{"version":1,"type":"rich","provider_name":"Libsyn","provider_url":"https:\/\/www.libsyn.com","height":90,"width":600,"title":"\u00bfQu\u00e9 fue antes: el huevo o la recomendaci\u00f3n?","description":"'Juego de Tronos\u2019 ha batido todos los r\u00e9cords: en espectadores, en tuits, en visualizaciones y ha inspirado este \u00faltima de entrega de Data Historias, en la que nos planteamos c\u00f3mo los sistemas de recomendaci\u00f3n est\u00e1n cambiando nuestros h\u00e1bitos a la hora de consumir contenidos audiovisuales. Netflix, HBO, MoviStar, Amazon Prime...todos utilizan sistemas para permitir descubrir nuevas series o pel\u00edculas de manera r\u00e1pida y sencilla. Para ello se fijan en nuestro historial de visualizaciones pasadas, que describen nuestros gustos, y tambi\u00e9n en el de otros usuarios con gustos similares, entre otros muchos patrones. Roberto Maestre, cient\u00edfico de datos de BBVA Data &amp;amp; Analytics y coautor del trabajo Recsys, nos explica c\u00f3mo funcionan estos algoritmos para hacer sugerencias personalizadas. A pesar de su gran \u00e9xito, la ciencia de datos se enfrenta a un gran reto al desarrollar estos sistemas: c\u00f3mo ofrecer un contenido acorde al gusto del usuario pero sin crear el efecto burbuja, en el que la tecnolog\u00eda acaba retroalimentando nuestros propios gustos u opiniones en lugar de ayudar a ampliar nuestro conocimiento y punto de vista. [mediacenter_panel align=&quot;right&quot; type=&quot;post&quot; post_id=&quot;636515&quot;][\/mediacenter_panel] Aqu\u00ed la cuesti\u00f3n que se plantea es: \u00bfvemos lo que queremos ver o queremos ver lo que nos recomiendan? Juan Murillo, responsable de Divulgaci\u00f3n Anal\u00edtica de BBVA, comenta este efecto y da algunas claves para hacer estallar esta burbuja. La secci\u00f3n de Data Histerias est\u00e1 dedicada a analizar el \u2018meme\u2019 de la zapatilla rosa o gris, analizado junto con Brian Farrell, director creativo del equipo de Marketing y Dise\u00f1o de BBVA. Como guinda final, desvelamos qu\u00e9 ciudades tienen el nivel de vida m\u00e1s elevado del mundo y cu\u00e1les son las m\u00e1s econ\u00f3micas para vivir. A continuaci\u00f3n, facilitamos algunos de los estudios y visualizaciones citadas durante el programa:  Los sistemas de recomendaci\u00f3n te van a conocer como si te hubieran parido Recomendaciones para un Cient\u00edfico de Datos que quiera iniciarse en Sistemas de Recomendaci\u00f3n Tableau Conference 2018: Binging on Data - Enabling Analytics at Netflix Netflix Research How Netflix Uses Analytics To Select Movies, Create Content, and Make Multimillion Dollar Decisions Las visualizaciones de Juego de Tronos en Medium.com Recsys (BBVA Data &amp;amp; Analytics) Worldwide Cost of Living 2019  ","author_name":"BBVA Data Historias","author_url":"https:\/\/www.bbva.com\/es\/especiales\/bbva-podcast\/","html":"<iframe title=\"Libsyn Player\" style=\"border: none\" src=\"\/\/html5-player.libsyn.com\/embed\/episode\/id\/9907199\/height\/90\/theme\/custom\/thumbnail\/yes\/direction\/forward\/render-playlist\/no\/custom-color\/004481\/\" height=\"90\" width=\"600\" scrolling=\"no\"  allowfullscreen webkitallowfullscreen mozallowfullscreen oallowfullscreen msallowfullscreen><\/iframe>","thumbnail_url":"https:\/\/assets.libsyn.com\/secure\/content\/44522149"}