El big data y los anuncios políticos específicos se enfrentan a la prueba del día de las elecciones

Falta una semana para el gran día. El día de las elecciones casi ha llegado, un hecho que imaginamos que cualquier americano usando cualquier medio de comunicación ya sabe dado el casi constante flujo de recordatorios de que el día de las elecciones es el 3 de noviembre y que deben registrarse y votar.

Entonces, ¿qué va a pasar? Esa es la pregunta constante que se hará, se volverá a preguntar y se examinará desde todos los ángulos estadísticos posibles durante los próximos siete días más o menos. Millones de americanos estarán observando con la respiración contenida la noche de las elecciones para ver cómo resultan las cosas - y cuyo modelo de predicción hizo el mejor trabajo prediciendo el resultado.

Te puede interesar: Noticias de Big data.

Hay mucho en juego para los pronosticadores electorales, ya que las cosas no resultaron como se esperaba la última vez. Como Karen Webster señaló seis días después de las elecciones de 2016 en un comentario: "El 8 de noviembre de 2016 no fue un buen día para Big Data".

Ella señaló que el mejor trabajo de algunos de los científicos de datos más inteligentes del mundo "usando algunas de las herramientas de análisis predictivo más sofisticadas del mundo" para predecir el resultado de las elecciones se perdió espectacularmente.

Dos semanas antes de las elecciones, la mayoría de los modelos mostraron que Hilary Clinton estaba casi segura de ganar las elecciones de 2016. Pero cuando los votantes se presentaron en las urnas, eligieron por poco a Donald Trump como el 45º presidente de los Estados Unidos.

Esta vez, todo el mundo es mucho más tímido a la hora de hacer predicciones definitivas sobre la elección - castigado por la falta de la última vez. En cuanto a lo que salió mal en 2016, Webster señaló en su columna postelectoral que una serie de errores - siete pecados capitales de datos, incluso - que crearon el mal funcionamiento.

Ella cree que los expertos encuestaron a las personas equivocadas, tomaron respuestas al pie de la letra cuando no deberían haberlo hecho y no recordaron que las encuestas son una rebanada de tiempo y que la gente a veces cambia de opinión. Los encuestadores fueron bloqueados por las estadísticas y engañados por el pensamiento grupal.

Tal vez lo más crítico es que muchos de esos problemas eran invisibles para los expertos, lo que significaba que los malos datos se introducían en modelos sofisticados que estaban preprogramados con un punto ciego.

"El Big data no siempre entregan mejores datos o resultados", señaló Webster en su columna de 2016. "Todos los algoritmos del mundo no pueden superar las fallas en el muestreo o en los criterios de orientación que pueden hacer que la salida de los ejercicios de Big Data sea poco fiable - y no se descubra - hasta que sea demasiado tarde."

Lo que Big Data en este caso pasó por alto fue lo que un pequeño número de votantes en pequeños condados en Michigan y Pennsylvania que nadie estaba apuntando con encuestas o modelos predictivos estaban a punto de hacer. Iban a cambiar décadas de patrones de votación anteriores y cambiar a apoyar a un candidato presidencial republicano en lugar de uno demócrata. El condado de Erie, Pennsylvania, era uno, y el condado de Monroe, Michigan, era otro.

Y aunque el cambio no fue masivo - entre los dos estados, menos de 100.000 votos se voltearon - fue suficiente dentro de los puntos ciegos de predicción de los algoritmos para cambiar el resultado de la elección.

Desafortunadamente, si buscas la comprensión adecuada de cómo leer todos los datos ahora mismo para crear un modelo de predicción completamente inexpugnable para el 2020, estás en el sitio equivocado. Estamos más interesados en PYMNTS en la lección menospreciada de la gran falla de Big Data hace cuatro años - la importancia de aprovechar correctamente el objetivo.

Cómo se está desarrollando esta vez

Si 2016 fue una historia de no considerar a los votantes en geografías a menudo olvidadas, la historia esta vez es que nadie quiere correr el riesgo de cometer el mismo error dos veces.

Eso es particularmente cierto en un estado como Pensilvania, donde el malentendido del probable comportamiento de unos 42.000 votantes fue crítico para generar un resultado molesto.

Parte de la estrategia ahora, según los medios locales, es mirar la publicidad de la campaña, donde la saturación en todas las ondas posibles se convierte en el objetivo.

Pero este año, los dólares de la publicidad están inundando Facebook - porque, como Nick Fitz, CEO de la empresa de donaciones en línea Momentum, explicó a la CNBC - la mayoría de las campañas digitales ahora dependen casi totalmente de Facebook, independientemente de cómo las personas que las dirigen se sienten acerca de la plataforma.

"Para bien o para mal - mayormente para mal - Facebook es el lugar de facto al que vas", dijo Fitz. "Es la manera más barata y efectiva de estar frente a las personas adecuadas".

Las personas correctas, en este caso, siendo el cuarto de millón de usuarios que Facebook tiene en Norteamérica, se esparcen a través de Facebook.com, Messenger, Instagram y WhatsApp. Pero también es porque muchos otros sitios apoyados por publicidad se han retirado de la política, dejando a Facebook como el único juego en la ciudad.

Y entre las compañías tecnológicas, Facebook simplemente lo hace más fácil. Mientras que Google permite la publicidad política, siempre ha limitado las herramientas de focalización de los anuncios políticos. Mientras tanto, Twitter y TikTok han prohibido completamente la publicidad política y Snap fact-checks.

Por el contrario, Facebook no verifica los anuncios debido a que dice que es una cuestión de principios de libre expresión. Y la compañía permite a los anunciantes políticos usar el mismo tipo de herramientas de focalización que los anunciantes corporativos.

El estiramiento casero cambia

La política comparativamente más permisiva de Facebook permite a las campañas hacer el importante micro-destino que terminó siendo tan crucial para el resultado final de las últimas elecciones. Pero eso está generando cierta controversia, así como algunos puntos de fricción inesperados.

El gigante de los medios sociales está actualmente involucrado en un desacuerdo con algunos investigadores de la Universidad de Nueva York pidiéndoles que por favor dejen de intentar recoger datos sobre cómo Facebook se dirige a los anuncios políticos.

El proyecto está observando cómo aproximadamente 6.500 voluntarios que usan una extensión especial del navegador, son apuntados manteniendo un registro de qué anuncios políticos se muestran. El objetivo, según la Universidad de Nueva York, es ofrecer a los periodistas, políticos e investigadores una visión imparcial de qué anuncios muestra Facebook a quién.

Facebook afirma que el proyecto equivale a un raspado de datos, lo que va firmemente en contra de las reglas del sitio.

"Las herramientas de raspado, por muy bien intencionadas que sean, no son un medio permisible para recopilar información de nosotros", escribió Allison Hendrix, oficial de privacidad de Facebook, en una carta del 16 de octubre a la Universidad de Nueva York, según informó The Wall Street Journal.

Pero a partir del martes (27 de octubre), no habrá nuevos anuncios políticos para apuntar en Facebook, ya que el sitio anunció que dejará de aceptar anuncios políticos durante los siete días previos a las elecciones. Sin embargo, la NYU dijo que ya ha reunido datos sobre más de 200.000 anuncios, y que no tiene intención de detener su programa.

¿Qué tan grande será el efecto de la microelectrónica esta vez, cuando COVID-19 ha alterado radicalmente el paisaje y ha hecho tambalearse a la economía en su conjunto? Sólo el tiempo, y los modelos de datos correctamente calibrados, lo dirán.