Databallr y los pros y contras de la democratización de las analytics

La paradoja de los datos: cómo Databallr y Draftbllr democratizaron el análisis de la NBA y, al mismo tiempo, empobrecieron el debate.

Desde hace ya un tiempo, durante la temporada regular pero también ahora en la postemporada hay una imagen que se repite constantemente en Twitter, en los subreddits de la NBA, en los grupos de WhatsApp de aficionados e incluso en mis entradas en NBA con Contexto: una captura de pantalla.

Un rectángulo recortado directamente de Databallr o de Basketball-Reference, con tres o cuatro cifras seleccionadas con mucha precisión para intentar demostrar un punto. Debajo, un texto rotundo, sin matices, sin contexto, algo así como “los números no mienten”. Y ahí está el problema. Porque los números, solos y descontextualizados, puede que no mientan, pero desde luego a veces no cuentan toda la historia, y la parte que ocultan hacen que pueda parecerse a una mentira.

Eso es lo que yo llamo la era Databallr. Una herramienta que genuinamente cambió la forma en la que los aficionados consumen y comparten estadísticas avanzadas, que hizo visualmente atractivo lo que durante décadas fue territorio exclusivo de analistas muy frikardos de los números, y que contribuyó a normalizar el uso del analytics en conversaciones cotidianas sobre baloncesto. Pero que ha terminado convirtiéndose también en el arma favorita del debate más perezoso y más combativo en las pocilgas de las redes sociales. No porque la herramienta sea mala. Sino porque la democratización del acceso a los datos no ha venido acompañada de una democratización equivalente del contexto necesario para interpretarlos.

Esto, claro, es una conversación que va mucho más allá del baloncesto. En la era de las redes sociales, la información se fragmenta, se descontextualiza y se intenta viralizar como aquel que hace un “unboxing” de su hermana, en su forma más reducida y más estúpidamente impactante. Ocurre con la política, con la economía, con la ciencia. Y ocurre también, y si estás leyendo estas líneas seguro que lo ves casi todos los días, con las estadísticas de la NBA.

Está claro que herramientas como Databallr o Draftbllr son buenas para el análisis del baloncesto, porque facilitan el acceso al contexto. Pero ¿qué tipo de conversación estamos construyendo cuando ponemos datos complejos en manos de audiencias que no siempre tienen las herramientas para interpretarlos, pero que sí tienen el incentivo para usarlos como munición?

Cuando los datos eran territorio para iniciados

Para entender lo que representa Databallr hoy, hay que retroceder hasta los primeros años de la revolución de las analytics en el baloncesto profesional estadounidense. A principios de los años 2000, el acceso a estadísticas avanzadas era, en la práctica, un privilegio. No en el sentido económico, sino en el sentido del acceso, del conocimiento y del tiempo necesarios para encontrarlas, procesarlas y darles sentido.