Analítica predictiva para Administraciones Públicas: 10 preguntas para empezar.

Cuando me enteré de que me venía a vivir a Canadá (con fecha de vuelta) pensé que, como en el Space Invaders, la excelencia no está en disparar donde están las cosas, sino hacia donde se mueven. Por ese motivo empecé a preguntar a varias personas qué es lo que creían que marcaría la tendencia para las AAPP en los próximos años. Las respuestas iban casi todas en el mismo sentido, Inteligencia Artificial, Machine Learning y otras brujerías (lo que dio pie a este imprescindible hilo de Toni Sanchez Zaplana para aprender IA). De esta manera mi plan es ponerme con esto aprovechando que, a fin de cuentas, lo de los datos y las AAPP no es algo que me pille de nuevas, por así decirlo. Al igual que pasó cuando empecé con el blog a aplicar lo que iba aprendiendo de analítica digital a las AAPP y explicarlo, ahora repito lo mismo con este tema. Durante los proximos tiempos ire metiendo artículos sobre estos temas para que aprendamos juntos. Hoy empezamos con 10 preguntas básicas sobre la analítica predictiva para Administraciones Públicas.

Cuadro de Alejandro Magnop consultando el oráculo de Delfos de Luis Jean Françóis Lagranee que ilustra  el artículo de analítica predictiva para administraciones públicas.
Alejandro Magno aplicando analítica predictiva para administraciones públicas. Fuente.

1. ¿Qué es la analítica predictiva?

La analítica predictiva es una disciplina que trata de conocer el futuro, casi como si fuera la psicohistoria de Hari Seldon. Es decir, a partir del conocimiento de una serie de datos actuales y pautas de comportamiento del pasado elaboramos unas reglas que sirven para definir con mayor probabilidad el futuro.

Por ejemplo, si analizamos las personas que tienen acceso a una protección social y vemos lo que les distingue como grupo de los que no la tienen, se puede asignar esta ayuda automáticamente. Si vamos más allá, podemos plantear cual es la previsión de crecimiento a medio y largo plazo para estimar el presupuesto o, incluso, plantear políticas que mitiguen su situación.

2. ¿Qué no es la analiítica predictiva?

La analítica predictiva NO es data science, inteligencia artificial, machine learning o deep learning. La analítica predictiva es una disciplina, un conjunto de técnicas que tiene un propósito concreto: predecir el futuro.

  • Requiere datos y ciencia de datos para extraer sus conclusiones. Sin embargo, hay partes de la ciencia de datos que no es predictiva (por ejemplo, analítica descriptiva).
  • La inteligencia artificial es un sistema que permite que los ordenadores puedan aprender y desarrollar nuevos cauces de acción por si mismos sin un entrenamiento humano. La IA puede facilitar mucho la búsqueda de patrones, pero estos se pueden buscar con inteligencia humana.
  • El machine learning es una tecnología o tecnologías que permiten que las máquinas extraigan sus propias reglas y conclusiones a partir de comparar datos. Podemos hacer analítica predictiva extrayendo y creando conclusiones desde el plano humano. Aquí tenéis un artículo bien claro sobre estas diferencias.
  • El deep learning es una aplicación de las redes neuronales para mejorar el entrenamiento de las conclusiones de manera más rápida y fiable.

Es decir, mientras que la analítica predictiva es el qué, la IA, el Machine Learning, la ciencia de datos y demás son “comos” que o bien son básicos (ciencia de datos) o bien ofrecen diferentes opciones para realizarla.

3. ¿Qué se usa para hacer predicciones ?

Vamos a decir que hay tres grandes bloques de aproximación a la predicción.

  • Buscar similitudes entre entidades. Por ejemplo, detectar grupos de personas o actores que tienen características o atributos similares y con los que podemos actuar de la misma manera. Por ejemplo, los casos de ofrecer un servicio o ayuda a personas en situaciones similares.
  • Clasificar. En este caso lo que hacemos es crear tipos o grupos sobre los que actuar de una manera concreta en los que vamos a clasificar nuevos datos o hechos. Por ejemplo, a la hora de decidir qué servicios necesita una persona en situación de dependencia por sus condiciones podemos ver qué servicios han mostrado una mejor integración a casos similares.
  • Prever estados de futuro en determinadas condiciones. Si sabemos que relación hay entre dos variables, podemos saber qué pasara cuando en un elemento aparezca una de ellas. Por ejemplo, si sabemos que un mayor desequilibrio en las rentas provoca una exclusión en los centros educativos podemos suponer que un nuevo desarrollo urbano con determinado nivel de precios por metro cuadrado generará ciertos niveles de exclusión y, por lo tanto, podemos establecer medidas correctoras.

4. ¿Qué datos puede utilizar la analítica predictiva para AAPP?

Empecemos por lo básico. Las AAPP tienen un estatuto algo más flexible que los operadores privados en el tema del tratamiento de datos, así que, bajo esta premisa podemos decir que prácticamente (y respetando los principios de privacidad), todos los datos que tiene sobre la ciudadanía. Por otro lado, tiene también una gran cantidad de datos propios que no son personales (por ejemplo, información de smart cities, financiera, bancaria, etc)… Esto sería el bloque de datos públicos que puede usar.

Luego están los datos de otras administraciones bien sea por cesión, bien sea porque están en su esquema de datos abiertos. Este sería el segundo pilar. El último serían los datos ajenos que tienen otras organizaciones. Por ejemplo, la compra por parte del INE de los datos de movilidad a los operadores privados de telefonía es un buen ejemplo.

Ahora bien, los datos tienen que estar ordenados, ser consistentes, fiables y hay que hacerlos operativos, porque si no, las predicciones de futuro posiblemente salgan muy torcidas.

5. ¿Para qué sirve la analítica predictiva para Administraciones Públicas?

Como hemos dicho, la analítica predictiva sirve para predecir el futuro a partir de unos datos y conocimientos que tenemos. Esto permite varias alternativas de aplicación.

  • Prever lo que va a pasar para estar preparados. Por ejemplo, suponer el aumento o caída de demanda de plazas escolares en una zona concreta.
  • Tomar la iniciativa en la relación con la ciudadanía. Es decir, ofrecer un servicio proactivo por conocer la circunstancia del público en lugar de esperar a que se solicite.
  • Modificar la estrategia en un futuro posible. A partir de las observaciones de un nuevo escenario podemos definir qué hacer para modificarlo. Si sabemos que hay un posible aumento del precio de la vivienda en un sector en tres o cuatro años y sabemos qué hacer para equilibrarlo, ¿por qué esperar a curar cuando podemos prevenir?
  • Buscar nuevas lineas de acción pública en función de pautas que no se han detectado. Por ejemplo, si encontramos que hay más enfermedades respiratorias en determinadas zonas de una ciudad por aspectos ambientales, algo que no se conocía antes, podemos tomar un papel más activo en el transporte.
  • Estimar los diferentes escenarios de acción. Simulamos el futuro a partir de las reglas que conocemos. Si sabemos que, por ejemplo, intervenir el precio del alquiler supone un menor impacto en el mercado que otras medidas, podemos decidir cuál se adapta más a la política deseada.

6.¿Qué necesitan las AAPP para aplicar la analítica predictiva?

Las AAPP tienen datos, así que la materia prima está ahi. Sin embargo, necesitan algunas cosas para ponerse en marcha:

  • Evaluar su acción, políticas y personal. Es muy difícil prever el futuro sin saber qué nos ha llevado al presente. No hay predicción sin exploración.
  • Cambiar la manera de pensar de una visión reactiva a una proactiva
  • Buscar casos de uso y aplicación donde empezar a emplearlo.
  • Decidir aplicarla. Prácticamente nadie está pidiendo ahora nada relacionado con esto, y sin embargo, no creo que podamos esperar demasiado.
  • Creer en ello. Es algo inicialmente costoso, que lleva tiempo y que no siempre va a decir lo que nos gusta, así que, si se rinde poronto.

7. ¿Qué oportunidades ofrece la Analítica Predictiva?

La principal oportunidad es la de retomar el liderazgo que la Administración y el gobierno debe tener en una sociedad más compleja. En términos generales es muy dificil legislar, regular y ordenar en un mundo tan dinámico, abierto y complejo como el actual a no ser que se anticipe y se modele a dónde se quiere llegar.

Afrontar desde modelos fiscales, a facilitar la integración social o la eficacia de las políticas públicas son oportunidades que la tecnología ofrece a problemas en los que la propia tecnología ha tenido un papel activo.

8. ¿Qué riesgos supone la analitica predictiva para las Administraciones Públicas?

Hay algunos riesgos importantes respecto a la asimilación de una nueva tecnología que, además, es “más lista” que la organización. Es decir, ¿Cómo sabes que no se equivoca la predicción del futuro si tu no sabes prever el futuro? ¿Y del impacto que pueden tener imprecisiones o sesgos? ¿Qué balance deja en la privacidad y la autonomía de las personas? Podríamos clasificar estos problemas en:

  • Problemas funcionales. Que la cosa no funcione, o funcione mal y las predicciones no sean buenas o correctas.
  • Problemas decisionales. Que la organización no tome las decisiones correctas porque lo diga un sistema errado.
  • Riesgos de exclusión y sesgo. Existe la posibilidad de que algoritmos, datos y especificaciones estén sesgados generando desequilibrios.
  • Porblemas de privacidad y autonomía. Redefine la relación entre lo que se sabe de la ciudadanía, para qué se sabe y hasta qué punto la administración puede tomar determinadas decisiones en su lugar.
  • Problemas éticos y democráticos. La capacidad de tomar decisiones conociendo un futuro que no es el aceptado (o explicado siquiera a la ciudadanía) genera nuevas obligaciones éticas y morales a la acción pública.

9. ¿Qué puede suponer la analítica predictiva para las organizaciones públicas?

La manera de trabajar de las administraciones puede cambiar de manera sustancial en dos dimensiones. Por un lado, se aumentará la precisión y eficiencia en el uso de los recursos al tomar decisiones más efectivas y reducir incertidumbres que consumen recursos.

Por el otro lado, las funciones de trabajo tendrán que cambiar especialmente hacia la especialización y la comprensión de los casos que gestionan para mejorar, educar y decidir sobre la propia naturaleza de las predicciones. Las máquinas pueden saber mucho (y es estupendo) pero el conocimiento y desarrollo de los casos sigue siendo a día de hoy algo en lo que el componente humano es básico y su intervención mejora tanto el entrenamiento como la toma de decisiones.

10. ¿Por qué hay que empezar a usar analítica predictiva en las Administraciones Públicas?

Porque ya está aquí, funciona y está cambiando la economía. Netflix, Amazon, Google, la banca, y posiblemente ejércitos de diferentes países están aplicándola. Esto hace que, de facto, estemos en una carrera tecnológica en la que ir por detrás puede suponer quedarse estancado y con las peores cartas para el futuro que empieza ahora.

Comparte este artículo

Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on email

Acerca del autor

Regístrate y consigue los últimos artículos en tu mail.

icono mail suscribete
SUSCRIBIRME

Deja una respuesta

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.