Big Data y Data Science: equidad y bienestar social

El Big Data viene impactando desde hace algún tiempo en los grandes organismos, entre ellos el Fondo Monetario Internacional. El análisis de grandes volúmenes de datos facilita el trazado de políticas económicas y financieras. El profesional en Big Data y Data Science enfocado a la Dirección y la Administración se convierte en pieza clave.

Ya sabemos que ámbitos como el comercio, el marketing inteligente o las inversiones están fuertemente influenciadas por la recogida y análisis de los datos. Pero ocurre también en los grandes organismos: el FMI, la gran organización financiera internacional con sede en Washington D. C., se encuentra entre las superestructuras que desarrollan proyectos en Big Data para intentar mejorar sus objetivos y recomendaciones acerca de dónde invertir, qué políticas económicas pueden trazarse y a qué países dar prioridad en el crédito.

Mejor información se traduce en mejor ventaja competitiva. Conservar el dinamismo económico, que teóricamente es uno de los fines globales del FMI, se haría sencillamente imposible sin el análisis inteligente de los datos públicos sobre la marcha de las economías nacionales y de los grandes bloques, como la Unión Europea.

Para emitir una recomendación a países en vías de desarrollo sobre sus estrategias económicas y financieras, es necesario estudiar a gran profundidad sus condicionantes actuales y la construcción de una previsión sobre su evolución en el futuro próximo. Esto implica un gran esfuerzo inicial para ampliar la recogida, procesamiento, diseminación y el análisis de datos. En estos primeros procesos, cómo no, juega un importante papel la infraestructura en equipos, software, acceso a la red, etc. con objeto de lograr calidad en las muestras.

Las recomendaciones en materia macroeconómica están muy relacionadas o tienen su base en la calidad de los datos recogidos. Esta cuestión puede hacerse muy notoria en países donde, por ejemplo, se pretenda conocer la magnitud real de las fuerzas productivas (en una medida que contemple al trabajo bajo esquemas de contratación normalizada o tradicional más la masa dedicada a actividades informales que no generan desarrollo ni, en muchos casos, pagan impuestos, pero sí encadenan pequeñas operaciones comerciales que al sumarlas resultarían ser muy grandes). Así, conocer el potencial productivo en un ámbito geográfico o unidad política determinada, para mejorar las coberturas y lograr que el empleo informal pase a ser formal, demanda la recogida y análisis de datos. Éstos, a su vez, vertebrarán los informes, recomendaciones, proyectos, etc. puestos en marcha desde grandes organizaciones como el FMI.

En la misma medida, las crisis de los últimos años (especialmente la del 2009), revelaron hasta qué punto el comportamiento de los mercados financieros era caprichoso, voluble y sujeto a movimientos que no necesariamente obedecían a crecimientos respaldados por trabajo y producción (en el hecho de la especulación, por ejemplo, una problemática abordada en diversos estudios). Pues bien, durante los últimos años, el FMI ha participado en proyectos Big Data que buscan prevenir o adelantarse a grandes debacles del sector financiero.

Aunque muy criticada, la iniciativa se enmendó desde el 2009 con la aprobación de los bancos centrales, los ministros de finanzas y el Comité Monetario y Financiero del FMI, buscando acumular datos sobre riesgos del sector financiero (en aspectos como debilidades específicas de las economías nacionales, la fiabilidad de las estadísticas oficiales y el mercado financiero transfronterizo). Ya desde 1996 el FMI cuenta con un sistema normativo para la divulgación de datos. El actualmente denominado como “SGDD reforzado” (donde participan unas 110 economías nacionales), ha permitido que diversos países y organizaciones tengan acceso a datos cuya transparencia pretende estar garantizada; el resultado son publicaciones con información vital para realizar análisis, simulaciones, etc. sobre condiciones macroeconómicas y factores políticos de influencia. En teoría, la consiguiente reducción de la incertidumbre sobre las condiciones reales de una económia o un sector de ella reduce las posibilidades de crisis, porque permitiría implementar medidas preventivas.

Los análisis de Big Data, en base a parte de todos esos datos y los provenientes de otros grandes organismos, permite la mejor evaluación de los riesgos y las vulnerabilidades. Si la coyuntura acompaña, la información que emerge de esos ejercicios redundará en mejores políticas macroeconómicas.

BIG DATA EN POLÍTICAS QUE PUEDEN EVITAR LA CORRUPCIÓN Y LA INEQUIDAD

La Administración se enfrenta, posiblemente, a los procesos de toma de decisiones más delicados, absolutamente todos nos vemos afectados por sus acciones. De ahí que el análisis de los datos tenga cierta relación con la equidad en el reparto de recursos y la intención de evitar errores que afectan vidas humanas. Podría afirmarse que las ciencias sociales nunca habían dependido tanto de las ciencias computacionales o la Estadística, como hasta ahora. Big Data Y Data Science son términos que hoy comienzan a aparecer en los relatos y programas electorales en todo el mundo.

Por supuesto, vincular el desarrollo y ejecución de algoritmos a los procesos de toma de decisión en las Administraciones y grandes organismos tiene una lectura desde varios ángulos. Por una parte, es el gran paso adelante del viejo proyecto positivo que buscaba el ideal de objetividad y matematización de toda la realidad. Pero, por otra parte, es una apuesta clara por eliminar el error humano: la subjetividad que genera discriminación, sesgo, injusticia, etc.; es como dar a la figura clásica del “experto” todo el peso que logra proporcionar la evidencia codificada en los datos.

La relación entre Big Data y bienestar social ha sido referenciada por diversos autores, por ejemplo, alrededor de su importancia estratégica para los 17 Objetivos para el Desarrollo Sostenible (SDG) de Naciones Unidas. No parece posible determinar con exactitud las dimensiones de los recursos humanos, tecnológicos y económicos que serían necesarios para los 17 Objetivos (que muchos especialistas definen como los retos más importantes a los que nos hemos enfrentado como especie) sin el Big Data.

El propio FMI se apoya en análisis de datos para alertar sobre conductas de grandes compañías que alimentan la inequidad social. En su reciente estudio "El ascenso de las inversiones fantasma: las sociedades instrumentales socavan la recaudación de impuestos en mercados avanzados, emergentes y en desarrollo" (Jannick Damgaard, Thomas Elkjaer y Niels Johannensen), el Fondo advierte que de los 40 billones de dólares que pone en movimiento la inversión extranjera directa, 15 billones persiguen la evasión fiscal. Esos 15 billones equivalen, aproximadamente, al PIB anual conjunto de gigantes como Alemania y China.

La inversión fantasma ha crecido un 10% durante la última década, el 85% se concentra en Irlanda (seguramente recordamos el conflicto entre Bruselas y la tecnológica Apple por negarse ésta a pagar los 13.000 millones de euros derivados de las ventajas fiscales por tener su sede en Dublín), Islas Caimán, Bermudas, Singapur, Mauricio, Islas Vírgenes Británicas, Hong Kong, Luxemburgo y Holanda.

En el esfuerzo por construir un mundo con menos pobreza, contaminación, etc., deben tenerse al Big Data y al Data Science como aliados centrales. Emprender los grandísimos desafíos que nos plantea el presente y el futuro demandará a los mejores profesionales. Hablamos de un mundo donde ningún campo disciplinar con sus dosis de responsabilidad social puede prescindir de habilidades y competencias en la analítica de datos.

Máster en Big Data y Data Science Online de la UNED