Enrique Dans

BigML es sin duda una de las startups más prometedoras de aquellas en las que tengo algún nivel de implicación (estoy en su Strategic Advisory Board). Ideas como «machine learning for everyone», modelización o Big data son indudablemente potentes en una era en la que los datos de todo tipo proliferan de manera exponencial (hablé de BigML anteriormente en esta otra entrada), y cada día más, la impresión es la de estar desarrollando una herramienta muy buena y estar simplemente esperando – proactivamente esperando, por supuesto – a que el resto del mundo la vaya descubriendo.

Un modelo realizado con estadísticas publicadas por Kickstarter acerca de los proyectos presentados en la plataforma permite crear un modelo de éxito/fracaso en crowdfunding, que llama de manera espontánea la atención de GigaOM en «How to succeed on Kickstarter: find 35 people and ask for less than $9,000?« y da lugar a una oleada de visitas e interés. El mismo medio y la misma persona que, en un artículo anterior, se había hecho eco de la existencia de la compañía y la había mencionado en un artículo más genérico sobre machine learning titulado «Your data has a secret, but you — yes, you — can make it talk«. Mientras, otros campos completamente diferentes pero igualmente intensivos en datos, como la analítica web o las finanzas y mercados, empiezan a descubrir el potencial de este tipo de herramientas, como en este artículo en SeekingAlpha titulado «Dividends: still the best all-season investment strategy«.

Estos momentos en una startup son deliciosos. Concentración total en la mejora constante del producto, y sembrar, sembrar constantemente con herramientas como blog, newsletter o redes sociales. Todo vale para dinamizar la información, para ponerla en el camino de los posibles interesados. Nunca sabes por dónde va a salir un impacto interesante, pero sabes que de todos aquellos que reciban un mensaje, un cierto porcentaje, aunque sea pequeño, va a verle aplicaciones a su terreno y va a probar el producto, a contactarte, a escribir sobre ello o, como mínimo, a desarrollar algo de curiosidad sobre el tema. Se trata de ir creando contenido sobre temas diversos para llegar a una demanda potencial más amplia: índices de bolsa, música, retrasos en vuelos, deportes… Y para cada entrada, su correspondiente difusión y potencial efecto multiplicador a través de redes sociales como Twitter o Facebook. Una estrategia de  comunicación de las de libro, absolutamente necesaria en un producto complejo que no se vende como se vendería un producto de consumo o de comprensión sencilla, pero que ya ha superado los más de dos mil usuarios registrados. No, el producto no se vende en el arca. Es lo que tiene la investigación: que con cada modelo y cada conjunto de datos analizados tienes posibilidades de aportar conocimiento, pero también de convertirte en viral: probabilidad de lesiones en accidente de automóvil, de incidentes con armas de fuego en escuelas, predicción del número de affaires extramaritales, del importe de las propinas… ¿Tienes datos? Aquí hay respuestas y soluciones.

Para un académico como yo, seguir la andadura de BigML está siendo un caso rigurosamente real de comunicación de un producto complejo, de esos en los que de verdad aprendes. Seguiremos informando :-)