Por Laura Veldkamp Los datos son el combustible de los algoritmos de inteligencia artificial que han impulsado los mercados bursátiles a máximos históricos con la promesa de transformar las economías. Pero ¿cómo determinamos su valor? Los datos no se extraen de la tierra ni se forjan en fábricas. Se acumulan invisiblemente como un subproducto de la vida moderna: cada búsqueda, clic o paseo matutino con el teléfono en el bolsillo deja un residuo de información que alguien, en algún lugar, puede usar. Cuando un bien no tiene un precio observable, como un servicio gubernamental, por ejemplo, normalmente lo valoramos a su coste. Pero los datos no tienen un coste explícito. Cuando un minorista registra las ventas o una aplicación de mapas indica tu ubicación, eso es producción de datos. Claro que las empresas invierten a manos llenas en procesar, analizar y transformar datos. Contratan a un gran número de científicos de datos e invierten en infraestructura informática para extraer patrones del ruido. Pero los datos brutos subyacentes son como los gases de escape de nuestro motor económico. ¿Cómo valoramos algo que simplemente aparece? Lo cierto es que los datos no son gratuitos. Todos somos productores de datos remunerados. Una vez que comprendemos que los datos se producen mediante transacciones, surge una lógica económica más profunda. Si una empresa que maximiza las ganancias valora los datos que recibe de sus clientes, tiene un incentivo para fomentar más transacciones, porque más transacciones significan más datos. Los clientes compran más cuando pagan menos. Las empresas que no ofrecen descuentos verán cómo los clientes recurren a la competencia que sí los ofrece. Por lo tanto, las empresas que maximizan las ganancias deben aplicar descuentos en sus bienes y servicios, no por justicia, sino para generar más ventas y más datos. La mayor parte de la economía actual opera bajo este acuerdo oculto. Cada compra digital, cada descarga de una aplicación, cada clic es una transacción dual: los consumidores compran un bien o servicio y, al mismo tiempo, venden sus datos. El precio observable —la cantidad de dinero que cambia de manos— es en realidad el precio neto de estos dos intercambios. Las empresas obtienen ingresos y datos; los consumidores, productos y comodidad. Agrupación de precios El problema es el siguiente : como clientes, desconocemos el precio y el descuento que recibimos por los datos. Esto impide saber si recibimos lo suficiente. Los consumidores no suelen tener la opción de comprar un bien sin vender sus datos. Exigir dos transacciones simultáneas —en este caso, la venta de datos y la compra de un producto— es lo que los economistas denominan «paquetización». Al ocultar el precio de los datos, la paquetización garantiza que los clientes reciban menos. Imagina llegar a un país extranjero con una moneda diferente. Al llegar, pagas el equivalente a 18 dólares por un almuerzo que debería costar 3 dólares. Después de unos días, aprendes cuándo regatear, cuándo retirarte y qué precio es justo. En la economía digital, somos siempre ese turista del primer día. Vendemos nuestros datos cada vez que navegamos o compramos. Pero como la transacción está empaquetada, nunca vemos el precio. No podemos aprender de la experiencia. Las regulaciones que exigen a las empresas desagregar las transacciones (publicar tanto el precio con derecho a usar los datos de la transacción como el precio de una transacción privada) arrojarían luz sobre el mercado de datos. Los consumidores podrían observar el descuento en los datos. Algunos podrían decidir que vale la pena; otros podrían retener sus datos a menos que el descuento sea sustancial. Con el tiempo, los consumidores pasarían de ser turistas ingenuos a proveedores expertos de datos, exigiendo su parte de las ganancias de la economía de datos. El reto para los economistas y los responsables políticos es convertir los datos —un activo invisible y presente en el entorno— en algo que podamos contar, contener y valorar. Los economistas han comenzado a desarrollar un conjunto de herramientas para la medición de datos. Cada enfoque ofrece una perspectiva diferente del " valor" y será viable en diferentes situaciones. Cinco enfoques En primer lugar, el enfoque de los precios de mercado . Algunos datos se negocian en mercados abiertos, en plataformas como Snowflake o Datarade, donde se compran y venden conjuntos de datos. Sin embargo, estos datos no constituyen una muestra representativa de datos económicamente importantes. La mayoría de las empresas no venderán sus datos más valiosos, ya que son fundamentales para su ventaja competitiva. Sin embargo, para el subconjunto de datos representados en estos mercados, el precio es una señal inequívoca de valor. En segundo lugar, el enfoque de ingresos . Este trata los datos como cualquier otro activo productivo: valen cualquier ingreso adicional que puedan generar. Este método plantea una pregunta contrafáctica: ¿Cómo serían las ganancias si una empresa no tuviera datos? Este enfoque requiere un modelo que pueda predecir cuáles habrían sido las ganancias sin los datos. En finanzas, esto es factible porque sabemos que los inversores utilizan los datos para comprar más activos que generarán altos rendimientos. En otros contextos, los datos pueden tener múltiples usos que son más difíciles de medir y cuantificar. En tercer lugar, el enfoque de insumos complementarios . Una forma de inferir el valor del acervo de datos de una empresa es analizar los recursos que dedica a gestionarlos y explotarlos. Los datos no generan valor por sí solos; solo se vuelven productivos cuando se combinan con personas y herramientas. Si se conoce la cantidad de mano de obra y capacidad de procesamiento que una empresa emplea para trabajar con datos, y su costo, se puede inferir el valor implícito del acervo de datos que justifica la inversión. Es indirecto , pero la señal más segura de que algo es valioso es que las empresas pagan dinero real por usarlo. En cuarto lugar, el enfoque del comportamiento correlacionado . Si los datos mejoran las decisiones, deberíamos observarlo en la correlación entre lo que hacen las personas y la recompensa por esas decisiones. Los economistas pueden medir estas correlaciones entre acciones y resultados para estimar cuánta información deben haber tenido los responsables de la toma de decisiones. En los mercados de consumo, esto podría significar rastrear la precisión con la que las recomendaciones coinciden con las compras, o la precisión con la que una empresa almacena bienes que se venderán bien. Una alta covarianza implica datos valiosos en funcionamiento. Este enfoque mide los datos según su huella conductual. Finalmente, el enfoque de la contabilidad de costos. Por instinto, los contadores simplemente suman las facturas para obtener datos. Hasta cierto punto, el nuevo Sistema de Cuentas Nacionales de las Naciones Unidas logra esto al contabilizar los conjuntos de datos adquiridos como activos. El problema radica en que la mayoría de los datos no se compran , sino que se intercambian. Los consumidores " pagan" con información cuando compran bienes o utilizan servicios digitales. Esos descuentos implícitos rara vez aparecen en los libros. Una verdadera contabilidad del costo de los datos tendría que imputar el valor de los dólares o centavos descontados en cada compra para fomentar más transacciones y una mayor divulgación de datos. Es el enfoque más sencillo en teoría y el más complejo en la práctica, ya que nos exige ver transacciones de datos que nunca se han desglosado. Separar las transacciones de datos y bienes, exigiendo precios separados para las transacciones con y sin derecho a usar los datos de las transacciones, haría viable la contabilidad de costos. Hacia la cuantificación En conjunto, estos cinco enfoques describen una clase de activo invisible. Cada uno captura un aspecto del valor de los datos: el trabajo dedicado, los ingresos obtenidos, la precisión de las acciones, un precio de mercado o un coste implícito. Ninguno es infalible, factible en todos los casos ni holístico en su medición. La medición siempre es imperfecta. Sin embargo, para tomar decisiones informadas y elaborar políticas sólidas, debemos trasladar los datos del ámbito de la intuición al de la cuantificación. Hasta entonces, la economía funciona con un recurso cuyo precio solo podemos adivinar, y cuyo valor Silicon Valley puede explotar libremente. ****Profesora Leon G. Cooperman de Finanzas y Economía en la Escuela de Posgrado de Negocios de la Universidad de Columbia