Andrés Contreras (Membrilla, Ciudad Real, 1995) és un dels ponents estrella del BDigital Global Congress que se celebra aquests dies a Barcelona. I no, l'any de naixement no conté cap errada. Amb 18 anys és un dels experts més reconeguts en el camp del Big Data, quelcom que no sembla estranyar a algú que als set anys va començar a programar i que s'està doctorant a Stanford en Intel·ligència Artificial. "Des de petit m'ha apassionat la tecnologia: desmuntava les ràdios o els vídeos", recorda com si res.
Parla amb familiaritat de llenguatges com "Basic o Pascal, que avui ja es consideren gairebé morts, però em segueixen apassionant com el primer dia". Després de crear algunes aplicacions de software, als 14 anys es va iniciar en un projecte de Big Data: llançar una xarxa social des de zero. "No era el moment quan ja estaven implementades al mercat Facebook o Twitter, però gràcies a això vaig descobrir un nínxol de mercat com l'analítica en temps real destinada a l'empresa".
I des d'aleshores viu per això i la passió per la Intel·ligència Artificial. "No em penedeixo de res en els processos de desenvolupament com a persona", assegura convençut que amb Wordfeeling pot "ajudar empreses i persones".
Per als no iniciats, què és el Big Data?
El Big Data, realment, és un problema. Les companyies no poden gestionar la informació que utilitzen ni la que generen, necessiten ajuda tecnològica. Hem construït tal quantitat de dades que no tenim cap arxivador ni cap persona que ho pugui ordenar o analitzar detalladament per oferir una solució als problemes de la societat. Hem centrat l'Internet de les coses a generar dades des de dispositius, com les sabatilles esportives que et diuen com trepitges, etc. I hem generat tal quantitat de dades que el 85% de les existents a Internet s'han creat des del 2007. Per tant, el Big Data és un problema que tant les empreses tecnològiques com les més centrades a negoci ens hem d'asseure i veure com hi donem resposta.
En el cas de Wordfeeling, com solucionen aquest problema a les empreses?
Oferim estudis de mercat basats en analítica social. És a dir, en lloc que un analista surti al carrer i es posi a fer enquestes a desenes o centenars de persones; a Twitter i Facebook tens el mateix contingut però en un conjunt de població superior. Pots extreure 70.000 comentaris sobre una marca en cinc minuts, i amb això oferir ratis d'informació a les empreses de quan creixerà el negoci, comparant les vendes amb el sentiment d'afinitat que tenen els usuaris envers la seva marca.
I comparar-se amb la competència?
Per descomptat. Pots fer ratis de comparació amb competidors per veure què fan o quina estratègia segueixen. Al final són indicadors KPI que ajuden els directors de màrqueting o de finances a prendre decisions en temps real sobre l'estratègia que ha de seguir una empresa. Traslladem unes dades quantitatives a unes de qualitatives.
Fan anàlisis qualitatives a través del comportament de la gent a Internet. Però no tothom té Internet, ni tothom és a les xarxes socials...
És la mateixa pregunta que li pots fer als enquestadors tradicionals. Quan respons a una enquesta o pagues a gent perquè formin part d'un focus grup, com de coaccionats se senten si saben que els han pagat per ser allà? Com definiries la qualitat dels seus estudis? En aquest sentit, al tenir un conjunt de població major, per probabilitat les dades que oferim tenen més veracitat. En lloc de 600 casos n'hem analitzat 10.000 o un milió.
Tan importants són els comentaris a la xarxa?
És evident que no tothom és a Internet, però per exemple, tothom que busca un hotel el primer que fa és mirar les opinions a Booking o Trip Advisor. Si ofereixes aquests productes i tens un mal comentari, això es veu repercutit de forma proporcional en el número de reserves.
Com ponderen el fet que, habitualment, hi hagi més incentius a fer comentaris negatius?
Tenim dos classificadors: un pragmàtic i un sentimental. El pragmàtic intenta determinar si els usuaris estan publicant de forma irònica o sarcàstica. I apliquem filtres per netejar les dades que rebem: usuaris repetits, o un usuari amb una foto de perfil d'un ou a Twitter no té la mateixa credibilitat que si ho publica Rafa Nadal. La influència de l'usuari també pondera la qualitat del missatge. Pràcticament dos positius anul·len un negatiu en els comentaris a les xarxes socials.
Precisament, quin paper hi juguen en tot això els influencers?
Tenim en compte a les fórmules qui influencia. Segons qui ho publica no té la mateixa fiabilitat ni els usuaris ho percebran de la mateixa manera. Per això els comentaris que publiquen aquest tipus de persones tenen una ponderació major a nivell dels sentiments que generen, ja que arrosseguen més usuaris que es creuen el que publiquen i s'ho fan seu.
Molts comentaris a la xarxa també són fruit de la irreflexió i l'escalfor del moment...
Com que se sap que quan s'escriu a Twitter és més sovint per comentar coses negatives, per això fan falta dos positius per anul·lar un negatiu. Tenim en compte que potser aquella persona s'ha escalfat, o ha discutit amb algú o alguna cosa li ha cridat l'atenció. De totes maneres, sempre que hi ha un comentari negatiu online és que en algun nivell de l'empresa s'ha fet alguna cosa malament; i aquest feedback també interessa a les empreses per aprendre a respondre a una crisi de reputació.
Quin tipus d'empreses es beneficien més de la seva anàlisi?
Principalment tenim les Fast Consumer Goods: Heineken, Coca-Cola, etc. Però també algunes molt de cara al client com empreses de retail que necessiten un coneixement més ampli del que fan els usuaris. També ha crescut l'interès per part de partits polítics, de cara a la predicció de resultats electorals, que és un dels grans nínxols per explotar.
Quins altres nínxols de mercat tindrà l'anàlisi predictiva?
Preveure qui, quan, com i on comprarà algú alguna cosa, i per què. Això marcarà el futur de l'analítica predictiva en negoci d'aquí al 2017 com a mínim. Ja se sap què compren i on ho fan, però no on ho faran en el futur. Un dels projectes amb el BBVA és l'anàlisi a través de les operacions amb les targetes de crèdit.