La pandemia por coronavirus puso de relieve la importancia que tiene realizar una correcta lectura de datos, aunque se realizaron modelos de interpretación que fueron tendenciosos, coincidieron especialistas al buscar un ejemplo sobre cómo la disciplina de Ciencia de Datos podría contribuir frente a un escenario de crisis sanitaria mundial.
"Durante la pandemia se vieron muchos estudios y análisis relacionados con la evolución de la enfermedad y las tasas de contagios. Se convirtieron en temas de todos los días conceptos como el de modelado predictivo y suavizado de tendencias. Creo que la pandemia ayudó a mostrar que se puede obtener mucha información a partir de los datos", indicó Rodrigo Díaz, de la Universidad Nacional de San Martín (UNSAM). Y continuó: "Lamentablemente, también vimos modelos poco cuidados, que dieron resultados poco acertados y que sin duda también degradaron la confianza de la ciudadanía en este tipo de herramientas".
No obstante, el científico destacó que en la UNSAM "la pandemia resultó un enorme impulso para el área de Ciencia de Datos".
"Se utilizaron las técnicas de análisis que veníamos empleando para temas de física fundamental y astrofísica para el estudio de grandes volúmenes de datos. Por un lado, a través de un acuerdo con Telefónica, se analizaron los datos de millones de teléfonos celulares y su conexión con las antenas de telefonía para evaluar el nivel de cumplimiento de las medidas de aislamiento (por supuesto, se hizo de manera completamente anonimizada, y siguiendo estrictos protocolos de protección de datos, impuestos en muchos casos por la empresa)", contó.
El resultado de este trabajo fue el Índice de Movilidad Ciudadana, que, gracias al enorme volumen de datos, tuvo una enorme precisión y permitió ver cambios y efectos muy pequeños.
"Por otro lado, -describió- se desarrolló un sistema de alerta temprana para la Provincia de Buenos Aires basado en la cantidad de llamadas diarias al número 148, puesto a disposición por las autoridades para anunciar la existencia de síntomas".
Y añadió que "con un modelo sencillo, que explicaba estas llamadas como una combinación de llamados reales y otros generados por la inquietud por la situación, se alcanzó una herramienta con una capacidad de predicción que fue alabada por las autoridades y utilizada para la toma de decisiones en casos críticos".
Por su parte, Pablo Groisman, director de la Licenciatura en Ciencias de Datos de la Facultad de Ciencias Exactas y Naturales de la UBA, coincidió en que "una de las cosas que vimos durante la pandemia fue que se usó pero también se abusó de los datos para hacerles 'decir' cosas que no estaban marcando; esto dejó en evidencia la necesidad de contar con profesionales que puedan usar los datos responsablemente".
El especialista recordó que "se habló mucho de 'las decisiones basadas en datos' pero no siempre fue así, muchas decisiones se tomaban antes de evaluar los datos, y después se hacía un recorte para que los datos dijeran lo que se quería decir".
"Nosotros estamos formando profesionales para que hagan el camino opuesto, para que no vayan con preconceptos, sino para que evalúen los datos teniendo en cuenta que muchas veces los datos dicen 'no sé'", aseguró.
Y a modo de ejemplo vinculado con la pandemia, Groisman refirió que "con el tema de si había que abrir o no las escuelas en la pandemia, por ejemplo, y de un lado decían 'los datos dicen que no' y del otro decían 'los datos dicen que sí', y quizás lo que sucedía era que los datos no podían responder a esa pregunta".
