Trump vs Clinton: il peso degli analytics

L’editorialista Rob Enderle spiega che, dietro alla sorprendente vittoria di Trump, ci sono le tre regole fondamentali di ogni tipo di analisi

trump_clinton

Guardando i risultati delle elezioni presidenziali, ho trovato affascinante e allo stesso tempo triste quanto hanno sbagliato i servizi di informazione nelle loro previsioni. Praticamente tutti avevano previsto la vittoria di Hilary Clinton, il che probabilmente ha contribuito alla sua sconfitto, la maggior parte la voleva vincitrice, e praticamente tutti hanno sbagliato. Le analisi condotte dallo staff della Clinton l’hanno spinta a lanciare un messaggi anti-Trump e a sprecare un budget di gran lunga più importante di quello a disposizione del suo avversario. Nel frattempo, Trump ha utilizzato gli analytics per sfruttare al meglio il suo budget limitato, il tempo e il messaggio – e ha vinto.

La cosa sorprendente è che, nelle ultime due elezioni Obama ha surclassato i suoi rivali repubblicani utilizzando strumenti di analisi. Trump sembra aver imparato la lezione meglio di Clinton.

Questo evidenzia il problema più grande di coloro che fanno analisi: l’origine dei dati.

adv
Cloud Communication Business

Nell’era digitale il centralino va in Cloud

La telefonia di nuova generazione è in software-as-a-service: non richiede di installare centralini hardware, gestisce fisso e mobile, e consente di attivare nuove linee o filiali con un clic, abilitando Smart Working e Unified Communication. SCOPRI DI PIÙ >>

In questo articolo, dopo aver ripercorso quello che è successo, concludo con le tre regole degli analytics.

I problemi noti con la fonte dei dati

All’inizio di queste elezioni sapevamo che c’era stato un grande cambiamento nel modo in cui le persone comunica. In particolare con la classe dei Millennials. La maggior parte di loro è passata dai telefoni fissi all’uso dei cellulari e, a causa dell’ID chiamante, è più propensa a non rispondere alle chiamate che riceve sul proprio telefono cellulare. Un numero enorme di persone, infatti, ha probabilmente evitato le chiamate creando un gap potenzialmente enorme nella metodologia di campionamento, che dovrebbe avere aumentato in modo significativo l’affidabilità delle previsioni. Anziché un campione del 4 o 5 per cento avremmo potuto avere un campione del 15 per cento o più.

Mano a mano che evolvevano le campagne presidenziali, i sostenitori Trump sono stati diffamati dai media e dallo staff Clinton, e a un certo punto sono stati chiamati “deplorevoli”. Non è stata una strategia saggia: anziché spingerli a passare dall’altra parte, ha alimentato la loro sensazione di essere attaccati e truffati e li ha condotti alle urne in numero impressionante. Ma il problema più grande per gli analisti è che li ha resi propensi a non rispondere o, se hanno risposto, a non rispondere in modo veritiero. Questo ha introdotto la massiccia propensione pro-Clinton e potrebbe aver invalidato le relative analisi.

Come analista, posso affermare che gran parte del lavoro è individuare e mitigare i pregiudizi, altrimenti si guidano le persone che pagano a prendere decisioni sbagliate. E, dato il risultato, sembra proprio quello che è successo in questo caso.

Il vantaggio di Trump

A differenza di Clinton, lo staff di Trump ha identificato correttamente entrambe le questioni e si è affidato a una società poco conosciuta di analisi, la Cambridge Analytica, e a un’altra società focalizzata sugli ispanici, che ha utilizzato una metodologia molto diversa. Dieci giorni prima delle elezioni un piccolo team ha riscritto la metodologia di campionamento per eliminare la polarizzazione e raggiungere i potenziali elettori, che i metodi più tradizionali non riuscivano a intercettare. Questo ha permesso loro di consigliare al meglio il loro cliente sulle linee da seguire e su come spendere i suoi fondi limitati.

In breve, hanno capito che c’erano degli errori, e durante le primarie c’erano state prove sostanziali di questo, e hanno creato un’arma strategica per il loro cliente. Hanno significativamente contribuito a trasformare quella che sembrava una sconfitta sicura in una delle più grandi vittorie a sorpresa nella storia degli Stati Uniti.

Trump è stato aiutato, in parte, dal fatto che non voleva credere ai numeri [che lo davano per sconfitto] e quindi ha spinto il suo staff a trovare una metodologia migliore. A Clinton piacevano i numeri che vedeva, quindi non ha fatto lo stesso. Questo mette in luce anche un enorme errore comune: le persone semplicemente non dubitano dei risultati che gli piacciono, e che quasi sempre portano a risultati negativi.

Un secondo esempio

C’è una seconda società che è uscita dalle elezioni come un eroe, il Trafalgar Group di Atlanta. Questa società ha esaminato in particolare il fatto che i sostenitori di Trump erano sottostimati e ha affrontato il problema in modo creativo. I suoi risultati sono stati insolitamente precisi, anche se la sua metodologia è stata contestata dalle società più note, e meglio finanziate, che hanno completamente sbagliato.

Ciò che è allo stesso tempo affascinante e fastidioso, e io stesso ci sono passato, è che per coprire le proprie incompetenze tali società dicono cose come “hanno trovato il risultato giusto, ma con il metodo sbagliato” o si lamentano dei dati, dimenticando completamente che “trovare il risultato giusto” è la cosa più importante e che non si vince con le scuse. Alcune di queste persone dovrebbe rivedere la differenza tra vincitori e perdenti e giungere alla conclusione che essere esperti di scuse non è una formula per il successo.

Tre regole per gli analytics

Tutto questo ci porta a tre regole fondamentali, che valgono per qualsiasi tipo di analisi.

In primo luogo, è necessario garantire l’origine dati. Se non si dispone di una forte metodologia di campionamento non si ottengono risultati accurati, e si finisce per dare consigli sbagliati a chi deve prendere le decisioni.

In secondo luogo, è necessario identificare ed eliminare i pregiudizi. Questi invalidano il risultato e se non è possibile eliminarli, ancora una volta, si daranno cattivi consigli ai decision-maker.

Infine, i decisori devono imparare a dubitare delle analisi, soprattutto quando dicono quello che vogliono sentirsi dire, perché poi non si risolve niente accusando gli analisti. Sì, è possibile licenziarli, ma è probabile doverli seguire fuori dalla porta.

 

AUTORERob Enderle
FONTECIO
CWI.it
Con 12 milioni di lettori in 47 paesi, Computerworld è la fonte di informazione e aggiornamento per tutti coloro che progettano, implementano o utilizzano la tecnologia in azienda.