Cosa abbiamo imparato sui Big Data da Google Flu Trends

Nel 2008, Google lanciò con grande enfasi un nuovo programma basato sui Big Data e che avrebbe dato risultati eccezionali nel contrasto all’influenza stagionale: Google Flu Trends.
Fu il primo esempio di come si potessero usare i dati per avere risultati, compiere azioni concrete e migliorare la vita delle persone, e diede inoltre grandissima risonanza a un nuovo settore, ovvero l’analisi dei dati su scala globale.
Dopo i primi ottimi risultati, purtroppo non ebbe il successo sperato e nel 2014 fu chiuso, lasciando però in eredità molti argomenti che sarebbero stati dibattuti e perfezionati negli anni successivi.

Con un articolo su Nature, nel 2008 Google dichiara che sta per lanciare Google Flu Trends, un servizio basato sulle ricerche degli utenti che avrebbe consentito di predire, con due settimane di anticipo sulle previsioni del servizio sanitario nazionale, come si sarebbe mossa l’influenza stagionale negli Stati Uniti evidenziando eventuali picchi e focolai.
L’idea è semplice: alla comparsa dei primi sintomi, chi sta per ammalarsi probabilmente ricerca su internet delle informazioni sulla malattia, quindi analizzando la crescita delle ricerche sarebbe stato possibile capirne l’avanzamento. Partendo da 50 milioni di termini di ricerca, furono evidenziate 45 ricerche che funzionavano meglio delle altre nelle previsioni.
La partenza fu eccezionale: nel 2010 Google effettivamente riuscì a capire con due settimane di anticipo che negli Stati dell’Atlantico Centrale ci sarebbero stati dei picchi di epidemia. Sembrava tutto andasse per il meglio, e che i Big Data avrebbero stravolto completamente la nostra capacità di analizzare i grandi avvenimenti. Purtroppo non fu così.

Nel 2011-2013 però Google Flu Trends sovrastimò in alcuni casi del 200% l’impatto dell’influenza. Il sistema fu rivisto per ben 3 volte, ma continuò comunque a non dare previsioni accurate e fu colto completamente impreparato dall’epidemia di influenza aviaria che non riuscì in nessun modo a predire.
Google Flu Trends finì quindi per essere chiuso definitivamente nel 2014, rivelandosi un’ottima idea che però non riuscì a funzionare perfettamente nonostante gli sforzi fatti. Nonostante questo, non può essere considerato un totale fallimento.

La semplice correlazione “Ricerche su Google/Sintomi” si è rivelata fuorviante. L’analisi di cosa viene digitato sul motore di ricerca non spiega anche il perché venga digitato, e pensare che chi cerca i sintomi dell’influenza lo faccia sempre perché ne è affetto è un’ipotesi troppo semplicistica per portare a risultati concreti.
Altra causa del fallimento fu, paradossalmente, l’introduzione del completamento automatico delle ricerche. Google cominciò a completare in automatico le parole inserite dagli utenti nella barra, causando un circolo vizioso che aumentò in maniera esponenziale alcuni termini che più venivano ricercati più comparivano nei suggerimenti.
Infine, un’altra causa del fallimento fu l’affidarsi completamente ai dati e alla gestione automatica dei trend, che non fece rilevare alcune anomalie che comparivano all’interno dei dati finali. È vero che i dati da analizzare erano moltissimi e umanamente sarebbe stato impossibile vederli tutti, ma una verifica umana preventiva è mancata concorrendo agli errori di valutazione e agendo quando ormai era troppo tardi.

Nonostante gli errori e la mancata realizzazione del grande sogno di usare i Big Data per analizzare in automatico le variazioni e le tendenze dell’influenza a livello mondiale, il caso di Google Flu Trends ha segnato sicuramente uno spartiacque nella storia dell’analisi dei dati non solo nella storia della medicina ma anche in generale nel modo in cui vediamo e analizziamo ciò che accade.

Anche se non è stato il successo sperato, Google Flu Trends ha fatto vedere come fosse necessario che la medicina coordinasse i propri sforzi a livello mondiale basandosi su dati oggettivi e leggibili per poter analizzare, condividere e utilizzare i dati prodotti ogni giorno e per leggere meglio quello che stava accadendo in maniera rapida ed efficace.
Oggi più che mai, in tempi di pandemia, ci accorgiamo di come siano i dati a essere fondamentali nelle decisioni che vengono prese ogni giorno e che impattano in maniera importante sulla vita delle persone.

Basarsi soltanto sulle ricerche degli utenti è stato uno dei motivi per cui Google Flu Trends non ha funzionato. Un solo strumento, per quanto potente, può dare risultati fuorvianti ed è fondamentale affiancare più fonti diverse per poter guardare da diversi punti di vista quello che accade.
Negli anni i Big Data hanno cominciato ad essere utilizzati e analizzati incrociando le fonti. Ad esempio utilizzando in contemporanea Twitter e la posizione dei telefoni tramite il GPS si sono riuscite a circoscrivere delle epidemie negli anni successivi, partendo da risultati accurati e riuscendo ad analizzarli in contemporanea.

Infine, il completo affidarsi all’intervento delle macchine e alla loro analisi ha causato delle storture che hanno fatto capire quanto sia fondamentale affiancare l’intelligenza e la creatività umana alle capacità di calcolo delle macchine.
Avere soltanto dei numeri, per quanto importanti, può non avere utilità se non vengono analizzati in maniera accurata e riportati in modo comprensibile. Inoltre, l’analisi dei dati compiuta dagli uomini consente anche di rilevare in maniera efficace quando ci siano delle anomalie e porvi rimedio in tempi stretti.
Senza dimenticare che sono le persone, infine, a compiere delle scelte in base a quello che i dati comunicano. Questo è il motivo per cui bisogna operare correttamente fin dal momento in cui si decide cosa si vuole scoprire con l’analisi dei dati per poi arrivare al momento in cui vengono resi visibili e funzionali.
In conclusione: i Big Data sono una fonte importante per ampliare i punti di vista e per potenziare la conoscenza dell’azienda. Ma non bisogna mai dimenticare, oltre le persone, di guardare agli Small Data: piccole tracce di dati lasciate quotidianamente da clienti, fornitori, colleghi, macchine e flussi. Segnali piccoli da sembrare quasi insignificanti ma talmente numerosi e precisi da consentire analisi estremamente puntuali.