The human insights missing from big data | Tricia Wang

Traductor: Gabriela Ahearn Revisor: Sebastian Betti

In ancient Greece,

En la antigua Grecia,

when anyone from slaves to soldiers, poets and politicians,

cuando alguien, desde esclavos a soldados, poetas y políticos,

needed to make a big decision on life's most important questions,

necesitaba tomar una gran decisión sobre las preguntas más importantes,

como, "¿Debería casarme?"

like, "Should I get married?"

or "Should we embark on this voyage?"

o "¿Deberíamos iniciar este viaje?"

or "Should our army advance into this territory?"

"¿Debería el ejército avanzar a este territorio?"

they all consulted the oracle.

todos consultaban el oráculo.

So this is how it worked:

Así funcionaba:

you would bring her a question and you would get on your knees,

traías una pregunta y te arrodillabas,

and then she would go into this trance.

y luego ella entraba en un trance.

Llevaba un par de días,

It would take a couple of days,

and then eventually she would come out of it,

y eventualmente salía del trance,

dando sus predicciones como respuesta.

giving you her predictions as your answer.

From the oracle bones of ancient China

Desde los oráculos de huesos de la antigua China

to ancient Greece to Mayan calendars,

a la antigua Grecia, a los calendarios mayas,

people have craved for prophecy

la gente ha buscado la profecía

in order to find out what's going to happen next.

para enterarse de qué va a suceder.

And that's because we all want to make the right decision.

Y eso se debe a que todos queremos tomar la decisión correcta.

We don't want to miss something.

No nos queremos perder de algo.

The future is scary,

El futuro da miedo,

so it's much nicer knowing that we can make a decision

es mucho mejor saber que podemos decidir

with some assurance of the outcome.

con alguna garantía del resultado.

Well, we have a new oracle,

Bueno, tenemos un nuevo oráculo,

and it's name is big data,

y su nombre es big data.

or we call it "Watson" or "deep learning" or "neural net."

o le llamamos "Watson" o "aprendizaje profundo" o "red neural".

And these are the kinds of questions we ask of our oracle now,

Y estas son las preguntas que hacemos a nuestro oráculo ahora,

like, "What's the most efficient way to ship these phones

"¿Cuál es la forma más eficiente de enviar estos teléfonos

from China to Sweden?"

de China a Suecia?"

Or, "What are the odds

O, "¿Cuál es la probabilidad

of my child being born with a genetic disorder?"

de que mi hijo nazca con un problema genético?"

Or, "What are the sales volume we can predict for this product?"

O, "¿Qué volumen de ventas podemos proyectar para este producto?"

I have a dog. Her name is Elle, and she hates the rain.

Tengo una perra. Se llama Elle, y odia la lluvia.

And I have tried everything to untrain her.

He tratado todo para re-entrenarla.

But because I have failed at this,

Pero como he fallado con esto,

I also have to consult an oracle, called Dark Sky,

le consulto a un oráculo que se llama Cielos Oscuros,

every time before we go on a walk,

cada vez que salimos a caminar,

for very accurate weather predictions in the next 10 minutes.

para tener predicciones precisas para los próximos diez minutos.

(Risas)

She's so sweet.

Ella es tan dulce.

So because of all of this, our oracle is a $122 billion industry.

Por estas razones, nuestra industria de oráculos es de USD 122 000 millones.

Now, despite the size of this industry,

A pesar del tamaño de esta industria,

the returns are surprisingly low.

los dividendos son sorprendentemente bajos.

Investing in big data is easy,

Invertir en big data es muy fácil,

but using it is hard.

pero usar macrodatos es difícil.

Over 73 percent of big data projects aren't even profitable,

Más del 73 % de los proyectos de big data no son rentables,

and I have executives coming up to me saying,

hay ejecutivos que dicen:

"We're experiencing the same thing.

"Se repite el problema.

We invested in some big data system,

Invertimos en algún sistema de big data,

and our employees aren't making better decisions.

y nuestros empleados no toman mejores decisiones.

And they're certainly not coming up with more breakthrough ideas."

Y definitivamente no generan ideas innovadoras".

So this is all really interesting to me,

Esto me parece muy interesante,

because I'm a technology ethnographer.

porque soy etnógrafa de tecnología.

I study and I advise companies

Estudio y aconsejo a empresas

on the patterns of how people use technology,

en las tendencias de uso de tecnología.

and one of my interest areas is data.

Una de las áreas que me interesan es el análisis de datos.

So why is having more data not helping us make better decisions,

¿Por qué no estamos tomando mejores decisiones,

especialmente compañías que tienen todos los recursos

especially for companies who have all these resources

para invertir en estos sistemas de big data?

to invest in these big data systems?

Why isn't it getting any easier for them?

¿Por qué no les está facilitando nuevas estrategias?

So, I've witnessed the struggle firsthand.

Soy testigo,

en 2009, empecé un puesto de investigadora en Nokia.

In 2009, I started a research position with Nokia.

And at the time,

En esa época, Nokia era

Nokia was one of the largest cell phone companies in the world,

una de las empresas más grandes del mundo,

dominating emerging markets like China, Mexico and India --

dominaba los mercados emergentes como China, México e India...

all places where I had done a lot of research

todos sitios que yo había investigado bastante

on how low-income people use technology.

la forma de uso de tecnología de perfiles de bajos ingresos.

And I spent a lot of extra time in China

Pasé mucho tiempo en China,

getting to know the informal economy.

familiarizándome con la economía informal.

So I did things like working as a street vendor

Trabajé como vendedora ambulante

selling dumplings to construction workers.

vendiendo comida a obreros.

Or I did fieldwork,

Hice trabajo de campo,

spending nights and days in internet cafés,

pasé días y noches en cibercafés,

hanging out with Chinese youth, so I could understand

parando con la juventud china, para entender

how they were using games and mobile phones

cómo estaban usando los videojuegos y móviles.

Y cómo los usaban en la migración del campo a las ciudades.

and using it between moving from the rural areas to the cities.

Through all of this qualitative evidence that I was gathering,

Con toda esta evidencia cualitativa que estaba coleccionando,

I was starting to see so clearly

noté claramente

that a big change was about to happen among low-income Chinese people.

que iba a haber un gran cambio entre los pobres de China.

Even though they were surrounded by advertisements for luxury products

A pesar de estar rodeados de publicidad para productos de lujo,

como inodoros sofisticados -- ¿quién no quiere uno? --

like fancy toilets -- who wouldn't want one? --

and apartments and cars,

y departamentos y autos,

through my conversations with them,

en nuestras conversaciones,

I found out that the ads the actually enticed them the most

me di cuenta de que los anuncios que realmente les interesaban

were the ones for iPhones,

eran los anuncios para iPhones,

promising them this entry into this high-tech life.

que les prometía acceso a esta vida de alta tecnología.

And even when I was living with them in urban slums like this one,

Incluso cuando viví con ellos en barriadas como esta,

I saw people investing over half of their monthly income

veía gente invirtiendo más de la mitad de su sueldo mensual

into buying a phone,

para comprar un celular,

and increasingly, they were "shanzhai,"

y cada vez más, eran "shanzhai",

which are affordable knock-offs of iPhones and other brands.

que son imitaciones baratas de iPhones y otras marcas.

Son bastante usables,

They're very usable.

Does the job.

funcionan.

And after years of living with migrants and working with them

Y después de años de vivir con inmigrantes y trabajar con ellos,

and just really doing everything that they were doing,

y básicamente hacer todo lo que ellos hacían,

I started piecing all these data points together --

empecé a unir los datos...

from the things that seem random, like me selling dumplings,

desde las cosas que parecen al azar como yo vendiendo comida,

to the things that were more obvious,

a las cosas más obvias,

like tracking how much they were spending on their cell phone bills.

como calcular cuánto gastan en las cuentas de móviles.

And I was able to create this much more holistic picture

Así pude ver una figura más clara, más completa,

de lo que estaba pasando.

of what was happening.

And that's when I started to realize

Ahí me di cuenta

that even the poorest in China would want a smartphone,

de que hasta los más pobres de China iban a querer un teléfono inteligente,

and that they would do almost anything to get their hands on one.

y que harían casi cualquier cosa por conseguir uno.

You have to keep in mind,

Acuérdense,

iPhones had just come out, it was 2009,

los iPhones acababan de salir, era el 2009,

so this was, like, eight years ago,

o sea, hace ocho años,

and Androids had just started looking like iPhones.

y los Androids se parecían más a los iPhones.

And a lot of very smart and realistic people said,

Y mucha gente inteligente y realista dijo:

"Those smartphones -- that's just a fad.

"Esos teléfonos inteligentes son una moda pasajera.

Who wants to carry around these heavy things

¿Quién quiere estar cargando esas cosas pesadas

where batteries drain quickly and they break every time you drop them?"

que se les gastan las baterías y que se rompen cada vez que se te caen?"

But I had a lot of data,

Pero yo tenía bastantes datos,

and I was very confident about my insights,

y confiaba en mis ideas,

so I was very excited to share them with Nokia.

así que estaba muy entusiasmada en compartirlas con Nokia.

Pero en Nokia no estaban convencidos,

But Nokia was not convinced,

because it wasn't big data.

porque no era big data.

They said, "We have millions of data points,

Dijeron: "Tenemos millones de datos,

and we don't see any indicators of anyone wanting to buy a smartphone,

no hay ninguna indicación de que alguien quiera comprar teléfonos inteligentes,

and your data set of 100, as diverse as it is, is too weak

y tu lista de 100 datos, aún siendo diversa, es muy débil

for us to even take seriously."

para tomarla en serio".

And I said, "Nokia, you're right.

Yo les dije: "Nokia, tienen razón,

Of course you wouldn't see this,

por supuesto que no ven esto,

because you're sending out surveys assuming that people don't know

porque Uds. mandan encuestas suponiendo que la gente no sabe

what a smartphone is,

qué es un teléfono inteligente,

so of course you're not going to get any data back

así que claro que no van a obtener ningún resultado

about people wanting to buy a smartphone in two years.

sobre demanda de teléfonos inteligentes.

Your surveys, your methods have been designed

Sus encuestas, sus métodos han sido diseñados

to optimize an existing business model,

para optimizar el modelo empresarial existente,

and I'm looking at these emergent human dynamics

y yo estoy mirando las dinámicas humanas emergentes,

that haven't happened yet.

que no han pasado todavía.

We're looking outside of market dynamics

Mirando fuera de las dinámicas del mercado

so that we can get ahead of it."

para poder estar en la vanguardia".

¿Saben que le pasó a Nokia?

Well, you know what happened to Nokia?

La empresa se cayó por un barranco.

Their business fell off a cliff.

This -- this is the cost of missing something.

Ese es el costo de ignorar algo.

It was unfathomable.

Fue increíble.

But Nokia's not alone.

Pero Nokia no está sola.

Veo organizaciones que desechan datos todo el tiempo

I see organizations throwing out data all the time

because it didn't come from a quant model

porque no vienen de un modelo cuantitativo

or it doesn't fit in one.

o no son compatibles con uno cuantitativo.

Pero no se debe a los grandes volúmenes de datos.

But it's not big data's fault.

It's the way we use big data; it's our responsibility.

Es la manera en que los usamos; nosotros somos los responsables.

Big data's reputation for success

La reputación exitosa de big data

comes from quantifying very specific environments,

se debe a cuantificaciones en ambientes bastante específicos,

like electricity power grids or delivery logistics or genetic code,

como redes eléctricas, logística de distribución, o códigos genéticos,

when we're quantifying in systems that are more or less contained.

cuando el análisis cuantitativo es de sistemas contenidos.

But not all systems are as neatly contained.

Pero no todos los sistemas son contenidos tan organizadamente.

When you're quantifying and systems are more dynamic,

Cuando uno cuantifica sistemas más dinámicos,

especially systems that involve human beings,

especialmente sistemas que conciernen a seres humanos,

forces are complex and unpredictable,

hay fuerzas complejas e impredecibles,

and these are things that we don't know how to model so well.

cosas que no sabemos modelar tan bien.

Y una vez que uno predice algo sobre la conducta humana,

Once you predict something about human behavior,

new factors emerge,

emergen nuevos factores,

because conditions are constantly changing.

porque las condiciones cambian constantemente.

That's why it's a never-ending cycle.

Por eso es un ciclo interminable.

You think you know something,

Uno cree que sabe algo y aparece algo nuevo.

and then something unknown enters the picture.

And that's why just relying on big data alone

Por eso es que confiar solo en big data,

incrementa la posibilidad de no ver algo,

increases the chance that we'll miss something,

while giving us this illusion that we already know everything.

y a la vez nos da la ilusión de saberlo todo.

Lo que hace difícil de ver esta contradicción,

And what makes it really hard to see this paradox

and even wrap our brains around it

y hasta de comprenderla,

is that we have this thing that I call the quantification bias,

es algo que se llama predisposición cuantitativa

which is the unconscious belief of valuing the measurable

que significa que inconscientemente valoramos más lo que podemos medir

over the immeasurable.

que lo que no es medible.

Y muy a menudo tenemos esta experiencia en el trabajo.

And we often experience this at our work.

Maybe we work alongside colleagues who are like this,

Quizás tenemos colegas que son así,

or even our whole entire company may be like this,

o quizás la empresa es así,

where people become so fixated on that number,

donde la gente tiene una fijación con un número,

that they can't see anything outside of it,

y no ve nada más,

aún si tienen las pruebas en la punta de la nariz.

even when you present them evidence right in front of their face.

And this is a very appealing message,

Y este es un mensaje muy atractivo,

because there's nothing wrong with quantifying;

porque no hay nada malo en cuantificar;

it's actually very satisfying.

realmente da mucha satisfacción.

I get a great sense of comfort from looking at an Excel spreadsheet,

Me causa bienestar ver una hoja de cálculo Excel,

even very simple ones.

hasta las más simples.

(Laughter)

(Risas)

It's just kind of like,

Es así:

"Yes! The formula worked. It's all OK. Everything is under control."

"¡Sí, la formula funciona! Todo está bien. Todo está bajo control".

But the problem is

Pero el problema es

que la cuantificación es adictiva.

that quantifying is addictive.

And when we forget that

Y cuando nos olvidamos de eso

and when we don't have something to kind of keep that in check,

y no tenemos un sistema de control,

it's very easy to just throw out data

podemos muy fácilmente desechar datos

because it can't be expressed as a numerical value.

que no se pueden expresar numéricamente.

It's very easy just to slip into silver-bullet thinking,

Es muy fácil caer en la idea milagrosa,

como si existiera una solución simple.

as if some simple solution existed.

Because this is a great moment of danger for any organization,

Este es un momento peligroso para cualquier organización,

because oftentimes, the future we need to predict --

en muchos casos, el futuro que predecimos

no está en el pajar,

it isn't in that haystack,

but it's that tornado that's bearing down on us

es un tornado que se nos viene encima

outside of the barn.

afuera del granero.

There is no greater risk

No hay peor riesgo

que no ver lo desconocido.

than being blind to the unknown.

It can cause you to make the wrong decisions.

Puede causar malas decisiones.

It can cause you to miss something big.

Puede causar que no veas algo importante.

But we don't have to go down this path.

Pero no es necesario que vayamos por ese camino.

It turns out that the oracle of ancient Greece

Resulta que el oráculo de la antigua Grecia

holds the secret key that shows us the path forward.

tiene la llave secreta para enseñarnos el camino hacia adelante.

Now, recent geological research has shown

Estudios geológicos recientes han demostrado

that the Temple of Apollo, where the most famous oracle sat,

que el Templo de Apolo, donde estaba el oráculo más famoso,

was actually built over two earthquake faults.

fue construido sobre dos fallas sísmicas;

And these faults would release these petrochemical fumes

y estas fallas emiten gases petroquímicos

from underneath the Earth's crust,

que están bajo la corteza terrestre,

and the oracle literally sat right above these faults,

y que el oráculo estaba literalmente sentado sobre estas fallas,

inhaling enormous amounts of ethylene gas, these fissures.

inhalando cantidades inmensas de gas etileno, por estas grietas.

(Laughter)

(Risas)

It's true.

Es verdad.

(Risas)

(Laughter)

Todo es verdad, eso es lo que la hacía balbucear, alucinar,

It's all true, and that's what made her babble and hallucinate

and go into this trance-like state.

y entrar en trance.

She was high as a kite!

¡Volar como una cometa!

(Laughter)

(Risas)

(Aplausos)

So how did anyone --

Entonces cómo...

¿Cómo recibió alguien buenos consejos

How did anyone get any useful advice out of her

de ella en ese estado?

in this state?

Well, you see those people surrounding the oracle?

Bueno, ¿ven la gente que rodeaba al oráculo?

You see those people holding her up,

Toda esa gente que la está sujetando

because she's, like, a little woozy?

porque está un poquito mareada.

And you see that guy on your left-hand side

Y ¿pueden ver al hombre que está a su izquierda,

holding the orange notebook?

con un cuaderno anaranjado?

Well, those were the temple guides,

Todos esos eran guías del templo,

and they worked hand in hand with the oracle.

y trabajaban mano a mano con el oráculo.

When inquisitors would come and get on their knees,

Cuando las personas entraban y se arrodillaban,

that's when the temple guides would get to work,

los guías se ponían a trabajar,

because after they asked her questions,

después que la persona preguntaba,

they would observe their emotional state,

observaban su estado emocional,

and then they would ask them follow-up questions,

le hacían más preguntas,

como: "¿Por qué quieres saber esta profecía? ¿Quién eres?

like, "Why do you want to know this prophecy? Who are you?

What are you going to do with this information?"

¿Qué vas a hacer con esta información?"

Y después los guías usaban esta información, más etnográfica,

And then the temple guides would take this more ethnographic,

this more qualitative information,

esta información más cualitativa,

and interpret the oracle's babblings.

e interpretaban los balbuceos del oráculo.

Así que el oráculo no estaba solo,

So the oracle didn't stand alone,

and neither should our big data systems.

y tampoco deberían estarlo los sistemas de big data.

Now to be clear,

Ahora, aclaremos,

I'm not saying that big data systems are huffing ethylene gas,

no estoy diciendo que los sistemas de big data estén inhalando gas

or that they're even giving invalid predictions.

o haciendo malas predicciones.

The total opposite.

Al contrario,

But what I am saying

estoy diciendo que

is that in the same way that the oracle needed her temple guides,

de la misma forma que el oráculo necesitaba los guías de templo,

our big data systems need them, too.

nuestros sistemas de big data también los necesitan.

They need people like ethnographers and user researchers

Necesitan etnógrafos e investigadores

who can gather what I call thick data.

que puedan colectar lo que yo llamo "datos densos".

This is precious data from humans,

Estos preciosos datos humanos,

like stories, emotions and interactions that cannot be quantified.

como historias, emociones, interacciones que no se pueden cuantificar.

It's the kind of data that I collected for Nokia

Es el tipo de datos que colecté para Nokia,

that comes in in the form of a very small sample size,

que se obtienen con pocas muestras,

but delivers incredible depth of meaning.

pero traen información trascendente.

And what makes it so thick and meaty

Y lo que hace esto tan denso y sustancioso,

es la experiencia de entender la narrativa humana.

is the experience of understanding the human narrative.

And that's what helps to see what's missing in our models.

Y eso es lo que ayuda a ver lo que hace falta en nuestros modelos.

Thick data grounds our business questions in human questions,

Los "datos densos" arraigan nuestras preguntas de negocios en preguntas humanas

and that's why integrating big and thick data

y por eso integrando big data y "datos densos"

forms a more complete picture.

formamos una figura más completa.

Big data is able to offer insights at scale

Los grandes volúmenes de datos nos ofrecen ideas en escala,

and leverage the best of machine intelligence,

sostienen lo mejor de la inteligencia artificial

whereas thick data can help us rescue the context loss

mientras que los "datos densos" nos ayudan a rescatar el contexto perdido

that comes from making big data usable,

que viene del uso de big data

and leverage the best of human intelligence.

y le saca provecho a lo mejor de la inteligencia humana.

And when you actually integrate the two, that's when things get really fun,

Y cuando se integra ambas cosas, la cosa se pone divertida,

because then you're no longer just working with data

porque uno ya no trabaja solo con datos

que ha recolectado.

you've already collected.

También trabaja con datos que nunca ha recolectado.

You get to also work with data that hasn't been collected.

Puede hacer preguntas como ¿por qué?

You get to ask questions about why:

Why is this happening?

¿Por qué está pasando esto?

Now, when Netflix did this,

Ahora, cuando Netflix hizo esto,

they unlocked a whole new way to transform their business.

desencadenó una nueva manera de transformar su negocio.

Netflix is known for their really great recommendation algorithm,

Netflix es conocido por su excelente algoritmo de recomendaciones,

and they had this $1 million prize for anyone who could improve it.

y tenía un premio de USD 1 millón para cualquiera que lo pudiera mejorar.

Y hubo ganadores.

And there were winners.

Pero Netflix descubrió que las mejoras eran solo graduales.

But Netflix discovered the improvements were only incremental.

Para realmente enterarse de lo que pasaba,

So to really find out what was going on,

they hired an ethnographer, Grant McCracken,

contrataron a un etnógrafo, Grant McCracken,

to gather thick data insights.

para compilar inferencias de "datos densos".

And what he discovered was something that they hadn't seen initially

Y Grant descubrió algo que no vieron inicialmente

in the quantitative data.

en los datos cuantitativos.

He discovered that people loved to binge-watch.

Descubrió que a la gente le encanta mirar de una sentada.

In fact, people didn't even feel guilty about it.

Tanto es así que las personas ni se sentían culpables.

Disfrutaban.

They enjoyed it.

(Risas)

(Laughter)

So Netflix was like, "Oh. This is a new insight."

Así que Netflix dijo: "Ah, esto es nuevo".

So they went to their data science team,

Incluyeron al equipo de análisis de datos,

and they were able to scale this big data insight

y lograron incluir estos hallazgos de los datos densos

in with their quantitative data.

con los datos cuantitativos.

And once they verified it and validated it,

Y una vez que lo verificaron y validaron,

Netflix decided to do something very simple but impactful.

Netflix decidió hacer algo muy simple pero con mucho impacto.

They said, instead of offering the same show from different genres

Dijeron: "En vez de ofrecer series de diferentes géneros

o más variedad de series a usuarios similares,

or more of the different shows from similar users,

vamos a ofrecer más de la misma serie.

we'll just offer more of the same show.

We'll make it easier for you to binge-watch.

Les vamos a facilitar ver series de una sentada.

And they didn't stop there.

Y no pararon allí.

They did all these things

Hicieron todo esto

to redesign their entire viewer experience,

para rediseñar la experiencia completa de los espectadores,

to really encourage binge-watching.

para fomentar los atracones de series.

It's why people and friends disappear for whole weekends at a time,

Por eso es que la gente y los amigos se desaparecen por fines de semanas,

catching up on shows like "Master of None."

están mirando shows como Dueño de nadie.

By integrating big data and thick data, they not only improved their business,

Al integrar big data con "datos densos", no solo mejoraron su negocio,

but they transformed how we consume media.

sino que transformaron la manera de consumo de la audiencia.

And now their stocks are projected to double in the next few years.

Ahora proyectan duplicar el valor de sus acciones en los próximos años.

Pero esto no solo se trata de cómo consumimos programación,

But this isn't just about watching more videos

or selling more smartphones.

o vendemos más teléfonos inteligentes.

For some, integrating thick data insights into the algorithm

Para algunos, la integración de ideas de "datos densos" a los algoritmos

could mean life or death,

puede significar algo de vida o muerte,

especially for the marginalized.

especialmente para los marginados.

All around the country, police departments are using big data

En todo el país, las comisarías están usando big data

for predictive policing,

para predecir dónde patrullar;

to set bond amounts and sentencing recommendations

para determinar las fianzas y las sentencias

in ways that reinforce existing biases.

en maneras que refuerzan prejuicios existentes.

El algoritmo "Skynet" de la Agencia Nacional de Seguridad

NSA's Skynet machine learning algorithm

has possibly aided in the deaths of thousands of civilians in Pakistan

quizá haya contribuido a miles de muertes de civiles

en Pakistán por malinterpretar metadatos de aparatos móviles.

from misreading cellular device metadata.

As all of our lives become more automated,

Mientras más automatizadas nuestras vidas,

desde automóviles hasta seguro médico o empleo,

from automobiles to health insurance or to employment,

it is likely that all of us

es probable que a todos

will be impacted by the quantification bias.

nos afecte la parcialidad hacia la cuantificación.

Now, the good news is that we've come a long way

Las buenas noticias son que hemos progresado mucho

from huffing ethylene gas to make predictions.

desde que aspirábamos gases para hacer predicciones.

We have better tools, so let's just use them better.

Tenemos mejores herramientas, o sea que usémoslas mejor.

Integremos big data con los "datos densos",

Let's integrate the big data with the thick data.

Let's bring our temple guides with the oracles,

Unamos a los guías del templo con los oráculos,

and whether this work happens in companies or nonprofits

y ya sea que lo hagamos en empresas u organizaciones sin fines de lucro

or government or even in the software,

en gobiernos o en el software,

all of it matters,

todo es importante,

because that means we're collectively committed

porque significa que colectivamente estamos comprometidos

to making better data,

a crear mejores datos,

better algorithms, better outputs

algoritmos, resultados,

and better decisions.

y a tomar mejores decisiones.

This is how we'll avoid missing that something.

Así evitaremos perdernos algo.

(Aplausos)

(Applause)