CLIENTES

La peligrosa nueva era

de discriminación de
big data
Por Michael Schrage
29 DE ENERO DE 2014

¡Felicitaciones! Accedió big data y está gozando de los beneficios. Divide, disecciona, analiza y
procesa cada toque de pantalla, flujo de clics, me gusta, twitt y punto de contacto que sea
importante para su empresa. Ahora sabe exactamente quiénes son sus mejores (y peores) clientes,
empleados y socios. El conocimiento es poder. Sin embargo, ¿qué clase de poder ofrecen todos
estos conocimientos?

Big data crean grandes dilemas. Un mayor conocimiento sobre los clientes crea un nuevo
potencial y un nuevo poder para discriminar. Big data, y su análisis asociado, aumentan en gran
medida la dimensionalidad y los niveles de libertad para la discriminación detallada. Por lo tanto,
¿en qué parte de la cultura y la estrategia de su empresa terminan la personalización y la
segmentación con valor agregado, y comienza la discriminación perjudicial?

Digamos, por ejemplo, que sus datos de segmentación le brindan la siguiente información:

• Sus clientes más rentables son mujeres solteras que tienen entre 34 y 55 años, seguidas por
mujeres "felizmente casadas" con al menos un hijo. Las mujeres divorciadas son ligeramente más
rentables que las que nunca se casaron. Los hombres homosexuales, tanto los solteros como los
que se encuentran en una relación, también son desproporcionadamente rentables. El "cliente
ideal" vive en zonas urbanas y tiene entre 28 y 50 años. En su conjunto, estos segmentos explican
aproximadamente dos tercios de su rentabilidad. (Un dato inesperado: sus clientes más rentables
son casi todos suscriptores de Amazon Prime; ¿qué significa eso?)

COPYRIGHT © 2014 PUBLICACIONES DE LA ESCUELA DE NEGOCIOS DE HARVARD. TODOS LOS DERECHOS RESERVADOS. 2
 Si se analiza en mayor detalle, como lo hacen big data, se obtienen estadísticas etnogeográficas aún más
minuciosas en relación con el comportamiento y la influencia de los clientes:

• Las mujeres solteras de etnia asiática, latina y afroamericana con códigos postales urbanos tienen
más probabilidades de quejarse de la calidad del producto y el servicio ante la empresa. Las
personas de etnia asiática y latina que, luego de quejarse, quedan conformes con la resolución o el
reembolso tienden a estar en el quintil superior de rentabilidad. Este no es el caso de las mujeres
afroamericanas.
• Las madres blancas de las áreas residenciales son las que tienen más probabilidades de usar
medios sociales para compartir sus quejas, seguidas de cerca por las madres de etnia asiática
y latina. Sin embargo, si el problema se resuelve rápido, promoverán en línea la capacidad de
respuesta de la empresa.
• Los hombres homosexuales de zonas urbanas que reciben promociones y descuentos especiales
son los más eficaces para dirigir el tráfico a sus sitios.

Lo que quiero enfatizar es que estos datos son explícitos, convincentes e innegables. Sin embargo,
¿cómo deben usarlos los especialistas en marketing y los promotores de venta sofisticados?

Las campañas, las promociones y los programas de lealtad que están orientados a mujeres y hombres
homosexuales parecen obvios. Aun así, ¿las mujeres de etnia asiática, latina y blanca deberían gozar
de un trato preferencial por sobre las mujeres afroamericanas cuando se intenta resolver una queja?
Después de todo, tienden a ser más rentables y están perceptiblemente más dispuestas a usar los
medios sociales de forma eficaz. Desde el punto de vista del marketing, ¿tiene sentido alentar a las
clientas afroamericanas a que utilicen más los medios sociales? ¿O es mejor invertir los recursos en
sacar mayor provecho de las mejores clientas? De forma similar, ¿cuánto esfuerzo e ingenio se debe
destinar a lograr que los clientes homosexuales promocionen más la marca en los medios sociales?
¿Qué tipos de ofertas y promociones podrían volverse virales en sus redes?

Por el contrario, una forma inmediata de reducir costos y preservar recursos podría ser orientarse
menos a los clientes más costosos y menos rentables. ¿Hay formas más inteligentes de elevar los
precios, minimizar el acceso o de algún otro modo gestionar a esos clientes solteros y más grandes
que resultan costosos, y a las mujeres jóvenes que compran poco y requieren una gran atención?
¿Existen otros indicadores rápidos y económicos, como una suscripción a Amazon Prime combinada
con la edad y la etnia, que permitan distinguir rápidamente a los clientes potenciales que vale la
pena atraer?

Es evidente que la diferencia entre la discriminación por precio y la discriminación positivamente

correlacionada con el sexo, la etnia, la geografía, la clase, la personalidad o el dominio tecnológico
es absolutamente mínima. De hecho, todo el sostén epistemológico del uso de big data en
las empresas se basa en que permiten crear de manera rentable una personalización y una
segmentación justificadas.

COPYRIGHT © 2014 PUBLICACIONES DE LA ESCUELA DE NEGOCIOS DE HARVARD. TODOS LOS DERECHOS RESERVADOS. 3
 Sin embargo, la ley, la ética y la economía no aclaran dónde terminan la personalización y la
segmentación con valor agregado, y dónde comienza la discriminación perjudicial. ¿La existencia de
privilegios promocionales para los clientes homosexuales discrimina intrínseca e injustamente a los
clientes heterosexuales? ¿Es provechoso, por no decir justo, no brindarles las ofertas especiales a las
mujeres afroamericanas porque, según las estadísticas y las probabilidades, son menos rentables que
las clientas de etnia asiática y latina?

El análisis de big data hace que estas preguntas sean menos hipotéticas que tácticas, prácticas y
estratégicas. En la teoría y en la práctica, big data convierten de forma digital clichés y
estereotipos culturales en conjuntos de datos empíricamente verificables. Combinan esos datos con
los protocolos informáticos de análisis predictivo al estilo de Nate Silver, y las organizaciones de todo
el mundo tienen la posibilidad (¿o tal vez la obligación?) de segmentar o discriminar a sus clientes de
forma innovadora y rentable.

Por supuesto, muchos sectores regulados (notablemente, las aseguradoras médicas, los servicios
financieros y los servicios de empleo) prohíben expresamente ciertos tipos de discriminación. En
efecto, las empresas y las organizaciones deben ignorar o excluir de forma deliberada información
de los clientes que es potencialmente valiosa. En Estados Unidos, por ejemplo, se presta especial
atención a los procesos y los programas que tienen un "impacto dispar" en el empleo. (Una próxima
publicación abordará este asunto). Los reguladores, los legisladores y los sistemas judiciales de todo
el mundo suelen buscar atentamente ejemplos de "impacto dispar" y tratos desiguales o injustos
hacia los clientes. No debería haber ninguna duda de que el conocimiento íntimo de los clientes que
confieren big data garantiza un mayor examen por parte de los gobiernos de todo el mundo.

Sin embargo, la fuente de preocupación principal no es la privacidad en sí, sino el hecho de que las
empresas y las organizaciones como la suya utilicen el análisis de big data para justificar sus
estrategias de segmentación, personalización y discriminación, así como la forma en que lo hacen.
Cuanto más eficaz sea el análisis de big data para segmentar y discriminar a los clientes de forma
rentable, más probabilidades habrá de que los reguladores y los fiscales auditen esos algoritmos.

El desafío que presentan big data para el futuro no es técnico. Se trata de si las administraciones
tienen algoritmos y análisis que son justamente transparentes y transparentemente justos. Los expertos
y profesionales de big data deberán discriminar el nivel de discriminación que deseen aplicar.

Michael Schrage, becario de investigación del Centro para Negocios Digitales de la Escuela Sloan del MIT, es el autor de los
libros Serious Play (HBR Press), Who Do You Want Your Customers to Become? (HBR Press) y The Innovator’s Hypothesis (MIT Press).

COPYRIGHT © 2014 PUBLICACIONES DE LA ESCUELA DE NEGOCIOS DE HARVARD. TODOS LOS DERECHOS RESERVADOS. 4
Los derechos de autor de los artículos digitales de Harvard Business Review son propiedad
de Publicaciones de la Escuela de Negocios de Harvard y su contenido no puede copiarse,
enviarse por correo electrónico a varios sitios ni publicarse en un servidor automático de listas
de correo sin el permiso expreso por escrito del titular de los derechos de autor. Sin embargo,
los usuarios pueden imprimir los artículos, descargarlos o enviarlos por correo electrónico
para su uso individual.