Los datos son una mina de información con la que manejar un negocio; logran eliminar el riesgo de la intuición y ofrecen un camino aparentemente recto, accesible a todo el que sepa leerlos. Porque esos datos, sin un análisis certero detrás, son un puñado de basura digital.
Dentro de las lecturas de datos hay análisis más o menos rutinarios –cuántas evalúas las visitas de tu blog para ver dónde reforzar el SEO– y otros increíblemente creativos, como ocurre con el economista jefe del Banco de Inglaterra, Andy Haldane, que ha instado a sus colegas a examinar el estado de ánimo musical de la nación para actuar en consecuencia.
Pero, ¿cómo se puede medir el aumento en las escuchas de J.Balvin – o, más triste, de Bon Iver– para que esta información ayude a administrar la economía de un país? Todo se reduce a medir el sentimiento de sus ciudadanos. Medir cómo interactúan –interactuamos– en Spotify ofrecen métricas del estado de ánimo general, y eso sirve a los economistas para hacer predicciones sobre cómo responderá la gente a sus políticas bancarias.
Por ejemplo: si la gente es pesimista sobre la economía y lo demuestra en la música, entonces elevar las tasas de interés podría alentarlos a dejar de pedir préstamos, con lo que se terminaría perjudicando a la economía.
La medición emocional con aplicaciones económicas no es algo nuevo. En otras ocasiones, los investigadores han medido el sentimiento económico mediante el análisis del lenguaje utilizado en un gran número de noticias online y publicaciones de Twitter. De manera complementaria, los investigadores de Claremont Graduate University acaban de demostrar que el sentimiento nacional se puede extraer de las listas de las mejores 100 canciones de pop en plataformas como Spotify. Y según se afirma en un artículo de The Conversation, estos indicadores son al menos tan útiles como las encuestas convencionales sobre la confianza del consumidor.
LEER MÁS: Qué es el Big Data y qué ventajas tiene el análisis de datos para pymes
Esto ocurre porque las canciones tienen un componente emocional con el que cualquiera puede identificarse, codificado en atributos musicales como la energía, el tempo o el volumen de las canciones. Las plataformas de música online como Spotify ya usan estos atributos para categorizar canciones y recomendar música nueva a los usuarios en base a pistas similares que ya han escuchado.
Del mismo modo, también se pueden comprender algorítmicamente las emociones expresadas por las letras de las canciones, que es lo que ocurre en Twitter a la hora de evaluar el idioma de las noticias y los feeds.
Esto se puede hacer de una manera sencilla, codificando la carga emocional positiva o negativa de las palabras, o de forma más compleja emparejando palabras con ocho emociones centrales: alegría, tristeza, ira, miedo, disgusto, sorpresa, confianza y anticipación. Finalmente, el software cuenta el número de veces que cada emoción aparece en las letras de una canción.
Al identificar los componentes emocionales de las canciones más populares, los investigadores pueden armar un mapa de los sentimientos de los oyentes y usar esto para predecir el sentimiento económico. Ejecutar el ejercicio de mapeo de emociones en todas las canciones en una lista de las 100 principales captura la mayor parte de la nueva música que se compra y escucha mes a mes.
Y aquí es donde las ventajas de utilizar big data cobra forma. Los resultados de las encuestas solo indican el resultado de las personas que han elegido participar. Sin embargo, las listas de música reflejan las elecciones reales de del consumidor gracias a una muestra de personas mucho más amplia.
Los investigadores de Claremont Graduate University aplicaron esta técnica a gráficos de antes y después de la crisis económica mundial de 2008, y descubrieron que, después de la recesión, la frecuencia de las letras asociadas a la ira y el disgusto aumentaba cuantiosamente, mientras que la frecuencia de las palabras asociadas a la confianza disminuía. Evidencias como estas sugieren que los estados emocionales de los consumidores de música influyen en las canciones que eligen pagar, descargar y escuchar.
LEER MÁS: 10 negocios que arrasarán en 2020
En ese sentido, la investigación mencionada y las apreciaciones de Andy Haldane sugieren que tanto la música como la letra de las canciones populares pueden emplearse para predecir el sentimiento económico de una nación, incluidos los movimientos bursátiles a corto plazo. De hecho, los servicios como Spotify y Apple Music tienen suficientes datos como para construir un mapa sentimental mucho más preciso que el que se deduce de las 100 canciones más populares. Estas empresas tienen datos sobre hogares individuales y tarifas de consumo: incluso se podría establecer un índice dividido en regiones y grupos de personas.
En conclusión, la petición de Haldane de consultar el estado musical de la nación puede parecer algo sorprendente y extraño; sin embargo, la investigación sugiere que utilizar el big data de manera creativa puede terminar resultando de enorme utilidad. Esa es la gran lección que extraemos de este caso concreto, donde el Banco de Inglaterra diversifica sus fuentes de información para tomar mejores decisiones. Eso nunca está de más.
