485329544_XSEn estos días The Telegraph publicó un excelente artículo sobre los dispositivos para hacer deporte (los “wearables”) y algunos mitos sobre salud. El resumen de este artículo se centra en 4 ó 5 cuestiones, pero hay más materia para el análisis.

El hecho de caminar diez mil pasos al día -algo así como el mantra de Fitbit- no funciona. O al menos no funciona para toda la gente, y hasta puede ser perjudicial para quienes arrancan desde cero con el deporte.

La desestimación proviene de un estudio exhaustivo de la cátedra de Computer Science de la Johns Hopkins University. Se concluye que no hay ninguna evidencia científica de que efectivamente haya mejora apreciable para todos los grupos.

En el mismo artículo se ofrecen enfoques probados sobre KPIs para medir la salud:

  • Apuntar en el largo plazo a tener menos de 60 pulsaciones por minutos en reposo.
  • Hacer por lo menos 2 horas y media de actividad física por semana.
  • Evitar lapsos de sedentarismo mayores a 90 minutos. Para esta actitud típica en oficinas existen apps como Alarmed.

Más allá de artículo me quedan tres preguntas, e intento las respuestas pertinentes.

  • Por qué FitBit gasta tanto marketing (y credibilidad) en la simplificación de los diez mil pasos? Creo que es un “número mágico” como nos gusta decir a los científicos sobre el alineamiento de variables que convergen fácticamente en números redondos, bonitos y vendedores. Supongo que seduce mucho poder decir entre amigos “Hey, hoy ya hice mis diez mil pasos”.
  • Con el mismo wearable no se pueden medir cuestiones más objetivas? Por supuesto! Con los mismos parámetros citados anteriormente (pulso, tiempos de actividad, tiempos de inactividad) que son de corto plazo, combinados con otros de largo plazo (peso, por ejemplo) se pueden construir indicadores más útiles. Aunque tal vez convenga agregar que “los mejores KPIs dependen de cada disciplina deportiva que se analice”.
  • Hay un enfoque único para la salud de todas las personas? De ningún modo, y aquí es donde el Big Data falla en su mensaje. No hay recetas mágicas. En otros verticales como Telecomunicaciones se explica muy bien qué es el churn (baja de clientes), pues no es lo mismo las razones para irse de un cliente prepago, postpago, residencial o empresas. En Oil&Gas no es igual vender el Analytics para un yacimiento standard que para uno de “shale” como el de Vaca Muerta, pues el diseño de pozo contempla otras variables (se los construye distinto pues es otra geología y otra necesidad intensiva de datos). En cada industria el seguimiento del proyecto debe garantizar dos cosas: que el dato es correcto (integridad de datos) y que la interpretación del dato tiene sentido para el CEO de una Telco o para el gran público de Fitbit (storytelling, tal vez).

Sin embargo en la Salud llama la atención la presión por la receta mágica. El riesgo es mayor que el de perder clientes o tener pozos menos rentables. Por eso, una vez que Big Data halla los insights y se llega a las mejores recomendaciones para los “clusters” de pacientes, no debe hacerse la simplificación más sencilla de lo que es.  No existe un único talle para la Salud, en materia de Big Data; y si lo existe es una obviedad. Cada deporte tiene sus métricas -y de running hemos hablado mucho en el blog de Snark-. Correr 42K exige un entrenamiento muy preciso donde los KPIs deben ser bien elegidos: km semanales, km de cada corrida, tiempos, días totales de deporte por semana, distancias máximas permitidas, pulsaciones, Vo2max e incluso niveles de ferritina en la sangre. Esto no es extrapolable a otros deportes, de la misma manera que el Running establece distintos grupos con distintos objetivos y necesidades.

Se me dirá, finalmente, que “es mejor correr diez mil pasos por día que quedarse sentado”.  Es cierto! Pero diez mil pasos son entre 5 y 8 km. No todas las personas pueden caminar esa distancia de manera diaria.

La lección final es añadir a la potencia del Big Data la comunicación adecuada a cuestiones específicas, a ser capaces de identificar “casos típicos” dentro de la población de análisis, y a no simplificar el mensaje más allá de lo que los números sugieran.