domingo,24 octubre 2021
Espacio euroiberoamericano de diálogo sobre la innovación social, profesional y académica
InicioOpiniónDe la economía de los datos a la economía del conocimiento
Datos+Análisis

De la economía de los datos a la economía del conocimiento

Futurolandia
Con el título Economía de los datos. Riqueza 4.0 , Fundación Telefónica/Afi/Ariel han publicado un interesante libro, dirigido por Emilio Ontiveros, que merece la pena leer. Trata del "crecimiento exponencial del volumen, la variedad y velocidad de generación de datos -de ahí el término big data- y de las mayores capacidades para su captura, almacenamiento, procesamiento y análisis (aplicando métodos de la ciencia de datos o data science), del que surge la denominada Economía de los Datos".

Pero debemos prestar atención al largo camino que separa datos de conocimiento.

Lo primero es no confundir "dato" con "número" o "estadística", que sería sólo una de las representaciones simbólicas de la información, pero que también admite una forma visual, alfabética, espacial,etc. de cualquier atributo o variable cuantitativa o cualitativa. "Por ejemplo, una imagen de una cámara de tráfico, una fotografía, un mensaje en las redes sociales, una voz en una conversación, la temperatura de una habitación, el grado de humedad de un cultivo, el número de unidades vendidas por una tienda o la hora exacta en la que se entregó un pedido".

Admitido que los datos pueden tomar formas muy variadas, el paso siguiente es entender el proceso de transformación para convertirlos en información. Acumular datos no garantiza disponer de una información útil, aunque sean aquellos el material en bruto con el que se elabora y que marcan su potencial de uso.

Los datos aislados y sin tratar carecen prácticamente de componente informativo y sólo "informan" si se relacionan con otros datos en un contexto adecuado. De hecho, todas las operaciones estadísticas de un país son un ejemplo de intentos de transformación de datos numéricos dispersos en una información útil. El dato del precio pagado por un consumidor al comprar un determinado producto, puede transformarse en un indice del coste de la vida, que aporta nueva información al relacionarlo con el salario medio percibido por sexo, edad y nivel formativo.

Pero unir datos y relacionarlos entre sí es el estadio más elemental de utilización. En una economía/sociedad con grandes masas de datos, 161 exabytes (EB=10 elevado a 18) en 2013, según se cita en el libro, parece imprescindible hacer un esfuerzo adicional para convertir información en conocimiento. 

Se trata de manejar miles o millones de datos con potentes herramientas de análisis que permitan encontrar respuestas a las  preguntas que permanentemente nos hacemos individuos, empresas, gobiernos o todo tipo de instituciones. Aquí es donde se han situado, a lo largo de los siglos, la evolución científica con base en la experimentación y las técnicas modernas de tratamiento de datos, investigación operativa, series temporales o modelos econométricos, por citar sólo algunos de los enfoques más habituales en el campo de la economía y administración de empresas.

Nos enfrentamos no sólo a grandes bases de datos (big data),sino también a que "el nuevo contexto de relaciones en torno al dato trae consigo nuevas reglas de juego para los agentes -ciudadanos, Gobiernos, empresas-…y supone un cambio en las formas de producción y consumo, de planificación y gestión, de distribución, movilidad, etc., derivadas de los cambios tecnológicos relacionados con la información, las comunicaciones y la globalización".

Por todo ello tiene sentido referirnos a una Economía de los datos que los autores del informe que comentamos definen como "el conjunto de iniciativas, actividades y/o proyectos cuyo modelo de negocio se basa en la exploración y explotación de las estructuras de bases de datos existentes (tradicionales y procedentes de nuevas fuentes) para identificar oportunidades de generación de productos y servicios".

De esta forma nacen nuevos, renovados o rebautizamos campos del saber, nuevas disciplinas o herramientas que abren nuevas perspectivas y, a veces, despistan al no iniciado al vestirse con pomposas ropas que aparentan más de lo que realmente esconden. Entramos en el entramado de Data Science, Business Intelligence, Artificial Intelligence, Machine Learning o Deep Learning, por citar sólo alguno de los  temas más citados. La referencia en inglés es un reconocimiento de autoría, pero también un ropaje de supuesta modernidad para el que utiliza el término.

Al situarnos en un entorno fuertemente competitivo de compra-venta de ideas, aplicaciones y servicios, no debe extrañarnos que, en la práctica, se mezclen realidades científicas con mensajes comerciales o de búsqueda de notoriedad de ciertos enfoques o profesiones. Sin embargo, desconocer estos conceptos es exponerse a ser un analfabeto en una economía digital. Por ello incluyo unas breves presentaciones para los menos iniciados.

La ciencia de datos(data science),según se caracteriza en Wikipedia, es un campo interdisciplinario que involucra métodos científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de datos en sus diferentes formas. Aunque se ha utilizado con anterioridad, su generalización se inicia sólo hace un lustro.

Inteligencia de negocios(Business Intelligence), admite diversas acepciones pero se refiere preferentemente a su aplicación a cuadros de mando de empresas, con utilización de múltiples indicadores y referencia a objetivos pre-establecidos.

La Inteligencia Artificial (Artificial Intelligence, AI) tiene su origen conceptual en los años 50 del siglo pasado, al realizarse las primeras pruebas para determinar si un ordenador podía considerarse que tuviera algún tipo de inteligencia similar a la humana, que permita resolver problemas complejos.

Esa inteligencia artificial puede desarrollarse a través de reglas programadas por  un humano o mediante un  aprendizaje automático (Machine Learning, ML) en una especie de entrenamiento con grandes bases de datos que ayudan a identificar patrones y comportamientos futuros, habitualmente en forma de algoritmos automáticos.

El aprendizaje profundo (Deep Learning, DL) es uno de esos algoritmos de ML que trabaja utilizando un enfoque de redes neuronales simulando el funcionamiento por capas de las neuronas en el cerebro humano. Cada capa sirve para reajustar el proceso ante los desajustes para predecir un resultado conocido, adaptando los parámetros del algoritmo.

Peo la Economía de los datos tiene un campo de actuación más amplio que la producción, transformación, difusión y análisis de los datos. Tiene también que ver con la regulación, privacidad y seguridad en los flujos de información; con la cadena de creación de valor (empresas generadoras de datos, tecnológicas, de servicios derivados,…); con toda la transformación de una economía digital que introduce nuevos productos, nuevas formas de competencia y colaboración; con la exigencia de revisar criterios de medida de las propias actividades económicas.

No voy aquí a volver a tratar de asuntos que ya he abordado en diversos post anteriores. El libro que ha dirigido Ontiveros dedica, por ejemplo, un interesante capítulo a La medición de la contribución de  la Economía de los Datos en las cuentas nacionales.

Para los más interesados en estos temas me remito también a mis post:

https://www.antoniopulido.es/misterio-la-niebla-lo-intangible-la-economia/

https://www.antoniopulido.es/los-hogares-no-producen-8m/

https://www.antoniopulido.es/hacia-la-economia-intangible/

https://www.antoniopulido.es/internet-economy-busca-del-arca-perdida

https://www.antoniopulido.es/del-fetichismo-del-pib-al-pib-plus-y-mas-alla/

Antonio Pulido http://www.twitter.com/@PsrA

De interés

Artículos Relacionados