En la actualidad, los gobiernos operan en un mundo cada vez más complejo, lo cual se refleja en el volumen y la ubicuidad de los datos producidos por los ciudadanos y los organismos, así como en la potencia informática para analizarlos. Con el objetivo de poder comprender mejor las necesidades de los ciudadanos y responder a ellas y de asignar los recursos públicos de manera más eficiente, los gobiernos deben utilizar el análisis predictivo a fin de aprovechar estos datos y desarrollar soluciones innovadoras para los desafíos urbanos contemporáneos.
El análisis predictivo consiste en el uso de datos históricos destinados a la búsqueda de patrones y a la identificación de tendencias que se pueden utilizar para reorganizar la forma mediante la cual se prestan servicios, anticipar necesidades futuras y prevenir eventuales problemas. El Banco Interamericano de Desarrollo (BID) está trabajando para acelerar la adopción del análisis predictivo por parte de los gobiernos de América Latina y el Caribe gracias al estímulo de las historias de éxito de Montevideo, donde se están utilizando datos sobre delitos para analizar patrones de conducta delictiva con el fin de identificar puntos críticos de delito y enfocarse mejor en los esfuerzos de la policía, y de México, donde los datos sobre el consumo de electricidad se utilizan para obtener pronósticos de la actividad económica prácticamente en tiempo real con el objetivo de informar la creación de políticas. Parte de este esfuerzo incluye la publicación de la serie de documentos de discusión “Innovaciones en la prestación de servicios públicos”, que proporciona un marco, una herramienta y un hoja de ruta para los empleados del sector público que buscan implementar iniciativas basadas en datos. Susan Crawford, Benjamin Weinryb Grohsgal y yo colaboramos en la cuarta entrega de esta serie de artículos, que se concentra en los desafíos, los casos prácticos de éxito y los próximos pasos de los funcionarios públicos que utilizan el análisis predictivo.
DESAFÍOS
Existe una cantidad de obstáculos estructurales que no son técnicos entre los gobiernos y la capacidad de aprovechar los datos para la predicción y la resolución de problemas. Con el propósito de sortear estas barreras, los gobiernos deben hacer lo siguiente:
- Aclarar el valor público que se puede obtener de los datos y concentrarse en las oportunidades para mejorar los resultados antes que los productos
- Reorganizar la estructura del gobierno de manera que los funcionarios no tengan que operar en un ámbito estrecho definido por una actividad, sino que los organismos participen en acciones que abarquen a todo el gobierno
- Salir del statu quo y cambiar la condición del gobierno de manera que se abra a la colaboración y al uso compartido de datos
- Invertir en personal capacitado y en tecnología adecuada para impulsar un ahorro futuro mediante el uso del análisis predictivo
- Determinar cómo recopilar datos utilizables y superar la idea de que los datos que se usen han de ser perfectos.
HISTORIAS DE ÉXITO
En este documento de discusión se realiza un análisis detallado de dos casos prácticos:
La ciudad de Chicago: Se realizó en Chicago un proyecto piloto de análisis predictivo con el objetivo de mejorar los resultados operacionales, específicamente en el área de cebos para ratas de mayor alcance. Mediante la minería de datos de todos los datos del servicio telefónico 311 de la ciudad, un equipo de ingenieros del Departamento de Innovación y Tecnología (DoIT, por sus siglas en inglés) observó un vínculo entre los tipos de llamadas del 311 relacionados históricamente con problemas de plagas de ratas. El equipo de (DoIT) presentó este modelo predictivo al Departamento de Calles y Saneamiento (DSS, por sus siglas en inglés) y desarrolló un mapa que definía zonas específicas donde intervenir, algunos de los cuales no formaban parte del plan de DSS. El DSS siguió el modelo y descubrió la plaga más grande que había visto. Gracias al análisis, los organismos fueron más transparentes con respecto a lo que estaban haciendo, y el resultado fue una colaboración eficaz para resolver un problema importante de la ciudad.
El estado de Indiana: Indiana creó un Centro de Administración y Desempeño (MPH, por sus siglas en inglés) que facilita el uso del análisis en las bases de datos estatales. Con el objetivo de comprender mejor la correlación entre la mortalidad infantil e indicadores tales como asistencia sanitaria, alimentación y viviendas, el centro MPH integró en su análisis los datos referentes a familia, salud, finanzas, empresas y organismos de empleo para revelar las tendencias más desconocidas. Los trabajadores sociales podrán comparar la información de una determinada familia en relación con los datos pasados y presentes de las familias en situación de riesgo y realizar una estimación del riesgo que ayude a determinar la probabilidad de que un niño se encuentre sometido a un riesgo de daño futuro. En este caso, los resultados del proyecto de análisis facultaron a los trabajadores sociales en la toma de decisiones basadas en datos para abordar problemas relacionados con el bienestar de los niños.
Además de los casos prácticos de Chicago e Indiana resumidos más arriba, los gobiernos han logrado implementar con éxito proyectos de análisis predictivo en las siguientes áreas políticas clave:
Seguridad pública: En Nueva Orleans se trabajó para identificar datos y desarrollar un modelo para una evaluación calculada del riesgo de incendio con el objetivo de ser más y proactivos y realizar instalaciones puerta a puerta de alarmas de incendio. Esta solución luego se extendió por todo el país con la ayuda de socios privados y sin fines de lucro.
Servicios sociales y seguridad pública: Boston y New York City recurrieron al análisis predictivo para prevenir la superpoblación y sus consecuencias, así como para proporcionar viviendas seguras y asequibles. Mediante la colaboración entre las agencias con el objetivo de recopilar datos sobre viviendas y análisis inteligente, las ciudades dirigieron acciones preventivas, programas y recursos de forma más eficaz.
Salud pública: En Chicago, se utilizaron análisis de datos avanzados para mejorar el proceso mediante el cual los inspectores de salud identifican los establecimientos de alimentos en los que probablemente haya incumplimientos graves. En la ciudad, se procesaron datos abiertos para detectar variables que predijeran incumplimientos, se desarrolló un modelo, se realizó una simulación y se utilizó el pronóstico para asignar las inspecciones de manera más eficaz. En Chicago, también se realizó un modelo analítico piloto para mejorar el proceso de inspección de calidad del agua de las playas. Un equipo de voluntarios de la comunidad de tecnología cívica de la ciudad amplió el alcance de un modelo predictivo anterior con el fin de incluir variables nuevas y más datos, y mostró un modelo exitoso impulsado por socios para el análisis municipal.
Data-Smart City Solutions compiló un catálogo de casos de uso de datos cívicos que sirve como un recurso continuo que se actualiza con frecuencia para cualquier persona que esté interesada en saber cómo se utilizan los datos y los análisis a fin de reforzar las operaciones de la ciudad. El catálogo busca inspirar a otras ciudades para que realicen experimentos adicionales de análisis predictivo.
PRÓXIMOS PASOS
Para las personas que tengan la función de Jefe de Datos (CDO, por sus siglas en inglés) del gobierno y sean responsables de ejecutar una agenda de análisis predictivo, existe una serie de problemas que deberían tener en cuenta al momento de implementar proyectos nuevos:
- Estar informados sobre los recursos de datos de la ciudad con el objetivo de cumplir su función con más eficacia
- Mantener prioridades claras y flexibles que se adapten con el tiempo, según las necesidades de los ciudadanos y las lecciones aprendidas
- Dar una imagen que transmita que brindan apoyo directo a los objetivos generales de la ciudad o del estado y recibir participación visible de nivel ejecutivo
- Contar con un conocimiento profundo de los procesos gubernamentales y de las instalaciones técnicas y priorizar la formación de un equipo de expertos con canales abiertos de comunicación
- Analizar detenidamente todas las opciones y formular preguntas bien informadas al momento de decidir con qué proveedores trabajarán
- Desarrollar una capacidad de evaluación sobre los proyectos de análisis de datos desde el principio
- Aprovechar las redes de otros CDO para obtener información sobre qué es lo que funciona
En cuanto a este último punto, nos complace compartir que, desde que se publicó el documento, el Centro Ash para la Gobernabilidad Democrática e Innovación del Harvard Kennedy School estableció la red Civic Analytics Network, una red nacional de compañeros de CDO que colaboran en proyectos compartidos para fomentar el uso del análisis predictivo y la visualización de datos a fin de abordar los desafíos urbanos relacionados con la equidad.
CONCLUSIÓN
En la actualidad, los ciudadanos demandan gobiernos que sean mejores, más baratos y más rápidos tanto a nivel estatal como a nivel local. Los empleados del sector público pueden ser más eficaces y pueden responder mejor a las necesidades de los ciudadanos en el contexto de recursos de gobierno limitados mediante el uso del análisis predictivo para aprovechar el vasto volumen de datos disponible.
Una advertencia importante es que el análisis predictivo se debería utilizar para mejorar la eficacia y la discreción de los empleados del gobierno, no para reemplazar su intuición, conocimiento local y experiencia. El uso óptimo de esta herramienta corresponde al complemento de las prácticas existentes.
Dada la histórica aversión al cambio de los gobiernos, el análisis predictivo también reforzará la confianza en el cambio y fomentará la experimentación. Por último, las predicciones basadas en datos no solo mejorarán la respuesta del gobierno y los resultados, sino que también crearán condiciones más propicias para la innovación mediante la reducción de riesgos para los innovadores del gobierno. Junto con el liderazgo ejecutivo, la colaboración entre organismos y la transparencia, los datos brindarán mejores servicios, mejor administración y un compromiso mejor por parte de los ciudadanos.
Descargue el PDF o el documento completo, “Innovaciones en la prestación de servicios públicos. Número 4: El análisis predictivo: Impulsando la mejora a partir de los datos”, publicado por el Banco Interamericano de Desarrollo en julio de 2016, en inglés o en español.
Stephen Goldsmith , El ex-alcalde Stephen Goldsmith es profesor de Práctica de Gobierno y el Director del Programa de Innovación en el Gobierno Americano de la Escuela Kennedy de Gobierno de la Universidad de Harvard. Actualmente dirige Data-Smart City Solutions, un proyecto que pone relieve en los esfuerzos de los gobiernos locales en la utilización de las nuevas tecnologías conectando los avances en el uso de análisis de Big Data con aportes de la comunidad para transformar la relación entre el gobierno y los ciudadanos. Se desempeñó como alcalde adjunto de la ciudad de Nueva York y el alcalde de Indianápolis. Fue también el principal asesor de política nacional para la campaña de George W. Bush en el 2000, el Presidente de la Corporación para el Servicio Nacional y Comunitario y el fiscal de distrito para el condado de Marion, Indiana 1979-1990.
