[fusion_builder_container hundred_percent=”no” hundred_percent_height=”no” hundred_percent_height_scroll=”no” hundred_percent_height_center_content=”yes” equal_height_columns=”no” menu_anchor=”” hide_on_mobile=”small-visibility,medium-visibility,large-visibility” status=”published” publish_date=”” class=”” id=”” link_color=”” link_hover_color=”” border_size=”” border_color=”” border_style=”solid” margin_top=”” margin_bottom=”” padding_top=”” padding_right=”” padding_bottom=”” padding_left=”” gradient_start_color=”” gradient_end_color=”” gradient_start_position=”0″ gradient_end_position=”100″ gradient_type=”linear” radial_direction=”center center” linear_angle=”180″ background_color=”” background_image=”” background_position=”center center” background_repeat=”no-repeat” fade=”no” background_parallax=”none” enable_mobile=”no” parallax_speed=”0.3″ background_blend_mode=”none” video_mp4=”” video_webm=”” video_ogv=”” video_url=”” video_aspect_ratio=”16:9″ video_loop=”yes” video_mute=”yes” video_preview_image=”” filter_hue=”0″ filter_saturation=”100″ filter_brightness=”100″ filter_contrast=”100″ filter_invert=”0″ filter_sepia=”0″ filter_opacity=”100″ filter_blur=”0″ filter_hue_hover=”0″ filter_saturation_hover=”100″ filter_brightness_hover=”100″ filter_contrast_hover=”100″ filter_invert_hover=”0″ filter_sepia_hover=”0″ filter_opacity_hover=”100″ filter_blur_hover=”0″][fusion_builder_row][fusion_builder_column type=”1_1″ layout=”1_1″ spacing=”” center_content=”no” link=”” target=”_self” min_height=”” hide_on_mobile=”small-visibility,medium-visibility,large-visibility” class=”” id=”” hover_type=”none” border_size=”0″ border_color=”” border_style=”solid” border_position=”all” border_radius=”” box_shadow=”no” dimension_box_shadow=”” box_shadow_blur=”0″ box_shadow_spread=”0″ box_shadow_color=”” box_shadow_style=”” padding_top=”” padding_right=”” padding_bottom=”” padding_left=”” margin_top=”” margin_bottom=”” background_type=”single” gradient_start_color=”” gradient_end_color=”” gradient_start_position=”0″ gradient_end_position=”100″ gradient_type=”linear” radial_direction=”center center” linear_angle=”180″ background_color=”” background_image=”” background_image_id=”” background_position=”left top” background_repeat=”no-repeat” background_blend_mode=”none” animation_type=”” animation_direction=”left” animation_speed=”0.3″ animation_offset=”” filter_type=”regular” filter_hue=”0″ filter_saturation=”100″ filter_brightness=”100″ filter_contrast=”100″ filter_invert=”0″ filter_sepia=”0″ filter_opacity=”100″ filter_blur=”0″ filter_hue_hover=”0″ filter_saturation_hover=”100″ filter_brightness_hover=”100″ filter_contrast_hover=”100″ filter_invert_hover=”0″ filter_sepia_hover=”0″ filter_opacity_hover=”100″ filter_blur_hover=”0″ last=”no”][fusion_text columns=”” column_min_width=”” column_spacing=”” rule_style=”default” rule_size=”” rule_color=”” hide_on_mobile=”small-visibility,medium-visibility,large-visibility” class=”” id=”” animation_type=”” animation_direction=”left” animation_speed=”0.3″ animation_offset=””]

Para comprender cómo los datos han cambiado la política, primero se debe comprender, qué son los grandes datos y cómo su compleja interacción con el aprendizaje automático (machine learning) cambiaron las reglas del juego. Big Data son esencialmente datos a una escala masiva, mientras que el machine learning es un subconjunto de inteligencia artificial que se basa en enseñar a las computadoras a “pensar” como seres humanos para que puedan resolver problemas abstractos.

El sistema de recomendaciones de Netflix es un gran ejemplo de big data y machine learning en acción. Sus algoritmos pueden procesar las enormes cantidades de datos de visualización que almacenan en cada uno de sus usuarios y luego procesar los números y hacer recomendaciones súper relevantes. El algoritmo de aprendizaje automático aprende a medida que avanza, lo que significa que cuantos más datos tenga acceso, mejor será.

A primera vista, puede parecer que esto no se relaciona con la política, pero la misma idea se aplica sin importar de qué se trate la información. Entonces, por ejemplo, imagine si la oficina del alcalde tuviera acceso a datos de tráfico en tiempo real que podrían analizarse mediante algoritmos de aprendizaje automático para proporcionar sugerencias en tiempo real sobre cuándo cerrar las carreteras o redirigir el tráfico; estamos hablando de un algoritmo que tiene el potencial de salvar vidas.

El poder de los datos

Los datos son conocimiento y el conocimiento es poder, una de las razones por las cuales los datos han cambiado la forma en que pensamos acerca de la política.

La interpretación de los datos, pueden hacer o deshacer una campaña política. Pero si bien es cierto, es que pueden ayudar a las personas a ser elegidas para un cargo y hacer su trabajo de manera mucho más efectiva y eficiente. 

Ya hemos hablado sobre los datos que se utilizan para mejorar los flujos de tráfico y hacer que las carreteras sean más seguras. Ahora, imagine que el mismo concepto podría implementarse en cada área que es tarea del gobierno supervisar y facilitar.

Por ejemplo, los jefes de atención médica pueden usar los datos y su análisis para determinar dónde asignar mejor los fondos. Los ministros de asuntos exteriores pueden utilizarlo para simular acuerdos comerciales complejos o para predecir los efectos a largo plazo de situaciones políticas inciertas, como la decisión del Reino Unido de abandonar la Unión Europea. Se puede usar para identificar posibles amenazas terroristas o para dar advertencias anticipadas de brotes de enfermedades u otros fenómenos utilizando datos de la población.

[/fusion_text][fusion_imageframe image_id=”1647|full” max_width=”” style_type=”” blur=”” stylecolor=”” hover_type=”none” bordersize=”” bordercolor=”” borderradius=”” align=”none” lightbox=”no” gallery_id=”” lightbox_image=”” lightbox_image_id=”” alt=”” link=”” linktarget=”_self” hide_on_mobile=”small-visibility,medium-visibility,large-visibility” class=”” id=”” animation_type=”” animation_direction=”left” animation_speed=”0.3″ animation_offset=”” filter_hue=”0″ filter_saturation=”100″ filter_brightness=”100″ filter_contrast=”100″ filter_invert=”0″ filter_sepia=”0″ filter_opacity=”100″ filter_blur=”0″ filter_hue_hover=”0″ filter_saturation_hover=”100″ filter_brightness_hover=”100″ filter_contrast_hover=”100″ filter_invert_hover=”0″ filter_sepia_hover=”0″ filter_opacity_hover=”100″ filter_blur_hover=”0″]https://trustnet.tsom.io/wp-content/uploads/sites/7/2020/06/CP2.jpg[/fusion_imageframe][fusion_text columns=”” column_min_width=”” column_spacing=”” rule_style=”default” rule_size=”” rule_color=”” hide_on_mobile=”small-visibility,medium-visibility,large-visibility” class=”” id=”” animation_type=”” animation_direction=”left” animation_speed=”0.3″ animation_offset=””]

El papel de Big Data en campañas políticas

Carisma, liderazgo, pero también Big Data y las habilidades analíticas para explotarlos. Estas parecen ser las cualidades que conforman el perfil del candidato ganador de acuerdo con lo que surge de las últimas experiencias electorales que enfrentan los ciudadanos de todo el mundo. En junio de 2013, The Washington Post se dirigió a Obama como el presidente de Big Data, poniendo de relieve el preludio de una era en la que las elecciones y los referéndums se ganan con propaganda hacia ciudadanos en particular.

La campaña para la reelección de Obama ha ido más allá del uso habitual de las bases de datos de votantes, perfilada según la subdivisión clásica en categorías sociodemográficas. Gracias al uso agudo de la información obtenida de Big Data, su personal pudo evaluar sobre la base de las preferencias y hábitos expresados ​​en línea de cada votante. La aplicación de técnicas de minería de datos permitió tomar conciencia de la propensión al voto de las personas, hacia las cuales se dirigió una meticulosa campaña de microtargeting.

Quizás el caso más llamativo que vio a Big Data como protagonistas indiscutibles en la construcción de una estrategia de comunicación para uso político, es el de las elecciones presidenciales de 2016 en los Estados Unidos.

Si bien la operación de Obama se centró en identificar a los votantes indecisos que podrían ir en cualquier dirección en áreas con una alta probabilidad de participación electoral, la campaña de Trump se centró en elegir sus plataformas políticas clave; por ejemplo, reducir la inmigración funcionaría mejor con grupos de votantes segmentados. Una vez que el sistema analítico estaba en funcionamiento a fines del verano de 2016, la campaña enviaba mensajes personalizados a 100,000 votantes específicos todos los días.

Gracias al uso de técnicas analíticas sofisticadas y un enfoque quirúrgico del marketing digital, Donald Trump pudo transmitir sus mensajes electorales en las formas, ocasiones y en los lugares más apropiados para llegar a cada elector. Tomando, por ejemplo, la posición favorable de Trump sobre el tema de la posesión de armas se ha propuesto como una “defensa” para los ciudadanos asustados que viven en barrios peligrosos, “constitucional” para los puristas de las diez enmiendas y como “tradición” a los amantes de la caza deportiva. En resumen, el mismo mensaje, un valor sustancialmente diferente para el destinatario, y para el candidato, considerando una victoria aún hoy inexplicable por muchos.

La compañía detrás de la campaña en línea de Trump, que se especializa en análisis de datos y comunicación estratégica de procesos electorales, es la misma que había trabajado para el partido “Leave.EU” en las primeras etapas de la campaña Brexit, Cambridge Analytica. Fundada en 2013, es una extensión estadounidense de SCL, una compañía británica con experiencia en predicciones de comportamiento humano a través de la recopilación, el análisis y el uso de datos. Entre los principales clientes de SCL encontramos al Ministerio de Defensa del Reino Unido, el Departamento de Estado de EE. UU. y la OTAN, que ha utilizado sus servicios para comprender cómo neutralizar el reclutamiento islámico en línea.

“Encontramos a sus votantes y los ponemos en acción”, dice el eslogan en el sitio web de Cambridge Analytica. En resumen, Big Data insertado en un contexto político se transforma en un arma de consenso. Pero, ¿cómo la empresa logra ofrecer a sus clientes campañas electorales al borde de la sastrería? El método utilizado combina el análisis psicométrico (el campo de la psicología que se especializa en medir las características psicológicas del individuo) con Big Data. A partir de esta intersección se genera OCEAN (siglas en inglés), el modelo basado en el análisis de los cinco grandes: apertura, conciencia, extroversión, enfoque colaborativo y estabilidad emocional. El análisis de estas cinco variables básicas permitió perfilar a 220 millones de estadounidenses durante la campaña de Trump a comprender sus necesidades, temores, posibles comportamientos y luego traducirlos en publicaciones oscuras personalizadas que sólo eran visibles para audiencias seleccionadas. 

La compañía está tan convencida de su método, que en su sitio promete poder llegar aproximadamente a la mitad de los hogares estadounidenses con “una precisión que no incluye el desperdicio”.

Entonces, ¿de dónde provienen los datos necesarios para lograr este nuevo milagro de la tecnología digital? Big Data difiere de las bases de datos tradicionales por tres características que necesariamente deben estar presentes al mismo tiempo: grandes volúmenes, velocidad y variedad de fuentes y naturaleza. Internet, con sus 450 millones de transacciones diarias es obviamente la fuente principal de este recurso extraordinario.

Amazon, Facebook, Google y otros, han utilizado durante mucho tiemp,o el perfil generado por el análisis de Big Data para crear estrategias de marketing efectivas a las que ya estamos parcialmente acostumbrados. Las estrategias de recolección de datos implementadas por la política son mucho menos conocidas. Por ejemplo, para la campaña de Trump, se pagó a cien personas para completar un cuestionario a través del sitio web Mechanical Turk. Los ciudadanos para recibir su pago, tuvieron que descargar una aplicación que podía acceder, de manera completamente legal, a sus perfiles de Facebook y los de sus amigos. Los datos proporcionados por compañías externas también se agregaron a la enorme base de datos que ofrece Facebook. Cambridge Analytica ha logrado identificar a los probables votantes de Trump y crear mensajes electorales específicos, hasta el punto de que el actual presidente de los Estados Unidos ha gastado menos de la mitad de los $ 521 millones de su adversario Hillary Clinton para ganar.

El uso incontrolado de Big Data oculta numerosos peligros, como el riesgo de acostumbrarse a la información preconstruida y apuntar a fines específicos, en los que el ciudadano se enfrenta a una confirmación continua y manipulada de sus creencias sobre el mundo (sesgo de confirmación). La protección de la privacidad, la libertad de elección y la igualdad de oportunidades son cuestiones de importancia fundamental, que están cada vez más protegidas en la legislación nacional e internacional.

[/fusion_text][fusion_imageframe image_id=”1660|full” max_width=”” style_type=”” blur=”” stylecolor=”” hover_type=”none” bordersize=”” bordercolor=”” borderradius=”” align=”center” lightbox=”no” gallery_id=”” lightbox_image=”” lightbox_image_id=”” alt=”” link=”” linktarget=”_self” hide_on_mobile=”small-visibility,medium-visibility,large-visibility” class=”” id=”” animation_type=”” animation_direction=”left” animation_speed=”0.3″ animation_offset=”” filter_hue=”0″ filter_saturation=”100″ filter_brightness=”100″ filter_contrast=”100″ filter_invert=”0″ filter_sepia=”0″ filter_opacity=”100″ filter_blur=”0″ filter_hue_hover=”0″ filter_saturation_hover=”100″ filter_brightness_hover=”100″ filter_contrast_hover=”100″ filter_invert_hover=”0″ filter_sepia_hover=”0″ filter_opacity_hover=”100″ filter_blur_hover=”0″]https://trustnet.tsom.io/wp-content/uploads/sites/7/2020/06/CP3-1.jpg[/fusion_imageframe][/fusion_builder_column][/fusion_builder_row][/fusion_builder_container]