Por SEBASTIÁN HALPERÍN Y PEDRO ANTENUCCI *

Breve reseña histórica del Big Data

Hasta hace poco tiempo, quienes trabajan en el área de investigación de opinión pública contaban con dos grandes vertientes, muy separadas por cierto, que eran las metodo- logías cualitativas y cuantitativas ya conocidas, en lo que tiene que ver con las encuestas, la realización de grupos focales, entrevistas y demás. Si bien hoy día se siguen uti- lizando estas metodologías, nos encontramos también con una tercera pata que no puede encuadrarse en ninguna de las dos categorías tradicionales porque tiene particulari- dades propias: se trata básicamente de lo que se conoce como el Big Data.

Luego de tener que lidiar con las dificultades vincu- ladas con las limitaciones para el procesamiento de datos en grandes volúmenes, el avance de la tecnología, que lógi- camente impactó en la actividad de manera revolucionaria, hoy nos permite no solamente incrementar exponencial- mente el tamaño de las muestras y variables con las que se puede trabajar, sino que, además, todo esto que se llama inteligencia artificial y machine learning nos ofrece la posibi- lidad de que, con una velocidad enorme de procesamiento, las computadoras desarrollen un aprendizaje automático.

Esto significa que, si bien no se llega a la computadora como una tabula rasa, cuando se analiza un problema, en este caso el Covid-19, se tiene una serie de hipótesis al momento de abordar el objeto de estudio, con base en resul- tados obtenidos a través de investigaciones ya realizadas.

Por ejemplo, a través de indicadores previos sabemos que hay una población que tiene más riesgo de contagio, la población de 65 años en adelante; se puede identificar que, en algunos países, la enfermedad se propagó con mayor velocidad; se puede incluso identificar que dentro de ciertas áreas, como los barrios vulnerables, la criticidad del pro- blema es más aguda que en otros. Todo esto permite, en cierta forma, alimentar al sistema para que, a través de toda esa información, se puedan desarrollar modelos predicti- vos, tema central dentro del Big Data.

Es decir que con esa información se pueden identificar áreas de aspectos que permitan orientar el proceso de toma de decisiones. Por ejemplo, se pueden establecer, en función de estas variables, los puntos que se consideran críticos en cuanto a dónde podrá emerger con más fuerza la pandemia de cara al futuro y, en función de eso, establecer centros de salud en dichas áreas. También permite, por ejemplo, deter- minar patrones de comportamiento respecto a las carac- terísticas que tienen aquellos que han tenido una mejor performance en su tratamiento en cuanto a edad, sexo, nivel socioeconómico, lugares de residencia, etcétera. Además, puede contribuir a determinar el diseño y la elaboración de drogas y tratamientos, que son las medidas en las que se trabaja para el desarrollo de una posible vacuna.

A partir de estos ejemplos, se intenta demostrar que se trata de establecer correlaciones dentro del conjunto de información disponible que resulta inaprensible sin estas capacidades de procesamiento que nos propone la tecnología, y de poder establecer información útil para optimizar la toma de decisiones. De esto se trata el Big Data. Quiere decir que, desde la lógica conceptual, no es diferente a lo que se podía realizar con la encuesta tradicional, la diferencia está más bien en la capacidad de procesamiento y de estableci- miento de modelos predictivos a partir del trabajo con un conjunto de variables que nos resultaba inmanejable hasta la irrupción de estas nuevas tecnologías.

La misma computadora, a través de la información con la que se alimenta, puede establecer modelos predictivos no solamente en puntos críticos de concentración de un pro- blema, sino que podría también, en términos de una política pública, contribuir a determinar, por ejemplo, en qué zonas un programa social tiene mejores probabilidades de éxito por las características de su población, qué población potencial dentro de un programa social tiene mayor proba- bilidad de encuadrarse en dicho programa sobre la base de sus características, identificar distintos clusters, etcétera.

Estrategias de implementación del Big Data

El Big Data nos permite trabajar con bases de datos muy distintas, y el gran desafío es hacer todo el trabajo de con- sistencia. Los analistas y programadores que  trabajan en Big Data suelen decir que, muchas veces, es mucho más complejo el trabajo de consistencia de la información, lo que se llama el cleaning, que significa la limpieza de las bases de datos, la integración y la homogeneización de los datos para que puedan tener un tratamiento consistente. Eso, muchas veces, incluso les lleva el 80% más de trabajo que el procesamiento mismo de la información e, incluso, que el posterior análisis.

Las técnicas de Big Data nos permiten manipular infor- mación de diversa naturaleza. Con las encuestas tradicio- nales solo se podría trabajar con indicadores cuantitativos, pero a través del Big Data es posible fusionar bases de datos que tengan desde datos de encuestas hasta censos y otras fuentes, incluso datos de otra naturaleza, como los textua- les, que, a través de distintos sistemas de procesamiento, se pueden cuantificar. Con lo cual las posibilidades de trabajo son absolutamente infinitas, se puede incorporar muchísi- ma información de diversa naturaleza para su tratamiento y de ese modo enriquecer el análisis.

Cuando se trabaja con distintas organizaciones existe la posibilidad de que cuenten con una base  de  datos  y que, a su vez, incorporen otras variables, como  por ejemplo la exposición a medios,  gustos  y  preferencias, que son todas aquellas cuestiones que se tienen por hipótesis y que, a través de estudios previos, cualitativos y cuantitativos, conviven y  se  articulan  en  esta  tarea. Esto permite alimentar la base de datos y enriquecer también el output que se va a obtener en función del proce- so de toma de decisiones.

Microtargeting

Una de las cuestiones que permite hacer los trabajos de Big Data es lo que se llama microtargeting o microseg- mentación. La campaña de Obama en Estados Unidos ha sido pionera en esta metodología porque permitió determinar acciones, incluso dentro de lo que en Argen- tina conocemos como “radio censal”, de acuerdo con circunscripciones electorales. Ello  permitió  establecer un abordaje territorial en cuanto a acciones de impacto en la vía pública así como en cuanto a la posibilidad de segmentar los mensajes propuestos.

Hay un caso que se suele  repetir  en  los  análisis  de Big Data a través de la posibilidad de microsegmentar la población y que se expone con el fin de mostrar, a modo de ejemplo, el alcance de esta herramienta: Trump, al asumir en su gestión, estableció 175.000 versiones dis- tintas de un mismo mensaje con  sistemas  computariza- dos teniendo en cuenta los distintos perfiles  poblacio- nales identificados dentro de los Estados Unidos.

Georreferenciación

La georreferenciación, como todas  las  herramientas, puede tener una manipulación de  control  social  negati- va, pero también permite incrementar la precisión de los análisis para poder afinar la puntería en el desarrollo de tratamientos médicos, la optimización  de  la  ubicación de un  centro  de  salud,  de  la  oferta  de  servicios  de salud a través de las prestaciones que se realizan en un determinado hospital o clínica,  por  ejemplo.  A  través de sistemas de geolocalización, se puede monitorear el circuito de la gente que efectivamente se registra como contagiada e, inclusive, determinar, en función de su ámbito de circulación, con qué población pudo haber estado en contacto y, con base en ello, optimizar los mecanismos de testeos susceptibles de ser efectuados.

Análisis de redes sociales

A través de  las  redes  sociales  se  puede  implementar lo  que  se  denomina  “análisis  de  sentimientos”   para, por ejemplo, observar la evolución en la performance registrada  en  torno  a  los  discursos  o  la  actuación   de los distintos líderes o referentes de la política de un determinado país; también, se  puede  identificar  cuáles son los aspectos que registran una mejor o peor eva- luación en  función  de  las  expectativas  y  las  demandas de la ciudadanía, etcétera.  Todo  este  análisis  se  realiza en función de  los  permisos  que  establezcan  las  distin- tas redes sociales para acceder a la información. Cabe recordar el  famoso  caso  de  Cambridge  Analítica  donde se filtró información a través de Facebook. Hoy en día existen mecanismos  de  protección  de  datos  personales y  distintos  niveles  de  autorización   de  la  información que cada usuario puede presentar a través de las dife- rentes plataformas.

Análisis de medios digitales

Otra de las cuestiones  que  han  permitido  el  análisis de datos  textuales  es  la  cuantificación  de  la  presencia en medios. Hoy se puede ver, entre otras cosas, qué porcentaje de tiempo/espacio le dedican los distintos medios a un determinado descriptor, siendo estos pala- bras clave, contenidos asociados a la pandemia que se quieren ver o que se asume que pueden  ser un indicador de una performance positiva o negativa en relación con la actuación de distintos líderes, interlocutores o refe- rentes del mundo de la política, por ejemplo. Ello nos permite orientar la toma de decisiones  respecto  a  qué tipo de discursos, en términos de comunicación política, generan más o menos pregnancia sobre la base de la posibilidad de promover una mayor o menor permeabi- lidad discursiva con respecto a ciertas cuestiones.

Uso de las herramientas en el caso de la pandemia y la actuación consecuente

A continuación, se expone de qué manera se  han  uti- lizado estas herramientas para gestionar la crisis del Covid-19 durante 2020. Para comenzar,  y  con  el  fin  de dar un marco, cabe mencionar que cuando se piensa en el control de la  pandemia  hay un concepto fundamental de la epidemiología que es que la velocidad de repro- ducción de la pandemia depende de tres factores.

Por un lado, depende de la  probabilidad  de  infec- ción durante el contacto entre las personas, esto es, la probabilidad que tiene  una  persona  de  contagiarse  si está con alguien que está infectado, lo cual varía  en función de cómo se transmite el virus, por vía aérea en el caso del Covid-19. Para trabajar en este eje se han implementado medidas, como el uso de mascarillas, para reducir la  probabilidad  de  que  alguien  quede  infectado si está en contacto con una persona que lo está.

En  segundo  lugar,   la   velocidad   de   reproducción de la pandemia depende  de  la  duración  del  período de infección, que significa durante cuánto tiempo una

persona que está  infectada  puede  transmitir  el  virus. Para operar sobre esta dimensión, se recurre a medidas como la detección  precoz  de  las  personas  infectadas, el testeo, el rastreo de quienes están infectados y el tratamiento.

Por otro lado, el tercer factor es la intensidad y frecuencia  del  contacto  social,  que  es  cuánto  tiempo nos contactamos con otras personas, lo que va a influir sobre la probabilidad de contagio si alguien está  infec- tado. Para operar sobre esta dimensión se han tomado políticas públicas,  como  la  restricción  de  la  circulación y la cuarentena, con el fin de reducir el contacto social y de esa manera tratar de controlar la velocidad de reproducción.

A continuación,  se  exponen  aplicaciones  del  Big Data que tomaron distintos países fundados en las dimensiones  mencionadas  para  disminuir  la   velocidad de reproducción de la pandemia. La selección se realizó de manera no exhaustiva priorizando los casos que pre- sentaban más datos posibles de ser visualizados.

Detección precoz

Hay ciertas herramientas que permiten anticiparse a los casos. Por ejemplo, en China las búsquedas  en  Internet han permitido anticiparse a lo que fue efectivamente sucediendo en cuanto a los casos sospechosos y los con- firmados. Al observar las búsquedas de palabras como “coronavirus” o “neumonía” en buscadores como Google o Baidu y Weibo (una red social), se destaca cómo las tendencias en las búsquedas se anticiparon a los casos sospechados y a  los  confirmados,  lo  que  quiere  decir que las búsquedas en Internet  pueden  funcionar  como una herramienta para ayudar a la detección precoz.

Tal es así que en Italia las búsquedas en Internet del término “no puedo oler” reflejan un pico antes de que se detectara que la limitación o incapacidad de oler era un sín- toma propio del coronavirus (Stephens-Davidowitz, 2020). Toda esta información, que puede parecer distante, es de fácil acceso y está disponible para distintos países y regiones. También existe para Argentina. Google Trends ofrece una evolución temporal de cómo fueron las búsque- das sobre el coronavirus y permite realizar comparaciones con otros temas de interés a nivel nacional y subnacional, ya que dispone de información desagregada por provincias y por ciudades que permite identificar dónde hay mayor interés por las distintas medidas paliativas o síntomas.

Anticipación a los casos

El Big Data también ha permitido que se desarrollen aplica- ciones que posibilitan anticiparse a los casos. Por ejemplo, a partir de la información recabada a través de lo que se denomina el Internet de las cosas (IoT), que son elementos vinculados a Internet que permiten tener y registrar infor- mación que de otra manera no sería accesible, la empresa Kinsa desarrolló un mapa del estado de salud de la pobla- ción (HealthWeather). Dicho mapa utiliza la información brindada por los registros de temperaturas de los termó- metros que la gente tiene en sus casas, y las aplicaciones en los teléfonos móviles a los cuales estos están vinculados, para visibilizar áreas en las que se concentran lecturas de temperatura elevadas y así predecir focos de infección e identificar zonas de riesgo en los Estados Unidos.

Testeo/tratamiento: capacidad estatal

Otras dos dimensiones que pueden ser optimizadas mediante el uso del Big Data son el testeo y el tratamiento. Frente a la pandemia, muchos países han implementado medidas para aumentar la capacidad estatal de testeo y de tratamiento de la enfermedad. Sin embargo, un problema fundamental que han debido afrontar radica en la identi- ficación de las áreas en las que es más eficiente instalar centros de testeo o tratamiento adicionales, sobre todo en aquellos países donde las estimaciones poblacionales que se utilizan para tomar decisiones basadas en evidencia están desactualizadas. En Argentina la última medición exhausti- va disponible de la distribución de la población y sus carac- terísticas sociodemográficas es el censo de 2010. Indudable- mente, los cambios poblacionales ocurridos desde entonces afectan las conclusiones a las que se pueda arribar a partir de estos datos. Sin embargo, existen herramientas que se pueden utilizar para tratar de mitigar esta dificultad.

El Departamento de Inteligencia Artificial de Face- book, mediante el procesamiento de  imágenes  satelita- les, ha  actualizado  las  estimaciones  censales.  Para  ello se utilizaron herramientas de aprendizaje automático y semiautomático que permitían visualizar las imágenes satelitales disponibles en Internet para detectar dónde había nuevos asentamientos  y, con base en ello, actuali- zar la información disponible sobre la distribución de la población. Una vez que se dispone de esa información, sumado a la ubicación de los centros de testeo actuales y de la distribución de la población, se puede estimar, por ejemplo, cuál es la distancia de cada hogar al centro de testeo más cercano. A partir de ello se pueden observar áreas donde se necesitan centros  de  testeo  adicionales por estar densamente pobladas y tener poca oferta de centros de testeo.

Rastreo

Otra de las dimensiones sobre las que se puede operar para tratar de  reducir  la  velocidad  de  transmisión de la pandemia es el rastreo. Corea del Sur, a partir de sistemas de información que compilan datos de transac- ciones bancarias, geolocalización en teléfonos celulares, distintos datos de ubicación e incluso encuestas  reali- zadas a pacientes o a casos positivos, utilizó y puso a disposición esa información para que, desde Internet, se pueda identificar en qué lugares estuvieron las personas infectadas. De esta manera, se puede saber por ejemplo dónde  estuvo  un  individuo  y  hace  cuántos  días  pasó por allí. Con esta información, se pudieron mapear  las áreas donde se ubicaron las personas infectadas. Esta herramienta sirve, por ejemplo, para identificar áreas en donde podría haber apariciones de nuevos casos.

Hong Kong, por estar muy cerca de China, que es donde  ha  comenzado  la  circulación  del  virus,  era  una de las zonas que se estimaba podía estar más afectada. Para evitarlo, se  implementaron  pulseras  o  bandas  que se les daban a todos los visitantes que entraban al país y a quienes resultaban  casos  positivos  de  coronavirus para poder rastrearlos. Estas pulseras estaban vinculadas con una aplicación en el teléfono, por lo que  se  podía saber dónde estaba esa  persona  durante  el  período  de las dos semanas  necesarias  para  conocer  su  evolución, los distintos lugares que visitó y con quién se relacionó. También está disponible la información sobre cuántas personas están haciendo cuarentena, dónde se encuen- tran y la fecha de finalización de estas.

Otro ejemplo de utilización del Big Data  para  el rastreo de los casos es el de China, donde, a través de la aplicación Alipay, que es  una  billetera  digital,  se  utilizó un sistema de aprendizaje automático para identificar a aquellos  individuos  que  podrían  tener  distintos  grados de riesgo de estar contagiados.

En función del grado de riesgo asignado a cada individuo, determinado por la zona en la que había estado, las personas con las que estuvo en contacto y otros factores, a cada individuo se le asignaba un código QR que podía ser verde, amarillo o rojo y que determinaba la posibilidad o no de circular. Si  el  código  QR  que  tenía  una  persona  en  su  celular era verde, podía circular libremente; si el código era amarillo, tenía que tener 7 días de cuarentena; y si era rojo debía cumplir 14 días de cuarentena.

En Singapur, por su parte, se utilizó una aplicación basada en tecnología Bluetooth. Dicha aplicación regis- traba, a través de la información  que  se  intercambiaba con otros teléfonos móviles por Bluetooth, cuándo un individuo se cruzaba con otra persona con la misma aplicación, quedando así registradas todas las interac- ciones que hubo entre las personas⁷. En función de eso, se arman mapas de interacciones entre individuos y, cuando un caso se confirma positivo, es posible rastrear con quiénes estuvo en contacto, hacer los tests y aislar a los contactos estrechos.

Contacto social

Para disminuir el contacto social se  tomaron  medidas como la cuarentena. Las herramientas del Big Data per- miten observar en qué medida son efectivas estas estra- tegias para reducir la movilidad. Por ejemplo, en Estados Unidos, a través de la información brindada por los celulares cuando una persona otorga el permiso a una aplicación para que  esta  pueda  acceder  a  su  ubicación, la empresa Cuebiq observó en qué lugares la gente tenía más desplazamiento. En aquellos estados  que  tenían algún tipo de cuarentena la movilidad fue menor que en los que no implementaron estas medidas.

En Argentina y otros países de América Latina, una iniciativa conjunta del PNUD y Grandata, que utiliza datos recabados a partir de las antenas que brindan cobertura a los celulares, estimó cuánta gente tuvo desplazamientos a lo largo del tiempo. Como observan Terradez et al. (2020), a partir de estos datos, las variaciones en la movilidad en el conurbano bonaerense y en el cumplimiento de la cuaren- tena se explican fundamentalmente por el nivel socioeco- nómico de la población, observándose mayor cumplimiento a medida que las necesidades sociales y medioambientales de los ciudadanos están mejor satisfechas.

En esta misma línea, otra herramienta disponible, nue- vamente con datos de Facebook, son los datos de movili- dad recabados por un proyecto llamado Covid-19 Mobility Data Network, en donde se expone cuánto se ha movido la gente durante la pandemia y en qué lugares se evidencia mayor movimiento. Esta herramienta está disponible para distintos países del mundo y permite estudiar y comparar estructuras de movilidad.

Reapertura

Al ingresar en una instancia en donde se evalúa la posibilidad de reapertura, existen otras herramientas comple- mentarias que facilitan la toma de decisiones basadas en evidencia.

Los reportes de movilidad de Google en Argentina registran cómo fue cambiando y evolucionando la movili- dad en distintos rubros, tanto en espacios de recreación y lugares como shoppings y restaurantes como en farmacias y locales de venta, parques, estaciones de tránsito o lugares de trabajo, y cómo ello se fue reduciendo durante la pan- demia. Como contrapartida, se observa un incremento en la movilidad residencial ya que la gente pasó más tiempo en sus hogares.

Estos datos se han utilizado para “modelar la curva”, que no es otra cosa que tratar de estimar cuál va a ser la velocidad de reproducción de la pandemia. Por ejemplo, utilizar el número de fallecimientos registrados, la cantidad de nuevos casos o la distribución de las hospitalizaciones y, en función de ello, determinar cuándo es conveniente, o no, comenzar la reapertura.

La capacidad de predicción de los modelos realizados a partir de datos de movilidad de Google ha sido considerable si se observa, por ejemplo, la cantidad de muertes que hubo en distintos países de Europa (Bryant et al. 2020).

Visualización de la información para la toma de decisiones

Las herramientas de visualización son tan importantes para la toma de decisiones como la disponibilidad de informa- ción. En este sentido, resulta pertinente mencionar la utili- dad de diversos tableros de gestión que sintetizan informa- ción sobre la evolución de la pandemia, el número de casos, su distribución geográfica, la cantidad de casos hospitaliza- dos o los fallecimientos. El monitoreo de estos indicadores puede asistir, por ejemplo, en la estrategia de reapertura o en el monitoreo de la evolución de la pandemia para rea- lizar las adecuaciones necesarias. A modo de ejemplo, el tablero de monitoreo del Estado de Nueva York ha permi- tido realizar reaperturas escalonadas por regiones acorde con la situación epidemiológica en cada una de ellas.

Nuevos horizontes en el uso del Big Data

Tras los procesos de reapertura y la gradual vuelta a la normalidad, se plantea el desafío de mejorar la velocidad de detección de nuevos casos y rebrotes. Para ello, entre otros desarrollos incipientes, se han comenzado a utilizar nuevas cámaras que integran sensores de temperatura con identificación facial y, mediante la aplicación de inteligen- cia artificial, incluso cuando los individuos tienen la cara cubierta por un tapabocas. El gobierno de China y Pana- sonic han realizado avances considerables en este sentido. Cabe recordar que hasta hace poco en lugares como Hong Kong estaba prohibido usar máscaras porque no se podía identificar a la gente que asistía a las protestas.

Reflexión final

A pesar de disponer de todas estas herramientas, existe un trade-off entre libertades individuales y salud pública, y así es como aparecen titulares como “Corea del Sur está mirando a sus ciudadanos en cuarentena con una aplica- ción de Smartphone”, “En Polonia hay una aplicación que ayuda a la policía a custodiar la cuarentena en las casas”, “En Moscú la policía puede utilizar el reconocimiento facial para atrapar a más de 200 personas que violaron la cuaren- tena”, entre otros similares. Las sociedades, en sus marcos institucionales, deben dar el debate y resolver hasta qué punto se ceden libertades individuales o hasta dónde se quiere, como sociedad, avanzar sobre dichas libertades.

*Capítulo del libro La Comunicación Política en Tiempos de Reset (editorial Teseo)