En la era del big data, ¿dónde están los colegios?

En el año 2016, el big data se ha confirmado como una de las grandes tendencias existentes para los próximos años. Se comienza a interiorizar por parte de la población la importancia del dato per se, porque éste explica la realidad objetiva. Podemos tener datos, porque podemos medir gracias a los avances en todo tipo de sistemas de información que son especialistas en captar la realidad y convertirla en binario, en 1 y 0s para luego estudiarlos y utilizarlos. No en vano, todo tipo de industrias están recopilando datos que permiten interpretar su realidad. La banca, la prensa, los anunciantes de consumo, redes sociales, las grandes plataformas, etc. recopilan datos de manera inherente al modelo de negocio que tienen: existe su modelo de negocio porque existen datos e información cuya gestión es cada vez más automatizada. En caso contrario, no habría negocio. La pregunta es, en la era del big data y de interpretación de la realidad a partir de éstos, ¿qué datos recogen los colegios?

Con 42 años y alumno de un colegio marista en Córdoba, los únicos datos que se recogían durante los años 80 y 90 en mi colegio eran las notas que cada alumno iba sacando en las 5 evaluaciones que teníamos (datos subjetivos académicos) así como el peso y la altura durante los primeros años del colegio. Esto se complementaba con un test psicológico que todos pasamos con 14 años y creo que otro con 16-17 (este no lo aseguro). Finalmente, tu nota académica media de BUP y COU que se complementaba con la nota de Selectividad que se realizaba en 7 exámenes escritos. Hoy, 25 años después, no ha cambiado demasiado.

La recopilación de datos objetivos debe ser una de las máximas de los centros educativos porque son los que nos van a permitir entender el contexto de aprendizaje del alumno, el grado de interiorización de sus conocimientos  y la evolución que lleva acorde a lo deseado y previsto. Sin embargo, esta recopilación de datos no es fácil ni intuitiva. Sólo en contextos de aprendizaje online la recopilación de datos es fácil ya que puedes fijar tiempos de aprendizaje así como evolución acorde a una serie de métricas y variables numéricas. Pero, ¿cómo hacerlo en el contexto físico que es donde la inmensa mayoría de los alumnos actualmente pasan tu tiempo asimilando conceptos y experimentando?

El único dato que desde hace centenares de años se lleva a cabo es el de la nota que un profesor pone a un alumno en función de una actividad puesta por éste para normalmente, evaluar el conocimiento sobre una materia. Esta nota, aunque objetiva en función de parámetros establecidos (resolución de sumas de 3 cifras, divisiones sin resto, etc.), no deja de ser subjetiva y que no provee de información cara al futuro del alumno.

Sólo los centros educativos que engloben la recopilación de datos y su interpretación dentro de su proyecto educativo maximizarán la probabilidad de futuro de sus alumnos. 

Conocemos que hay una relación directa entre el sueño y la interiorización de lo aprendido por parte de un alumno. ¿Por qué no correlacionar de manera directa las horas de sueño de un alumno con su evolución académico y emocional? Muy probablemente a muchas padres y profesores se les pasará por alto este factor simplemente porque no es intuitivo. Puedes asumir que tu hijo duerme bien, cuando tarda en dormirse todos los días 30 minutos y luego no descansa lo suficiente. También podríamos medir el estrés sufrido en un colegio ante los profesores para la detección de bullying, o en qué tipo de webs pasan tiempo los estudiantes cuando se encuentran en su tiempo libre, ya que permitiría identificar las pasiones de las personas, que pudieran tener complementariedad en su estancia en el colegio.

Existen +50 parámetros que pueden ser medidos en el ámbito escolar y que nos permitan correlacionar patrones y factores, hoy desconocidos, y que sabemos que afectan sobremanera el aprendizaje y evolución de los alumnos. El desafío de los colegios en los próximos años es identificar datos a recopilar, almacenar de los mismos y conforme más y más datos tengas de un conjunto de alumnos, más conocimiento y patrones de comportamiento podrás adquirir de estos y mejor ayudarás a su evolución personal en todas sus dimensiones. Sólo los centros educativos que engloben la recopilación de datos y su interpretación dentro de su proyecto educativo maximizarán la probabilidad de futuro de sus alumnos. 

 

 

El big data en los restaurantes (I): midiendo el comportamiento humano

(artículo que surge a raíz de una reflexión personal sobre la conveniencia o no, la ética o no, de equipar a todos los trabajadores del restaurante El Mirador del Río con pulseras que midan el número de pasos que dan. Sin decisión tomada)

 

La llegada de los wearables y de dispositivos móviles, tecnologías que se empotran en nuestro cuerpo y que permiten medir, abre un abanico enorme de posibilidades: posibilidades de medir y data todo tipo de parámetros de la vida de una persona.

 

La oportunidad para muchos, aunque problema para otros, es la emergencia de conocimiento oculto. El conocimiento puede ser sobre cualquier cuestión que hasta ahora, muy posiblemente, no se tenía la opción de alcanzar, bien por su imposibilidad técnica, bien por la carestía de equipos que pudieran llegar a medirlos.

 

La cuestión surge en el ámbito laboral si, con la llegada de los wearables, tecnologías que se visten, existen conflictos para que estos sean llevados por los trabajadores como una manera de recoger datos sobre el desempeño de su trabajo. Es por ello que surgen preocupaciones y miedos sobre cómo se va a medir un comportamiento y de qué manera, para ver cuáles con las conclusiones que se extraen.

 

Sociometrics es una empresa estadounidense, inspirada en el trabajo de Sandy Petland sobre reality mining,  mide las dinámicas sociales en empresas, people analytics, tratando de encontrar cuáles son los patrones sociales que se siguen para que, en función de estos, espacios y áreas además de procesos cambien con el objetivo de incrementar la productividad. El caso del Bank of America y su call center es el caso por antonomasia que se cita: de cómo un cambio en los turnos para salir a desayunar incrementa la productividad de manera notable.

 

Pero este tipo de prácticas hace que algunas personas entiendan que la monitorización de cualquier tipo de variable que tengan que ver con su trabajo, les convierte en conejillo de indias y en una especie de trabajador autómata en constante observación…

 

…y éstas son las disquisiciones que, como amante de los datos y como cogestor de un restaurante con dos localizaciones y +30 personas trabajando semanalmente, me planteo.

 

¿Qué podríamos medir en un restaurante desde el punto de vista de comportamiento humano?
Hemos de separar de manera meridiana lo que es la medición de lo que es la interpretación. Cuando decimos que todo es datable, asumimos que hay alguna manera de una realidad convertirla en dato. El dato nos permite utilizar un lenguaje común y poder llegar a entendernos en abstracciones más genéricas.

 

En un restaurante habría muchos data points entry que permiten analizar desde un punto de vista cuantitativo el negocio. Pero desde un punto de vista de análitica del personal,de su comportamiento, tendríamos algunos datos que podrían extraerse con relatividad facilidad:

 

IMG_20150305_140834* hora de llegada y salida al trabajo
* distancia recorrida atendiendo mesas
* número de pases dados (bebidas / comidas)
* qué zonas del restaurante atiende?
* tiempo medio en cada una de las mesas
* tiempo medio interactuando con los trabajadores
* clientes con las que ha interactuado

 

Para ello podemos utilizar diferentes tecnologías entre las que destacan las pulseras (existe alguna ya en el mercado que ronda los 15€), los teléfonos que monitorizan pasos que andas (Google Fit un ejemplo más de las decenas existentes), los dispositivos de reality mining que tenemos en Intelify y que permiten calcular el tiempo medio en una zona o bien, los propios análisis de datos que recopilamos mediante el uso de telecomandas electrónicas.
Estos datos son recopilados de manera automatizada y sin prácticamente intervención humana lo que permite que la calidad de los datos recopilada sea lo suficientemente objetiva para, dado un número mínimo de eventos, extraer conclusiones de los mismos.

 

El problema de la interpretación de los datos 

 

elmiradordelriopasos
El problema es de interpretación. podemos tener cualquiera de esos datos, pero, ¿qué significa? Un dato adquiere significado cuando se contextualiza y se puede comparar en una escala o contra otros comportamientos. Es por ello que los primeros miedos y las primeras críticas al uso de tecnologías ubicuas para la monitorización de personas surgen cuando se plantea cómo se van a utilizar estos datos y sobre qué se va a comparar poniendo siempre de manifiesto el crítico la interpretación de los mismos.

 

Y me resulta curioso porque ¿cómo evalúa actualmente un responsable en un negocio a sus empleados? A pesar de que habrá muchos propietarios de restaurantes, como de comercios, que se jacten de tener “ojo clínico” para las personas, lo que sí está segura la ciencia es que los humanos tenemos diferentes sesgos cognitivos que nos alejan de la realidad y que, muy posiblemente, nuestra interpretación está sesgada, por ejemplo, por la primera impresión.
Es decir, que asumimos sin problema que los análisis que lleva a cabo el gestor de cualquier negocio, en este caso un restaurante, es a priori, mejor y no cuestionable, al menos de manera abierta y pública, que los datos recopilados de manera ubicua por un conjunto de tecnologías.

 

Frases del tipo “se ve quién se escaquea de un servicio” // “sabemos quién trabaja y quién no” // “sabemos quién viene de vacío” son fácilmente admitidas en un grupo humano y esas afirmaciones, calan rápidamente en un grupo humano si quien las comenta tiene cierta ascendencia en el grupo humano. Sin embargo, cuando se trata de cuantificar de manera objetiva, existe reticencia, como ante cualquier cambio, a la medición por miedo a salir mal parado.

 

Fundamentos en el despliegue de un sistema de información que recopila información personal

 

Desde mi punto de vista y basándome en mi observación, la mejor manera de introducir algún tipo de política para recopilar datos personas tendría que tener en cuenta las siguientes consideraciones:

 

* Informar sobre la motivación de la recopilación de los datos
Explica en tu empresa/organización qué te motiva a recopilar los datos. En mi caso particular, amar los datos como manera de interpretar realidades. Quiero medir para comparar y posteriormente, llegará la toma de decisiones final.

 

* Número suficiente de eventos
Para recopilar datos que puedas interpretar, deberás tener un número suficiente de eventos. Si quieres medir por ejemplo el número de personas con las que interactúa una persona como medida de atención al cliente, tendrás que analizar el número suficiente de días para que la desviación típica sea la menor posible en la comparativa entre diferentes personas.

 

* Compartir datos – Apertura de los mismos
Compartir los datos con los propios trabajadores, los globales, y que son objetos de la medición, permite hacerles partícipes de la misma información a las que el responsable accede y ayuda a soslayar reticencias por parte de estos. No es nada malo comparar el que anda más con el que anda menos (¿no se supone que se ve?), o quien atiende a más clientes. Lo importante es que sea transparente.

 

* Explicar los baremos aceptables
Explicar los baremos que esperamos como empresa es también conveniente. Aunque en una primera fase nos dedicamos a recopilar datos sin tener interés en su interpretación inmediata, cuando tengamos le número suficiente de datos para extraer conclusiones, será importante compartirlas con las personas y trasladarles, qué se debe esperar de una posición como las del trabajador. Por ejemplo, una persona que trabaje llevando bebidas en un bar y dado un volumen de clientes que acuden, deberá andar un número de pasos que se encontrarán en un baremo determinado.

 

Captura de pantalla 2015-02-23 a la(s) 10.22.47Por ejemplo, en El Mirador del Río, personalmente me he medido en diferentes ocasiones sobre el número de pasos que he dado sacando comida y bebida. En un servicio entre las 12 de la mañana y las 6 de la tarde, lo normal será dar entre 10.000 y 15.000 pasos.
Lo que esté por debajo de esa cantidad o por encima, estará fuera de lo normal. ¿Significa eso que haya trabajado mal? No necesariamente. Si da menos pasos posiblemente es que no ha sacado tanta comida como otros compañeros y si ha dado de más es porque precisamente ha dado más viajes que sus compañeros por alguna razón.