¿A qué llamamos “Big Data en museos”? (1/3)

ACTUALIDAD


20 julio, 2018

¿A qué llamamos “Big Data en museos”? (1/3)

Hace cuatro años, la exposición Big Bang Data nos invitaba a cuestionarnos el rol de los datos masivos en la sociedad. El Big Data era el objeto de reflexión, incluso se convertía en obra artística, pero no se hablaba de cifras en el contexto museístico. Hoy, los museos pasan a formar parte de este particular universo en expansión. De hecho, a finales del pasado año, los medios se hacían eco del “primer estudio de Big Data en museos en España”.

El sector cultural ha pasado de inspirarse en los datos masivos a producirlos. Más bien ya los producía, pero ahora es cuando ha empezado a generar información a partir de ellos. Esta información es valiosa si ayuda a alcanzar conocimiento y a tomar decisiones a partir del mismo. Es la evolución necesaria para que exista Big Data: pasar de los datos a la sabiduría.

Pirámide DIKW

Piramide DIKW

 

Hasta la fecha, el conocimiento del visitante se ha obtenido generalmente a partir encuestas de satisfacción o procedimientos manuales. Llama la atención uno de los casos descritos por Eric Holter, CEO de la empresa estadounidense CUBERIS. Cuenta como un museo decidió analizar la reacción de los visitantes a los interactivos. Lo hicieron grabando vídeos de su uso y tomando notas secuencia a secuencia. Los resultados fueron muy enriquecedores, pero la pregunta es si realmente el coste de esa actividad supuso algún beneficio, si el esfuerzo mereció la pena. En declaraciones a El País, el director del Museo Picasso Málaga hace un buen retrato de esta misma situación en España: “un buen estudio estadístico, preciso y complejo, es caro. La mejor manera de hacerlo es preguntando, otra es observando”.

El Big Data permite tratar y analizar un gran volumen de datos de manera eficiente. Compañías multinacionales especialistas en analítica afirman que no es la cantidad de datos lo realmente importante, sino lo que las organizaciones hacen con ellos. Esto nos lleva a atender a las 5 dimensiones del Big Data: volumen, velocidad, variedad, veracidad, complejidad y valor.

 

Las 5 dimensiones del Big Data aplicadas a los museos

En museos como el Tour Bernabéu, monumentos como la Alhambra o ciudades como Salamanca, GVAM utiliza guías interactivas con localización como una de las vías para captar datos. Analizamos cómo están presentes las 5 dimensiones del Big Data en los museos que utilizan guías interactivas:

  • Volumen o Tamaño: generalmente las guías interactivas son utilizadas por el 15-20% de los visitantes. En un futuro cercano se prevé la incorporación de nuevos públicos gracias a la innovación en el contenido. En definitiva, se trata de una muestra muy representativa del total visitantes. A esto debemos sumarle, como veremos más adelante, el resto de fuentes externas o internas que nos aportan datos sobre los visitantes.
  • Velocidad: estos dispositivos generan un volumen muy rápido de información, entendiendo la velocidad en un doble sentido. Por un lado se mide cada interacción en pantalla, por lo que el tamaño de la muestra varía segundo a segundo. Por ejemplo, esto nos permite saber cuáles son las zonas o los contenidos más vistos en cada franja horaria. Por otro, se realizan cambios del contenido que afectan al análisis de datos. Por ejemplo, cuando se incorporan nuevos contenidos para una exposición temporal o se renueva la plantilla de un equipo, los nuevos contenidos se suman a la nube de datos de manera automática.
  • Variedad o Complejidad: los informes que se pueden realizar en un museo que utiliza guías interactivas no provienen de una sola fuente, se complementan con la información extraída a partir de herramientas de ticketing, redes sociales, bases de datos de contenidos o fuentes externas. A esta complejidad hay que sumarle el hecho de que estas guías interactivas tienen una estructura de contenido y una misión específica que es preciso tener en cuenta. Son herramientas hiper-especializadas, cuya actividad NO se puede medir con herramientas de analítica generalistas como Flurry o Analytics.
  • Veracidad: los datos obtenidos se convierten en información cuantitativa generada a partir de la interacción del visitante. La herramienta no requiere su participación directa en la valoración del servicio, ni permite un juicio de valor de quien lo analiza. Además, los datos de usuarios se contrastan con los datos de ventas para una mayor fiabilidad.
  • Valor: es esta la dimensión en la que nos centraremos en la jornada de septiembre, en la que analizaremos el valor que el Big Data en museos puede aportar para las distintas áreas o departamentos de los museos. El Tour del Bernabéu es un entorno museístico que, pese a no albergar obras de arte, está sometido a flujos similares a los de un museo artísticos: tiene interactivos, recorridos determinados, alternativas de visita, requiere actualizaciones, etc.

 

Pirámide del Big Data en museos que utilizan GVAM

Para poder trabajar con los datos de un museo, lo primero que necesitamos es una arquitectura que propicie su correcto tratamiento. Haciendo un paralelismo con la pirámide DIKW, esta es el proceso que aplicamos en GVAM:

Pirámide del Big Data en museos utilizada en GVAM

 

Como vemos, la “ingestión de datos” se realiza a partir de múltiples fuentes. Su recopilación y procesamiento tiene lugar a través de herramientas propias de GVAM (como GStats, sistema especializado en el procesamiento de datos de guías interactivas). Para el almacenamiento, utilizamos sistemas en la nube que permiten realizar consultas masivas. Por último, facilitamos la visualización de esos datos a través de informes dinámicos generados con Power BI de Microsoft. El Tour Bernabéu no es el primer museo que se ha decantado por esta herramienta para visualizar sus datos, el año pasado ya lo hizo el British Museum, en Londres.

Es al final de la pirámide donde empieza a generarse conocimiento. A partir de aquí es dónde podemos empezar a trabajar con las instituciones culturales para alcanzar su visión. En el próximo post, analizaremos las posibilidades y las razones por las que subirse (o no) al carro del Big Data.