GDPR en Google Trends un pico en mayo de 2018 y desaparece el interés. Será porque todas las compañías se han adecuado a ese marco general legislativo y no es necesario trabajar más en ello o será porque seguimos en modo “preproducción”. En cualquier caso es probable que esta legislación haya nacido anticuada, es probable que no la hayamos entendido e incluso es probable que no sea necesaria.
Y recuerda, legislar también nos cuesta dinero.
En todo el lío de Facebook y su Facebookgate o Facegate ha aparecido el nombre de Cambridge Analytica empresa dedicada al análisis de datos para el desarrollo de campañas. Probablemente en la mente de todos está la forma de operar de esta compañía con estorsiones, prostitutas y malas artes varias. Sin embargo yo me quedo con lo que se supone que ha hecho esta empresa con los datos de millones de usuarios de Facebook, los análisis llevados a cabo por Cambridge Analytica han influido en la campaña presidencial de Estados Unidos y en el referéndum por el Brexit. Es decir, gestión de grandes volúmenes de datos y métodos de análisis (no sé si avanzados o no) son capaces de poner y quitar presidentes de la democracia más importante del mundo.
Si una muestra de datos, una muestra de usuarios de Facebook (porque sólo es una pequeña parte) provoca ese tipo de “terremotos” electorales ¿os imagináis que se puede hacer con nuestros datos de Facebook? Pues eso, inimaginable. Pueden hacer series a nuestro gusto, saber si pueden darnos un préstamo, determinar el precio de nuestro seguro de vida, pueden saber lo que necesitamos incluso antes de necesitarlo. Una pequeña parte de lo que sabe Facebook de nosotros porque somos nosotros los que hacemos Facebook. En el momento de escribir estas líneas Facebook está bajando su cotización bursátil, y yo opino que debería subir porque acaba de demostrar su potencial: Una red social que puede sacar a millones de británicos de la Unión Europea para hacer más grande a los enemigos de la Unión.
Podemos pensar que es el momento de poner control, de regular, que estamos trabajando en directrices del tipo GDPR que protege nuestra privacidad, que las multas pueden poner coto a este tipo de actuaciones. ¿Poner control a la publicación libre de una opinión? Podemos poner control al uso de esa información, pero ese concepto de “uso” es el que puede ser más difuso desde el momento en el que entra en juego el uso de datos anónimos. Ejemplo, si no das tu consentimiento expreso para que tu información pueda ser usada te cobro por el servicio, si das ese consentimiento el servicio será gratuito, yo te garantizo que eres un elemento anónimo. Y muchos anónimos han puesto como presidente del gobierno de Estados Unidos a Donald Trump.
Para mi todo esto no son malas noticias, se acaba de demostrar que mi trabajo y el de otros muchos mineros de datos, data scientist, gestores de la información… funciona ¡y de qué manera! Yo ya lo sabía porque ya son años haciendo que grandes compañías gasten menos o ganen más con datos. Y por cierto, no estaría mal que Cambridge Analytica compartiera su trabajo en github.
He cogido la lista Forbes de los tipos más ricos del mundo y he hecho un gráfico con la distribución de la edad de los 100 primeros miembros y resulta que 82 miembros están por encima de los 50 años. Está Zuckerberg para estropear el gráfico pero sólo 14 miembros de esta lista están por debajo de los 50 años. A la vista de estos datos se me ocurre que a lo peor es que siguen siendo los mismos desde hace muchos años y lo que sucede es que va envejeciendo la lista. No lo sé, pero es interesante que muchos de nosotros hablemos de Software libre cuando entre estos 100 privilegiados hay unos pocos fabricantes de software. Saludos.
No me ha gustado esta sorpresa en la lista TIOBE de abril de 2012:
R cae por debajo del puesto 30 y se ve superado tanto por SAS como por MATLAB. ¿Será una tendencia? Hay que seguir esta evolución en los próximos meses.
Mucho se está hablando de los recortes en educación que va a llevar a cabo el Gobierno español. Es evidente que la educación en España no funciona muy bien. No lo digo yo, lo dice el informe PISA:
http://www.oecd.org/dataoecd/54/12/46643496.pdf
Pero España invierte un 4,6% del PIB en educación. Un % que a mi me parecía poco:
http://epp.eurostat.ec.europa.eu/statistics_explained/index.php/Educational_expenditure_statistics
¿Es poco? ¿Dónde se sitúa España? Manos a la obra: Excel, BuscarV, gráfico de dispersión y JWalk Chart Tools. Con estos ingredientes tenemos:
[me hubiera gustado PISA frente a gasto por cada 1000 habitantes] Si hacéis más grande la imagen vemos que España está tanto por debajo de la media en % de gasto en educación y en puntuación en el informe PISA. No parece clara la correlación entre gasto y puntuación, ahí tenemos a Japón o Alemania. Pero si es cierto que estamos muy mal situados en PISA para recortar en la más importante de las inversiones. Es probable que los recortes no afecten a la calidad del sistema pero es porque el sistema no funciona, así que, bajo mi punto de vista, es un error el recorte.
En las III jornadas de R alguien dijo “Hacen falta ideólogos”. Pues ahí estamos trabajando, en ideas.
Está a punto de acabar un partido de futbol entre la Real Sociedad y el Barcelona y me temo que esta jornada vuelven a ganar los equipos que más dinero ganan por los derechos televisivos de la liga española. El Real Madrid está a 7 puntos del Barcelona. Está claro que el Barcelona ganará al Real en su campo. Si asumimos que los dos equipos tienen un 80% de posibilidades de ganar el partido, un 10% de empatarlo y un 10% de perderlo ¿cual es la probabilidad de que gane alguno de los dos equipos?
Pido disculpas por la “poca profesionalidad” del código pero últimamente pico poco código en R, de todas formas es muy sencillo de entender y no voy a entrar en profundidad:
library(memisc)
final_madrid<-data.frame()
for (i in 1:1000){
madrid = runif(16)
madrid <- recode(madrid,
0 <- range(0,0.1),
1 <- range(0.1,0.2),
3 <- range(0.2,1))
final_madrid = rbind(final_madrid,sum(madrid,52))}
final_barcelona<-data.frame()
for (i in 1:1000){
barcelona = runif(16)
barcelona <- recode(barcelona,
0 <- range(0,0.1),
1 <- range(0.1,0.2),
3 <- range(0.2,1))
final_barcelona = rbind(final_barcelona,sum(barcelona,45,3))}
resultado_liga = cbind(final_madrid,final_barcelona)
names(resultado_liga)=c("madrid","barcelona")
resultado_liga$campeon = ifelse(resultado_liga$madrid>resultado_liga$barcelona,"Madrid","Barcelona")
table(resultado_liga$campeon)
He lanzado 1000 simulaciones y he obtenido unas probabilidades de 26% a favor del Barcelona y un 74% a favor del Madrid. ¿En las casas de apuestas está el resultado final 4 a 1? A ver que pasa, en unos meses volveré sobre esta entrada y espero decir que al final ganó la liga otro equipo, pero eso si que es improbable. Saludos.
El día 18 de noviembre finalizaron las III jornadas de R y mis impresiones no pueden ser más positivas. A nivel organizativo todo funcionó a la perfección, algo muy meritorio teniendo en cuenta que los organizadores no son expertos en el tema y es muy difícil organizar un evento con 200 personas inscritas. En cuanto a la participación destacaría el gran número de asistentes y sus distintos ámbitos de procedencia. El contenido lejos de parecer abrumador, muchas presentaciones de 10 minutos, al final se hacía muy ameno aunque algunos ponentes eran considerablemente más aburridos que otros, en fin, no estábamos para divertirnos pero algunos se limitaban a contar fórmulas. Los talleres han sido un éxito. También quería agradecer a la EOI las aulas que pusieron a disposición del evento. Creo que el pilar del éxito de las Jornadas ha sido la EOI por instalaciones, ubicación y disposición.
A todo lo anterior hay que añadir un pero. No había representación empresarial. Casi todas las exposiciones estaban englobadas dentro del mundo de la docencia o la investigación, evidentemente es el primer paso para una aplicación empresarial pero eché en falta más presencia de empresas en el evento. Nos consta que hay empresas que trabajan en su día a día con R pero no han querido participar en modo activo con estas jornadas, como si estuvieran acomplejadas, luego se subirán al carro y se definirán pioneras.
A nivel personal muy positivo. He puesto cara a amigos y colaboradores cibernéticos como Gregorio, Juanjo, Jose Luis,… Para el blog se abren líneas de trabajo interesantes con una clara aplicación empresarial, una cuestión ronda mi cabeza ¿tendría sentido una empresa como Revolutions en España? También vengo con un gusto amargo, tendría que haber participado sobre todo con el uso conjunto de SAS y R, el software libre no se enfrenta al el software comercial, se complementa. Para sucesivas entregas, tras el éxito de estas no me cabe duda, tendré más oportunidades.
A pesar de tener la primicia (estoy de vacaciones y no leo habitualmente el correo de mi trabajo) soy el último en hacerse eco de la gran noticia de las III jornadas de R: El primer concurso de análisis de datos con R. Hay en total 1.500 € en premios que reparte el patrocinador del evento Nestoria. Nestoria es un motor de búsqueda de inmuebles que está presente en múltiples países.
Mi punto de vista sobre el concurso:
Yo estoy impaciente por conocer el perfil de las personas que participarán en el concurso, ¿se animarán las empresas análiticas a participar?
El tito Goodnight está más pendiente de IBM y Oracle que de R. Está mayor el hombre, pero sigue siendo un genio y un figura. Nunca ha sido mi jefe (no porque yo no quisiera) y no comparto ni una sola de las opiniones que tiene en la entrevista que le hacen pero hay que reconocer que no se ha equivocado mucho en 40 años porque es una de las fortunas más importantes del mundo. Así que le tendré en cuenta, al fin y al cabo llevo 10 años diciento que el futuro pasa por R y empiezo a cansarme, me estoy haciendo más dinosaurio día a día.