La Web Analytics es un sistema de análisis que interpreta datos a partir de diferentes sistemas estadísticos (pensemos en distribuciones binomiales, multinomiales, geométricas y tantas otras) y teniendo en cuenta los diferentes programas de web semántica como el Data Mining, la Linked Data, y desarrollos como RDF y OWL. Trabajan sobre inabarcables datos y variables (en especial grandes empresas y organismos internacionales), y detrás de la interfaz se encuentran cantidades interminables de líneas de códigos. Entonces, ¿no es contraproducente la cantidad excesiva de datos? ¿Qué sentido le podemos dar a una maraña de palabras dentro de una maraña de estadísticas dentro de una maraña de unos y ceros?
Por más que miremos hacia adelante en búsqueda de una respuesta, la solución a nuestro problema fue dada hace 7 siglos. Guillermo de Occam (u Ockham) fue un fraile fransiscano y filósofo escolástico inglés que invento un principio que hoy llamamos la Navaja de Occam. Este principio consiste en postular que cuando dos teorías en igualdad de condiciones tienen las mismas consecuencias, debe preferirse la teoría más simple a la más compleja (Pluralitas non est ponenda sine neccesitate).
Volvamos al presente. Gran parte del Web Análisis se basa (o debería basarse) en ese principio. Porque frente a una enorme cantidad de datos y estadísticas hay una persona de carne y hueso. Que trabaja sobre una lógica lineal y tiene una capacidad de aprehensión de la información limitado. Entonces, la efectividad en la toma de decisiones a partir de los datos se pelea por dos frentes: por las herramientas analíticas y por los analistas Web.
Las herramientas analíticas, mientras avanzan en las formas de recopilar y organizar información, debe a su vez trabajar para generar una interfaz en donde masivas cantidades de datos puedan transformarse en interpretaciones plausibles de la realidad. La Web Analytics no debería ser una exclusividad de analistas Web, sino una herramienta que todos podamos usar. Dice Pere Rovira: "Todos deberíamos tener algo de analistas web". Y para que esta tecnología sea apropiada por los usuarios, debe ser simple.
Por el otro frente se encuentran los analistas Web. Su trabajo consiste en interpretar datos de manera más fidedigna posible. Pero la cantidad de datos no significa calidad de información. Y el puente entre ambas es el analista, que deja de lado por un rato los porcentajes, números y probabilidades para “humanizar” los datos crudos. Debe tomar en cuenta actitudes, comportamientos y tomarlo dentro de un contexto puntual y un tiempo y espacio reales, donde la tiranía nominal desaparece. Y, a su vez, debe convencer a otros de sus interpretaciones, transformarlas en predicciones de las acciones humanas (o de la naturaleza, como en las predicciones climáticas), y para eso necesita traducir a conceptos y números simples las indescifrables tablas. Debe dejar de lado las soluciones difíciles e ir por la respuesta más simple.
Proponemos entonces ir en contra de la corriente: ante un creciente flujo de sobreinformación que permite la Web, hacer hincapié en la interpretación de aquella en base a las pautas de juicio de los analistas. Ante la complejidad, simplificar.
