Suarez 2015

Desafos y oportunidades de la
analtica Big Data aplicada a la

actividad publicitaria
Autora: Sara Surez-Gonzalo
Tutor: Frederic Guerrero-Sol
Mster Oficial en Comunicacin Social, 2014-2015
Treballs de recerca dels programes de postgrau del Depar tament de Comunicaci

SARA SUREZ-GONZALO
Mster Oficial en Comunicacin Social - UPF
sarapaz.suarez01@estudiant.upf.edu
Desafos y oportunidades de la analtica Big Data aplicada a la

actividad publicitaria
Resumen
Conocer con precisin al consumidor ha sido y es uno de los objetivos ms
buscados por la publicidad y un punto primordial para su eficacia. La expansin de
los medios sociales ha otorgado un acelerado poder de participacin a los
consumidores, que cada vez ms generan y comparten grandes cantidades de
informacin. As, la analtica Big Data plantea una oportunidad sin precedentes
para la actividad publicitaria.
Sin embargo, este desarrollo tecnolgico presenta claras implicaciones en la

privacidad de los individuos, especialmente en lo referido a sus datos personales y,
por tanto, una necesaria revisin tica. En este marco, Internet y las redes sociales
se vuelven un foco de atencin para la proteccin de datos.
Este trabajo se propone conocer las posiciones de los usuarios de Facebook y

Twitter en Espaa y tambin de los publicistas y los expertos en la materia ante
esta nueva situacin.
Palabras clave investigacin de audiencias, Big Data, publicidad, privacidad, tica

profesional, redes sociales.
Keywords audience investigation, Big Data, advertising, privacy, professional-

ethics, social networks.
2
ndice de contenidos
Presentacin del tema........................................................................................... 5

Descripcin general ......................................................................................................... 5
Objeto de estudio............................................................................................................. 5
Perspectiva desde la que se aborda el problema ......................................................... 5
Antecedentes ............................................................................................................. 6
La investigacin de audiencias, encadenada a un fin.................................................. 6
El afn por la modelizacin del consumidor .................................................................. 8
Los orgenes de Big Data ................................................................................................ 9
Un nuevo paradigma socio-tecnolgico ..................................................... 11

La explosin de los datos masivos ............................................................................... 11
Las oportunidades de la analtica Big Data ................................................................. 12
Big (Social) Data .................................................................................................... 13
De la muestra al Universo ..................................................................................... 14
Los riesgos del datacentrismo .................................................................................... 14
La tirana de los datos ........................................................................................... 14
El dilema tico......................................................................................................... 16
El concepto de privacidad ............................................................................................. 16
La fragilidad de lo privado............................................................................................. 17
Deontologa profesional y legislacin ........................................................................... 19
Espaa, ao 2015: cdigos de tica publicitaria de Autocontrol ...................... 19
Europa, ao 2016: reforma de las leyes de proteccin de datos de 1995 ...... 20
Conocimientos y (auto-)prevencin de los usuarios.................................................... 20
3
Planificacin de la investigacin.................................................................... 21
Inters del proyecto ....................................................................................................... 21
Personal.................................................................................................................. 21
Para la comunidad acadmica ............................................................................. 22
Objetivos generales ....................................................................................................... 22
Preguntas de investigacin generales ......................................................................... 23
Grupos de estudio ......................................................................................................... 24
Conceptos clave ............................................................................................................. 26
Metodologa.............................................................................................................. 26
Cronograma temporal general ...................................................................................... 27
Mtodos.......................................................................................................................... 30
Encuestas panel .................................................................................................... 30
Entrevista en profundidad..................................................................................... 35
Mtodo Delphi........................................................................................................ 39
Conclusiones ............................................................................................................ 45
Los desafos de Big Data............................................................................................... 45
Sobre la metodologa..................................................................................................... 46
Limitaciones ................................................................................................................... 46
Bibliografa............................................................................................................... 49
Anexos......................................................................................................................... 55
Anexo 1: Desarrollo de la encuesta panel ................................................................... 55
Anexo 2: Desarrollo de la entrevista en profundidad.................................................. 62
Anexo 3: Desarrollo del mtodo Delphi........................................................................ 69
4
Presentacion del tema
Descripcin general
El presente Trabajo Final de Mster tiene como objetivo demostrar algunos de los
conocimientos disciplinares adquiridos, as como la formacin metodolgica y la
capacidad de trabajo desarrollada a lo largo de los estudios del Mster en
Comunicacin Social de la Universitat Pompeu Fabra en el curso 2014-2015.
En correspondencia con la normativa contemplada en el Procedimiento para la

realizacin del trabajo de investigacin de los msters de investigacin y de los
doctorados pre Bolonia, este proyecto se desarrolla siguiendo la modalidad A, como
el proyecto de investigacin de la correspondiente futura tesis doctoral.
Objeto de estudio
La analtica Big Data se presenta como una nueva forma precisa de investigacin
sobre los consumidores en publicidad. Sin embargo, las grandes posibilidades que
se abren para este sector podran derivar en importantes implicaciones ticas,
especialmente en la privacidad de los individuos. As, el presente proyecto pretende
estudiar cules son estas oportunidades y desafos y conocer las posturas
adoptadas por los usuarios y usuarias espaoles de Facebook y Twitter, por los
profesionales del mbito publicitario y por expertos en la materia ante este nuevo
paradigma social, tecnolgico y profesional.
Perspectiva desde la que se aborda el problema

El desarrollo de este proyecto se divide en dos partes diferenciadas: una primera
donde se aborda el objeto de estudio desde una perspectiva terica; y otra donde
se disea el desarrollo de tres metodologas de anlisis, que permiten la
investigacin los tres grupos sociales de estudio: se realizarn encuestas panel con
los usuarios de las redes sociales mencionadas, seguidas por entrevistas en
profundidad con los publicistas y el mtodo Delphi con los expertos en la materia.
5
La planificacin del proyecto se realiza para un perodo de tres aos a tiempo
completo, que responde al establecido para la duracin del programa de Doctorado
en Comunicacin de la Universitat Pompeu Fabra.
Antecedentes
La investigacin de audiencias, encadenada a un fin
Con el nacimiento de la prensa peridica en el siglo XVIII como primer medio de
comunicacin de masas, se pas de una comunicacin inmediata, o cara a cara
con el pblico, a la comunicacin mediada (McQuail, 2000: 45). Surge entonces
una necesidad, antes inexistente, de elaborar mecanismos mediante los cuales
controlar las respuestas de un pblico indeterminado ante los mensajes y
contenidos de estos medios. As nace la investigacin de audiencias, inicialmente
con el objetivo de conocer el tamao y las caractersticas, al menos las
sociodemogrficas, de la audiencia (Huertas Bailn, 2002: 145, 146).
Callejo (2001: 35) define la investigacin de audiencias como un conjunto de

formas y procedimientos de observacin, metodolgicamente controlados, que
tienen por objetivo conocer las caractersticas del receptor y la recepcin en un
proceso de comunicacin masivo.
La publicidad es la principal institucin social con inters material en conocer la

audiencia, por ello comienza a ver en el pblico de estos medios a los potenciales
receptores de sus mensajes publicitarios, y por tanto a invertir en ellos, volvindose
finalmente su fuente de financiacin principal y adquiriendo as la responsabilidad
de su existencia (Callejo, 2001: 25, 39-40, 63; McQuail, 1997: 9, 15). Por su parte,
los medios asumen la labor de crear la situacin de recepcin de su audiencia,
convirtindose en soportes de publicidad que enlazan productores con
consumidores (Callejo, 2001: 26, 103-104). Desde este momento, los medios
comienzan a justificar ante los anunciantes el resultado de su inversin publicitaria
en trminos de rentabilidad, seguridad y eficacia, teniendo en cuenta el volumen de
audiencia y la estabilidad de su alcance. Del mismo modo se modifican sus lgicas,
cambia la relacin de dominacin y se comienza a imponer una sociedad de
6
consumidores frente a la sociedad de ciudadanos (Huertas Bailn, 2002: 152;
Callejo, 2001: 64-65, 92).
Es as como, desde sus inicios, la publicidad ha sido y es uno de los motores

principales en el desarrollo de la investigacin de audiencias, que nace y
evoluciona siguiendo bsicamente las exigencias del mercado publicitario (Callejo,
2001: 21; Huertas Bailn, 2002: 146; Nightingale, 1999: 33). En este sentido, la
investigacin de audiencias ha cumplido siempre una funcin especular,
consistente en verificar y determinar el mercado y anticipar las respuestas del
pblico ante los medios; y utilizando para ello informacin de lo ocurrido en
situaciones similares anteriores, con el objetivo de establecer un mecanismo fiable
de fijacin de precios de la publicidad (Callejo, 2001: 19; Huertas Bailn, 2002:
152, 157-158).
En el entorno publicitario, tambin ha cumplido una importante labor de prediccin,

centrada en buscar normas de comportamiento controlables y previsibles y hallar
patrones de consumo estables. Esto se debe a que para establecer una
segmentacin eficaz del mercado, planificar las estrategias de comunicacin y
tomar decisiones con el menor riesgo posible, resulta necesario descubrir la dieta
meditica del consumidor. (Huertas Bailn, 2002: 146; Pedret, Sagnier y Camp,
2000: 13, 15, 17, 21). Grandes empresas como Taylor Nelson Sofres, la Oficina de
Justificacin de la Difusin o el Estudio General de Medios de la AIMC, en Espaa;
GfK o AGB a nivel europeo; Nielsen y Arbitron en los Estados Unidos; o IBOPE en
Iberoamrica, han sido las principales encargadas de la realizacin de este tipo de
estudios (Huertas Bailn, 2002: 147; Callejo, 2001: 127).
Con su desarrollo, este tipo de investigaciones se convierten en un instrumento

ms una nueva maquinaria econmica, y los consumidores en la principal
mercanca real del mercado burstil, financiada por los anunciantes y producida
por los medios (Smythe, 1983 en Huertas Bailn, 2002: 150; Callejo, 2001: 24,
25). En esta nueva economa, los procesos de comunicacin comienzan a dirigir
desde las decisiones de los productos que se va a crear hasta la construccin de
los estilos de vida en los que se integran. As, lo importante es tener acceso
constante a los clientes, el conocimiento de los movimientos de los clientes como
audiencia se convierte en la pieza fundamental para sobrevivir en el mercado. Es
la ventana por la que se accede al mrketing (Rifkin, 2000 en Callejo, 2001: 54).
7
Es resaltable el hecho de que histricamente, la mayor preocupacin del estudio de
audiencias, ha sido medir su volumen y su distribucin y no indagar en un
entendimiento e interpretacin de la misma (Callejo, 2001: 119; Huertas Bailn,
2002: 147; McQuail, 1997: 9, 16; Nightingale, 1999: 230). Por este motivo se han
realizado ms estudios de corte cuantitativo, y especialmente sondeos donde la
implementacin de las muestras fijas representaron un gran avance, que
cualitativos, donde los focus group han sido la tcnica ms recurrente (Huertas
Bailn, 2002: 15).
El afn por la modelizacin del consumidor

En publicidad, la investigacin sobre las conductas y comportamientos de los
consumidores llevan dcadas en el punto de mira. Diferentes autores han
desarrollado modelos del comportamiento del consumidor, siendo algunas de las
funciones principales de los mismos proveer una perspectiva de investigacin
comn, formar una estructura coherente y sistemtica para un campo de estudio
y avanzar en el conocimiento sobre el terreno (Len y Olbarri, 1991: 323).
Algunos de estos modelos se han centrado nicamente en representar un tipo de
comportamiento de consumo. Es el caso de los modelos de difusin o adopcin de
las innovaciones. Otros, pretenden cubrir el total de los aspectos que confluyen en
el comportamiento del consumidor y son los llamados modelos comprensivos
(Len y Olbarri, 1991: 322). Ms especficamente, los modelos comprensivos
tienen como objetivo conocer cmo se conjugan todos los aspectos de este proceso
dinmico del comportamiento y explicar la influencia que ejercen entre ellos y
tambin sobre su conjunto y, por tanto, aportar una representacin de la realidad
simplificada. Adems, con ellos se pretende avanzar hacia una esquematizacin
terica de la estructura y el proceso de la toma de decisin del consumidor, que
permita predecir sus comportamientos futuros (Len y Olbarri, 1991: 323).
Modelos como el de Howard y Sheth, el de Howard, el de Engel, Kollat y Blackwell o

el de Nicosia (Len y Olbarri, 1991: 325-334), que comenzaban a utilizarse en
Espaa a principios de la dcada de los 90, coinciden en la voluntad de representar
qu influye en el proceso de decisin de compra y comprender cmo se produce
dicha influencia (Len y Olbarri, 1991: 323). Pere Soler Pujals (1990: 209-210)
tambin apunta modelos como el empleado por el instituto Indecsa-Research
8
International Actitudes, estilos de vida, cuyos objetivos se centran clasificar a los
consumidores segn su comportamiento basndose en sus actitudes; o el modelo
Perceptor desarrollado por Novaction, que relaciona dos de sus objetivos con el
anlisis de las dimensiones que fundamentan la percepcin del consumidor y el
anlisis de la jerarqua de estas dimensiones que determinan la decisin de
compra de los consumidores.
La pauta elaborada por Len y Olbarri (1991: 324) para la evaluacin de los
modelos muestra que estos han de poseer las siguientes caractersticas: capacidad
de explicacin y prediccin, generalidad (como para cubrir un extenso elenco de
situaciones de consumo), poder heurstico elevado (que permitan formular nuevas
cuestiones), alto poder de unificacin (para interrelacionar las diferentes reas o
variables implicadas: actitudes, personalidad, lderes de opinin y procesos de
aprendizaje), consistencia interna, originalidad, simplicidad, verificabilidad y
factibilidad.
Los orgenes de Big Data

Para contextualizar los antecedentes del fenmeno Big Data, cabe echar la vista
hacia principios del siglo XX, cuando el crecimiento demogrfico y el volumen de
publicaciones e investigacin a nivel general comenzaron a aumentar de forma
significativa, especialmente en Estados Unidos. En la dcada de 1940, Fremont
Rider, un bibliotecario de la Universidad de Wesley, calcul que las bibliotecas de
las universidades americanas doblaran su tamao cada diecisis aos. Por
primera vez en el ao 1941, se comenz a hablar de la explosin de la
informacin (Press, 2013). Ms adelante, en los aos 60, el nmero de revistas
aument enormemente, incrementando su volumen por diez en slo medio siglo
(Bell, 1976: 177).
De forma paralela, a finales del siglo XX, emerge en el mundo empresarial el

trmino inteligencia empresarial, o Bussiness Intelligence, concerniente al
conjunto de estrategias y herramientas capaces de facilitar la toma de decisiones
basadas en el anlisis de datos reales (Tascn, 2013: 2). El Websters New
Collegiate Dictionary (Lunh, 1958: 314) define esta nueva inteligencia como the
9
ability to apprehend the interrelationships of presented facts in such a way as to
guide action towards a desired goal.
Como consecuencia, brota la necesidad de renovar los sistemas de

almacenamiento y recogida de datos, para dar respuesta a las nuevas necesidades
organizativas. Tambin vinculados a esta novedad, se generan nuevos sistemas
automticos para su compresin y almacenamiento digital (Bell, 1976: 177; De
Maine y Marron, 1967: 1). Estos sistemas fueron tomando cada vez ms
importancia, y ya en 1988 Devlin y Murphy (1988: 60) definieron la arquitectura de
almacenamiento de datos de IBM conocida como EBIS mediante la cual se
propuso an integrated warehouse of company data bases firmly in the relational
database environment. Finalmente este sistema se convirti en la referencia del
almacenamiento de datos (Power, 2007). Un ao despus, en 1989, Howard
Dresner ampli la definicin del trmino Business Intelligence como a set of
concepts and methods to improve business decision making by using fact-based
support systems (Power, 2007).
Posteriormente, la aparicin de Internet y la World Wide Web en el ao 1990,

condujeron a una un aumento todava mayor del volumen de informacin y a una
sofisticacin creciente del almacenamiento de datos. En el ao 1997, Lesk (1997:
7) pronostic que, llegado el ao 2000, habra suficiente espacio de
almacenamiento para registrar casi cualquier expresin de la actividad humana.
Anunci tambin que esto conducira a un mundo en el que la informacin no
podra ser revisada por los humanos y que surgira la necesidad de una
permanente evaluacin automtica para decidir a qu partes de ella se debera
prestar el preciado recurso de la atencin humana.
10
Un nuevo paradigma socio-
tecnologico
La acelerada implantacin de las Tecnologas de la Informacin y la Comunicacin y
especialmente la consolidacin de Internet en el seno de las relaciones sociales,
culturales y econmicas, ha modificado muchos mbitos de la actividad humana
(Surez y Alonso, 2010: 46-49; Castells, 2002). La abundancia, la manipulacin, la
difusin y la distribucin de informacin en cambio y movimiento constantes y
tambin la democratizacin de su creacin, han dado lugar a un cambio en la
organizacin y la estructura social, basada en el desarrollo de las redes de
interaccin y comunicacin (Gonzalo Rodrguez, 2012; Castells y Tubella, 2002: 6).
Conceptos como Sociedad de la Informacin (Torres, 2006; Bell, 1976), Sociedad

del Conocimiento (Burch (s.d.), 2; Castells, 2002) o Sociedad de Red, han surgido
para describir y resumir esta nueva forma de sociedad. El ltimo de ellos denomina
un tipo de sociedad cimentada en Internet como el medio necesario para el
desarrollo de las redes de interaccin y comunicacin e infraestructura
indispensable de la organizacin en red en todos los mbitos de la vida (Castells y
Tubella, 2002: 17). En ella, las barreras del espacio y el tiempo se rompen,
facilitando una comunicacin ubicua y asncrona, donde la informacin se convierte
en la materia prima primordial y la mente humana en la fuerza productiva directa
con la que manipular esa materia prima, situndose el conocimiento en el centro
de la produccin de riqueza de los procesos industriales (Castells, 1999: 58 en
Torres, 2006; Burch, (s.d.): 3).
La explosin de los datos masivos

La sociedad genera una ingente cantidad de datos que se registran y se acumulan
continuamente, pero esto no es algo nuevo, lo es el enorme aumento del volumen,
la variedad y la velocidad de generacin de datos (Laney, 2001: 1-3) y la posibilidad
de almacenarlos y analizarlos para extraer de ellos conclusiones sobre las que
tomar decisiones y planificar o predecir actuaciones: es el fenmeno Big Data (Cox
y Ellsworth, 1997: 1). Los datos que lo conforman, son de muy diferentes tipos y
proceden de fuentes diversas, algunos de ellos continan siendo born analog,
11
pero la gran mayora de ellos son ya born digital (The White House, 2014: 4;
Kalyvas, 2014: 1 en Kalyvas y Oberly, 2014).
La aparicin de este fenmeno viene en cierto modo impulsada por este nuevo
contexto socio-tecnolgico, pero las razones son, como indican Minelli, Chambers y
Dhiraj (2013: 2-4) variadas y complejas. Las resumen en tres perfect storm: la de
la computacin, la de los datos y la de la convergencia, que han provocado un
tremendo cambio en la economa global. Autoras como danah boyd y Kate Crawford
(2011: 1) o Gemma Galdn (2014) han hablado de la pobreza del trmino Big
Data, que en el ao 1997, Michael Cox y David Ellsworth empleaban por primera
vez para referirse a aquellas cantidades de datos lo bastante grandes como para
no poder ser almacenadas en la memoria principal, el disco local o cualquier otro
disco remoto de los ordenadores (Cox y Ellsworth, 1997: 1). boyd y Crawford (2011:
1-2) explican que, este problema de magnitud ya ha sido superado y aseguran que
el valor principal de este nuevo data ecosystem comes from the patterns that can
be derived by making connetions between pieces of data. Algo parecido exponen
Minelli et al. (2013: 5), que aseguran The real issue is usability y James R.
Kalyvas (2014: 1 en Kalyvas y Oberly, 2014), quien lo define como a process to
deliver decisin-making insights. Por su parte, Victor Mayer-Schonberger y Keneth
Cukier (2013: 6) explican: big data refers to things one can do at a large scale that
cannot be done at a smaller one, to extract new insights or create new forms of
value, in ways that change markets, organizations, the relationship between citizens
and governments, and more..
Las oportunidades de la analtica Big Data

La explosin de los datos masivos y la reciente emergencia en la dcada de 2010 y
actual desarrollo de la analtica Big Data, plantean una gran revolucin social y
econmica, que en el mbito publicitario se traduce en una oportunidad
excepcional. Minelli et al. (2013: 5-6) apuntan que, en cuanto a este posible uso de
Big Data en el mundo empresarial, The real challenge is identifying or developing
most cost-effective and reliable methods for extracting value from all the terabytes
and petabytes of data now available.
12
La minera de datos, su recopilacin, agregacin y anlisis mediante complejos
algoritmos y las tecnologas desarrolladas para su almacenaje, visualizacin y
gestin, hacen posible extraer de una enorme masa informe de ellos, informacin y
conocimiento valiosos. As, con las herramientas apropiadas se podrn conocer, no
slo las caractersticas personales de los ciudadanos, sino tambin patrones de
conductas y comportamientos, que hasta ahora permanecan ocultos (boyd y
Crawford, 2012: 663; Shroek, Shockley, Smart, Romero-Morales y Tufano: (s.d.), 7).
Esto proporcionar a los publicistas la oportunidad de conocer a los consumidores

a los que dirigir sus mensajes y segmentar sus audiencias cada vez de forma ms
precisa. Y yendo ms all, gracias a la analtica predictiva, se podra incluso
predecir algunas de sus conductas y comportamientos en relacin a cuestiones
concretas. En funcin de probabilidades basadas en datos de situaciones similares
anteriores, los publicistas podrn anticiparse a ellas y actuar en consecuencia
(Galdn, 2014; Mayer Schnberger y Cukier, 2013: 151).
Big (Social) Data
En este campo, el desarrollo de los social media y especialmente las redes sociales
se tornan una fuente de especial inters, debido a la gran cantidad de informacin
personal que los propios usuarios generan y ceden en ellas, cimentando su propio
rastro digital (Durn Segura y Mejas Peligro, 2014: 1; Burkell, Fortier, Cheryl Wong
y Simpson, 2014: 2); lo que recibe el nombre de born digital user generated
content (Manovich, 2012: 461).
Esta situacin resulta muy beneficiosa para la actividad publicitaria, en un

momento en que necesita reinventarse para atraer a un consumidor cada vez ms
exigente y empoderado gracias a Internet, que ha alcanzado una gran participacin
en aquello que consume y ha podido neutralizar tanto la pasividad como en
palabras de Dolors Reig el servilismo del consumidor tradicional (Abad, 2012).
Adems, la sobresaturacin de mensajes y mltiples estmulos a los que el pblico
ha estado sometido durante dcadas, ha provocado el desencadenamiento de
respuestas negativas ante la publicidad. Algo parecido a un mecanismo de defensa
ocasionado por un sentimiento de rechazo e irritacin (Rejn Guardia, 2009: 13).
13
De la muestra al universo
Otra de las principales aportaciones de la analtica Big Data es que elimina la

necesidad de trabajar sobre una muestra, gracias a la posibilidad de obtener datos
sobre el total del universo de estudio (Manovich, 2012: 462). Autores como Mayer-
Schnberger y Cukier (2013: 12-13) se han referido a la seleccin muestral como
an artefact of a period of information scarcity, a product of the natural constraints
on interacting with information in an analog era; y apuntan que, gracias a los datos
masivos, en algunos casos se podr procesar toda la informacin relativa a un
fenmeno concreto.
No obstante, la analtica Big Data no deja de trabajar sobre una recopilacin de

datos ms variados y en mayor escala que nunca antes realizada en base a
criterios concretos, que aporta, al igual que los antes mencionados modelos del
comportamiento del consumidor, una representacin de la realidad simplificada.
Como apuntan boyd y Crawford (2012: 670): The ability to represent relationships
between people as a graph does not mean that they convey equivalent
information.
Los riesgos del datacentrismo

Al hablar de datos masivos es fundamental plantearse cules son las posibilidades
que stos ofrecen, pero tambin cules son sus limitaciones y barreras.
La tirana de los datos
Los datos masivos abren puertas y ventanas a la investigacin cuantitativa. Sin

embargo, autores como Viktor Mayer-Schnberger y Kenneth Cukier (2013: 16) o
Gemma Galdn (2014) han hablado de ciertos riesgos, ligados a un creciente
fetichismo de los datos.
Uno de ellos es el de asociar los datos a una potencial respuesta ante cualquier
cuestin y acabar utilizndolos, por tanto, de forma errnea. Como anota Etlinger
(2014), es imprescindible recordar la importancia de las humanidades, de las
metodologas cualitativas y de valores como la ambigedad y la subjetividad,
because they give us context that is so important for big data and because they
help us become better critical thinkers.
14
Todo por el pueblo, con los datos del pueblo, pero sin el pueblo
Posiblemente, nuestra sociedad est viviendo un momento de enamoramiento por

los datos donde, como apunta Gemma Galdn (2014), se ha producido una
fascinacin injustificada por la tecnologa. Cada vez se recoge una mayor cantidad
de datos, pese a no existir un motivo concreto para hacerlo. Como apunta esta
investigadora, an no se ha demostrado que gracias a ellos se pueda construir una
sociedad mejor, y sin embargo se siguen recogiendo de forma masiva, a espaldas
de los ciudadanos. Algo que ella ha dado en llamar: El despotismo de los datos.
Otra cuestin relevante, atae a la analtica predictiva. Si bien la cantidad de

informacin recogida sobre las personas es cada vez mayor, la idea de predecir sus
conductas o comportamientos en base a ella guarda relacin con concepciones de
la naturaleza humana vinculadas a paradigmas como el conductista, el
determinista o el mecanicista. En ellas el consumidor es visto de forma
despersonalizada y facultades como el libre albedro, se ven perturbadas (Mayer
Schnberger y Cukier, 2013: 151).
De este modo, la investigacin basada en datos, podra tener grandes limitaciones

similares a las atribuidas a la investigacin tradicional de audiencias. sta ltima,
lejos de profundizar en una comprensin ms completa del consumidor, se ha
centrado siempre en conocer su volumen y distribucin. Una prctica que, desde
sus inicios, se ha caracterizado por cimentarse sobre la pre-representacin y la
reproduccin de una audiencia determinada, donde es la propia investigacin
quien le da realidad. (Huertas Bailn, 2002: 152; Callejo, 2001: 18-19, 40, 61, 66,
135).
15
El dilema etico
El concepto de privacidad
Dada la gran importancia del trmino privacidad en el presente proyecto, cabe
presentar aqu algunas de las definiciones del trmino que se han considerado
como algunas de las ms relevantes en Espaa.
1. El Artculo 12 de la Declaracin Universal de los Derechos Humanos

establece que Nadie ser objeto de injerencias arbitrarias en su vida privada, su
familia, su domicilio o su correspondencia, ni de ataques a su honra y su
reputacin. Toda persona tiene derecho a la proteccin de la ley contra tales
injerencias o ataques (Unidos por los Derechos Humanos, (s.d.)).
2. La Real Academia de la Lengua Espaola (2012) define el trmino

privacidad como el mbito de la vida privada que se tiene derecho a proteger de
cualquier intromisin.
3. Los Artculos 18.1. y 18.4 de la Constitucin espaola de 1978 exponen

los siguientes derechos fundamentales y de las libertades pblicas, que ataen
directamente a esta cuestin: Artculo 18.1. Se garantiza el derecho al honor, a la
intimidad personal y familiar y a la propia imagen. Artculo 18.4. La ley limitar el
uso de la informtica para garantizar el honor y la intimidad personal y familiar de
los ciudadanos y el pleno ejercicio de sus derechos.
Adems, cabe incluir tambin en este apartado las siguientes medidas tomadas
para la proteccin de datos de carcter personal en Espaa:
1. Como indica el BOE nmero 298, de 14 de diciembre de 1999, la Ley

Orgnica 15/1999, de Proteccin de Datos de Carcter Personal (LOPD) tiene por
objeto garantizar y proteger, en lo que concierne al tratamiento de los datos
personales, las libertades pblicas y los derechos fundamentales de las personas
fsicas, y especialmente de su honor e intimidad personal y familiar. En ella se
define como datos de carcter personal cualquier informacin concerniente a
personas fsicas identificadas o identificables, y como tratamiento de datos
aquellas operaciones y procedimientos tcnicos de carcter automatizado o no,
16
que permitan la recogida, grabacin, conservacin, elaboracin, modificacin,
bloqueo y cancelacin, as como las cesiones de datos que resulten de
comunicaciones, consultas, interconexiones y transferencias.
2. Tras la imposicin del artculo 18.4 de la Constitucin espaola de 1978

antes expuesto, la Sentencia 292/2000 del Tribunal Constitucional proclama que
el derecho expuesto en este artculo es un verdadero derecho fundamental,
autnomo y claramente diferenciado de los dems que se garantizan en el mismo
art. 18 de la Constitucin Espaola (Agencia Espaola de Proteccin de Datos,
(s.d.)). As, en 1992 se crea la Agencia Espaola de Proteccin de Datos, como una
autoridad independiente cuya funcin principal es velar por el cumplimiento de la
legislacin sobre proteccin de datos y controlar su aplicacin a fin de garantizar el
derecho fundamental a la proteccin de datos personales (Agencia Espaola de
Proteccin de Datos, 2013: 6).
En lo que respecta a este proyecto se entiende el concepto de privacidad como un

espacio reservado en torno al cual se construyen fronteras y se controla el acceso;
y como un mbito protegido de la atencin no deseada, donde se resguarda
aquello que se quiere alejar del escenario pblico.
La fragilidad de lo privado
Sin nimo de abordar el tema desde una perspectiva orwelliana (o relacionada con
sistemas de vigilancia o control ciudadano), lo cierto es que Big Data gira en torno a
grandes cantidades de datos personales y, pese a que su anlisis no est enfocado
a extraer informaciones individuales sobre las personas sino para obtener
informacin agregada de las expresiones colectivas (Facebook for Business,
2014), tiene claras implicaciones en la privacidad y las libertades individuales de
los ciudadanos (on y offline) (Howell, 2014: 33 en Kalyvas y Oberly, 2014).
Howell (2014: 33 en Kalyvas y Oberly, 2014) expone dos razones fundamentales

por las cuales Big Data difiere de los datos estructurados desde una perspectiva
tica. En funcin de los problemas y desafos de privacidad que Big Data presenta
para la proteccin de datos personales, expone: (1) The analysis of Big Data is
often for a purpose different from the original purpose for which the data was
17
gathered, and (2) the volume of data used for Big Data purposes can be vastly
greater than that found in traditional structured databases.
Este problema tico vinculado al uso de datos personales se incrementa en el

momento en que los ciudadanos pierden el control sobre ellos; se encuentran
desprovistos de la informacin necesaria para actuar en pro de la defensa de su
privacidad (Universitat Oberta de Catalunya, (s.d.)); o no disponen de los
mecanismos para conocer cmo y quin puede acceder a ellos y de qu modo
puede utilizarlos (Fairfield y Sthein, 2014; Howell, 2014: 33 en Kalyvas y Oberly,
2014). Por estos motivos, parece necesario contemplar las posibilidades de la
analtica Big Data desde una perspectiva tica, ya que como indican Mayer-
Schnberger y Cukier (2013: 16) el mayor shock, puede ser el que sufran los
ciudadanos; a lo que aaden: Society has millennia of experience in understanding
and overseeing human behavior. But how do you regulate an algorithm?.
En las redes sociales, los datos publicados por los usuarios se vuelven accesibles a
los dems y pueden ser obtenidos fcilmente, lo que, desde un punto de vista
tico, no justifica su libre uso (boyd y Crawford, 2011: 10). En este sentido, boyd y
Marwik (2011: 11) hablan de un entorno pblico por defecto referido al creado en
la red social Facebook, donde la misma forma tradicional de compartir se ve
afectada. Los creadores de Lovely-Faces.com, Paolo Cirio y Alessandro Ludovico
(Exposicin Big Bang Data, Centre de Cultura Contempornia de Barcelona,
consultado el 10 de octubre de 2014), se refieren a Facebook al hablar de La
fragilidad de nuestra nocin tradicional de intimidad en un medio en el que
nuestros datos personales se han convertido en una mercanca explotable con
fines comerciales.
Se establece as un eje de contradiccin fuerte entre esta extensin del espacio

pblico y la necesidad de preservacin de la vida privada, que marcar de forma
continuada el desarrollo de este proyecto. As, un aspecto a analizar es cmo
percibe la sociedad actual la privacidad y tambin cmo construye su mbito de
vida privada, en este caso, en torno a su actividad en las redes sociales.
18
Deontologa profesional y legislacin
Al contemplar la rapidez con la que avanza la tecnologa, parece necesario que el
marco regulador en torno a esta problemtica sea flexible y adaptable para evitar
caer en la ineficiencia o la obsolescencia (Daz-Campo y Segado Boj, 2014: 2-3). As
la actuacin conjunta de regulacin y autorregulacin profesional parece adecuada
para presentar soluciones adaptadas a la complejidad de las implicaciones y a la
multifactica presencia del fenmeno Big Data en muy diferentes mbitos de la
sociedad (Autocontrol, 2011: 3).
En este apartado se realiza un rpido repaso sobre la actualidad de dos de los

cdigos deontolgicos publicitarios espaoles de mayor relevancia y una nueva
normativa europea para la proteccin de datos personales, cuya implantacin se
prev para el ao 2016.
Espaa, ao 2015: cdigos de tica publicitaria de Autocontrol
Como primer acercamiento a los cdigos de tica publicitaria establecidos

actualmente en Espaa, se han consultado el Cdigo tico de Conducta Publicitaria
y el Cdigo tico de Confianza Online de Autocontrol. Tras su lectura cabe destacar
que en el primero de ellos no se ha encontrado ninguna alusin a esta
problemtica y en el segundo ninguna mencin explcita a ella. A modo de sinopsis,
los puntos ms destacables de este Cdigo tico de Confianza Online de
Autocontrol (Autocontrol, 2011: 4-5) en torno al tema que aqu se trata son:
la necesidad de informar al consumidor de que sus datos estn siendo

recogidos o utilizados y los fines perseguidos;
la importancia de dar al consumidor mecanismos para conseguir esta
informacin y ordenar que sus datos sean eliminados o especificar los fines
para los que consiente su uso;
y una de las excepcionalidades expuesta en el Artculo 29, sobre la necesidad
de consentimiento para el uso de datos de carcter personal, que se muestra a
continuacin: El tratamiento de los datos de carcter personal requerir el
consentimiento inequvoco del titular, salvo en los siguientes supuestos: () -
cuando los datos figuren en una fuente accesible al pblico y su tratamiento
sea necesario para la satisfaccin del inters legtimo perseguido por el
responsable del fichero o por el del tercero a quien se comuniquen los datos,
19
siempre que no se vulneren los derechos y libertades fundamentales del titular
() (Autocontrol, 2011: 21-22).
Europa, ao 2016: reforma de las leyes de proteccin de datos de 1995
Por otra parte, y en relacin a las medidas legislativas que actan sobre territorio
Espaol, cabe destacar que, adems de las disposiciones mencionadas en el
apartado El concepto de privacidad, resulta de inters para este estudio la
iniciativa tomada desde la Comisin Europea (2012) para la reforma de las leyes
de proteccin de datos de 1995, cuyo objetivo es reforzar los derechos de
privacidad en la red e impulsar la economa digital. Adems apuntan: The initiative
will help reinforce consumer confidence in online services, providing a much
needed boost to growth, jobs and innovation in Europe. Su entrada en vigor se
prev para el ao 2016.
Conocimientos y (auto-)prevencin de los usuarios

El referente que se ha encontrado ms directamente ligado a la parte del objeto de
estudio de este proyecto ateniente a las conductas de los usuarios en redes
sociales y de sus percepciones sobre la privacidad es el estudio Conocimientos y
comportamientos de los usuarios de la red social Facebook relacionados con la
privacidad de Durn Segura y Mejas Peligro (2014). Consiste en un estudio
emprico realizado en Espaa, que replica el realizado en poblacin estadounidense
por los investigadores Hoy y Milne en el ao 2013 (Durn Segura y Mejas Peligro,
2014: 2).
Mediante un cuestionario virtual realizado a un total de 190 jvenes de ambos

sexos, con una edad media de 24 aos, se estudian los niveles de preocupacin,
conocimientos y creencias sobre la privacidad de los usuarios de la red social
Facebook en Espaa y tambin las conductas que stos ponen en marcha para la
prevencin de la misma. Adems, se analiza la posible existencia de diferencias de
gnero en relacin a la medicin de estas variables.
Como algunos de los aspectos ms destacados cabe resaltar en primer lugar que,
segn indican sus autores, la literatura sobre el estudio de las creencias o
conocimientos por parte de los usuarios sobre el tratamiento de su informacin
personal es escasa y realizada adems en poblacin americana (Durn Segura y
20
Mejas Peligro, 2014: 2); y en segundo lugar que las conductas de prevencin
llevadas a cabo por los usuarios para la proteccin de la privacidad de su
informacin personal en la red social Facebook son inferiores a las que cabra
esperar de una sociedad preocupada por su privacidad en la red (Durn Segura y
Mejas Peligro, 2014: 8).
Planificacion de la investigacion
Inters del proyecto
Personal
El inters por realizar este proyecto vinculado al programa formativo del Doctorado
en Comunicacin de la Universitat Pompeu Fabra se ha acentuado al cursar el
Mster en Comunicacin Social, gracias al que he podido adquirir formacin
metodolgica y relacionada con las tendencias actuales de investigacin en el
mbito de la comunicacin. Durante estos meses he podido conocer la Universidad,
su funcionamiento y a una parte del personal investigador y docente ligado al
Departamento de Comunicacin y tambin he participado en alguna de las
actividades dirigidas a los estudiantes de doctorado, como es el caso de la Taula de
Nova Recerca. As, he podido apreciar que existe una vinculacin entre los
intereses y lneas de investigacin del Departamento y los propuestos en el
presente proyecto.
Mi inters personal para la eleccin de este tema pasa por continuar en la lnea de
investigacin abierta en mi Trabajo de Fin de Grado La publicidad en la era del Big
Data. El respeto a la libertad individual, desarrollado en la Universidade de Vigo
durante el curso 2013-2014, bajo la direccin de la Doctora Aurora Garca
Gonzlez.
Dicha lnea de investigacin se extiende al presente Trabajo Final de Mster,

realizado bajo la direccin del Doctor Frederic Guerrero Sol, cuyos intereses
actuales de investigacin se centran en el estudio de los efectos de los medios de
21
comunicacin, la sociologa de la comunicacin, el anlisis de redes sociales y de la
comunicacin poltica en Twitter y tambin en el fenmeno Big Data.
Para la comunidad acadmica
En relacin a lo expuesto en la parte de marco terico y estado de la cuestin, y a

los criterios fijados por Ruiz Olabunaga (2012: 13-16) para la correcta seleccin
de un tema de investigacin en relacin a su importancia y significacin, se extrae
que podra resultar de inters para la comunidad acadmica por los siguientes
motivos:
El tema es oportuno y actual.

Debido a la naturaleza reciente del fenmeno y de la analtica Big Data, todava
es necesario investigar en muchos aspectos.
Responde a intereses y curiosidades contemporneas de la sociedad.
Afecta al conjunto de la poblacin y de una forma especial a los usuarios de
redes sociales.
Afecta a la actividad publicitaria, un sector estratgico de la poblacin, que
tiene un gran un influjo sobre el resto de la sociedad, al que el fenmeno de
estudio ofrece grandes posibilidades.
Objetivos generales
Se establecen a continuacin los objetivos generales del proyecto. Los objetivos
especficos se indican ms adelante, en relacin a cada una de las metodologas
de estudio que se prev aplicar.
1. Conocer cules son los posibles beneficios, adelantos o utilidades que

presenta la analtica Big Data para el sector de la publicidad.
2. Profundizar en los desafos y problemas ticos vinculados a las posibles

aplicaciones o derivas del fenmeno, en relacin al eje de oposicin central espacio
pblico-vida privada.
3. Conocer el nivel de informacin y conocimiento generales sobre el

fenmeno Big Data, su alcance y sus consecuencias entre los grupos de estudio de
los publicistas y los usuarios de las redes sociales Facebook y Twitter en Espaa.
22
4. Analizar cul es la opinin dominante en los tres grupos de estudio sobre
el desarrollo actual y las perspectivas de futuro del desarrollo de la tecnologa Big
Data.
5. Estudiar si existe un dilema tico en torno al problema de estudio y

comprender, desde la perspectiva de los tres grupos de estudio, cmo lo gestiona
la sociedad. Se pretenden analizar tanto las percepciones presentes como las
expectativas futuras sobre el uso tico de los datos y tambin las conductas
actuales y los planes de actuacin futuros.
6. Comprender los comportamientos y actuaciones de los tres grupos

sociales estudiados frente a esta nueva situacin.
7. Conocer las medidas legales y los avances en la implementacin de

cdigos ticos de conducta profesional para el uso responsable de los datos
masivos.
8. Examinar cules las posibilidades ticas para una implementacin de la

analtica Big Data en la actividad publicitaria, que evite el riesgo social.
Preguntas de investigacin generales

1. Qu nuevas oportunidades ofrece la analtica Big Data a la actividad
publicitaria?
2. Qu implicaciones ticas plantea el uso de datos masivos en la privacidad de
los individuos?
3. Cul es el posicionamiento previo de los ciudadanos usuarios de las redes
sociales Facebook y Twitter en Espaa ante esta nueva situacin?
4. Cmo se posicionan los publicistas?
5. Y los expertos en la materia?
6. En qu puntos difieren y convergen las posturas adoptadas por estos tres
grupos de estudio en relacin al fenmeno de estudio?
7. Existe actualmente un dilema tico en torno a las implicaciones ticas del uso
de datos masivos entre los grupos sociales de estudio?
8. Cmo gestionan los tres grupos de estudio este dilema tico?
9. Cules son los recursos disponibles para evitar el riesgo social provocado por
las implicaciones ticas del uso de datos masivos?
23
Grupos de estudio
La distincin entre estos grupos de estudio se realiza
desde una perspectiva analtica e inicial, sobre la que se
profundizar en el desarrollo de la tesis doctoral y
especialmente con el desarrollo de las metodologas
de anlisis. En cualquier caso, es claro que estas
esferas no representan compartimentos
estancos, sino que hacen referencia a una
realidad ms compleja, donde sus lmites e
intersecciones son difusos y se producen
interacciones y solapamientos entre ellas.
a. En primer lugar, la ciudadana, que en este caso se concreta en el

subgrupo de usuarios y usuarias de Facebook y Twitter en Espaa. Desde la
concepcin que lo estudiado en la parte de revisin bibliogrfica, ha aportado a
este proyecto, estos individuos parecen caracterizarse principalmente por resultar
protagonistas de la situacin en dos sentidos: por una parte como posibles
afectados por una situacin ajena a su conocimiento e intereses; y por otra, como
dueos y emisores de muchos de los datos que generan esta situacin, y por lo
tanto responsables indirectos de la misma.
b. En segundo lugar, el mbito empresarial, que en este caso se concreta en

el subgrupo de los publicistas y directivos publicitarios. Su relacin con el fenmeno
de estudio podra ser muy directa. Aquellos que decidan utilizar los datos para su
actividad, podrn ser los responsables de darles forma y sentido porque, como
explica Etlinger (2014), data doesent create meaning. We do. Debido a su
implicacin y los intereses del mercado, este grupo podra ser uno de los causantes
de una inclinacin de analtica de datos ms interesada en el logro de beneficios
empresariales que en el desarrollo tico de la misma.
c. Y en tercer lugar el mbito especializado, que se conforma aqu por un

grupo de expertos en la materia. Este grupo se caracterizar por encontrarse en
una posicin privilegiada, como buenos conocedores de la situacin. Dependiendo
de su disciplina de proveniencia, su implicacin con el fenmeno de estudio ser
mayor o menor, as como su potestad y responsabilidad para intervenirla.
24
Qu es un experto
Partiendo de la concepcin de Landeta Rodrguez (2002: 57), en el presente

proyecto se entender la figura del experto como aquel individuo cuya situacin y
recursos personales le posibiliten contribuir positivamente a la consecucin del fin
que ha motivado la iniciacin del trabajo Delphi, es decir, generalmente alguien
que se encuentre implicado en el problema y sea capaz de participar activamente
que aporte algo relevante. Se contemplan, por otra parte, tres tipos de expertos
que distingue el autor:
c.1. los especialistas: vinculados al concepto de experto clsico y cuyo

bagaje puede aportar conocimientos, experiencia, capacidad predictiva y
objetividad. Se busca su preponderancia en el panel cuando se necesita
informacin sobre cmo actuar;
c.2. los afectados: conocen el rea de estudio y estn implicados de alguna

forma en ella, forman parte del colectivo sobre el que se aplicar la decisin
basada en los resultados del Delphi. Se busca su preponderancia en el panel
cuando existe un conflicto de intereses en torno al problema de estudio;
c.3. y los facilitadores: individuos con capacidad para clarificar, sintetizar,

estimular, organizar, que no tienen por qu pertenecer a ninguna de las
categoras anteriores. Preponderan en el panel cuando las relaciones, valores o
hechos no estn claros.
25
Conceptos clave
Como fase previa a la explicacin de la metodologa, se ha considerado necesaria
la elaboracin, en base a la teora estudiada, de una definicin clara y breve de dos
conceptos clave para el estudio: el concepto de privacidad (que ha sido expuesta
en la pgina 17) y del fenmeno Big Data, que se expone a continuacin:
En lo que respecta al presente proyecto, Big Data se comprende como un nuevo

fenmeno socio-tecnolgico complejo que surge debido a un enorme aumento en
la velocidad, la variedad y el volumen de datos y a la modificacin de la estructura
social, donde el desarrollo de Internet ocupa un lugar central.
Las posibilidades que presenta se refieren principalmente a la capacidad creciente

para almacenar, analizar y relacionar los datos entre s, que promete la extraccin
de informacin valiosa para la prediccin y planificacin de actuaciones.
Los desafos ticos, se vinculan a estas posibilidades y remiten fundamentalmente

a una posible intromisin en la privacidad de los ciudadanos.
Estas definiciones pretenden tener, en primer lugar, un carcter terico, como

sntesis de las aportaciones recogidas en la primera parte de este proyecto; y en
segundo lugar, un carcter operativo, como punto de partida para el diseo
metodolgico y el anlisis de resultados. Sin duda, dichas definiciones se
presentan en su estado embrionario y, en cualquier caso, se trabajar sobre ellas
en los prximos tres aos, para afianzarlas y ampliarlas del modo ms apropiado
posible.
Metodologa
Para el cumplimiento de los objetivos propuestos en este proyecto, se plantean tres
metodologas de anlisis diferenciadas, que permitirn estudiar: en primer lugar al
grupo social compuesto por usuarios y usuarias de las redes sociales Facebook y
Twitter en Espaa; en segundo lugar a los publicistas espaoles; y por ltimo a un
grupo de expertos en la materia.
Las metodologas propuestas se desarrollan ms adelante y son, respectivamente:

encuestas panel, entrevistas en profundidad y mtodo Delphi.
26
Cronograma temporal general
En las siguientes pginas se plasma el cronograma temporal general establecido para el desarrollo de las tareas a ejecutar durante la
realizacin de la tesis doctoral. Esta planificacin temporal comienza en el mes de octubre (O) del ao 2015, con el inicio del curso
acadmico 2015-2016 y se extiende hasta el mes de septiembre (S) del ao 2018. A partir del momento en que la tesis sea depositada,
estableciendo como plazo mximo para ello el mes de septiembre de 2018, se intensificar el proceso de preparacin de la defensa oral
del proyecto.
2015 2016 2017 2018
Fase Tareas O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S
Revisin bibliogrfica. Estudio

1
terico.
Focalizacin del diseo y
adecuacin de las
2 metodologas de anlisis en
base a la fundamentacin
terica.
Diseo de la metodologa de
3 encuestas. Preparacin del
mtodo.
Implementacin de la
3 metodologa de encuestas.
27
O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S
Procesamiento y anlisis de
3 los datos obtenidos en las
encuestas.
Organizacin e interpretacin
3 de los resultados de las
encuestas.
Diseo de la metodologa de
4 entrevistas en profundidad.
Preparacin del mtodo.
Implementacin de las
4
entrevistas en profundidad.
Transcripcin de las
4
entrevistas.
Procesamiento y anlisis de
4 los datos obtenidos en las
entrevistas.
4 de los resultados de las
entrevistas.
Diseo de la metodologa
5 Delphi para los expertos.
Preparacin del mtodo.
Implementacin de la
5
metodologa Delphi.
28
O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S
Recogida y procesamiento de
5
los datos del mtodo Delphi
5 de los resultados del mtodo
Delphi.
de los resultados en conjunto
6 y extraccin de las
conclusiones generales
Momento de mayor intensidad de

*Este cronograma es de carcter orientativo, debido a la dificultad de establecer una
trabajo panificacin fija de las tareas a tan largo plazo.
Intensidad de trabajo media **Las tareas y la planificacin temporal descritas en este cuadro se completan con los
cronogramas especficos estipulados para el desarrollo de cada metodologa, que se
Reduccin de la intensidad de trabajo exponen en los apartados correspondientes a cada una de ellas.
29
Mtodos
Encuestas panel
Justificacin terica de la eleccin del mtodo
La encuesta es una tcnica de investigacin cuantitativa que permite recoger datos

objetivos como los hechos y subjetivos como las opiniones o actitudes sobre
una muestra de casos amplia y representativa de forma rpida y eficaz. En su
aplicacin El inters del investigador no es el sujeto concreto que contesta el
cuestionario, sino la poblacin a la que pertenece, por lo que mediante las
tcnicas de muestreo adecuadas, faculta la aplicacin masiva de los resultados a
una poblacin o universo ms amplio, del que se pretende explorar, describir,
predecir y/o explicar una serie de caractersticas (Casas Anguita et al., 2003a:
527).
El instrumento bsico y ms conocido para la obtencin de los datos es el

cuestionario, que sirve como soporte de investigaciones sobre una gran variedad
de temas, en el mbito de las ciencias sociales y de la comunicacin (Igartua
Perosanz, 2006: 231; Igartua Perosanz y Humanes, 2004: 15, 6; Casas Anguita et
al., 2003a: 528). Los datos se recogen de forma estandarizada lo que faculta las
comparaciones intergrupales por medio de la observacin indirecta de las
manifestaciones realizadas por los encuestados, pero no de sus comportamientos
(Igartua Perosanz y Humanes, 2004: 15; Casas Anguita, et al., 2003a: 527).
Si se tiene cuenta la dimensin temporal de las encuestas, estas pueden ser

transversales las que tienen como objetivo describir la realidad en un momento
determinado o longitudinales cuyo objetivo consiste en describir y explicar los
procesos producidos como consecuencia del tiempo transcurrido entre las
mediciones (Vidal Daz de Rada, 2007: 134). Dentro de este ltimo tipo de
encuestas se incluye la denominada tcnica de panel, que permite recoger la
informacin proporcionada por una misma muestra, acerca del mismo tema, en
momentos diferentes y por tanto facilita la medicin de las mismas variables en el
tiempo. Adems por medio del panel puede averiguarse la fluctuacin o el cambio
experimentado por los mismos sujetos y el porqu y obtener informacin tanto del
30
cambio del fenmeno analizado como de las unidades o sujetos que cambian
(Baxter y Babbie, 2004 en Igartua Perosanz, 2006: 235). Una de sus aplicacion es
son los paneles experimentales, que consiste en un modo de experimento de
campo controlado caracterizado por la aplicacin de la misma encuesta a la
misma muestra en dos momentos separados por la introduccin de un estmulo
experimental. Este tipo de estudios permiten estudiar cmo la introduccin de un
estmulo condiciona las respuestas de los participantes, e incluso compararlo con
las propias de un eventual grupo de control no sometido a tal estmulo (Vidal Daz
de Rada, 2007: 134; Gaitn Moya y Piuel Raigada, 1998: 196-197).
Como toda tcnica, la encuesta longitudinal panelstica tiene ciertas ventajas e

inconvenientes. De entre sus ventajas se podran resaltar: que permite evaluar las
fluctuaciones, los cambios y la evolucin de los comportamientos de los
participantes; que la repeticin o el automatismo que la caracterizan favorecen la
rapidez y eficacia en la recoleccin y registro de los datos en cada fase; y que sus
resultados disfrutan de una alta validez interna. Por otra parte, de entre sus
inconvenientes se destacan: el encarecimiento que supone para el estudio y la
cantidad de tiempo requerido para su realizacin; la alta mortalidad experimental
que ocasiona la reduccin progresiva de la muestra y que puede llevar a hacerla
no-representativa; la posibilidad de condicionamiento de los sujetos componentes
del panel como parte de una muestra fija, que como consecuencia pueden alterar
sus patrones de conducta o tener ciertas reservas a desvelar sus verdaderos
hbitos; la dificultad para mantener a los participantes en el anonimato durante la
duracin de todo el proceso; o el sesgo ocasionado por el mantenimiento una
muestra fija cuando se producen cambios en la poblacin a la que sta representa
(Vidal Daz de Rada, 2007: 134; Gaitn Moya y Piuel Raigada, 1998: 198, 203-
204).
Descripcin del mtodo
Debido a la ya mencionada centralidad del lugar que las redes sociales ocupan en
relacin al fenmeno de estudio, el uso de esta tcnica se focalizar en analizar el
colectivo de usuarios y usuarias de Facebook y Twitter en Espaa, que resultan un
punto clave en el proyecto. Adems de esto, el anlisis de este grupo reducido de la
ciudadana permite una mayor concrecin en las variables de estudio relativas a la
perspectiva de los ciudadanos, que, por otra parte representan cada vez un
31
porcentaje mayor de la poblacin espaola. As, mediante preguntas especficas, se
podrn controlar de forma ms clara y precisa sus conocimientos, competencias y
actitudes, as como la medicin de sus conductas y de los cambios producidos en
ellas a lo largo del tiempo en base al mbito especfico de estas dos redes sociales.
Teniendo en cuenta la gran amplitud del universo de estudio y la dificultad de

emplear una tcnica de observacin online, resulta interesante utilizar un mtodo
de recoleccin de datos que permita conocer sus caractersticas generales
mediante la seleccin de un grupo reducido. As, y siguiendo los estudios de Durn
Segura y Mejas Peligro (2014) en poblacin espaola y de Hoy y Milne (2013) en
poblacin estadounidense, se plantea realizar una encuesta con una muestra
aleatoria y estadsticamente representativa de usuarios que, en este caso, ser de
tipo longitudinal y desarrollada mediante la tcnica de panel experimental. Su uso
se proyecta al inicio de la segunda fase del proyecto, como la primera de las
metodologas de anlisis.
Partiendo de que los sujetos de estudio pertenecen a un mbito de por s ligado a

Internet, se realizarn cuestionarios online distribuidos por correo electrnico, con
el eventual refuerzo de su transmisin por medio de las redes sociales de estudio.
Como muestra inicial se plantean tres paneles de anlisis a los que se expondr a
diferentes estmulos experimentales para estudiar sus respuestas a tres
cuestionarios distribuidos a lo largo de un ao: el primero al inicio del estudio, el
segundo como punto de control en el medio y el tercero una vez entregado el ltimo
artculo.
Estos estmulos experimentales consisten en una informacin breve (de tipo escrito
o audiovisual) que se les proporcionar una vez al mes a lo largo del perodo de un
ao. Al primero de los tres paneles se le facilitar informacin positiva sobre los
beneficios y oportunidades del fenmeno Big Data y el anlisis de datos masivos;
otro se expondr a informacin negativa, relacionada con los riesgos sociales e
implicaciones de la misma; y un tercero al que se le proporcionar aleatoriamente
informacin positiva y negativa. Con esta prueba experimental se pretende estudiar
cmo se modifican las variables de estudio al aumentar el conocimiento sobre el
fenmeno en base informacin desigual. Se busca as mismo analizar si habr
diferencia en la implementacin de conductas de proteccin de la privacidad en los
participantes, dependiendo del grupo al que pertenezcan. Para respetar que exista
32
un equilibrio entre las informaciones proporcionadas a cada grupo, tanto en los
contenidos como en la extensin y el contenido correspondiente, se realizar de
forma previa un pequeo anlisis de contenido de artculos de prensa u otras
informaciones breves, que en base a uno criterios preestablecidos sern
seleccionados para su utilizacin.
Variables de estudio
Sociodemogr-
Conductuales Cognitivas Perceptuales
ficas
Sexo. Frecuencia de conexin a Nivel de conocimiento del Percepcin de la exposicin en Facebook
Facebook. fenmeno Big Data. y Twitter.
Edad.
Frecuencia de conexin a Nivel de conocimiento de las Percepcin de riesgo de cesin de datos
Ideologa poltica.
Twitter. polticas de privacidad de en redes sociales.
Nivel de estudios. Facebook y Twitter.
Implementacin de Importancia del valor de la privacidad.
Situacin laboral. conductas de auto- Positividad o negatividad de
Sensacin ante la informacin
Localidad de residencia. prevencin de la la informacin recibida.
proporcionada.
privacidad en redes
sociales. Aumento o disminucin de la frecuencia
de conexin a las redes sociales.
Cambio de frecuencia de
conexin a las redes Valoracin sobre el uso datos personales
sociales. en la sociedad.
Inters por recibir Percepcin de la necesidad de cdigos
formacin relativa a la deontolgicos en relacin al uso de Big
propia proteccin de la Data en publicidad.
privacidad y de datos Percepcin de la necesidad de leyes en

personales. defensa de la privacidad y en contra del
uso indiscriminado de datos de carcter
personal.
33
Objetivos especficos
Como objetivos especficos de la utilizacin de este mtodo, se establecen:
1. Indagar en el significado que los usuarios de las redes sociales Facebook y

Twitter en Espaa atribuyen al valor de la privacidad.
2. Investigar cmo modifican los espacios de privacidad de los ciudadanos las
redes sociales (indagar en cules son las modificaciones intencionadas y cules
son impuestas).
3. Examinar los conocimientos de los usuarios y usuarias de estas redes sociales
en relacin a las posibilidades que ofrece la analtica Big Data y los desafos
que presenta para su privacidad.
4. Comprender las conductas cotidianas de auto-proteccin y prevencin de la
privacidad adoptadas por los usuarios de las redes sociales Facebook y Twitter
en Espaa.
5. Analizar sus percepciones y actitudes y conocer sus expectativas ticas en
relacin al uso y explotacin de sus datos personales con fines comerciales.
6. Analizar los cambios en las percepciones, actitudes y conductas de los usuarios
de las redes sociales en relacin a la informacin proporcionada durante el
periodo de un ao.
7. Estudiar si el riesgo percibido de cesin de datos vara dependiendo del tipo de
informacin proporcionada.
8. Analizar si una mayor percepcin de riesgo de cesin de datos en las redes
sociales Facebook y Twitter conllevarn cambios en sus conductas como
usuarios.
Preguntas de investigacin especficas
Las principales cuestiones a las que se quiere dar respuesta con el uso de esta
metodologa son:
1. Qu aspectos de la vida y de las relaciones sociales personales consideran los

usuarios de Facebook y Twitter en Espaa como imperturbables en su mbito
de privacidad?, 1.1. cules de estos aspectos han pasado a ocupar un lugar
en el escenario pblico?, 1.2. cul es el motivo de esta modificacin?
34
2. La exposicin a informacin relativa a los riesgos e implicaciones sobre el
fenmeno provoca un mayor aumento en la preocupacin por la privacidad que
la exposicin a informacin relativa a los beneficios y oportunidades del mismo?
3. La percepcin de riesgo de cesin de datos en redes sociales depende del
grado y forma de conocimiento del sobre el fenmeno de estudio?, y de la
preocupacin por la privacidad?
4. Una mayor percepcin de riesgo de cesin de datos en redes sociales
provocar un de las conductas para la proteccin de la privacidad en redes
sociales?
Entrevista en profundidad
La tcnica cualitativa de las entrevistas en profundidad comienza su recorrido en

las dcadas de 1920 y 1930 con la edad dorada de la Escuela de Chicago, en el
mbito de la sociologa y tambin con la aportacin temprana de Roethlisberger y
Dickson (Valls 2014: 15-16). Sin embargo es en los aos cuarenta cuando Carl R.
Rogers se configura como el pionero en el desarrollo de un estilo de entrevista
teraputica abierta y no dirigida. sta hunde las races de su fundamentacin
terica en el psicoanlisis de Freud (Valles, 2014: 16-17).
Algunos autores hablan de la entrevista como un arte, el arte de escuchar o el

arte de la conversacin y la entienden como una parte esencial de la sociedad y
la cultura y no slo una mera tcnica de recogida de informacin con propsitos de
investigacin (Valles, 2014: 12, 37; Denzin y Lincoln, 2005: 643). Sin embargo,
autores como Webb y Webb (1965 en Valles, 2014: 54) defienden una cara ms
cientfica de la entrevista como el interrogatorio cualificado a un testigo relevante
sobre hechos de su experiencia personal. Continuando con la discusin sobre la
cientificidad de este mtodo, otros autores advierten en la entrevista una falta de
neutralidad, debida a la realidad creada por los, al menos dos participantes, que
intervienen en ella; y aaden: This method is influenced by the personal
characteristics of the interviewer (Denzin y Lincoln, 2005: 643).
35
Una de las caractersticas ms resaltables de esta tcnica, es que adems de
permitir conocer el qu, permite conocer el cmo de las acciones, conductas o
pensamientos de los sujetos entrevistados (Fontana y Frey, 2000: 646).
Como posibles aplicaciones de la entrevista se destacan las siguientes: el estudio

de perfiles generales de las vidas y las iniciativas de personas destacadas y
vinculadas a un determinado aspecto, pudiendo integrar opiniones, conductas,
juicios o criterios de las mismas; la exploracin de significados mltiples o
perspectivas diferentes sobre acciones, sucesos o emplazamientos, que permitan
captar el significado que se les atribuye; u otras aplicaciones ms vinculadas a la
construccin o comprobacin de teoras por medio de descripciones densas sobre
temas concretos (Valles, 2014: 57-59). Dependiendo de la contestacin esperada
de los entrevistados, la entrevista puede ser: estructurada, abierta o semi-
estructurada (Boni y Jurema Quaresma, 2005: 72).
La entrevista se utilizar como segunda metodologa de estudio, tras la realizacin

de las encuestas. En este caso se opta por una entrevista en profundidad basada
en un repertorio de preguntas pre-configurado que acomete la funcin de gua
flexible, para organizar la interaccin entre el investigador y el participante. Las
respuestas son libres y las preguntas no estn cerradas, sino que pueden ser
modificadas o ampliadas durante su realizacin (Gaitn Moya y Piuel Raigada,
1998: 95).
Con el uso de esta tcnica se pretende estudiar el colectivo profesional de los

publicistas, circunscrito en la esfera del mbito empresarial, que se encuentra
vinculado de forma directa al problema de estudio.
La seleccin de la muestra se har de forma intencional en base a los objetivos del

estudio y los participantes sern elegidos en funcin de su capacidad para aportar
informacin relevante, su disposicin a participar y tambin de la factibilidad de
acceder a ellos (Gorden, 1969). Antes de elegir a los participantes y contactarles, y
para evitar errores o carencias de seleccin, se realizar un pequeo estudio que
permita e identificar los diferentes perfiles profesionales en funcin de su grado
de responsabilidad y tarea desempeada y los tipos de agencia publicitaria en
36
relacin a su tamao y a los servicios que ofrece ms relevantes con los que
resultar de inters trabajar. En cualquier caso, se prev realizar dos tipos de
cuestionarios diferentes: el primero de ellos enfocado a miembros de la direccin
de la empresa y el segundo enfocado a otros perfiles de la plantilla de trabajadores,
como los creativos, por ejemplo. Esta decisin se toma en base a la observacin de
otros estudios en los que se ha podido comprobar esta forma de proceder (como el
diseado por Masip, Masip, de la Hera Conde-Pumpido, Portila Manjn, Pereira
Faria y Domingo Santamara (2010: 82) y a la idea de que son dos perfiles lo
suficientemente diferenciados como para aportar informaciones diferentes al
estudio, y por tanto la forma de realizar las preguntas se modifica.
De forma previa a la realizacin de la entrevista se informar a los participantes

con tiempo suficiente sobre cul es el objeto de estudio en la entrevista y de cunto
tiempo se les requerir para hacerla, a fin de que pueda reflexionar sobre ello y
aportar unas respuestas de mayor valor para el estudio (Gaitn Moya y Piuel
Raigada, 1998: 94).
Una vez desarrollada la primera seleccin de candidatos se realizar un pequeo

cuestionario previo. Ser enviado por medio del correo electrnico y tendr como
objetivo pedir a los candidatos su colaboracin en el estudio, recoger algunos datos
bsicos necesarios y asegurar que conoce, al menos de forma inicial, el fenmeno
Big Data (ya que sino la entrevista podra no tener sentido). De este modo servir
como ayuda para cumplir los objetivos propuestos para esta tcnica y alcanzar un
equilibro entre respuestas de participantes con diferentes caractersticas.
Se prev realizar las siguientes cuestiones:
Tipo de puesto de trabajo: labor que realiza, nivel de responsabilidad en la

empresa
Tipo de agencia: tamao, servicios ofrecidos
Se requiere una explicacin breve que ponga de manifiesto si conoce o no el
fenmeno Big Data y la analtica de datos masivos. Tambin se pregunta si su
empresa est implementando o no la analtica Big Data.
Posteriormente se seleccionar a los candidatos finales y se les explicarn los

objetivos de estudio, para comenzar con las entrevistas en profundidad.
37
Las entrevistas que se plantean en el presente proyecto se centran en cuatro focos

de atencin principales:
1. El desarrollo actual y previsin futura de la implementacin de Big Data;

2. la repercusin y cambios en la forma de trabajo en la empresa;
3. la capacitacin profesional y recursos disponibles para su correcta
implementacin;
4. y el dilema tico-profesional.
stos se abordarn atendiendo a criterios de rentabilidad, viabilidad y tica-

profesional en lo referido a los productos que genera la empresa, los profesionales
que trabajan en ella, el desarrollo tecnolgico actual y la relacin de la misma con
el consumidor o audiencia.
1. Investigar cules son las oportunidades para el mundo empresarial vinculadas

al desarrollo social que se extraen del desarrollo tecnolgico vinculado a Big
Data.
2. Analizar el nivel de conocimiento de los publicistas sobre el fenmeno Big Data
y las oportunidades de negocio que se presentan.
3. Comprender su visin de presente y su perspectiva de futuro sobre las mismas
y observar qu importancia le dan y qu posibilidades reales ven en ellas.
4. Entender sus opiniones y juicios sobre cmo se replantea la actividad
publicitaria y ahondar, si las hay, en las diferentes perspectivas para saber a
qu diferentes concepciones sobre la situacin responden.
5. Estudiar qu iniciativas de analtica Big Data se estn implementando para la
investigacin de sus pblicos y conocer el significado que atribuyen a sus
objetivos.
6. Conocer qu opinan sobre sus propias capacidades de actuacin y las de su
competencia en concordancia con los requerimientos intelectuales y materiales
requeridos y los posibles costes y beneficios originados.
38
7. Advertir si entre los publicistas se plantea algn dilema tico sobre el uso de Big
Data.
metodologa son:
1. A qu concepciones sobre el fenmeno Big Data responden las diferentes

perspectivas profesionales en relacin al nuevo contexto socio-econmico?
Estn vinculadas a la responsabilidad del cargo en la empresa?
2. Existe un dilema tico en la esfera empresarial?
3. Cmo y para qu se est implementando la analtica Big Data en las agencias
de publicidad Espaolas?
4. Supone la introduccin de esta nueva tecnologa modificaciones estructurales
u organizativas en las agencias?
Mtodo Delphi
El mtodo Delphi, originado en 1950 en un estudio de la estadounidense RAND

Corporation (Ferreira Deslandes, Figueira Mendes, Oliveira Pires y Souza Campos,
2010: 30; Oloki y Pawloski, 2004: 16; Landeta Rodrguez, 2002: 35), se define
bsicamente como una metodologa grupal participativa que facilita el uso
cientfico de la opinin de los expertos (Landeta, 2005: 468; Ferreira Deslandes et
al., 2010: 29). Generalmente se emplea con el objetivo de realizar pronsticos y
tomar decisiones, especialmente en situaciones de incertidumbre en torno a
problemas complejos. Para ello se busca el consenso de opiniones de un grupo de
expertos, que se alcanza mediante la realizacin de una serie de cuestionarios
annimos, intensivos y secuenciales, cuyas respuestas se analizan en conjunto de
forma cuantitativa y estadstica (Landeta, 2005: 467, 468; Ferreira Deslandes et
al., 2010: 1630; Oloki y Pawloski, 2004: 16; Linstone y Turoff, 1975: 3). Segn
Oloki y Pawloski (2004: 17), estas aplicaciones se podran resumir en dos:
Forecasting and issue identification/prioritization y Concept/framework
development.
39
El proceso del mtodo Delphi se estructura en fases y es repetitivo, las respuestas
son siempre annimas y las recibe directamente el coordinador del grupo, que las
analiza y, antes del comienzo de la siguiente fase, entrega a los participantes un
feed back controlado de la anterior. Esto permite que los participantes
reconsideren sus respuestas y vean su opinin contrapuesta a la del resto del
grupo y por tanto que el investigador priorice la informacin (Linstone y Turoff,
1975: 3; Landeta, 2005: 468-469; Landeta, Barrutia y Lertxundi, 2011: 1630;
Linston y Turoff, 1975: 3; Ferreira Deslandes et al., 2010: 30; Landeta Rodrguez,
2002: 32).
Resulta frecuente realizar los cuestionarios va e-mail, fax, o web, por lo que no es
necesaria la presencia fsica de los participantes, que no interaccionan entre s en
todo el proceso, lo que abarata su coste. Adems, es flexible y manejable, permite
la participacin de expertos a nivel internacional, evita el efecto de los lderes de
opinin y disminuye la dispersin de respuestas sin dejar de lado a los disidentes.
Its exibility and simplicity have led to its successful application in different
geographical and thematic contexts (Landeta et al., 2010: 1630; Landeta, 2005:
467)
Algunas de las limitaciones de este mtodo son: la posible irresponsabilidad de los

participantes ante la impunidad del anonimato, la cantidad de tiempo y esfuerzo
requerida a los participantes o la posibilidad de obtener una falsa divergencia en
las respuestas debida a la falta de contacto personal y dilogo, donde las
explicaciones pueden no ser entendidas por todos igual (Landeta et al., 2010:
1630).
Big Data es un fenmeno complejo, en torno al que se prev encontrar opiniones

dispares y diferentes puntos de vista, algunos relacionados con la fascinacin por
las grandes oportunidades que presenta y otras vinculadas a un alto nivel de
preocupacin por sus posibles consecuencias sociales (Galdn, 2014). Adems
afecta a un gran nmero de disciplinas, mbitos y sectores sociales, en los que se
implica y ofrece oportunidades pero tambin desafos (Kalyvas, 2014: 6 en Kalyvas
y Oberly, 2014).
40
Por este motivo, en el presente proyecto se propone utilizar el mtodo Delphi para
conocer las opiniones de un grupo de expertos en la materia, capaces de arrojar luz
sobre cuestiones clave en el desarrollo del trabajo. Para la eleccin concreta de las
disciplinas y expertos participantes se elaborar un Knowledge Resource
Nomination Worksheet, que permitir identificar las disciplinas ms relevantes y
categorizar a los expertos antes de elegirlos y contactar con ellos, para evitar
errores de seleccin. En el hipottico caso de encontrar expertos con opiniones
muy diversas se separarn por grupos formando diferentes paneles de trabajo,
para facilitar la creacin de consensos razonables (Oloki y Pawloski, 2004: 20;
Balasubramanian y Agarwal, 2012: 20).
En cuanto a la seleccin de disciplinas a estudiar, se procurar representar lo ms

fielmente posible a todas aquellas involucradas de forma directa con el problema
de estudio. Cabe indicar as que parecen de especial inters mbitos como el de la
regulacin o la autorregulacin profesional; campos como los de la ingeniera
informtica o matemtica; sectores del entorno acadmico con inters por el
fenmeno Big Data y la privacidad en Internet; u otros ms vinculados al mundo
profesional, cuya labor est relacionada al proceso de recopilacin, anlisis e
interpretacin de los datos. Una vez determinadas las disciplinas, se pasar a la
identificacin de los perfiles que han de representar las diferentes perspectivas
sobre el fenmeno de estudio y a la posterior seleccin de los candidatos segn su
especialidad y competencia en reas de conocimiento o prctica profesional
diferenciados, mediante la consulta de fuentes documentales y resultados de otros
estudios (Gaitn Moya y Piuel Raigada, 1998: 137).
Segn lo expuesto en el apartado Qu es un experto, en este caso se buscar la

preponderancia de especialistas en el panel, aunque tambin la introduccin de
afectados, ya que, pese a la gran importancia de estos en el estudio, las tcnicas
anteriores de encuestas panel y entrevistas en profundidad dejarn cubierto este
aspecto.
Este mtodo se utilizar en la fase final del proyecto y, siguiendo las explicaciones
de Oloki y Pawloski (2004: 20, 23), se propone analizar dos paneles de unos diez
expertos, a los que se enviarn dos cuestionarios de entre veinte y treinta minutos
de duracin cada uno. El plazo de retorno de ser de tres semanas desde su
41
recepcin, por lo que se requiere la colaboracin de los expertos durante
aproximadamente un total de una hora en un perodo de tres meses.
Pilares bsicos y puntos crticos del fenmeno Big Data.

Funciones principales de la analtica Big Data.
Perspectiva de futuro sobre la evolucin del fenmeno y sus aplicaciones.
Principales problemas relacionados con el uso de datos masivos.
Soluciones posibles a la problemtica de la cuestin.
Valoracin sobre las conductas y percepciones del grupo de ciudadanos.
Valoracin sobre el papel desempeado por los publicistas.
Valoracin y expectativas sobre las medidas legislativas y cdigos deontolgicos
publicitarios.
1. Elaborar una lista priorizada de las informaciones obtenidas por los expertos
para identificar y aadir al proyecto cuestiones crticas del tema que hayan
podido ser pasadas por alto durante el proceso.
2. Revisar el marco terico preestablecido bajo el prisma proporcionado por estas
informaciones, en base al que interpretar los resultados obtenidos de las
encuestas y las entrevistas previas y tambin en base al que elaborar las
conclusiones finales del trabajo.
3. Construir una lista de posibles soluciones a los problemas ticos encontrados a
lo largo del desarrollo del proyecto, segn las aportaciones de los participantes.
4. Conocer las visiones de presente y futuro de los expertos acerca de la
aplicacin de la analtica Big Data en la actividad publicitaria y del papel
abordado por los publicistas en el uso tico de datos masivos.
5. Estudiar la visin de los expertos acerca de cmo transforma Big Data el mundo
de la economa y el conocimiento, y especialmente en su repercusin en el
mbito de los negocios.
6. Dar a conocer a los expertos algunos de los resultados preliminares alcanzados
en el desarrollo del proyecto.
42
metodologa son:
1. Cul es la opinin de consenso entre las perspectivas de los expertos ante el

nuevo contexto socio-tecnolgico vinculado al fenmeno Big Data? Vara la
opinin en funcin del mbito disciplinar de procedencia?
2. Se plantea un dilema tico entre los especialistas en la materia?
3. Cul es la previsin y las expectativas de futuro de los expertos sobre esta
nueva situacin?
4. En qu se diferencia la aportacin de los expertos de las realizadas por los dos
anteriores grupos de anlisis?
43
Conclusiones
Con la explosin de los datos masivos, el mbito social, econmico y cientfico
comienzan a advertir las primeras sacudidas de una revolucin que an se est
iniciando.
El trmino Big Data naca a finales del siglo XX para hacer referencia a una cuestin
de magnitud, que gracias al desarrollo tecnolgico ya ha quedado obsoleta. As, se
da paso a lo verdaderamente importante de este nuevo ecosistema de datos, que
gira en torno a criterios de usabilidad y toma de decisiones. En el epicentro de este
complejo fenmeno se sita la posibilidad de interconectividad entre datos,
independientemente de su fuente de procedencia y de la clase de contenido que
albergan.
Frente a un progresivo empoderamiento del consumidor que, gracias a Internet y el

desarrollo de los social media ha dejado atrs su condicin pasiva, en publicidad,
las aplicaciones de la analtica Big Data pronostican un impulso sin precedentes.
Las oportunidades que se abren para este sector responden a algunos de los
objetivos ms primarios de la misma: por una parte conocer de forma precisa al
consumidor en base a datos actualizados sobre el total del universo de estudio,
superando as los longevos estudios de audiencias; y por otra predecir sus
conductas y comportamientos futuros, en base a probabilidades, para anticiparse a
ellas y actuar en consecuencia.
Pero representa realmente la analtica Big Data una nueva inteligencia?, su

implementacin puede suponer un avance social? Antes de extender la
recopilacin masiva de datos, especialmente de aquellos de carcter personal,
parece necesario reflexionar sobre cules son las posibilidades reales que plantea
este fenmeno y sopesar cules son sus beneficios y sus riesgos. Por otra parte, la
vertiente que tomen estas posibilidades depender, posiblemente, de cmo sean
utilizados efectivamente los datos, de cmo reaccione la ciudadana ante ello y de
qu lmites se le impongan.
Por estos motivos se plantea la realizacin de un estudio pormenorizado que

permita completar esta informacin en base a la profundizacin terica y a la
aplicacin de metodologas de anlisis para analizar a tres grupos afectados por
44
este contexto: los usuarios de las redes sociales Facebook y Twitter en Espaa, el
sector profesional de la publicidad y personas del mbito especializado en la
materia.
Los desafos de Big Data

Por otra parte, Big Data plantea algunos conflictos ticos. Un mal uso de los datos
podra provocar un desajuste de intereses entre quienes acceden a ellos y los
manejan para su beneficio y la ciudadana, todava impotente en muchos sentidos
ante el nuevo contexto. Uno de los focos de atencin es la importancia de preservar
valores como el respeto a la vida privada, que corre el riesgo de verse perturbada.
Debido a la importancia de evitar estos conflictos y de que la situacin revierta en

un retorno social, podra resultar positiva la implementacin de medidas como el
acercamiento de informacin a la ciudadana, o el desarrollo de planes formativos.
stos podran facilitar a la ciudadana mecanismos de prevencin y actuacin para
la proteccin su privacidad y para la construccin de una identidad digital sana y
responsable con la cesin y el control de sus datos.
As mismo, la responsabilidad social de las empresas es fundamental en este

campo, para disminuir el riesgo social. Por ello, los resultados y conclusiones
extradas de los mtodos planteados en este proyecto, podran enfocarse en un
futuro al desarrollo de una serie de propuestas de comportamiento tico-
profesional publicitario. Adems, la actuacin conjunta de regulacin y
autorregulacin publicitaria se presentan como una opcin interesante para
construir unos lmites flexibles y eficaces frente a la rapidez con la que avanza la
multifactica presencia del fenmeno Big Data en muy diferentes mbitos de la
sociedad.
La complementariedad entre las responsabilidades de la ciudadana y los mbitos

profesional y especializado resulta clave para la eliminacin de las desigualdades a
la hora de enfrentarse a esta situacin. Igualmente, los procesos de recopilacin y
uso de los datos han de ser transparentes, para evitar posibles abusos de poder
con la informacin, que acaben conduciendo a tensiones entre la ciudadana y la
esfera institucional.
45
Sobre la metodologa
En correspondencia con el trabajo realizado durante el curso acadmico actual y
debido a la centralidad de los ciudadanos como el grupo de estudio ms relevante
para este proyecto, posiblemente la encuesta sea el mtodo ms avanzado. De
hecho, la realizacin de un pre-test inicial ha mostrado algunos resultados
interesantes, pero carentes de la representatividad y fiabilidad estadstica
necesarias. Con todo, las principales conclusiones extradas se soportan por las
investigaciones realizadas por Durn Segura y Mejas Peligro en 2014 y Hoy y
Milne, en 2013. stas muestran que, pese a existir una creciente concienciacin de
la ciudadana por los riesgos que supone el nuevo contexto, sus conductas no se
modifican en consecuencia a dicha preocupacin.
Por otro lado, la necesidad de acotar el planteamiento metodolgico del proyecto,

para que sea realmente factible en el perodo de tres aos, ha dejado fuera otros
mtodos que, indudablemente seran de enorme inters para el estudio. Entre ellos
se encontraran: la realizacin de focus groups, para profundizar en una mayor
comprensin de las razones y motivos del grupo de los usuarios de Facebook y
Twitter y completar as la visin de las encuestas panel; o un acercamiento ms
etnogrfico al colectivo de los publicistas, como la realizacin de una observacin
no participante en algunas agencias de publicidad espaola.
Otro de los factores que podra mejorar considerablemente el planteamiento de

este trabajo sera la colaboracin con personas o grupos de otras disciplinas
acadmicas como la ingeniera, la informtica, la matemtica, entre otras,
capaces de aportar una visin y comprensin del fenmeno, necesarias para una
profundizacin tcnica y terica ms completa.
Limitaciones
Para finalizar este trabajo, se exponen algunas de las limitaciones a las que podra
estar sujeto el desarrollo del proyecto:
- La primera de ellas relacionada con la financiacin necesaria para la aplicacin de

los mtodos. Podran presentarse dificultades para conseguir la colaboracin de
algunos de los candidatos seleccionados para participar en los mtodos de
46
anlisis, especialmente del grupo de expertos; bien sea por la necesidad de
financiar desplazamientos largos o por la imposicin de algn otro requerimiento.
- Tambin se contempla la mortalidad estadstica muestral, relativa a las encuestas

panel y el mtodo Delphi, que se procurar solventar contando con una muestra lo
suficientemente amplia para ambos mtodos.
- En tercer lugar, la complejidad del tema obligar a posicionar la investigacin en

una capa superficial del fenmeno y sus consecuencias, debido a la falta de
conocimientos tcnicos, matemticos o informticos, que se podra solventar
mediante la antes mencionada colaboracin interdisciplinar.
- Finalmente, cabe apuntar que la planificacin temporal plasmada en los

cronogramas general y especficos es de carcter orientativo y responde a los
deseos presentes de mostrar que existe una organizacin y visualizacin general de
las tareas.
47
Bibliografa
Abad, M. (14 de mayo de 2012). Socionoma: Somos mejores gracias a lo
vivido y aprendido en internet. Recuperado el 5 de mayo de 2015 de:
http://www.yorokobu.es/socionomia/.
Agencia Espaola de Proteccin de Datos. (s.d.). Historia. Recuperado el 18 de
marzo de 2015 de:
http://www.agpd.es/portalwebAGPD/LaAgencia/informacion_institucional/cono
ce/historia-ides-idphp.php.
Agencia Espaola de Proteccin de Datos. Funciones de la Agencia. Recuperado
el 18 de marzo de 2015 de:
http://www.agpd.es/portalwebAGPD/LaAgencia/informacion_institucional/cono
ce/funciones-ides-idphp.php.
Autocontrol. (2011). Cdigo tico de Confianza Online. Recuperado el 10 de
mayo de 2015 de: http://www.autocontrol.es/pdfs/Cod_ConfianzaOnline.pdf.
Balasubramanian, R. y Agarwal, D. (2012). Delphi Technique. A Review.
International Journal of Public Health Dentistry, 3(2), pp: 16-25.
Bell, D. (1976). The coming of Post-Industrial Society A venture in social
forecasting. Harmondsworth: Peregrine.
Boletn Oficial del Estado. (1999). Ley Orgnica 15/1999, de 13 de diciembre,
de Proteccin de Datos de Carcter Personal. Recuperado el 18 de marzo de
2015 de: http://www.boe.es/buscar/doc.php?id=BOE-A-1999-23750.
Boni, V. y Jurema Quaresma, S. (2005). Aprendendo a entrevistar: como fazer
entrevistas em Cincias Sociais, Tese, Revista Eletrnica dos Ps-Graduandos
em Sociologia Poltica da UFSC, 2(3), pp. 68-80. Recuperado el 6 de mayo de
2015 de:
https://periodicos.ufsc.br/index.php/emtese/article/view/18027/16976.
boyd, d. y Crawford, K. (21 de septiembre de 2011). Six Provocations for Big
Data, ponencia presentada en el simposio: A Decade in Internet Time:
Symposiumon the Dynamics of the Internet and Society, Oxford Internet
Institute. Recuperado el 15 de diciembre de 2014 de:
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1926431.
boyd, d. y Marwik, A. (22 de septiembre de 2011). Social Privacy in
Networked Publics: Teens Attitudes, Practices, and Strategies, ponencia
48
presentada en el simposio: A Decade in Internet Time: Symposiumon the
Dynamics of the Internet and Society, Oxford Internet Institute. Recuperado el
15 de diciembre de 2014 de: http://ssrn.com/abstract=1925128.
Burch, S. (s.f.). Lectura n 10. Sociedad de la informacin y el conocimiento.
Recuperado el 28 de abril de 2014 de:
http://www.uovirtual.com.mx/moodle/lecturas/basc/10.pdf.
Burkell, J., Fortier, A., Yeung Cheryl Wong, L. y Simpson, J. L. (2014). Facebook:
public space, or private space? Information, Communication & Society, (17)8,
pp: 974-985. doi: 10.1080/1369118X.2013.870591
Callejo, J. (2001). Investigar las audiencias. Un anlisis cualitativo. Barcelona:
Paids.
Casas Anguita, J., Repullo Labrador, J. R. y Donaldo Campos, J. (2003a). La
encuesta como tcnica de investigacin. Elaboracin de cuestionarios y
tratamiento estadstico de los datos (I), Atencin Primaria 31(8), pp: 527-538.
doi: 10.1016/S0212-6567(03)70728-8.
Casas Anguita, J., Repullo Labrador, J. R. y Donaldo Campos, J. (2003b). La
encuesta como tcnica de investigacin. Elaboracin de cuestionarios y
tratamiento estadstico de los datos (II), Atencin Primaria 31(9), pp: 592-600.
doi: 10.1016/S0212-6567(03)79222-1.
Castells, M. (10 de abril de 2002). Sesin 1: Cultura y Sociedad del
Conocimiento: Presente y perspectivas de futuro. La dimensin cultural de
Internet. Recuperado el 10 de marzo de 2015 de:
http://www.uoc.edu/culturaxxi/esp/articles/castells0502/castells0502_imp.ht
ml.
Castells, M., Tubella, I. (2002). La Transicin a la Sociedad Red en Catalunya.
Informe final de investigacin (vol. I). Barcelona: Fuoc. Recuperado el 10 de
febrero de 2015 de: http://www.uoc.edu/in3/pic/esp/pdf/pic1_volum1.pdf.
Comisin Europea. (2012). Commission proposes a comprehensive reform of
the data protection rules. Recuperado el 10 de mayo de 2015 de:
http://ec.europa.eu/justice/newsroom/data-protection/news/120125_en.htm.
Constitucin espaola. (1978). Seccin 1. De los derechos fundamentales y de
las libertades pblicas. Artculo 18. Recuperado el 18 de marzo de 2015 de:
http://www.congreso.es/consti/constitucion/indice/titulos/articulos.jsp?ini=18
&tipo=2
49
Cox, M. y Ellsworth, D. (1997). Application controlled demand paging for out of
core visualization. Report NAS-97-010, July 1997. Moffet Field: NASA Ames
Research Centre.
De Maine, P. A. D. y Marron, B. A. (1967). Automatic Data Compression,
Communications of the ACM, 10(11), pp: 711-715. doi:
10.1145/363790.363813.
Denzin, N. K. y Lincoln, Y. S. (2005). The Sage handbook of qualitative research.
Third edition. California: Sage Publications.
Devlin, B. A. y Murphy, P. T. (1988). An architecture for a business and
information system, IBM Systems Journal, 27(1), pp: 60-80. Recuperado el 5 de
mayo de 2015 de: http://9sight.com/EBIS_Devlin_&_Murphy_1988.pdf.
Daz-Campo, J. y Segado Boj, F. (2014). La adaptacin de los cdigos de tica
periodstica a Internet y las TIC, mbitos. Revista Internacional de
Comunicacin. Infoxicacin, 26. ISSN digital: 1988-5733.
Durn Segura, M. y Mejas Peligro, J. F. (2014). Conocimientos y
comportamientos de los usuarios de la red social Facebook relacionados con la
privacidad, mbitos. Revista Internacional de Comunicacin. Infoxicacin, 26.
ISSN digital: 1988-5733.
Etlinger, S. (Septiembre de 2014). Susan Etlinger: What do we do with all this
big data? [Vdeo Conferencia TED]. Recuperado el 20 de marzo de 2015 de:
http://www.ted.com/talks/susan_etlinger_what_do_we_do_with_all_this_big_d
ata?#t-575588.
Facebook for business. (8 de mayo de 2014). Learn More About the People that
Matter to Your Business with Facebook Audience Insights. Recuperado el 18 de
marzo de 2015 de: https://www.facebook.com/business/news/audience-
insights
Fairfield, J, y Shtein, H. (2014) Big Data, Big Problems: Emerging Issues in the
Ethics of Data Science and Journalism, Journal of Mass Media Ethics: Exploring
Questions of Media Morality, 29:1, 38-51, doi:
10.1080/08900523.2014.863126
Ferreira Deslandes, S., Figueira Mendes, C.H., Oliveira Pires T. y Souza Campos,
D. (2010). Use of the Nominal Group Technique and the Delphi Method to draw
up evaluation indicators for strategies to deal with violence against children and
50
adolescents in Brazil, Revista Brasileira de Sade Materno Infantil, 10(1), pp:
29-37. doi: 10.1590/S1519-38292010000500003.
Fontana, A. y Frey, J. H. The interview. From structured questions to negotiated
text, en Denzin, N. K. y Lincoln, Y. S. (2000). Handbook of qualitative research.
Second edition. California: Sage Publications.
Gaitn Moya, J. A. y Piuel Raigada, J. L. (1998). Tcnicas de investigacin en
comunicacin social. Elaboracin y registro de datos. Madrid: Sntesis.
Galdn, G. (10 de diciembre de 2014). Entrevista a Gemma Galdon, experta en
privacidad en la red [Vdeo de Youtube]. Recuperado el 20 de marzo de 2015
de: https://www.youtube.com/watch?v=YHfopI714hg.
Gonzalo Rodrguez, P. (25 de septiembre de 2012). Por qu cambio
metodolgico [Presentacin de Slideshare]. Recuperado de
http://es.slideshare.net/pazgonzalo2/por-qu-cambio-metodolgico.
Gorden, R. L. (1969). Interviewing: Strategy, Techniques, and Tactics. Chicago:
Dorsey Press.
Hoy, M. G. y Milne, G. (2013). Gender Differences in Privacy-Related Measures
for Young Adult Facebook Users, Journal of Interactive Advertising, 10(2), pp:
28-45. doi:10.1080/15252019.2010.10722168.
Huertas Bailn, A. (2002). La audiencia investigada. Barcelona: Gedisa.
Igartua J. J. y Humanes M. L. (2004). El mtodo cientfico aplicado a la
investigacin en comunicacin social, Portal de la Comunicacin inCom UAB.
Recuperado el 5 de mayo de 2015 de:
http://portalcomunicacion.com/lecciones.asp?aut=11.
Igartua Perosanz, J. J. (2006). Mtodos cuantitativos de investigacin en
comunicacin. Barcelona: Bosch.
Kalyvas, J. R. y Overly, M. R. (2014). Big Data. A business and legal guide. New
York: Taylor & Francis Group, LLC.
Landeta Rodrguez, J. (2002). El Mtodo Delphi: una tcnica de previsin del
futuro. Barcelona: Ariel.
Landeta, J. (2005). Current validity of the Delphi Method in social sciences.
Technological Forecasting & Social Change, 73, pp: 467-482.
Landeta, J., Barrutia, J y Lertxundi, A. (2011). Hybrid Delphi: A methodology to
facilitate contribution from experts in professional contexts. Technological
Forecasting & Social Change, 78, pp: 16291641.
51
Laney, D. (6 de febrero de 2001). File 949. 3D Data Management: Controlling
Data, Volume, Velocity and Variety, Application Delivery Strategies. META Group
Inc, Stamford. Recuperado el 15 de diciembre de 2014 de:
http://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-
Management-Controlling-Data-Volume-Velocity-and-Variety.pdf
Len, J. L. y Olbarri, E. (1991). Conducta del consumidor y mrketing. Madrid:
Deusto.
Lesk, M. (1997). How Much Information Is There In the World? Recuperado el 5
de mayo de 2015 de:
https://courses.cs.washington.edu/courses/cse590s/03au/lesk.pdf.
Linstone, H. A., y Turoff, M. (Eds.). (1975). The Delphi method. Techniques and
applications. Recuperado el 5 de mayo de 2015 de:
http://is.njit.edu/pubs/delphibook/delphibook.pdf.
Luhn, H. P. (1958). A Business Intelligence System, IBM Journal, 2(4), pp: 314-
319. doi: 10.1147/rd.24.0314.
Manovich, L. Trending: the promises and the challenges of Big Social Data, en
Gold, M. G. (2012). Debates in the digital humanities. Arizona: University of
Minessota Press, pp: 460-475.
Masip Masip, P., de la Hera Conde-Pumpido, T., Portilla Manjn, I., Pereira
Faria, J. y Domingo Santamara, D. Metodologa, en Lpez Garca, X. y Pereira
Faria, X. (2010). Convergencia Digital. Reconfiguracin de los medios de
comunicacin en Espaa. Santiago de Compostela: Universidade de Santiago
de Compostela, pp: 65-93.
Mayer-Schnberger, V. y Cukier, K. (2013). Big Data. A Revolution That Will
Transform How We Live, Work and Think. Londres: John Murray.
McQuail, D. (1997). Audience Analysis. California: Sage Publications.
McQuail, D. (2000). Introduccin a la teora de la comunicacin de masas.
Barcelona: Paids.
Minelli, M., Chambers, M. y Dhiraj, A. (2013). Big Data, Big Analytics: Emerging
Business Intelligence and Analytic Trends for Todays Businesses. John Wiley &
Sons, Inc., Hoboken, NJ, USA. doi: 10.1002/9781118562260.
Nightingale, V. (1999). El estudio de las audiencias. El impacto de lo real.
Buenos Aires: Paids.
52
Oloki, C. y Pawloski, S. D. (2004). The Delphi method as a research tool: an
example, design considerations and applications, Information & Management,
42(1), pp: 15-29. doi:10.1016/j.im.2003.11.002.
Pedret, R., Sagnier, L. y Camp, F. (2000). La investigacin comercial como
soporte del mrketing. Barcelona: Deusto.
Power, D.J. (2007). A Brief History of Decision Support Systems. Recuperado el
5 de mayo de 2015 de: http://DSSResources.COM/history/dsshistory.html.
Press, G. (2013). A Very Short History Of Big Data, Forbes. Recuperado el 5 de
mayo de 2015 de: http://www.forbes.com/sites/gilpress/2013/05/09/a-very-
short-history-of-big-data/.
Real Academia Espaola. (2012). Privacidad. Recuperado el 18 de marzo de
2015 de: http://lema.rae.es/drae/?val=privacidad.
Rejn Guardia, F. (2009). Eficacia publicitaria en redes sociales. Anlisis y
modelizacin de los factores indeseables durante la comunicacin publicitaria
en Internet. Recuperado de: http://hdl.handle.net/10481/17380.
Ruz Olabunaga, J. I. (2012). Teora y prctica de la investigacin cualitativa.
Bilbao: Universidad de Deusto, Serie Ciencias Sociales, vol 29.
Shroek M., Shockley R., Smart D. J., Romero-Morales D. y Tufano. P (s.d.).
Analytics: el uso de big data en el mundo real. Cmo las empresas ms
innovadoras extraen valor de datos inciertos. IBM Global Business Services
Business Analytics and Optimisation Informe ejecutivo. Recuperado el 6 de
mayo de 2015 de: http://ibm.co/1APKffj.
Surez y Alonso, R. C. (2010). Tecnologas de la informacin y de la
comunicacin: introduccin a los sistemas de informacin y telecomunicacin.
Vigo: Ideaspropias.
Tascn, M. (2013). Introduccin: Big Data. Pasado, presente y futuro, Revista
Telos. Cuadernos de Comunicacin e Innovacin, pp: 1-4.
The White House. (Mayo de 2014). Report to the president. Big Data and
privacy: A technological perspective. Recuperado de:
http://www.whitehouse.gov/sites/default/files/microsites/ostp/PCAST/pcast_b
ig_data_and_privacy_-_may_2014.pdf.
Torres, R. M. (7 de enero de 2006). Sociedad de la informacin / Sociedad del
conocimiento [Entrada de Blog]. Recuperado de:
http://firgoa.usc.es/drupal/node/24810.
53
Unidos por los Derechos Humanos. (s.d.). La Declaracin Universal de los
Derechos Humanos. Documento Oficial. Recuperado el 18 de marzo de 2015
de: http://www.humanrights.com/es/what-are-human-rights/universal-
declaration-of-human-rights/articles-11-20.html
Universitat Oberta de Catalunya. (s.f.). Bienvenidos al Congreso Internet,
Derecho y Poltica 2013. Recuperado de:
http://edcp.uoc.edu/symposia/lang/es/idp2013/.
Valles, M. S. (2014). Cuadernos metodolgicos. Entrevistas cualitativas. Madrid:
Centro de Investigaciones Sociolgicas.
Vidal Daz de Rada, J. (2007). Tipos de encuestas considerando la dimensin
temporal, Papers, 86, pp: 131-145.
54
Anexos
Anexo 1: Desarrollo de la encuesta panel
Planificacin temporal de las tareas
Programacin temporal Grupo 1 Grupo 2 Grupo 3 Otras tareas
Preparacin del mtodo
Delimitacin de la muestra y elaboracin del cuestionario pre-test: noviembre de 2015.

Realizacin del pre-test con posterior anlisis e interpretacin de los resultados: diciembre de 2015.
Primer contacto con los participantes: enero de 2016.
Adecuacin y elaboracin del primer cuestionario y envo a los participantes: enero de 2016.
Enero de 2016 Realizacin del cuestionario n 1

Enero de 2016 Envo info. n1 Envo info. n 1 Envo info. n 2 Envo y recepcin del cuestionario n1.
Febrero de 2016 Envo info. n 3 Envo info. n 4 Envo info. n 4 Procesamiento y anlisis de los datos
obtenidos en el primer cuestionario.
Marzo de 2016 Envo info. n 5 Envo info. n 5 Envo info. n 6 Comparativas intergrupales.
Abril de 2016 Envo info. n 7 Envo info. n 8 Envo info. n 8 Organizacin e interpretacin de los
resultados.
Adecuacin del segundo cuestionario. Se
Mayo de 2016 Envo info. n 9 Envo info. n 9 Envo info. n 10 dejar un pequeo margen para la
correccin o recuperacin de preguntas
55
del anterior cuestionario.
Junio de 2016 Envo info. n 11 Envo info. n 12 Envo info. n 12 Envo y recepcin del cuestionario n2.
Junio de 2016 Realizacin del cuestionario n2

Julio de 2016 Envo info. n 13 Envo info. n 13 Envo info. n 14 Procesamiento y anlisis de los datos
obtenidos en el segundo cuestionario.
Agosto de 2016 Envo info. n 15 Envo info. n 16 Envo info. n 16 Comparativas intergrupales.
Septiembre de 2016 Envo info. n 17 Envo info. n 17 Envo info. n 18 Organizacin e interpretacin de los
resultados.
Octubre de 2016 Envo info. n 19 Envo info. n 20 Envo info. n 20 Adecuacin del tercer cuestionario.
Noviembre de 2016 Envo info. n 21 Envo info. n 21 Envo info. n 22
Diciembre de 2016 Envo info. n 23 Envo info. n 24 Envo info. n 24 Envo y recepcin del cuestionario n 3.
Diciembre de 2016 Realizacin del cuestionario n3

Anlisis de los datos e interpretacin de los resultados del tercer cuestionario: diciembre-enero de 2017.
Organizacin e interpretacin de los resultados finales en conjunto y extraccin de conclusiones: febrero de 2017.
56
Ejemplo del cuestionario 1 para los paneles
Se desarrollan a continuacin las posibles preguntas propuestas a los participantes

del panel, para el cuestionario nmero 1, que se prev realizar en el mes de enero
del ao 2016.
57
58
59
60
61
Anexo 2: Desarrollo de la entrevista en profundidad
Se establece a continuacin el cronograma relativo a las fases de desarrollo del mtodo y a la correspondiente planificacin temporal:
Tareas Planificacin temporal Contacto
Fase 1
Estudio sobre el panorama actual de las agencias de publicidad en Espaa:

Diciembre de 2016-enero de 2017. --
determinacin de los perfiles profesionales y de las empresas con las que trabajar.
Primera seleccin de candidatos a participar Febrero de 2017. --
Febrero de 2017.
Elaboracin y envo de cuestionario previo para requerir participacin y obtener Plazo de recepcin de cuestionarios: 7 das
Va email.
datos bsicos de los candidatos. naturales.
Tiempo requerido: 5.
Seleccin final de los participantes. Febrero de 2017. --
Explicacin del objeto de estudio del proyecto as como del problema a analizar
Febrero de 2017. --
mediante las entrevistas en profundidad.
Fase 2
Realizacin de las entrevistas. Trabajo de campo. Marzo-abril de 2017. Presencial.
Fase 3
Transcripcin y anlisis. Mayo-junio de 2017. --

Extraccin e interpretacin de resultados. Junio-julio de 2017. --
62
Cuestionarios ejemplo para las entrevistasen profundidad
Se desarrollan a continuacin los dos posibles cuestionarios que se han elaborado

a modo de ejemplificacin de la anterior explicacin terica de la metodologa de
entrevistas en profundidad para este estudio. Para su configuracin y diseo se
han tomado como referencia los cuestionarios de las entrevistas en profundidad
realizadas por Masip, Masip, de la Hera Conde-Pumpido, Portila Manjn, Pereira
Faria y Domingo Santamara (2010: 90-93) para el estudio Convergencia digital.
Reconfiguracin de los Medios de comunicacin en Espaa, coordinado por Xos
Lpez Garca y Xos Pereira Farias.
Cuestionario 1: cuestionario para miembros de la direccin
1. Qu lugar ocupa la analtica de datos masivos en la estrategia de desarrollo de

su empresa? La estn implementando?
2. Podra explicar cules son sus motivaciones para impulsar (o no impulsar) el
uso de la analtica Big Data?
3. Quin toma la decisin de implementarla (o de no implementarla)?
4. Cul es su visin sobre las posibilidades y beneficios que puede aportar la
analtica Big Data a su negocio? qu opinin le merece?
5. Han tenido en cuenta experiencias llevadas a cabo por otras empresas?
podra indicar cules (experiencias y empresas)?
6. La est implementando su competencia? Qu supone para su empresa?
Si no tienen iniciativas de implementacin de Big Data, se pueden realizar las

preguntas nmero 8, 9, 11, 13, 14, 21, 22, 23, 24, 27, 28, 29, 30, 31, 35 y 37 en
futuro hipottico
7. Slo si la estn implementando: En qu momento comenzaron a analizar

datos masivos?
8. En qu punto de desarrollo se encuentran actualmente y cules son sus
previsiones de futuro en cuanto a su desarrollo e implementacin?
9. Cules son los objetivos que persiguen a la hora de analizar datos masivos?
10. Slo si la estn implementando: Considera que hasta ahora se han cumplido
esos objetivos?
63
11. Podra describir qu iniciativas estn llevando a cabo en relacin a la analtica
de datos masivos? Ponga algunos ejemplos de casos en los que se est
utilizando. Podra ser til tener en mente diversos casos en los que resulta til
la analtica de datos (segmentacin de audiencias, definicin de perfiles de
pblico objetivo, reduccin de costes de tiempo y dinero, fidelizacin, eficacia
publicitaria) y las dimensiones de la analtica de datos (tecnologa,
profesionales, productos, audiencias).
12. Slo si la estn implementando: Cul ha sido el coste aproximado para la
empresa de la puesta en marcha de estas iniciativas?
13. Cules son los beneficios empresariales derivados del uso de datos masivos?
Posibilidades: rentabilidad econmica, mejora de la imagen de marca/valor
aadido de los productos, captacin/fidelizacin de audiencia, mejora de la
competitividad, aumento de clientes
14. Cules son las principales dificultades que se han encontrado en el proceso de
implantacin de esta tecnologa en su empresa?
15. Slo si la estn implementando: Cmo se ha introducido esta novedad: de
forma vertical, en consenso con los trabajadores, de forma natural (al ritmo de
la evolucin del mercado y de las tecnologas)?
16. Slo si la estn implementando: Qu estrategia se us para implicar a la
plantilla? Reuniones con toda la plantilla, reuniones por secciones, creacin de
lderes de opinin, grupos de trabajo
17. Slo si la estn implementando: Qu actitud han tenido los diferentes
trabajadores de la agencia ante la implantacin del uso de datos masivos?
18. Slo si la estn implementando: Cmo valora el impacto actual del uso de Big
Data en su negocio en trminos de equilibrio entre esfuerzo y resultados?
19. Slo si la estn implementando: Cmo ha afectado la inclusin de la analtica
Big Data a la estructura y organizacin de la agencia? ha cambiado las rutinas
de trabajo? y las habilidades y competencias profesionales necesarias para su
desenvolvimiento?
20. Slo si la estn implementando: Han realizado formacin profesional al
respecto? Describa en qu ha consistido y valore el resultado.
21. Ha supuesto la inclusin o modificacin de los perfiles profesionales de la
plantilla? a qu perfiles afecta? Explique las razones.
64
22. Y la colaboracin interprofesional? qu relaciones se establecen? con qu
frecuencia se llevan a cabo?
23. Se han implantado o se proyecta implantar tecnologas, infraestructuras o
dispositivos para acelerar el proceso de anlisis de datos?
24. Qu tipo de datos les interesa analizar a la hora de llevar a cabo las iniciativas
que antes ha descrito?
25. Slo si la estn implementando: De dnde provienen estos datos? quin se
los proporciona y cules son las fuentes principales de las que se extraen?
26. Slo si la estn implementando: Cules son los perfiles profesionales de la
plantilla ms directamente ligados al trabajo con estos datos?
27. Qu consecuencias de tipo tico (positivas o negativas) percibe como
directamente derivadas del uso de datos masivos en la actividad publicitaria?
28. Considera que podra repercutir en la sociedad su uso para fines como los que
ustedes persiguen? por qu?
29. Cul es su visin sobre la repercusin del uso de datos masivos en la
privacidad de los individuos?
30. Qu opina sobre la necesidad de cdigos ticos al respecto?
31. Llevan a cabo medidas o determinaciones capaces de proteger y respetar la
privacidad de los consumidores?
32. Slo si la estn implementando: Podra explicar si han desarrollado algn
cdigo tico de actuacin profesional al respecto profesional, u otro tipo de
regla interna al respecto? tienen otros cdigos ticos propios? tienen algn
referente?
33. Slo si la estn implementando: Cules han sido sus motivaciones para
desarrollarlo (o para no desarrollarlo)?
34. Slo si la estn implementando: Cules considera que son los puntos
fundamentales del mismo?
35. Est al tanto de la legislacin vigente en materia de proteccin de datos de
carcter personal? qu opinin le merece (es efectiva/no, excesivamente
restrictiva/insuficiente)?
36. Slo si la estn implementando: Cul es su valoracin global del actual
desarrollo y repercusin de la analtica Big Data en su empresa?
37. Bajo qu criterios valoran el xito de su implementacin?
65
Cuestionario 2: cuestionario para diversos perfiles de l a plantilla
1. Podra describir qu iniciativas estn llevando a cabo en relacin a la analtica

de datos masivos? Ponga algunos ejemplos de casos en los que se est
utilizando. Podra ser til tener en mente diversos casos en los que resulta til
la analtica de datos (segmentacin de audiencias, definicin de perfiles de
pblico objetivo, reduccin de costes de tiempo y dinero, fidelizacin, eficacia
publicitaria) y las dimensiones de la analtica de datos (tecnologa,
profesionales, productos, audiencias).
2. Cul es su visin sobre las posibilidades y beneficios que puede aportar la
analtica Big Data a su negocio? qu opinin le merece?
Si no tienen iniciativas de implementacin de Big Data, se pueden realizar las

preguntas nmero 4, 5, 7, 8, 11, 14, 15, 17, 20, 21, 22, 23, 24, 25, 29 y 31 en
futuro hipottico
3. Slo si la estn implementando: Cmo ha afectado la inclusin de la analtica

Big Data a la estructura y organizacin de la agencia? ha cambiado las rutinas
de trabajo? y las habilidades y competencias profesionales necesarias para su
desenvolvimiento?
4. Cmo afecta a las tareas desarrolladas por el publicista?
5. Qu nuevas destrezas se le exigen a los periodistas que estn contratando o
pretenden contratar en el futuro?
6. Slo si la estn implementando: Qu clase de polivalencia profesional prioriza
la actual fase del proceso de implementacin de la analtica Big Data en su
empresa?
7. Ha supuesto la inclusin o modificacin de los perfiles profesionales de la
plantilla? a qu perfiles afecta? Explique las razones.
8. Y la colaboracin interprofesional? qu relaciones se establecen? con qu
frecuencia se llevan a cabo?
9. Slo si la estn implementando: Qu tiempo de su jornada laboral se dedica al
trabajo con datos reales?
10. Slo si la estn implementando: Qu dispositivos y herramientas tecnolgicas
utilizan habitualmente los publicistas en su trabajo con datos masivos?
66
11. Se han implantado o se proyecta implantar tecnologas, infraestructuras o
dispositivos para acelerar el proceso de anlisis de datos?
12. Slo si la estn implementando: Han recibido formacin profesional al
respecto? Describa en qu ha consistido y valore el resultado.
13. Slo si la estn implementando: Considera que existe un equilibrio razonable,
entre la capacitacin demandada al publicista y los objetivos planteados y la
formacin y recursos ofrecidos por la empresa?
14. Cules son los beneficios empresariales derivados del uso de datos masivos?
Posibilidades: rentabilidad econmica, mejora de la imagen de marca/valor
aadido de los productos, captacin/fidelizacin de audiencia, mejora de la
competitividad, aumento de clientes
15. Cules son las principales dificultades que se han encontrado en el proceso de
implantacin de esta tecnologa en su empresa?
16. Slo si la estn implementando: Qu actitud han tenido los diferentes cargos
de la agencia ante la implantacin del uso de datos masivos?
17. Qu tipo de datos les interesa analizar a la hora de llevar a cabo las iniciativas
que antes ha descrito?
18. Slo si la estn implementando: De dnde provienen estos datos? quin se
los proporciona y cules son las fuentes principales de las que se extraen?
19. Slo si la estn implementando: Cules son los perfiles profesionales de la
plantilla ms directamente ligados al trabajo con estos datos?
20. Qu consecuencias de tipo tico (positivas o negativas) percibe como
directamente derivadas del uso de datos masivos en la actividad publicitaria?
21. En qu medida considera que la implementacin de la analtica de datos
influye en la relacin con sus audiencias?
22. Considera que podra repercutir en la sociedad su uso para fines como los que
ustedes persiguen? por qu?
23. Cul es su visin sobre la repercusin del uso de datos masivos en la
privacidad de los individuos?
24. Qu opina sobre la necesidad de cdigos ticos al respecto?
25. Llevan a cabo medidas o determinaciones capaces de proteger y respetar la
privacidad de los consumidores?
67
26. Slo si la estn implementando: Podra explicar si han desarrollado algn
cdigo tico de actuacin profesional, u otro tipo de regla interna al respecto?
tienen otros cdigos ticos propios? tienen algn referente?
27. Slo si la estn implementando: Cules han sido sus motivaciones para
desarrollarlo (o para no desarrollarlo)?
28. Slo si la estn implementando: Cules considera que son los puntos
fundamentales del mismo?
29. Est al tanto de la legislacin vigente en materia de proteccin de datos de
carcter personal? qu opinin le merece (es efectiva/no, excesivamente
restrictiva/insuficiente)?
30. Slo si la estn implementando: Cul es su valoracin global del actual
desarrollo de la analtica Big Data en su empresa?
31. Bajo qu criterios valoran el xito de su implementacin?
68
Anexo 3: desarrollo del mtodo Delphi
Siguiendo el cuadro elaborado por Gaitn Moya y Piuel Raigada (1998: 139) Fases en el desarrollo del Delphi (reformulacin a parti r de
Ruz e Ispizua, 1989) y las indicaciones de Landeta Rodrguez (2002: 62-77), se establece a continuacin el siguiente cronograma
relativo a las fases de desarrollo del mtodo y a la correspondiente planificacin temporal:
Planificacin temporal Tareas Contacto Categora de preguntas Temas involucrados
Preparacin del mtodo

Elaboracin del Knowledge Resource Nomination Worksheet: octubre de 2017.
Seleccin inicial de posibles candidatos: octubre de 2017.
Resultados y eleccin final de los candidatos: noviembre de 2017.
Elaboracin del primer cuestionario: noviembre de 2017.
Fase 1
Fecha de envo del Bienvenida y presentacin. Preguntas generales y - Identificacin de los pilares bsicos del fenmeno
cuestionario: diciembre de abiertas, que permitan su Big Data.
Explicacin del objeto de estudio del Va email:
conversin en tems, que
2017. proyecto as como del problema a analizar - Definicin de los puntos crticos del fenmeno Big
Presentacin y compongan las preguntas del
mediante el mtodo Delphi. Data.
explicacin. cuestionario de la segunda
Plazo de contestacin: 3 Primera ronda de preguntas mediante un fase. - Reflexin sobre cules son y cules deberan ser las
Cuestionario
semanas cuestionario general y compartido (dirigido funciones principales de la analtica Big Data en
compartido 1. Se intentarn evitar las
a todos los expertos). trminos generales.
preguntas que provoquen la
Informe fase 1.
Elaboracin y envo del Anlisis e interpretacin de los resultados narracin de opiniones, - Perspectiva de futuro sobre el beneficio y/o el riesgo
informe de e integracin de las respuestas sentimientos o similares, que de implementacin de la analtica Big Data aplicada
69
retroalimentacin: enero de individuales. Dilucidacin de los dificulten una correcta en la investigacin de los consumidores en publicidad.
2018. consensos y disensos entre los interpretacin de las
- Indicacin de los principales problemas (si se
participantes. respuestas.
Tiempo total requerido considera que los haya) en relacin al uso de datos
aproximado: 20-30. Elaboracin y difusin a los expertos del masivos en publicidad y valoracin sobre ello.
informe final de las respuestas al Revisin del dilema tico.
cuestionario de la fase 1.
- Delimitacin de los posibles cambios o alternativas a
implementar para solucionar la problemtica
encontrada.
Fase 2
Elaboracin del segundo cuestionario
compartido en base al material obtenido
Elaboracin del segundo en el informe de la fase 1. Posibilidad de
cuestionario: enero de introducir tems o reformular alguna de las - Reelaboracin de las preguntas anteriores en base a
dimensiones a investigar. las respuestas obtenidas.
2018. Concrecin las preguntas con
Se informa a cada experto de su posicin el objetivo de clarificar las - Valoracin y expectativas sobre las conductas y
Fecha de envo del en relacin al resto del grupo. posiciones de los expertos en percepciones de los ciudadanos en relacin al objeto
Jerarquizacin de los acuerdos y torno al objeto de estudio. de estudio. Impresiones sobre algunos de los
cuestionario: febrero de desacuerdos y discriminacin de Va email:
Clarificacin, defensa y resultados obtenidos en la fase de encuestas panel.
2018. cuestiones irrelevantes.
Cuestionario explicacin del motivo de las - Valoracin y expectativas sobre el papel
Segunda ronda de preguntas mediante un compartido 2. posiciones individuales por desempeado por los publicitarios y sobre los usos
Plazo de contestacin: 3 cuestionario general y compartido. parte de los expertos.
Informe final. que estos harn de los datos. Impresiones sobre
semanas. Profundizacin en los temas involucrados. algunos de los resultados obtenidos en la fase de
Se buscar la expresin de la
Agradecimiento entrevistas en profundidad.
Anlisis e interpretacin de los resultados postura definitiva.
Elaboracin y envo del y despedida.
e integracin de las respuestas - Valoracin y expectativas sobre las medidas
informe de Jerarquizacin, valoracin o
individuales. Dilucidacin de los legislativas y tico-profesionales (cdigos
retroalimentacin: marzo- comparacin de tems y
consensos y disensos entre los deontolgicos) vigentes y futuras en relacin al
abril de 2018. estimaciones cuantitativas
participantes. problema de estudio.
concretas.
Tiempo total requerido Elaboracin y difusin a los expertos del - Posible recuperacin de preguntas perdidas.
aproximado: 30. informe final, con la plasmacin del
discurso ltimo obtenido.
Agradecimiento y despedida.
70
Preguntas ejemplo para el cuestionario 1
Se establece a continuacin un listado de preguntas ejemplificadoras de las que

podran componer el primero de los cuestionarios que se realizarn a los expertos:
Por favor, indique cules considera que son los pilares bsicos del nacimiento
del fenmeno Big Data:
Cules considera que son actualmente los puntos crticos en torno al
fenmeno Big Data? Considera de especial importancia alguno de ellos?
En cuanto a la repercusin econmica de Big Data, cul es su posicin?
Cmo afecta Big Data a la esfera de la ciencia y el conocimiento?
Cules considera que son actualmente las principales funciones de la analtica
Big Data en trminos generales?
Hacia qu campos considera que debera orientarse su utilizacin?
Cmo considera que influir Big Data en el mundo de los negocios?
Cules considera que podran ser los principales beneficios de la
implementacin de la analtica Big Data como un medio para la investigacin de
consumidores en publicidad?
Y los principales riesgos?
Considera que su uso puede generar algn tipo de problema tico en relacin
a los derechos de la ciudadana?
De ser as cules son los principales cambios o alternativas que propondra
implementar para solucionarlos?
Cules son sus referentes en torno al fenmeno Big Data?
Cul es su postura acerca de la relacin entre las redes sociales y el espacio
pblico?
Otras observaciones que deseara hacer al respecto:
71
Sara Surez Gonzalo
DESAFOS Y OPORTUNIDADES DE LA ANALTICA BIG DATA APLICADA A LA ACTIVIDAD PUBLICITARIA
72

Suarez 2015

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Suarez 2015

Enviado por

Direitos autorais:

Formatos disponíveis

Desafos y oportunidades de la

analtica Big Data aplicada a la

Autora: Sara Surez-Gonzalo

Tutor: Frederic Guerrero-Sol

Mster Oficial en Comunicacin Social, 2014-2015

Treballs de recerca dels programes de postgrau del Depar tament de Comunicaci

Desafos y oportunidades de la analtica Big Data aplicada a la

Sin embargo, este desarrollo tecnolgico presenta claras implicaciones en la

Este trabajo se propone conocer las posiciones de los usuarios de Facebook y

Palabras clave investigacin de audiencias, Big Data, publicidad, privacidad, tica

Keywords audience investigation, Big Data, advertising, privacy, professional-

Presentacin del tema........................................................................................... 5

Perspectiva desde la que se aborda el problema ......................................................... 5

El afn por la modelizacin del consumidor .................................................................. 8

Los orgenes de Big Data ................................................................................................ 9

Un nuevo paradigma socio-tecnolgico ..................................................... 11

Las oportunidades de la analtica Big Data ................................................................. 12

Big (Social) Data .................................................................................................... 13

De la muestra al Universo ..................................................................................... 14

Los riesgos del datacentrismo .................................................................................... 14

La tirana de los datos ........................................................................................... 14

Deontologa profesional y legislacin ........................................................................... 19

Espaa, ao 2015: cdigos de tica publicitaria de Autocontrol ...................... 19

Europa, ao 2016: reforma de las leyes de proteccin de datos de 1995 ...... 20

Conocimientos y (auto-)prevencin de los usuarios.................................................... 20

Para la comunidad acadmica ............................................................................. 22

Objetivos generales ....................................................................................................... 22

Preguntas de investigacin generales ......................................................................... 23

Grupos de estudio ......................................................................................................... 24

Conceptos clave ............................................................................................................. 26

Encuestas panel .................................................................................................... 30

Anexo 2: Desarrollo de la entrevista en profundidad.................................................. 62

Anexo 3: Desarrollo del mtodo Delphi........................................................................ 69

En correspondencia con la normativa contemplada en el Procedimiento para la

Perspectiva desde la que se aborda el problema

Callejo (2001: 35) define la investigacin de audiencias como un conjunto de

La publicidad es la principal institucin social con inters material en conocer la

Es as como, desde sus inicios, la publicidad ha sido y es uno de los motores

En el entorno publicitario, tambin ha cumplido una importante labor de prediccin,

Con su desarrollo, este tipo de investigaciones se convierten en un instrumento

El afn por la modelizacin del consumidor

Modelos como el de Howard y Sheth, el de Howard, el de Engel, Kollat y Blackwell o

Los orgenes de Big Data

De forma paralela, a finales del siglo XX, emerge en el mundo empresarial el

Como consecuencia, brota la necesidad de renovar los sistemas de

Posteriormente, la aparicin de Internet y la World Wide Web en el ao 1990,

Conceptos como Sociedad de la Informacin (Torres, 2006; Bell, 1976), Sociedad

La explosin de los datos masivos

Las oportunidades de la analtica Big Data

Esto proporcionar a los publicistas la oportunidad de conocer a los consumidores

Big (Social) Data

Esta situacin resulta muy beneficiosa para la actividad publicitaria, en un

Otra de las principales aportaciones de la analtica Big Data es que elimina la

No obstante, la analtica Big Data no deja de trabajar sobre una recopilacin de

Los riesgos del datacentrismo

La tirana de los datos

Los datos masivos abren puertas y ventanas a la investigacin cuantitativa. Sin

Posiblemente, nuestra sociedad est viviendo un momento de enamoramiento por

Otra cuestin relevante, atae a la analtica predictiva. Si bien la cantidad de

De este modo, la investigacin basada en datos, podra tener grandes limitaciones

1. El Artculo 12 de la Declaracin Universal de los Derechos Humanos

2. La Real Academia de la Lengua Espaola (2012) define el trmino

3. Los Artculos 18.1. y 18.4 de la Constitucin espaola de 1978 exponen

1. Como indica el BOE nmero 298, de 14 de diciembre de 1999, la Ley