Del mundo de la ingeniería, donde se doctoró y fue profesor universitario, decidió acercarse al periodismo a través de la ciencia cuando la etiqueta "periodismo de datos" apenas existía. Kiko Llaneras es socio en Quantio y editor fundador de Politikon.
Experto en análisis político, datos y gráficos, ha colaborado, además, en diferentes medios como Jot Down u Onda Cero. Desde julio de 2016 también lo hace en El País, medio donde por primera vez aplicó técnicas y herramientas del periodismo de datos a la información deportiva durante el Mundial de fútbol en Rusia.
Para ese evento Llaneras elaboró un modelo de predicción estadístico de resultados, el cual dio que hablar. De hecho, acaba de publicar un artículo en el que evalúa los resultados de esas predicciones que se hicieron.
Para ese evento Llaneras elaboró un modelo de predicción estadístico de resultados, el cual dio que hablar. De hecho, acaba de publicar un artículo en el que evalúa los resultados de esas predicciones que se hicieron.
- Usted es doctor en ingeniería, aunque por una investigación sobre biología. ¿Cómo acabó adentrándose en el mundo profesional del periodismo?
- Empecé escribiendo un blog. Pero te hablo de 2006, que era el cámbrico de internet. Estaba todo por hacer. De golpe podías leer a un montón de gente que escribía de sus hobbies, su trabajo o sus ocurrencias. Internet estaba medio vacío y era más fácil. Yo estaba haciendo la tesis en un departamento de ingeniería y pensé que estaría bien escribir un blog con un enfoque "de ciencias", con datos, sobre temas de actualidad (política, economía, vivienda, etc.). Por entonces la etiqueta de "periodismo de datos" básicamente no existía.
El blog era un entretenimiento que fue creciendo. En 2011 montamos Politikon entre varios autores, por entonces jóvenes, y escribimos un libro sobre nuestro sistema político. Luego se dieron varias casualidades. Por un lado, explotó la crisis política en España, llegaron partidos nuevos, y se disparó el interés por encontrar nuevas formas de hablar de política. Coincidió también el boom periodismo de datos. En todo ese lío yo cada vez escribía más. En 2015 decidí pedir una excedencia en la universidad y desde entonces trabajo en medios.
- En el nuevo ecosistema informativo digital la interdisciplinariedad de las redacciones es cada vez mayor. Por ejemplo, en el Washington Post trabajan desde la llegada de Bezos un ingeniero y un redactor codo con codo. Me imagino que esto es algo ya imparable.
El blog era un entretenimiento que fue creciendo. En 2011 montamos Politikon entre varios autores, por entonces jóvenes, y escribimos un libro sobre nuestro sistema político. Luego se dieron varias casualidades. Por un lado, explotó la crisis política en España, llegaron partidos nuevos, y se disparó el interés por encontrar nuevas formas de hablar de política. Coincidió también el boom periodismo de datos. En todo ese lío yo cada vez escribía más. En 2015 decidí pedir una excedencia en la universidad y desde entonces trabajo en medios.
- En el nuevo ecosistema informativo digital la interdisciplinariedad de las redacciones es cada vez mayor. Por ejemplo, en el Washington Post trabajan desde la llegada de Bezos un ingeniero y un redactor codo con codo. Me imagino que esto es algo ya imparable.
- Hace un par de años te hubiese dicho que sí, que es imparable, pero ahora tengo más dudas. Hay gente que no cree que el periodismo tenga que cambiar. Creen que no hacen falta superespecialistas, ni periodistas que hablen matemáticas, o que no es viable tener muchos programadores en una redacción. Y quizás tengan razón.
Yo veo las cosas de otra manera, claro está. Para mí es una sorpresa que el periodismo siga siendo tan 'de letras'. Si te plantas en cualquier empresa del IBEX —Mercadona, BBVA, Telefónica, Zara o lo que sea—, estoy seguro de que en todas encuentras más ingenieros o físicos que en una redacción. ¿Será siempre así? No creo. Algunos cambios me parecen inevitables, los periódicos serán un producto digital o no será, así que por fuerza habrá más gente de software y analítica en una redacción.
"En El País he podido publicar gráficos presuntamente complicados y estadística medio avanzada. Son cosas algunos periodistas creen que no deben publicarse en periódicos porque "la gente no los entiende"
- De ser fundador de Politikon a pasar también a colaborar en El País en julio de 2016. ¿Cuál ha sido desde entonces la evolución que usted ha observado en este medio en su apuesta por hacer un periodismo más adaptado a las nuevas narrativas y a los nuevos formatos digitales?
- Se han hecho montones de cosas, pero puedo hablar mejor de mi trabajo. Hay dos novedades con las que estoy especialmente contento.
Primero, he podido hacer mucha predicción electoral, siguiendo el ejemplo de New York Times o Financial Times. Desde que estoy en El País hemos publicado una decenas de predicciones probabilísticas de elecciones en España, México, Colombia, Francia o Reino Unido. Estoy bastante seguro de que ningún periódico del mundo ha publicado tantos modelos de este tipo como nosotros.
También he podido publicar gráficos presuntamente complicados y estadística medio avanzada (con histogramas, márgenes de error, cruces de variables, medianas, regresiones a la media, etc.). Son cosas algunos periodistas creen que no deben publicarse en periódicos porque "la gente no los entiende", pero he tenido mucha libertad para intentarlo y la verdad que estoy muy agradecido al periódico por eso.
- Aunque una gran parte de su trabajo se centra en el análisis político, usted y sus compañeros han aplicado las técnicas y herramientas del periodismo de datos a la información deportiva durante el Mundial de Rusia. ¿Cómo construyeron ese modelo de predicción estadístico de resultados para el evento?
Primero, he podido hacer mucha predicción electoral, siguiendo el ejemplo de New York Times o Financial Times. Desde que estoy en El País hemos publicado una decenas de predicciones probabilísticas de elecciones en España, México, Colombia, Francia o Reino Unido. Estoy bastante seguro de que ningún periódico del mundo ha publicado tantos modelos de este tipo como nosotros.
También he podido publicar gráficos presuntamente complicados y estadística medio avanzada (con histogramas, márgenes de error, cruces de variables, medianas, regresiones a la media, etc.). Son cosas algunos periodistas creen que no deben publicarse en periódicos porque "la gente no los entiende", pero he tenido mucha libertad para intentarlo y la verdad que estoy muy agradecido al periódico por eso.
- Aunque una gran parte de su trabajo se centra en el análisis político, usted y sus compañeros han aplicado las técnicas y herramientas del periodismo de datos a la información deportiva durante el Mundial de Rusia. ¿Cómo construyeron ese modelo de predicción estadístico de resultados para el evento?
- Nos inspiramos en otros modelos para hacer el nuestro. Se han publicado bastantes en trabajos académicos y alguno en otros medios como FiveThirtyEight. Hay además un mundillo de estadísticas avanzadas para fútbol, gente en Twitter o escribiendo blogs, de donde sacar ideas.
Nuestro modelo juntaba piezas bastante probadas: un ranking Elo, un modelo de goles con una distribución de Poisson y datos de goles esperados. El modelo tenía tres partes fundamentales: 1) un ranking que mide la fuerza de cada selección, 2) un modelo estadístico para estimar los posibles resultados de cada partido, y 3) un simulador de la competición. Lo más sensible era el ranking, que alimentábamos con datos de equipos y jugadores (de cada selección consideramos sus resultados y las ocasiones del gol que producía y concedía; de los jugadores usamos su valor de mercado y el nivel de su club). La metodología se podía leer en detalle, que es parte de la gracia de estas cosas: ver las tripas.
- ¿Resultó complicado aplicar esa metodología científica a un deporte como el fútbol donde no todo se puede medir científicamente?
- ¿Resultó complicado aplicar esa metodología científica a un deporte como el fútbol donde no todo se puede medir científicamente?
- En realidad no. Es decir, a medias. Tendemos a pensar que el fútbol es muy complicado y que no puede capturarse con estadísticas. Y eso es verdad, pero no de forma particular. El fútbol no es más complicado que muchos temas que cubrimos en periódicos. Es ingenuo pensar que las políticas educativas, la relación entre impuestos y crecimiento, o los efectos de la dieta sobre la salud son problemas más sencillos que La Liga. No lo son. Todo eso se estudia y analiza con estadísticas, claro, y nadie se plantea que sean "un arte" o estén "más allá de la estadística", como a veces escuchamos al hablar de fútbol.
Pensad en la economía. Sabemos que el nivel educativo es el mejor predictor que existe de tu renta futura: la gente con estudios "suele" ganar más dinero. Pero no es una garantía y la realidad está llena de excepciones: hay millonarios que no fueron a la universidad e ingenieros que no encuentran trabajo. La relación entre estudios e ingresos existe, pero no es determinista; es un "modelo" con incertidumbre, igual que los que podemos usar en fútbol. No puedo predecir quién va a ganar la Champions, pero puedo construir un modelo que me diga quién es favorito y en qué medida (¡aunque probablemente no ganará!).
¿Por qué entonces el fútbol nos parece tan complicado? Porque tenemos experiencia con él. Cada domingo experimentamos las sorpresas y sabemos que los favoritos no siempre ganan (por eso nos gusta). En cambio la incertidumbre en otros temas es menos evidente, y podemos hasta ignorarla, aunque en realidad está ahí. Puedes creer que sabes hacia donde va la economía o confiar en que estás eligiendo bien el colegio de tus hijos, aunque no sea verdad. Las personas odiamos la incertidumbre, preferimos la rotundidad poco fundada, pero ese es otro tema.
Pensad en la economía. Sabemos que el nivel educativo es el mejor predictor que existe de tu renta futura: la gente con estudios "suele" ganar más dinero. Pero no es una garantía y la realidad está llena de excepciones: hay millonarios que no fueron a la universidad e ingenieros que no encuentran trabajo. La relación entre estudios e ingresos existe, pero no es determinista; es un "modelo" con incertidumbre, igual que los que podemos usar en fútbol. No puedo predecir quién va a ganar la Champions, pero puedo construir un modelo que me diga quién es favorito y en qué medida (¡aunque probablemente no ganará!).
¿Por qué entonces el fútbol nos parece tan complicado? Porque tenemos experiencia con él. Cada domingo experimentamos las sorpresas y sabemos que los favoritos no siempre ganan (por eso nos gusta). En cambio la incertidumbre en otros temas es menos evidente, y podemos hasta ignorarla, aunque en realidad está ahí. Puedes creer que sabes hacia donde va la economía o confiar en que estás eligiendo bien el colegio de tus hijos, aunque no sea verdad. Las personas odiamos la incertidumbre, preferimos la rotundidad poco fundada, pero ese es otro tema.
"Las estadísticas sobre fútbol enfadan especialmente. Siempre digo que el fútbol se sostiene en una
paradoja: es un juego intrascendente que divierte más si te lo tomas en
serio"
- Se lo preguntaba porque leí algunas críticas que le hicieron a usted por ese modelo, por no acertar algunos resultados, como si calcular predicciones equivaliera simplemente a hacer pronósticos.
- La gente se enfada en general, eso lo primero. Pero es verdad que las estadísticas sobre fútbol enfadan especialmente. ¿Por qué? La razón última se me escapa. Siempre digo que el fútbol se sostiene en una paradoja: es un juego intrascendente que divierte más si te lo tomas en serio.
Pero estas críticas esconden un reto verdadero: ¿Cómo podemos comunicar la incertidumbre al lector? Es una pregunta que surge en EE UU en 2016, después de las elecciones, cuando los modelos fueron acusados de fallar porque habían dado a Clinton como favorita contra Trump. En realidad esos modelos nunca descartaron una victoria de Trump —le daban un 18%, 20% y hasta el 30%—, pero una parte de los lectores interpretó que el favorito iba a ganar necesariamente. Pero la probabilidad no funciona así.
Con los modelos de fútbol ocurre igual. En la primera fase del Mundial había siete u ocho equipos a los que dábamos más del 80% de opciones de estar en octavos de final. Pasaron todos menos Alemania, que era más o menos lo esperable (si haces siete u ocho predicciones al 80%, lo normal es que alguna no se cumpla). Pero la gente miraba solo la predicción de Alemania: "¡dijiste que tenía un 90% de opciones!".
Ahora mismo se debate sobre cómo comunicar este tipo de información. En un extremo está la gente que cree que no debía publicarse. Hay compañeros que creen que la prensa no debería publicar predicciones si no tienes mucha seguridad sobre qué va a ocurrir. Pero no me convence. Yo quiero darle al lector la máxima información posible, y si mi mejor predicción dice que hay un 75% de probabilidades de que pase una cosa, no quiero conformarme con decirle que "no sabemos qué va a pasar", sino que quiero darle esa predicción. Pero necesito comunicarla bien para no llevar a nadie a error. Ese el reto ahora, encontrar la mejor forma de comunicar ese 75%. Andamos buscando gráficos, usando ejemplos o estudiando si es mejor decir 3 de 4 que 75%.
Con los modelos de fútbol ocurre igual. En la primera fase del Mundial había siete u ocho equipos a los que dábamos más del 80% de opciones de estar en octavos de final. Pasaron todos menos Alemania, que era más o menos lo esperable (si haces siete u ocho predicciones al 80%, lo normal es que alguna no se cumpla). Pero la gente miraba solo la predicción de Alemania: "¡dijiste que tenía un 90% de opciones!".
Ahora mismo se debate sobre cómo comunicar este tipo de información. En un extremo está la gente que cree que no debía publicarse. Hay compañeros que creen que la prensa no debería publicar predicciones si no tienes mucha seguridad sobre qué va a ocurrir. Pero no me convence. Yo quiero darle al lector la máxima información posible, y si mi mejor predicción dice que hay un 75% de probabilidades de que pase una cosa, no quiero conformarme con decirle que "no sabemos qué va a pasar", sino que quiero darle esa predicción. Pero necesito comunicarla bien para no llevar a nadie a error. Ese el reto ahora, encontrar la mejor forma de comunicar ese 75%. Andamos buscando gráficos, usando ejemplos o estudiando si es mejor decir 3 de 4 que 75%.
"Hay compañeros que creen que la prensa no debería publicar predicciones
si no tienes mucha seguridad sobre qué va a ocurrir. Pero no me convence. Hay que darle al lector la máxima información posible"
- Ustedes emplearon un modelo de predicción para un gran evento deportivo tal como hace tiempo decidieron hacerlo otros medios, como Five Thirty Eight, Financial Times o Les Décodeurs de Le Monde. ¿Por qué en España ha tardado tanto en desarrollarse esta forma de trabajar que funciona tan bien en otros países como EE.UU., Reino Unido o Francia?
- No lo sé. Supongo que es caro. Además, los perfiles que te hacen falta para construir esos modelos escasean en una redacción (necesitas alguien que sepa de estadística y que programe). También hay un problema de escala al compararnos con medios anglosajones: las audiencias en España son más pequeñas y eso hace imposibles ciertas inversiones. Una ventaja de El País es que tenemos muchos lectores en América.
- Teniendo en cuenta la base estadística sobre la que se construye la información deportiva sorprende que se no haya incidido más en España en hacer un periodismo deportivo de datos. ¿Tan complicado es?
- Como decía antes, es caro y exige perfiles que han sido escasos. Además, es una apuesta: tienes que creer que existe una audiencia potencial que vas a levantar haciendo esos temas de deportes y datos. No vale hacer historias sueltas, sino que para crecer esa audiencia necesitas regularidad, quizás una cabecera, paciencia. Es complicadillo. Las gente que cubre deportes ya tiene muchísimo trabajo solo siguiendo la actualidad del deporte.
Dicho eso, no se me ocurre ningún otro tema en el que los medios españoles tengamos una ventaja comparativa igual que la que tenemos con el fútbol: un tema de interés global que ocurre a pocos kilómetros de nuestras redacciones cada domingo.
"Para la gente de datos, el fútbol es una mina por dos motivos: porque hay mucha información y porque es cíclico"
- Sin embargo, tal como señaló en este blog John Burn Murdoch (FT), "el punto de unión entre el periodismo de datos y la información deportiva es amplio, ambos se retroalimentan increíblemente bien". ¿Cuáles son las aportaciones que hace o puede llegar a hacer el periodismo de datos para mejorar la calidad de la información deportiva?
- A mí lo que más me atrae son dos cosas. Por un lado, poner en números impresiones que todos tenemos, como que Messi es buenísimo o que su duelo con Cristiano apenas tiene precedentes. Pero aún más interesante es usar los datos para descubrir aspectos del juego que nos pasan desapercibidos: encontrar jugadores muy hábiles pero poco vistosos, detectar cambios del juego que ocurren poco a poco, etc.
También creo que hay un filón en hacer periodismo de datos para 'aumentar' la experiencia en directo de ver fútbol y otros deportes. ¿Puedo mejorar una retransmisión con números? Seguro. Los videojuegos son una buena referencia; las retransmisiones de egames no paran de evolucionar. Creo que el deporte se retransmitirá aumentado en el futuro, pero no sé si lo harán periódicos o si lo harán Amazon, Google, Netflix o Twitch.
Otra cosa que me gusta es usar los datos deportivos para hablar de estadística, de trampas de lógica o de sesgos cognitivos.
Para la gente de datos, el fútbol es una mina por dos motivos: porque hay mucha información y porque es cíclico. Empresas como Opta están midiendo en tiempo real miles de eventos de un partido, tienes datos de todo. La otra clave es que el fútbol tiene atención constante: vuelve cada semana. Eso permite hacer inversiones, porque si desarrollas modelos estadísticos, visualizaciones o lo que sea, puedes explotarlas durante años.
También creo que hay un filón en hacer periodismo de datos para 'aumentar' la experiencia en directo de ver fútbol y otros deportes. ¿Puedo mejorar una retransmisión con números? Seguro. Los videojuegos son una buena referencia; las retransmisiones de egames no paran de evolucionar. Creo que el deporte se retransmitirá aumentado en el futuro, pero no sé si lo harán periódicos o si lo harán Amazon, Google, Netflix o Twitch.
Otra cosa que me gusta es usar los datos deportivos para hablar de estadística, de trampas de lógica o de sesgos cognitivos.
Para la gente de datos, el fútbol es una mina por dos motivos: porque hay mucha información y porque es cíclico. Empresas como Opta están midiendo en tiempo real miles de eventos de un partido, tienes datos de todo. La otra clave es que el fútbol tiene atención constante: vuelve cada semana. Eso permite hacer inversiones, porque si desarrollas modelos estadísticos, visualizaciones o lo que sea, puedes explotarlas durante años.
