¿Ya viste «The billion Dollar Code» (Código Discordia) de Netflix? – Columna de Opinion Datlas

(Siguiente texto tomado de decider.com liga completa en referencias. Se nos hizo el mejor texto para comenzar esta columna)

Siempre escuchamos sobre los «ganadores» en el mundo de la alta tecnología: Bill Gates, Steve Jobs, Mark Zuckerberg, Elon Musk, Jeff Bezos, Jack Ma, etc. Pero por cada ganador, hay muchos «perdedores»; las personas que abrieron el camino para que los demás ganaran despiadadamente miles de millones con sus esfuerzos. El Código de los mil millones de dólares (Billion Dollar Code o Código Discordia) se basa en una historia real sobre los fundadores de una empresa que demandaron a Google por el algoritmo utilizado en Google Earth.

En esta columna te damos nuestra opinión de la problemática que se trata en esta serie de NETFLIX. NO hay spoilers, así que si aún tienes ganas de verla puedes continuar leyendo para aprender un poco más de la historia de uno de los productos más importantes en la historia del internet.

***Te puede interesar: «3 reflexiones de Social Dilemma de Netflix»

¿Qué es Terravision?

ART+COM son una compañía con iniciativas de desarrollo de software. De acuerdo a la serie, sus fundadores tuvieron la primera visión de una herramienta como «Google Earth» para poder visualizar el mundo entero de forma digital.

Carsten Schlüter (Mark Waschke) and hacker Juri Müller (Misel Maticevic) en 1993-94 crearon el software en Berlin. Luego de un tiempo deciden colaborar con compañías importantes en California , Estados Unidos. Esto después de escuchar de «Silicon Valley». Al poco tiempo cruzaron con «Google» y es dónde el tema principal de la serie tiene su desarrollo.

*** Te podría interesar este podcast que hicimos con los fundadores de la GUIA ROJI (Compañía privada más antigua en México responsable de desarrollo de mucho de la cartografía del país hasta los noventas. Consulta aquí)

¿Qué pensaron los fundadores de Terravision en los 90tas?

«TerraVision sólo va a estar completa si para usarlo no tienen que venir a nosotros, sino nosotros vamos a ellos… en Internet»

«Qué pasa si llenamos TerraVision con contenido: Clima, Nombre de Calles, tráfico ¿Qué pasa si TerraVision no sólo es un lugar virtual?»

«Un restaurante, por ejemplo, ¿Qué pasa si un restaurante no sólo es un restaurante? Integramos el menú, tráfico, experiencias»

«Puedes ir a un museo, no importa si tienes o no dinero para la entrada. Todo será visual»

«Podemos hacerlo una plataforma democrática, sin fronteras.. el futuro»

En la siguiente esta, de la temporada uno, muestran la escena de cómo estaban buscando levantar capital para pasar de una versión de Terravision de CD-ROM a Software

La problemática

El problema es que nadie tiene servidores en su casa para correr las proyecciones del planeta. ¿Cómo hacerlo funcionar? Con el Internet porque podemos distribuir el procesamiento.

Habría que Proteger la propiedad intelectual y volverse emprendedores. El problema era que el Berlin de aquella época era árido en compañías de internet. No existía un ecosistema como el de Silicon Valley. La búsqueda de inversionistas era complicado porque empatar con una visión de largo plazo como la que proponían los fundadores de Terravision era complicado.

Las alternativas de financiamiento de pronto se acercaban más a motivaciones artísticas que tecnológicas.

***Te puede interesar este podcast donde platicamos con uno de los puentes más relevantes entre LATAM y Silicon Valley. Escucha aqui

La solución

Guiar la iniciativa por la mecánica de startup. Convertir a Terravision en una compañía con muchos grupos de interés, mayormente inversionistas.

Curioso que las primeras soluciones que los fundadores tenían en la menta estaban alrededor de «Turismo». En un ejemplo cuentan la idea de que algunas aerolíneas

**También te puede interesar: 3 reflexiones de “The Great Hack”, Nada es privado

EL «PLOT»

Nos copiaron, y lo llamaron «Google Earth»

(Y hasta aqui nos quedaremos para no arruinarle a nadie la serie)

Hasta aqui la columna de hoy. Disfruten la serie y únanse a la conversacion de @DatlasMX . Gracias por leernos y te agradecemos compartir esta columna. Te recordamos no dejar de lado tu suscripción gratuita a «Datlas Academy» para aprender de analítica y transformación digital.

Equipo Datlas

– Keep it weird –

Referencias:

El futuro de la seguridad PARA SMART CITIES (FT. ANALITICA DE DATOS) ¿problemas de privacidad? –

Recientemente podrás haber leído nuestra columna de «CODED BIAS» , el documental de Netflix donde se hace referencia a la inteligencia artificial como potencial causante de un futuro donde las decisiones tomadas por máquinas llevan una carga de sesgo humano. Esta carga es la que genera categorizaciones equivocadas cómo no identificar a personas de razas no blancas, detener personas en la calle por malas interpretaciones, entre otras.

En este episodio daremos un paso adelante y profundizaremos en cómo tecnologías y analítica de datos se combinan para dar pasos avanzados en el tema de seguridad. También reflexionaremos sobre si esto generaría problemas para la privacidad de las personas.

Para entrar motivados a esta columna comenzaremos dando una idea de qué tipo de tecnologías ensamblan a una de las cadenas más famosas de comida rápida.

¿Qué lograron? Apps para pedir bajo demanda, segmentación de visitantes, escaneo de placas, recomendaciones sugeridas, personalización de órdenes en pantallas, auto-servicio para dudas y comentarios y sobre todo hiper-personalización.

Si ellos lo lograron para vender más hamburguesas… ¿Una ciudad lo podrá hacer para cuidar a sus personas?

¿Qué aplicaciones de analítica de datos son usadas al día de hoy para seguridad de la ciudadanía?

1) Identificación de personas por cámaras de seguridad

Las cámaras de CCTV son implementaciones cada ves más frecuentes por delegaciones y municipalidades para monitorear la seguridad en la ciudad. De hecho, puedes ver nuestro blog de «Análisis de cámaras CCTV en el mundo». donde ciudades como Monterrey acumularon 4.18 cámaras por kilómetro cuadrado (4,000 cámaras) para el 2020. Pero por otro lado, ciudades como Londres tienen 67.5 CCTVs por km2 o Taiuyan China 120 cámaras por km2.

2) Detección de personas contrastando inventarios de imágenes

Además de que las cámaras detecten personas, las CCTVs de más alta definición tienen potencial de hasta 50x de zoom óptico, además de otro tanto digital. Con esto se pueden obtener resoluciones completas de personas. Si estas imágenes se contrastan contra bases de datos de imágenes ciudadanos, por ejemplo en México, de las credenciales de elector para votar o licencias de conducir, es posible deducir quién es la persona que se mueve en la ciudad y dónde gracias a la ubicación de las cámaras.

3) Identificación de autos mediante placas

Una de las más sofisticadas es la detección de placas de autos. Se instalan estos detectores en entradas, accesos, casetas y también en las vías más importantes de la ciudad para detectar las rutas que toman autos.

Imagínense en una persecución, sería sencillo identificar un auto si tenemos sus placas considerando que en una base de datos sabemos donde y en qué momento se han estado movilizando autos con esas placas.

Si quisieras entender cómo funcionan estos algoritmos de clasificación te recomiendo revisar este blog de supervisados vs no supervisados.

4) Etiqueteo de objetos en toma para generar filtros

Hay «ejércitos» de personas y compañías que hoy día se dedican a etiquetar objetos en vídeos y fotografías para poder entrenar filtros en CCTV. De manera en que si quiero detectar autos blancos en el video puedan ser eliminados todos los autos que no sean de ese color. Así como las motocicletas y facilitar las persecuciones de los oficiales.

5) El principio de una ciudad inteligente: Centros de monitoreo

C4 Municipal, C5 Estatales y mecanismos de monitoreo en las ciudades. El principio de ciudades inteligentes es capacitar equipos que puedan monitorear y convertir todos estos datos en protocolos de seguridad. Así como de prevención.

También te puede interesar nuestro podcast donde hablamos de cómo analizar datos para proteger tu negocio.

6) Análisis de reportes vía redes sociales y reportes de ciudadanía

En Monterrey, Nuevo León, México plataformas ciudadanas como CIC han dado de alta la plataforma de CIVIX – Análisis (Liga: https://analisis.civix.mx/ ) en dónde se pueden visualizar y dar seguimiento a denuncias ciudadanas.

¿Y hay preocupaciones por la privacidad ?

La conversación, desde el documental de social dilemma, ha sido más democratizada. Somos más conscientes de que los datos asociados a personas y las problemática de la privacidad de los datos. Antes teníamos que llenar formularios de datos para que se escribieran en una base de datos, ahora con nuestro rostro hay mucha información que pueden saber de nosotros.

En el futuro habrá más conversaciones de ética. Lo importante es saber que estamos en ese punto en el tiempo en el que debemos de identificar que es lo que está pasando y/o está a punto de suceder en muchas ciudades del mundo. Por ejemplo, en México se ha avanzo en una legislación para generar un padrón de números telefónicos e información personal. Puedes ver esta nota de Forbes con todos los detalles. Pero los datos que solicitarán son:

Los datos que tendrían que dar los usuarios mexicanos son:

  • El número telefónico.
  • Fecha y hora de la activación de la linea telefónica móvil adquirida en la tarjeta SIM.
  • Identificador único de la tarjeta SIM.
  • Fecha y hora de activación de la línea telefónica.
  • Nombre completo, domicilio, nacionalidad y datos biométricos, como su huella digital del usuario.
  • Número de identificación oficial con fotografía del titular de la línea.
  • Esquema de contratación de la línea telefónica móvil.

¿Qué riesgos? Bueno un mal uso por parte de las autoridades, mal aprovechamiento de información, vulnerabilidades en información si algún hackear llega a identificarlos, entre otros

También te puede interesar «Fragilidad en sistemas IOT y de seguridad». Fuente: https://www.elfinanciero.com.mx/tech/sin-protocolo-de-seguridad-empleados-de-verkada-tenian-amplio-acceso-a-camaras-de-clientes-privados/

Hasta aquí la columna de hoy. Hay que continuar manteniendo una postura de ciudadanos digitales y comenzar a preocuparnos por los derechos del mundo del internet y las privacidad de los datos.

– Equipo Datlas –

Keep it weird

The Last Dance: la versión que cuentan los datos

Antes de comenzar debo confesarles que soy un apasionado jugador y fanático del basketball desde que tenía 6 años. Me tocó ver, junto a mi padre, aquella temporada 1997-1998 donde Michael Jordan y los Chicago Bulls coronan su último baile (The Last Dance, en iglés) con un 6to título para Jordan, la segunda racha de 3 títulos al hilo para el equipo y una espectacular historia de 6 títulos en 8 años para la franquicia. Ahora bien, para quien no lo sepa, el famoso documental de ESPN transmitido también por Netflix y titulado “The Last Dance” relata los detalles de esta incansable hazaña de los Bulls desde 1984, cuando seleccionan a Michael Jordan en el draft, pasando por su primer título en la temporada 1990-1991 y hasta cerrar con broche de oro toda una era. Si bien el documental ha tenido un tremendo impacto, también ha desatado la polémica alrededor de Jordan desde distintos ángulos: su forma de ser, su trato con los demás, hasta cuestionar su título honorario de mejor jugador de todos los tiempos (Greatest of All Time o GOAT, por sus siglas en ingles). En esta columna vamos a dejar de lado el fanatismo, las opiniones y los sentimientos para utilizar analítica deportiva (Sports Analytics) y relatar la versión que cuentan los datos acerca del último baile. Si quieres saber que es sports analytics puedes visitar nuestro blog anterior. Si quieres enterarte como se está aplicando sports analytics en el Club de Futbol Monterrey puedes escuchar el más reciente episodio de nuestro podcast #CaféDeDatos.

free_Suscriber

El punto de partida de este análisis nace de la polémica que argumenta que la serie tiene un sesgo hacia el papel de Michael Jordan, mientras que deja “en las sombras” algunas aportaciones importantes de los distintos actores a su alrededor. Como amantes de los datos y la estadística entendemos que el resultado de cualquier situación depende de un modelo o de una formula con distintos factores y variables. En este caso el éxito de los Bulls se debe a un conjunto de cosas: desde el dueño, el gerente general, el entrenador, la ofensiva en triangulo, el talento individual de los jugadores, el juego colectivo, etc. Incluso el mismo Michael tiene una frase icónica que dice: “El talento gana partidos, pero el trabajo en equipo y la inteligencia ganan campeonatos”. Así que, veamos que dicen los datos acerca del “peso” de la variable Jordan en la ecuación del éxito de los Bulls y su último baile.

datlas_mx_the_last_dance_espn_netflix

Abril 27 de 1997 Chicago vs Washington juego número 2 de la primera ronda de play-offs de la temporada. Michael anota 55 puntos, empatando su récord de anotación desde que volviera del retiro en 1995. Tan solo en el último periodo anotó 20 de los 23 puntos del equipo. Acostumbrados a lo increíble, para muchos esta fue solo otra hazaña, pero es justo aquí donde se esconde el indicio del “efecto Jordan” para los Bulls y para el baloncesto de esa época. Más allá de lo que su marca personal de anotación representaba en el resultado final, lo impresionante es que anotó tan solo un tiro de 3 puntos y 10 puntos desde la línea de tiro libre, es decir, anotó 42 puntos en tiros de campo (con valor de 2 puntos) o media distancia, como también se les llama. ¿Y qué con esto? El secreto se llama eficiencia. En ese partido Jordan solo necesito 35 tiros para obtener los 55 puntos, mientras que el resto del equipo anotó 54 puntos tras 43 tiros.

datlas_mx_the_last_dance_mj_nbc

Mapeo de tiros en ese partido, elaborado por la NBC (Puntos rojos: tiros anotados. Puntos azules: tiros errados)

En paralelo, ese año la NBA (National Basketball Association, en inglés) comenzó a registrar datos estimados de ubicación de disparo X-Y. Así es como sabemos que mientras Jordan lideró la liga en anotaciones durante la temporada 1996-1997, terminó siendo el #57 en puntos en la pintura y #54 en tiros de 3 por juego. Nuevamente, el secreto de Jordan fue su dominio del juego desde la media distancia (definido aquí como cualquier intento entre 8 pies del borde y la línea de 3 puntos).

En 1984 cuando Michael fue seleccionado en el draft la NBA era dominada por tamaño y fuerza, 16 de los últimos 20 ganadores al galardón de jugador más valioso (MVP por sus siglas en ingles) eran centros. No había un solo guardia (posición de MJ) que hubiera ganado ese título. Jordan no solo vino a anotar muchos puntos, ganar títulos y llevar a sus colegas al límite, Michael llegó a revolucionar el juego, el dominio de la media distancia fue la clave.

Desde el punto de vista estadístico alguien podría argumentar que quizá esto se debe a la cantidad de tiros que realizaba desde esa distancia, pero Michael fuera de haber sido el más activo realizando este tipo de tiros, también fue el más eficiente. Durante la temporada 1996-1997 Glen “Big Dog” Robinson terminó segundo en el ranking de tiradores de media distancia, anotando 391 tiros. Jordan quedó en primera posición, con 547 tiros, 40% más que su sucesor.

Los datos de tiros revelan dos puntos fascinantes: MJ fue el mejor anotador de su época, pero también un tirador hiper eficiente. Este mapeo de los tiros lo demuestra, los puntos rojos representan una eficiencia superior al promedio de la liga.

datlas_mx_the_last_dance_mj_96-97_shots_percentage

He aquí la “razón” que dan los datos para que se hable con mayor preponderancia de MJ dentro del documental. Sin duda no lo hizo solo, pero si fue la variable más importante para llevar a los Bulls a hacer historia en esa época.

Por otro lado, los datos hablan también de la relevancia de estos “otros factores”. De los 59 jugadores de la NBA que intentaron al menos 300 tiros de media distancia esa temporada, Jordan ocupó el tercer lugar en eficiencia general, alcanzando el 49.5% en más de 1,100 intentos. Solo Chris Mullin y Vinny Del Negro fueron más precisos. Reggie Miller, comúnmente considerado como el mejor tirador de esa época, hizo el 42.4% de sus 484 tiros de media distancia esa temporada. Sí, Miller intentó 484 mientras Jordan anotó 547. En 1997 en la NBA literalmente estaba Michael Jordan y luego el resto.

datlas_mx_the_last_dance_mid_range_shooters_nba

Ahora bien, Mullin jugó con los Warriors de Golden State y Del Negro jugó para los Spurs de San Antonio durante la temporada 1996-1997, pero ninguno de los 2 equipos pudo siquiera calificar a los playoffs. ¿Qué quiere decir esto? Como bien lo dice Michael “…el trabajo en equipo y la inteligencia ganan campeonatos”. Durante los playoffs esa temporada hubo grandes aportaciones por parte de los compañeros de Mike. En la primera ronda contra Washington, en el juego número 3 Tony Kukoc sale de la banca a jugar 26 minutos, contra los 42 minutos de juego de Mike y lográ anotar 4 de 7 tiros de campo terminando con un 57% de eficiencia frente a 44% de Jordan. Durante el juego 6 de las finales Steve Kerr con solo 25 minutos de juego frente a los 43 minutos de MJ registró una eficiencia de 60% en tiros de campo comparada con el 42% de Michael y logró un 50% de tiros de 3 puntos, incluyendo el último triple para poner a los Bulls arriba en el marcador y consolidar la victoria y el titulo esa temporada. En ese partido Jordan tuvo solo 25% de eficiencia en tiros de 3 puntos.

Así que sin duda no se trata solo de Mike, este es un juego de equipo. El mismo da crédito a colegas como Scottie Pipen y Dennis Rodman en multiples ocasiones durante el documental. Los datos muestras incluso como otras personalidades como Kerr y Kukoc aportaron valor en momentos y situaciones claves que lograron consolidar la historia de ese mítico ultimo baile.

datlas_mx_the_last_dance_chicago_bulls_team_1998

Finalmente, no queremos cerrar sin dar un salto al presente y abordar como es que el juego que en 1984 era dominado en la pintura y que tras 1998 fue llevado a la media distancia, durante estos últimos años parece ser un juego en donde todos quieren tirar de 3 puntos. Pero para comparar manzanas con manzanas hemos de tomar a un guardia que también haya ganado múltiples títulos de MVP en los últimos años: James Harden. Quien sea fanático del baloncesto entenderá inmediatamente las diferencias, pero veámoslo desde el punto de vista de los datos: tomemos la ubicación de los tiros de Jordan en sus últimas dos temporadas y pongámoslo al lado de la ubicación de los tiros de James en sus últimas dos campañas.

datlas_mx_the_last_dance_mj_james_harden_shot_locations

Interesante, ¿no? así es como descubrimos la versión que cuentan los datos acerca de la historia de la NBA, de Michael Jordan, los Bulls de Chicago y la forma en que se jugaba baloncesto en esa época. El último baile no fue solo Jordan, fue un poco de todo, pero el catalizador fue sin duda Mike. La forma en que revolucionó el juego será una marca imborrable. Su aportación fuera de la cancha hizo también que el deporte, la imagen y la relevancia de la liga creciera de manera exponencial. Sin duda una historia digna de película, pero con un reparto tan importante como el protagonista.

Hasta aquí la columna de hoy, ¿ya viste The Last Dance? Cuéntanos tu opinión en nuestras redes sociales

@DatlasMX

 

Fuentes:

El santo grial de analytics: «Location Intelligence», y su controversia con la privacidad – Datlas research

(Este blog es una adaptación del trabajo de investigación del #NYTIMES referido en: https://www.nytimes.com/interactive/2019/12/19/opinion/location-tracking-cell-phone.html)

En los últimos 2 años el escándalo de privacidad de«Cambridge Analytica»y Facebook ha levantado polvo sobre lo invasivo que puede llegar a ser la tecnología en nuestras vidas. Nos dimos cuenta que la red social más importante del mundo podía saber tanto de nosotros (como perfil, amigos, familiares, hobbies, donde estábamos, con quién nos tomábamos fotos, etc.) al grado de poder usar esta información para influenciar nuestros gustos y preferencias. Tal y como lo expusimos en el blog sobre el documental de Netflix «The Great Hack».

Datlas_Blog_Promo_SuscriberFree

Mientras como usuarios nos preocupábamos por hacer conciencia y comprender esta nueva realidad que vino acompañada de servicios digitales  «gratuitos» (por que tu verdadera moneda de intercambio es tu información), existe otra cara de la historia. Nos referimos a las empresas que estaban aprovechando la poca o nula regulación sobre privacidad de datos para generar formulas de marketing nunca antes vistas. En esta columna hablaremos de un caso que publicó recientemente NYTIMES sobre «Inteligencia de Ubicación» o «Location Intelligence» para Nueva York tratando de explicar los beneficios de estas aplicaciones de analítica, haciendo énfasis en que no podemos dejar atrás el enfoque la privacidad de los datos de las personas.

Si quieres comprender cómo la ubicación le sirve al plan de marketing de un negocio también puedes leer: El secreto de tu negocio: Ubicación, ubicación y ubicación

¿Cómo funciona?

La «inteligencia de ubicación» es una técnica que aprovecha la generación de datos geo-referenciados, es decir datos que vienen acompañados de atributos como coordenadas o referencias geográficas para visualizar en mapas, que permite generar análisis dinámicos de muy alta resolución. Compañías como UBER y DIDI utilizan este tipo de datos para ubicar a sus transportes y usuarios dentro de su app. Pero por otro lado hay otras aplicaciones que venden datos de nuestras ubicaciones sin que necesariamente estemos enterados de cómo o cuándo obtienen estos datos.

Datlas_Promo_Facebook_Suscribe

Una aplicación, por ejemplo, genera datos nos debería de pedir permisos de ubicación cuando usas el app. En algunos casos, como Waze o UBER, no abre el app si no accedemos a dar este permiso y encender nuestro localizador GPS.

Datlas_comofunciona_

Mientras este abierta la aplicación o puede estar cerrada, pero con servicios de segundo plano, el APP estará registrando nuestros movimientos y ubicaciones en bases de datos que luego serán procesadas y comercializadas. El deber ser es que toda esta información se «anonimice» , es decir se borren identificaciones de personas que puedan ponerlos en riesgo. Sin embargo hay casos de estudio que han sacado a relucir que debido a este tipo de apps podemos ubicar a casi cualquier persona. Aqui un ejemplo de cómo «trackear» al presidente Donald Trump que realizó el NYTIMES

¿Cómo se aprovecha esta información?

El pase de diapositivas requiere JavaScript.

En las imágenes anteriores se comparte un ejemplo para NYC.  De compañías telefónicas y aplicaciones se integraron las ubicaciones durante una semana de los usuarios de un teléfono inteligente en NYC. Aunque de manera integrada no nos dicen mucho, es relevante saber que podemos aislar un punto en específico e identificar su recorrido.

Datlas_Promo_Youtube_Suscribe

En el caso de la nota particularmente se analizaron datos para Nueva York, sin embargo datos similares están disponibles para México ¿Dónde? … no está tan sencillo. Pero compartimos los logros de @sasha_trub que compartió estos mapas en Twitter con el fin de contrastar los usuarios de IPHONE contra los de ANDROID. Sin embargo cada punto es un usuario de celular que ha sido georeferenciado y podría ser localizado con más profundidad.

El pase de diapositivas requiere JavaScript.

Quién comercializa esta información

Al menos en el continente Americano las empresas con más presencia en el comercio de datos geo-referenciados de usuarios son estas 20:Datlas_logos_compañías

El gobierno de Estados Unidos ya está intentando «limitar» la venta al extranjero de este tipo de información, sobre todo la que utiliza aplicaciones de Inteligencia Artificial. Esto por temas de «seguridad nacional».

Por otro lado hay mucho generador independiente de aplicativos en facebook, google maps, instagram y otras redes sociales que mediante la habilitación de filtros o juegos obtienen datos de usuarios y se las venden a alguna de estas empresas.

Todos conectados, todos arriesgados

Datlas_smarthead

Para cerrar la columna, te recomendamos tomarte quince minutos para conocer el caso específico del NY TIME (puedes ver la liga al inicio de la columna) y también ser consciente de que la próxima ves que enciendas tu GPS alguien seguramente está registrando estos datos para lanzar alguna campaña de marketing o comercializarlos

Datlas_Promo_Podcast_Suscribe

¿Qué deberíamos hacer con esta situación? ¿Cómo garantizar que se anónimo y que haya una práctica correcta? Comenta y comparte.

Equipo Datlas

-Keep it weird-

3 reflexiones de GREAT HACK (Nada es Privado) de NETFLIX – INVESTIGACIÓN DATLAS

#CambridgeAnalytica #Ciberética

#Privacy #Privacidad #PrivacidadDeDatos

#Hack #GreatHack

Son más o menos los #hastags (menciones) que de estar presentes en un título en un video de youtube o un blog puede garantizarte muchas vistas en el 2019.  Pero ¿Qué pasa si una inversión respalda un documental que narre los hechos a detalle de un «hackeo»? Este es el caso del nuevo documental de Netflix «The Great Hack» o «Nada es Privado».  En esta columna te compartiremos algunas de nuestras impresiones de la película. Pero antes de eso, te recomendamos ver este trailer

El tema central de la serie es la explotación de datos personales y cómo la comunidad de internet empieza a generar reclamaciones sobre el uso de los datos. Toda esta conversación surge a partir del escándalo de Cambridge Analytica donde se usaron datos personales de Facebook para impulsar campañas como la de Donald Trump y Brexit.

** También te puede interesar: «3 reflexiones sobre Social Dilemma, el dilema de las redes sociales»

Datlas_Blog_Promo_SuscriberFree

En opinión personal,  es un documental producido muy al estilo Netflix. Bastante profesional en sus tomas, entrevistas e investigación. Durante la grabación tuvieron acercamiento con jugadores claves del escándalo ya citado así como los principales impulsores de movimientos de privacidad de datos.  Por otro lado, el filme se percibe a veces fatalista, castigando sin piedad el uso de datos y dejando pocas propuestas en la mesa. Más que una opinión balanceada, lo mejor es que cada quien genere su propia opinión. Lo que sí es verdad es que como lo hemos citado en otros blogs, la conversación de ética y uso de datos en el internet tiene que seguir creciendo.

Aquí dejamos nuestras 3 aportaciones considerando los temas vistos en esta la película:

Datlas_NadaEsPrivado_GreatHack_Netflix_2

1) Al entrar y aceptar los términos de privacidad en una red o app social ¿Quién es dueño de nuestros datos? – Parecería que dejamos de serlo

Datlas_NadaEsPrivado_GreatHack_Netflix_3

2) La conversación de privacidad de datos está polarizada porque sabemos que nos puede generar beneficios como humanidad, pero al mismo tiempo podría ser un «arma militar» (citando la película) de manipulación de masas

Datlas_NadaEsPrivado_GreatHack_Netflix_4

3) Hay pocas propuestas en la mesa, pero muchos culpables

Y la conclusión justo es en torno a este último punto. El documental hace muy buen trabajo de análisis, lo que es suficiente para generar una conversación sobre privacidad de datos. Pero lo que está claro es que la balanza del diálogo gira más en torno a buscar culpables más que encontrar soluciones.

Datlas_Promo_Podcast_Suscribe

Falta más trabajo de filósofos, sociólogos y «tecnólogos» para que en colaboración se generen nuevas propuestas de soluciones. Será otro caso como «¿Usamos combustibles fósiles a pesar de que sabemos que le hace daño al mundo, pero es lo que impulsa nuestra economía?» o «¿Consumimos con animales y acabamos con bosques porque lo justificamos estando arriba de la pirámide alimenticia?».  El nuevo dilema ¿Explotamos los datos personales porque podemos resolver problemas más personalizados, a pesar de que esto pudiera servir para manipular masas? … o algo así.

Hasta aqui la columna de hoy, invitamos a la comunidad a observar este documental y generar su propia opinión. También compartir esta columna si creen que le puede interesar a algun@s de sus colegas.

Saludos

Equipo Datlas

– Keep it weird-