¿Ha encendido hoy la televisión? ¿Y la radio? Probablemente hayas utilizado alguna aplicación de tu smartphone. Tal vez hayas comprado los ingredientes para la cena en la tienda o hayas comprado un nuevo bote de champú por Internet.

Todas estas actividades son simples acciones cotidianas. Pero en el vasto, interconectado y, a menudo, digital mundo de hoy, también son valiosos puntos de datos.

Y lo que es más importante, pueden ayudar a las marcas y a los profesionales del marketing a comprender las necesidades de sus consumidores, tomar mejores decisiones para satisfacerlas y, en última instancia, impulsar el crecimiento de sus negocios. Pero primero, las marcas y los vendedores tienen que dar sentido a todos los datos.

El tamaño y el alcance de los datos que todos generamos en la era digital actual pueden ser asombrosos, y Nielsen mide muchos de ellos. Piense en esto: Nielsen recopila 1,7 billones de registros de televisión al mes, 6,7 billones de transacciones en tiendas al mes y 1,6 billones de impresiones en línea al año. Tomar los enormes y a veces desordenados montones de datos generados por nuestras acciones diarias y organizarlos en información utilizable, práctica y significativa -siendo al mismo tiempo administradores responsables de los datos y garantizando la privacidad de las personas- requiere conocimientos y habilidades específicas.

Afortunadamente, las florecientes tecnologías y plataformas que proporcionan nuevas fuentes de datos para las marcas y los vendedores también están permitiendo nuevas herramientas y medios para medir y extraer información de esos datos. El papel de los equipos de ciencia de datos es buscar nuevas fuentes de datos y herramientas analíticas que puedan ayudar a analizar (y así dar sentido) a los Big Data que crean los consumidores. Mediante el uso de métodos, procesos, algoritmos y sistemas científicos, los científicos de datos están descubriendo información valiosa dentro de esta bola de nieve de puntos de datos.

En Nielsen, aproximadamente 1.100 científicos de datos se encargan de encontrar métodos sólidos y repetibles para "conectar los puntos" para nuestros clientes y contar una historia sobre las necesidades de sus consumidores. Mientras que los "puntos" en esta analogía representan los puntos de datos aparentemente ilimitados disponibles para nuestros clientes en su esfuerzo por comprender a sus consumidores, son las conexiones que nuestros científicos de datos son capaces de generar las que constituyen la aportación número 1 a la toma de decisiones de nuestros clientes y el combustible para su crecimiento.

Como miembro del equipo de científicos de datos de Nielsen, trabajo en el desarrollo de soluciones personalizadas para integrar datos y crear conexiones clave para nuestros clientes. Estas soluciones incluyen fusiones de datos, segmentaciones de audiencia personalizadas, análisis de ROI y metodologías completamente nuevas para integrar fuentes de datos y responder a preguntas de negocio específicas sobre los consumidores.

No cabe duda de que las nuevas tecnologías y el Big Data están revolucionando la forma de medir el consumo de medios y productos que compramos. Pero también es importante recordar que tienen sus limitaciones.

Las tecnologías no suelen crearse pensando en la medición. Y como resultado, los Big Data pueden estar sesgados de muchas maneras. Piense, por ejemplo, en el mando a distancia que utiliza para cambiar de canal en su televisor. Pulsar un botón envía una señal a una caja, y esa señal genera datos. Pero esos datos son limitados en cuanto a lo que pueden decir sobre usted. Por ejemplo, no sabe si usted ha pulsado el botón o si lo ha hecho otro miembro de la familia. Los datos sesgados pueden dar lugar a percepciones erróneas sobre los consumidores y a decisiones equivocadas por parte de los profesionales del marketing.

He aquí otro ejemplo: Los dispositivos conectados a la televisión y los servicios de suscripción de vídeo -on-demand permiten a los consumidores elegir lo que quieren, cuando quieren. Pero sólo alrededor del 60% de los estadounidenses poseen estos dispositivos. Como resultado, los datos de estos dispositivos no representan a toda la población estadounidense. Además, estos datos deben compararse con los de la televisión lineal para ofrecer una visión global del panorama televisivo.

En Nielsen, utilizamos paneles junto con Big Data para relacionar puntos de datos con personas reales. Un panel bien construido puede eliminar muchos de los sesgos inherentes a los Big Data. Por ejemplo, utilizamos nuestros paneles de televisión en Estados Unidos para representar estadísticamente a la población del país por edad, etnia y nivel de ingresos. Combinando la información de estos paneles con los macrodatos que Nielsen recibe de los distribuidores de cable gracias a su colaboración con las empresas proveedoras, podemos descubrir quién está detrás del mando a distancia. Por lo tanto, un enfoque de medición híbrido que incluya paneles y Big Data puede proporcionar la granularidad y el detalle de Big Data y ofrecer la reducción de sesgos y la representatividad de un panel.

Y con la potencia exponencialmente creciente que se ofrece cuando ponemos a trabajar la inteligencia artificial (IA), nunca ha sido más crítico garantizar que las entradas de datos sean limpias, fiables y representativas. El incumplimiento de estos criterios significa simplemente que se están produciendo mayores volúmenes (gracias a la IA) de resultados deficientes. Es importante recordar que "basura entra, basura sale". Los llamados datos "suficientemente buenos" simplemente no lo son en un mundo de IA.

Los propios científicos de datos también desempeñan un papel clave a la hora de reducir los sesgos en las mediciones. Aunque nuestros equipos de científicos de datos incluyen a algunos estadísticos de gran talento, a muchos les sorprendería saber lo diversos que son realmente nuestros equipos. Los equipos de ciencia de datos de Nielsen incluyen asociados con formación variada, como matemáticas, ciencias del comportamiento, ingeniería química, física, enseñanza, economía e ingeniería informática, así como muchos otros. Estas variadas perspectivas ayudan a garantizar que tenemos en cuenta diferentes puntos de vista en nuestras mediciones.

En última instancia, en el mundo actual de Big Data, cada vez más disciplinas empresariales -ya sean finanzas, atención al cliente, recursos humanos, análisis de medios de comunicación, etc.- están evolucionando para incorporar la ciencia de datos a sus respectivas prácticas. Capacitar a más personas de diversos orígenes con los conocimientos básicos de métodos estadísticos, programación y habilidades analíticas abre la puerta a una mejor toma de decisiones en las diferentes áreas de negocio.

Creo que esto es un buen augurio para el futuro de la ciencia de datos, siempre y cuando los recién llegados a este campo comprendan los sesgos y las consideraciones necesarias para extraer información de calidad de nuestros datos cotidianos.