Ciencia de datos y antitrust

El tema de la recolección y uso de datos personales por parte de las plataformas digitales ha generado una discusión amplia en el ámbito del antitrust, al grado de que algunos estudiosos pugnan por el uso enérgico de las facultades de las autoridades de competencia, e incluso por la creación de nuevos poderes.

También existen voces moderadas, como el presidente de la autoridad alemana de competencia, quien reconoce que las compañías digitales no son empresas con una estructura coherente como podrían serlo las compañías de telecomunicaciones, sino que tienen modelos de negocios ampliamente diferenciados. Por ello es difícil establecer un catálogo ex ante de conductas de riesgo para la competencia.

Ante este panorama, lo recomendable es entender los modelos de negocios, o bien, como ha señalado Cristina Cafarra, hay que seguir el dinero, es decir, identificar la manera en que las plataformas monetizan su modelo operativo.

Para ello, es fundamental entender de qué manera utilizan las empresas la abundancia de datos. A continuación, presento un listado, no exhaustivo, de la manera en que las empresas obtienen conocimiento de los datos:

Estimación de clasificación y clase. Técnicas para clasificar individuos y determinar la probabilidad de que pertenezca a una clase determinada. Se usa para identificar la probabilidad de que un individuo responda a una oferta o se comporte de determinada forma.

Análisis de regresión. Mediante la construcción de un modelo, permite predecir el valor de alguna variable para un individuo, por ejemplo, el gasto promedio esperado en dulcería para una familia que acude al cine.

Pareo entre similares. Se trata de realizar búsquedas entre individuos que son similares, en términos de los productos que les gustan o han comprado.

Agrupamiento. Consiste en aglutinar individuos por población de acuerdo con su similitud. Esto permite identificar grupos a los que se les aplican otras técnicas posteriormente para obtener un aprendizaje de ellos. Es una técnica auxiliar en decisiones generales, como qué producto debe desarrollar una empresa.

Agrupación por concurrencia. La empresa busca reglas de asociación entre canastas de consumo. Con base en información de transacciones, se hace una agrupación de transacciones que ocurren conjuntamente.

Perfilar. Se caracteriza el desempeño típico de un individuo, grupo o población. Por ejemplo, se usa para establecer patrones de desempeño, como en el caso de detección de fraude.

Predicción de enlace. Se trata de predecir conexiones entre elementos de una base de datos. Permite sugerir vínculos y su fortaleza.

Reducción de datos. A partir de un conjunto grande de datos, se trata de reemplazarlo con un conjunto menor que contiene parte de la información más importante del conjunto mayor. Aunque hay una pérdida de datos, se facilita el análisis y toma de algunas decisiones.

Modelación causal. Métodos experimentales y de observación, para entender qué eventos o acciones causan influencia en otros. Se usa el análisis contrafactual, para entender la diferencia entre dos situaciones. Esta técnica conlleva la aplicación de experimentos aleatorios controlados (pruebas A/B).

Estas y otras técnicas posibilitan a las empresas extraer conocimiento a partir de la información recolectada. De esta manera, las bases de datos inmensas son inútiles, si no se cuenta con estrategias y talento para diseñar experimentos que permitan obtener modelos útiles para la toma de decisiones.

Muchas de las voces que claman por una mayor intervención de las autoridades de competencia pasan por alto que las empresas exitosas deben construir un equipo capacitado para explotar los beneficios de la ciencia de datos.

Aunque es cierto que las empresas exitosas podrían construir barreras a la entrada con base en el uso y tenencia de datos, también es cierto que intervenciones innecesarias pueden llevar a la destrucción de valor y afectar el bienestar de los consumidores. Así, la recomendación para las autoridades, en el sentido de que antes de intervenir, hay que entender los modelos de negocios, es pertinente.

*El autor es socio Director de Ockham Economic Consulting, empresa de consultoría especializada en competencia económica, regulación y análisis de mercados.

Twitter: @javiernunezmel