Big Data - Capítulo 2, Un Mundo de Datos

El mundo digital es una usina inagotable de información, ensanchando cada vez más la brecha
entre la velocidad de transmisión de los mensajes y la velocidad de las personas, achicando las
distancias y aumentando los datos producidos y almacenados. Los datos nos acercan lo lejano
y virtualizan lo cotidiano, construyendo una Torre de Babel de información. Acumulamos más
datos de lo que podemos procesar y analizar, pero esto nos permite conocer a las personas,
sus intereses, gustos e inclinaciones, segmentando y agrupándolas a partir de estas
características, en lo que llamamos sociedad de red (Castells Oliván): una sociedad cuya
estructura social se basa en redes activadas por tecnologías de información procesadas
digitalmente. Todos los dispositivos que se conectan a la web generan datos y dejan huellas
digitales que pueden ser analizadas y monetizadas, a partir de lo que se construye este perfil
digital. A partir de este caudal inagotable de información surge la Big Data, y el uso correcto y
eficiente de estos datos determinará el éxito o fracaso comunicacional tanto de una campaña
política digital como de las ventas digitales.

Para el análisis de la Big Data se recurre al mecanismo de las 4V: Volumen, Velocidad,
Variedad y Veracidad. Ante el aumento de la cantidad de datos generados online, se tuvo que
modificar la forma de recolección y estudio, aumentando el desarrollo tecnológico en pos de
nuevos sistemas de almacenamiento. Acá es donde entra en juego la veracidad de la
información, ya que debemos estar seguros que el análisis de estos datos se está basando en
información de calidad y saber que estos registros son utilizables. La veracidad es el aspecto
menos controlable dentro de las 4V.
La Variedad de los datos es un aspecto central al Big Data y a medida que se expande el
universo digital y de redes sociales esto también se expande, siendo la variable que más
análisis requiere. La Velocidad de los datos refiere al ritmo con el que se mueve este flujo de
datos: la inmediatez con la que consumimos información hace que la velocidad de análisis
nunca parezca suficiente, y esto no aplica sólo al análisis sino también a la velocidad que
demandamos de nuestros interlocutores, formando una carrera entre las empresas
competidoras del sector por ver quién genera mayor velocidad de input y output.
De la sinergia entre estas cuatro variables surge una quinta variable: el Valor, que refiere a la
valorización que le podemos dar a cada dato en términos económicos.
El uso de datos se vuelve crucial para las estrategias comunicacionales a partir de la
posibilidad de análisis. Y gracias a esta utilización es que sabemos que la “moneda de pago”
del uso gratuito de las redes sociales son nuestras huellas digitales, despertando así también
un interrogante de la democracia moderna: la monopolización del uso de datos.
Intercambiamos gratuidad por privacidad.
El procesamiento de los datos incluye tanto a la data como a la metadata: datos sobre los
datos. No sólo se conoce nuestro user journey en interés sino también dónde, a qué hora, por
cuánto tiempo y cómo accedimos a la información que accedimos. Así, el valor de estos datos
crece casi a la misma velocidad a la que crece ese banco de datos, y ese valor reside en las
posibilidades de organización y almacenamiento de los datos. Dentro de los datos
almacenados tenemos también al IoT o Internet of Things, que comprende a las señales,
sensores y canales de información que se transmiten rápidamente.

Ernesto Calvo asegura que las personas más informadas son las que se encierran en una
mirada más sesgada de la realidad y que menor receptividad muestran a información que
ponga en cuestionamiento sus creencias previas (acá hay un vínculo con la disonancia
cognitiva que se menciona en McCombs). Postula que en ciencia política, el aumento en el
consumo de información disminuye la variación de nuestras creencias y nos ancla
ideológicamente. El aumento de oferta de información y el aumento de la demanda de
atención genera sesgo, y nos hace menos receptivos a datos que no se ajusten a
creencias previas (pura disonancia cognitiva).

El análisis de datos es una de las actividades más comunes de los gobiernos desde mediados
del siglo XX, y esto ha llevado a grandes transformaciones de las burocracias estatales,
incorporando personal altamente calificado en áreas de ciencia, tecnología, educación e
industria, aumentando así de manera general el nivel de dedicación de los empleados públicos
y la diversificación de tareas en subunidades.

Con el concepto de economía de la atención, Michael Goldhaber señala cómo las redes
sociales alteran nuestras pautas de consumo. Al tener una gran cantidad de información se
crea una pobreza de atención, y una necesidad de asignar esa atención de manera eficiente
entre la sobreabundancia de fuentes existentes. Así, se desata una competencia por obtener
esa atención, siendo el principal objetivo de las estrategias comunicacionales actuales
convocar y conseguir dicha atención.
La comunicación política arranca esta carrera en desventaja ya que los mensajes con
contenido intelectual ideológico son los que mayor complejidad de lectura -y por lo tanto más
necesidad de atención y foco- demandan.

El cruzamiento de datos entre lo “público” de redes sociales y el consumo privado de tecnología

permite al big data conocer a los usuarios más allá del filtro autoimpuesto socialmente en
redes. De la misma manera los usuarios hoy en día rehúsan del contenido dirigido a grandes
audiencias con bajo nivel de definición, dejándose convocar más por consumos culturales
diferenciados que despiertan un sentido de tribu en vez de masa, y que exacerban un margen
de individualidad por sobre la identidad colectiva.
Esta economía de la atención tiene un correlato en la comunicación política: el público
también espera que los mensajes contengan asuntos relevantes para su vida cotidiana y
grupos de pertenencia, buscando que la política los observe de cerca y responda en
consecuencia. Para responder a esto, la política debe aplicar técnicas de análisis de datos que
permitan conocer e identificar a nuestras audiencias a través de técnicas de machine learning
estadístico, construyendo públicos microsegmentados. Sin la aplicación de Big Data no es
posible modernizar la comunicación política a este requerimiento.