SPECIALE SETTEMBRE – Predire eventi meteorologici inconsueti, stabilire quando si verificheranno dei terremoti e quantificare la diffusione di una malattia, (anche) in base agli spostamenti dei pazienti contagiati; di tutto questo si è parlato molto, ma è tutta un’altra storia quando al centro dei pronostici arriva il comportamento umano in sé e per sé. È possibile prevedere, ad esempio, se porteremo a termine un acquisto online, prima ancora di aver inserito i nostri dati per la spedizione? Prima ancora, insomma, di averlo concluso? In base all’enorme quantità di dati e informazioni che quotidianamente immettiamo online, la risposta è sì, potrebbe.
Anticipatory shipping
Su questo si basa il brevetto Amazon dell’anticipatory shipping, ovvero la spedizione che ha inizio prima ancora che il cliente concluda il suo acquisto. Registrato in gennaio, non è poi stato chiarito se effettivamente sia stato implementato almeno in parte, come prima fase di studio. Come funziona il metodo? In base ai dati del profilo personale inseriti su Amazon, alla wishlist, alla cronologia di navigazione, agli acquisti effettuati in precedenza, il colosso dell’e-commerce può dare il via all’iter della spedizione, magari limitandosi inizialmente ad avvicinare il pacco alla destinazione finale (il codice di avviamento postale che usate più di frequente). Tutto questo prima di aver effettivamente pagato, prima di aver effettivamente comprato. E se Amazon prevedesse male? Se quell’oggetto sul quale avete tanto a lungo passato il cursore del mouse, alla fine, decideste di non acquistarlo? In quel caso il prodotto potrebbe fermarsi a metà strada, in un magazzino o su un camion che lo stava avvicinando a voi; oppure potrebbe comunque arrivarvi a casa e a quel punto starà a voi decidere, magari incoraggiati dallo sconto sul prezzo che Amazon ipotizzava potrebbe applicare, in questa particolare circostanza.
L’anticipatory shipping appare al momento una strategia piuttosto estrema per anticipare i bisogni del consumatore, ma secondo Amazon potrebbe rappresentare un passo in avanti per ovviare ai (a volte) troppo lunghi tempi di consegna che seguono un acquisto online. Attese che potrebbero far sì che la volta seguente un cliente scelga di andare al negozio di persona piuttosto che comprare su internet; una perdita che, a quanto pare, supera il rischio di intraprendere una spedizione prima dell’acquisto vero e proprio.
Social network
Con a disposizione un gran numero di dati, tuttavia, sono anche d’altro genere le possibili previsioni del comportamento umano. Tra gli strumenti più utilizzati per farlo ci sono, ovviamente, i social network: meglio ancora se guarniti di geolocalizzazione. Grazie a un’analisi di questo tipo, ad esempio, i ricercatori della State University of New York a Binghamton sono riusciti a identificare i ristoranti preferiti di una serie di utenti di social network. Basandosi sui loro check-in, sulle preferenze personali e sulle interazioni online sono riusciti a raggiungere un’accuratezza del 93,13%. Grazie al feedback che forniamo continuamente online tra prodotti e servizi, spiegano i ricercatori, per le aziende è sempre più facile plasmarsi a misura di cliente e prevedere come questo si comporterà. In uno studio simile, tramite contenuti, orario e tipologia dei tweet, i ricercatori hanno invece disegnato un quadro demografico degli utenti nell’area di Manhattan: chi lavorava dove, chi viveva dove e così via. Tutto grazie ai dati forniti da Twitter Data.
Contagio
Quando la situazione non è un acquisto online o la scelta di un ristorante, bensì un’emergenza sanitaria o una calamità naturale, la situazione si fa più complessa. Per quanto riguarda l’attuale epidemia di Ebola in Africa, per esempio, a rendere difficile una previsione ci sono varie incognite. Tra le quali lo stigma che circonda il virus e spinge molti malati a chiudersi in casa. Mentre il contagio non accenna a fermarsi, tuttavia, per elaborare dei modelli di diffusione si è tenuto conto anche dei possibili spostamenti attraverso i confini. Da un paper pubblicato di recente -sono molti i team di scienziati ad aver lavorato in merito, ne abbiamo parlato anche qui– è emerso che entro gennaio 2015 i casi tra Sierra Leone e Liberia potrebbero essere 550.000. Causa proprio l’imprevedibilità umana, assumendo che i casi non registrati dalle autorità siano moltissimi e continuino ad aumentare, il numero sale invece fino a 1,4 milioni di persone infette.
Terremoti
Un’altra sfera d’interesse per le previsioni sul comportamento umano è quella dei terremoti. Quest’anno, alla conferenza KDD, Knowledge Discovery and Data mining, Xuan Song dell’Università di Tokyo ha presentato un modello di previsione degli spostamenti delle persone durante un terremoto, che ha raggiunto un’accuratezza dell’80%. La ricerca, sostenuta da finanziamenti del governo giapponese, era stata pubblicata nel 2013, focalizzata sui dati del terremoto e tsunami del Tohoku del 2011. Se il Giappone ha già in dotazione un sistema sofisticato che lavora per monitorare gli eventi sismici, spiega Song, prevedere come si muoveranno le persone durante i terremoti è tutta un’altra cosa.
Sfruttando i dati GPS raccolti quell’anno da 1,6 milioni di cellulari, il team di scienziati da lui guidato è riuscito a elaborare un modello che potrebbe aiutare a prevedere in che modo si sposterà la popolazione -attraverso il Giappone- nel caso si verifichi un altro terremoto simile. I movimenti monitorati durante l’analisi non riguardano solamente la città di Tokyo, bensì la fuga dei cittadini dalle varie prefetture, tra cui Fukushima. L’area di ricerca, sottolinea Song, è estremamente sensibile, ma se nei prossimi anni il suo sistema di previsione dovesse rivelarsi efficace potrebbe diventare uno strumento molto prezioso. “In futuro ci si aspetta che il Giappone venga colpito da molti altri terremoti”, ha commentato Song, “abbiamo bisogno di sapere dove si sposteranno le persone”.
Le capacità dimostrate dal modello presentato alla conferenza KDD non hanno mancato di suscitare una certa inquietudine, proprio per via dell’accuratezza che questo è in grado di raggiungere. Movimenti delle persone da casa propria a quella degli amici, verso il lavoro, fuori città: la ricostruzione ha raggiunto una precisione tale da sollevare dubbi “etici”. Song ha spiegato in un’intervista che i dati sfruttati nell’elaborazione sono stati forniti dal servizio GPS della compagnia telefonica interessata, i cui utenti erano stati avvertiti prima di iniziare a utilizzarlo che i dati raccolti avrebbero potuto essere usati a scopo di ricerca (questioni che un po’ ci ricordano le ricerche condotte da Facebook sugli utenti). È stato poi sottolineato che in nessuna parte dello studio sono menzionati i nominativi degli utenti, solamente le coordinate geografiche e orarie. Song ha spiegato che è stato fatto il possibile per proteggere la privacy delle persone e che, nonostante il suo modello sia solamente un primo tentativo, se la ricerca proseguirà su questa linea positiva i benefici a livello di gestione delle calamità naturali potrebbero essere notevoli.
Pubblicato con licenza Creative Commons Attribuzione-Non opere derivate 2.5 Italia. 
Crediti immagine: ThisParticularGreg, Flickr
