¿Puede el aprendizaje automático afinar las encuestas electorales?

Las encuestas se han convertido en un elemento clave dentro de cualquier campaña electoral. Sus resultados, antes de un proceso electoral, pueden ayudar a mover la balanza hacia uno u otro lado dependiendo de los datos que se publiquen. Sin embargo, estos sondeos están, cada vez más, en el punto de mira y su nivel de credibilidad no está pasando por sus mejores momentos. ¿Por qué es tan complicado para las empresas demoscópicas acertar con sus sondeos?

El problema no tiene que ver con el gran volumen de datos que se maneja sino con la estadística. Cuando las empresas demoscópicas hacen sus propias estadísticas, lo hacen en base a un tamaño de muestra pequeño en comparación con la magnitud del reto al que se enfrentan. Sin ir más lejos, en las pasadas elecciones generales, casi 37 millones de españoles estábamos llamados a las urnas. Las encuestas de intención de voto suelen tener una muestra de entre 10.000 y 20.000 participantes. Para la realizada por el CIS en las últimas elecciones generales, se realizaron un total de 16.194 consultas, por lo que el error de muestreo puede ser muy amplio. Para que una encuesta sea válida ha de ser representativa, es decir, los participantes deberían tener la capacidad de representar a la sociedad que va a votar con sus diferentes factores sociales, económicos y demográficos.

Más información

Así filtra Facebook las noticias que deciden tu voto

¿Todavía no sabes a quién votar? Este chatbot te ayuda a decidirte

Al tener una muestra tan baja, tras obtener los datos de los sondeos, las empresas demoscópicas cuentan con una capa de politólogos y asesores que emiten lo que denominan un “juicio de expertos”. Es decir, ponderan esa realidad que les ha dado la encuesta en función de cómo ven ellos los últimos movimientos de los candidatos, la situación de sus partidos y otros factores relevantes.

• El big data como herramienta de predicción

Y es aquí donde la tecnología puede ayudar a conseguir resultados más fiables. Gracias al uso del big data podrían recopilarse datos de diferentes fuentes (redes sociales, medios de comunicación, mítines de candidatos...) con el fin de poder aportar resultados más objetivos y ayudar a entender qué está pasando. Así, por ejemplo, imaginemos que un determinado medio de comunicación, con una línea editorial más orientada hacia la ideología conservadora, empieza a publicar casos de corrupción en un partido de ese sesgo político. Este dato podría ser muy relevante a la hora de entender hacia donde podría ir la intención de voto de un determinado electorado.

Gracias a una buena herramienta de inteligencia de negocio es posible ver qué está sucediendo a lo largo de tiempo

En esta misma línea, las redes sociales son un canal de comunicación que sirve de altavoz para una gran parte de la sociedad, por lo que su actividad, en datos, también puede ayudar a moldear las encuestas. Un estudio realizado por Kantar indica que solamente durante el pasado debate del día 22 de abril se registraron en 90 minutos 1.743.266 tuits, por lo que imaginemos el número de menciones en el resto de redes sociales y en el período entero de la precampaña y lo complicado que resultaría analizar todos estos datos sin ayuda de la tecnología. Eso sí, es importante tener en cuenta que en las redes sociales es complicado separar el grano de la paja, es decir, no puedes saber cuánto es ruido y cuánto es representativo.

Evidentemente, esta necesidad de análisis de datos no se limita solo al campo de la estadística y de las encuestas, sino que abarca cualquier ámbito social y empresarial. No en vano, según la consultora IDC, el mercado mundial de big data e inteligencia de negocio crecerá de los 130.100 millones de dólares este año hasta alcanzar los 203.000 millones de dólares en 2020.

• Inteligencia de negocio y aprendizaje automático
  

Otra de las tecnologías que pueden ayudar a hacer mejores previsiones en cuanto a la intención de voto es la inteligencia de negocio (BI, por sus siglas en inglés), aunque en este caso su uso se basa en aprovechar los datos objetivos de cada proceso electoral una vez que ha finalizado.

Analizando todos los datos históricos de las diferentes elecciones de un país y gracias a una buena herramienta de BI, es posible ver qué está sucediendo a lo largo de tiempo, hacer un seguimiento, ver cómo ha evolucionado por diferentes secciones censales y municipios, permitiendo simular y plantear escenarios para maximizar los esfuerzos en campaña en determinadas demarcaciones para maximizar las posibilidades de conseguir escaños.Además, si unimos esta tecnología con la analítica avanzada o el aprendizaje automático, sería posible poder aproximar comportamientos futuros.

Eso sí, es importante tener en cuenta que en España la información no es absolutamente fiable, ya que nuestra democracia es todavía muy joven y no ha habido tantos procesos electorales como para conseguir una base de datos importante. Por otro lado, el panorama político actual tan cambiante ofrece multitud de variables y casuísticas que hacen necesario cada vez más el apoyo en la analítica avanzada para extraer nuevas conclusiones y seguir mejorando el proceso tanto en el momento previo de estimación como en el posterior de reflexión y análisis profundo de los resultados finales.

Carlos Ortiz es responsable de Data & Analytics en atSistemas