Big data

Este ensayo parte de una constatación: mientras las empresas llevan años explotando el big data para vender más, predecir mejor y automatizar procesos, la mayoría de los gobiernos apenas ha empezado a aprovechar de forma sistemática las ingentes masas de datos —sanitarios, meteorológicos, de movilidad, de vigilancia— que ya tiene a su disposición. Frente a la exageración mediática que ha rodeado al fenómeno, los autores proponen una mirada más sobria y estructurada, organizada en torno a tres pilares que deben sostener cualquier proyecto de datos: el estadístico-matemático, el informático-tecnológico y el propio del ámbito de aplicación.

El libro abre con una introducción histórica que sitúa el big data como heredero de disciplinas nacidas precisamente al servicio de lo público, desde la estadística social del siglo XIX hasta la investigación operativa surgida en la Segunda Guerra Mundial, para luego explicar por qué la toma de decisiones gubernamentales enfrenta complejidades —participación ciudadana, escrutinio público, horizontes electorales cortos— que no tienen equivalente en el sector privado.

A continuación recorre las tecnologías que hacen posible procesar volúmenes, velocidades y variedades de datos antes inmanejables: bases NoSQL, Hadoop y MapReduce, motores como Hive o Spark, y los lenguajes y bibliotecas —Python, R, scikit-learn— que hoy sostienen la ciencia de datos. Un capítulo dedicado a los métodos estadísticos y de aprendizaje automático completa el andamiaje analítico antes de entrar en las aplicaciones: la analítica de políticas públicas y su papel frente a la desinformación, el uso de datos para la promoción de la salud, y su contribución al desarrollo de sociedades más ciberseguras. El libro cierra con una reflexión sobre la responsabilidad ética del tratamiento de datos y una mirada hacia los retos que se avecinan, acompañando cada capítulo de referencias para quien quiera profundizar.