la campaña impulsada por datos; Nos han dicho que los datos no importan!!.

Pero el martes para nada fue un fracaso de los datos; No!, fue un fracaso de la predicción y el big data analysis hecho por los seres humanos.

Los datos eran buenos, pero el análisis carecía de profundidad y por lo tanto el big data analyisis era erróneo.

En todo caso, el espectacular y casi unánime fracaso colectivo de los pronosticadores para ver el triunfo de Trump en el futuro proporciona una apertura para una conversación más productiva entre números y palabras, estadísticos y analistas, datos y mensajes.

El Gran Debate de los Datos

Gran parte del Gran Debate de los Datos se ha enfocado en dos cosas:

Las encuestas “se equivocaron” y los datos de encuestas, sin importar su calidad, fueron impotentes para captar el impulso electoral oculto generado por el atractivo populista de Trump ante el herido orgullo de la clase trabajadora (los working-class whites.).

Sí!, sin dudas muchas encuestas subestimaron la fortaleza del apoyo de Trump.

Sí, también el martes 8/NOV/2016 fue otro golpe para una industria de encuestas ya sinuosa por varios grandes errores recientes y frente a numerosos obstáculos estructurales pero las encuestas nunca fueron diseñadas para ser pronósticos. Son simplemente una canasta de puntos de datos entre muchos otros.

El verdadero problema es que no se ha hecho suficiente trabajo para mirar más allá de las encuestas y encontrar nuevos conjuntos de datos que puedan mejorar sobre el análisis político para ser correctamente interpretado en el big data analysis - una tarea especialmente urgente en una era de volátiles estados de ánimo electoral.

Que es lo que pasa? Bueno, los datos están ahí afuera, sólo necesitamos ser más creativos al buscarlos e interpretarlos.

Traigo un caso particular y es de la empresa para la que ha trabajado Aaron Timms quien es ni mas ni menos que el Director de Contenido en Predata, esta empresa se dedica a esta búsqueda de formas alternativas de entender la política.

Para la elección estadounidense, trabajando fuera de la teoría de que la campaña política tiene cada vez más lugar “en línea o online” y los votantes son cada vez más inaccesibles a las empresas de encuestas; Han desarrollado señales para capturar cambios en la conversación digital alrededor de las carreras. Para producir estas señales, la empresa reune y analiza cientos de miles de puntos de datos todos los días.

Los humanos fallaron, no big data analysis

Aaron nos comenta que habiendo tenido algún éxito con el pronóstico Brexit a principios de año, en esa ocasión Predata -como prácticamente todas los demás- recibió la llamada equivocada y predijo que Clinton ganaría!.

No había nada fundamentalmente equivocado con los datos; Los datos eran realmente buenos. Es sólo que los humanos (así, humanos: yo, dice Aaron Timms) curamos y analizamos los datos de forma no preformante.

Él y muchos otros fueron influenciados por la percusión de los sondeos y la opinión pública que sugirió una victoria de Clinton, que permitió ignorar las señales de que Trump estaba por delante tanto en los estados del campo de batalla como en la Florida.

Eso fue un error. Pero fue un error fundamentalmente humano. Los datos eran intachables.

Todos los conjuntos de datos y modelos de predicción basados en datos -incluso aquellos que afirman funcionar con
inteligencia artificial- son, en cierta medida, un reflejo de los sesgos propios de su creador.

Hay una subjetividad embebida en cada elección curatorial que entra en la creación de una encuesta, o un conjunto de señales para monitorear el debate en línea, o un modelo de predicción. La interpretación de los datos también es necesariamente subjetiva.

Pero un error no significa que debemos perder el juego. Recopilar datos, datos crujidos, interpretar datos: no hay nada fundamentalmente insano o estúpido acerca de este ejercicio básico. Todavía vale la pena hacerlo.

Pero tenemos que mejorar en la comprensión de lo que los datos pueden decirnos - su potencial y limitaciones - y cómo encaja en un cuadro analítico más amplio.

Necesidad de superar la división geek

Aún hay una división cultural que separa a los denominados geeks (los científicos de datos y estadísticos) de los poetas (los reporteros, los escritores de color) en la cobertura de las campañas políticas.

Nadie tiene el monopolio de la verdad, como se vió el martes. Y cada uno puede ofrecer información útil en nuestra búsqueda en curso para dar sentido a la realidad desordenada.

Para mejorar la predicción de grandes eventos políticos, necesitamos tanto mejores datos como informes más nítidos, una lectura más clara de los números y un retrato más penetrante de las realidades sobre el terreno, y una exploración más activa de la intersección entre los dos.

Eso significa más palabras informadas por los datos, y más datos trabajados por las palabras: el matrimonio de techies y fuzzies a los que la buena tecnología siempre tiende.

Los errores epistemológicos de las últimas semanas no deberían obligarnos a renunciar a los datos. Son una invitación a seguir fallando, seguir cometiendo errores y, con suerte, con mentes flexibles y un mejor sentido de los límites de lo que es posible, vuelven a hacer grandes los datos.

Si te gusto este post no olvides segurinos! tambíen puedes recomendar este post a quien pueda interesarle. Te invitamos a seguir conociendo big data con el siguiente post: Big Data - Una mirada a los datos que usamos…

Qué opinas sobre esta la mala interpretación de estos datos en big data analysis, fue hecho a propósito?; O verdaderamente es factible que la mayor potencia del mundo puede equivocarse?.