En esta era de la información, los datos están disponibles en todos lados y crecen a una tasa exponencial. Tanto, que nos abruman, y en muchas ocasiones nos sentimos saturados. Pero no es malo, por el contrario, lo que debemos es saber enfocar el uso de ellos en generar valor agregado.
Según el Banco Interamericano de Desarrollo, el objetivo del uso de la ciencia de datos es producir evidencia que sea pertinente, de calidad y oportuna; para que la toma de decisiones, el diseño, implementación y evaluación de las políticas públicas, genere valor económico y social. Esto significa diagnosticar problemas que pasan inadvertidos o desapercibidos y, por lo tanto, son imposibles de accionar. Este proceso se denomina toma de decisiones guiadas por datos (del inglés: “Data-driven decision making”).
Por ejemplo, en Bogotá, Colombia, ha sido posible vincular la delincuencia con la infraestructura urbana, identificando las zonas de mayor criminalidad y proyectando a futuro los comportamientos, de acuerdo con el análisis de datos, lo cual es fabuloso desde todo punto de vista, pues permite anticiparse y con ello, preparar la estrategia para evitar situaciones no deseables, como homicidios o secuestros, de forma preventiva y no reactiva.
En ese caso particular, consideraron como premisa el derecho a la ciudad, que representa una enorme oportunidad para la lucha contra la exclusión y la construcción de una ciudad diseñada a escala humana, que tenga como finalidad posibilitar el fomento de valores tales como la dignidad, el respeto y la libertad. En esa línea, se realizó el análisis desde la integración de los conceptos de seguridad ciudadana y movilidad cotidiana, como resultado de una construcción social mediada por el género, que implicó comprender en cierta medida la complejidad y el rol social de la planeación urbana, así como también el funcionamiento de la ciudad, entendida con relación a la demanda de transportes. Este tipo de evaluaciones no es fácil de realizar, sobretodo cuando mayormente el planeador urbano usualmente asocia los planteamientos de acuerdo a la distribución y localización de infraestructuras en la ciudad.
Reconocer que en los objetivos del ordenamiento y tratamiento del espacio urbano se encuentra no solo el mejoramiento de la calidad de vida de los ciudadanos, sino también el asegurar mayores niveles de participación en las oportunidades que ofrece la ciudad; es vital para poder generar política pública preventiva en materia de seguridad ciudadana.
Cuando esto lo llevamos al ámbito de la movilidad, el caso del transporte público de acuerdo con investigaciones, demuestra que el éxito y la imagen de un sistema depende tanto de sus factores internos, como autobuses con mayor capacidad, usos de materiales adecuados en estaciones y terminales para facilitar mantenimiento o para evitar incomodidad en usuarios, reducción de tiempos de viaje, etc., así como de una serie de aspectos externos que son condicionantes para el buen uso y disfrute de este hecho urbano, tales como el mantenimiento del espacio público, posibilidad de desplazamientos, iluminación, entre otros.
La percepción de inseguridad puede llegar a ser tan alta en un sistema de transportación masiva, basado en aspectos como el poco sentido de pertenencia que tiene la ciudadanía en estos espacios colectivos. Lo que demuestra es que el sistema no es nada más la red de buses y sus paradas, sino el hecho de integrar los espacios públicos adyacentes, convirtiéndolos en áreas más habitables y accesibles al ciudadano común, y con ello generar una experiencia atractiva. Esto, tiene sus implicaciones en la construcción de un tejido social alrededor del sistema, y pasa de ser un simple lugar aislado, a espacios que facilitan convivir y caminar, pero de forma libre y segura, particularmente para las mujeres, quienes son el grupo social más vulnerable en términos de seguridad en la movilidad urbana. Por lo tanto, si se trata de incentivar el uso de transporte público en las ciudades, es necesario que los desplazamientos peatonales puedan realizarse en buenas condiciones, con infraestructuras adecuadas para transitar y que además brinden seguridad. Todo lo narrado, ha tenido su asidero en la gestión de datos.
Entonces, volviendo al origen del artículo, existe un gran potencial para que los gobiernos mejoren el rendimiento y la productividad de los servicios públicos, a través del uso inteligente de datos. Con esta gran cantidad de datos, tenemos la obligación de hacer que los servicios gubernamentales se efectúen de la mejor manera posible. Esto implica aprender de los contextos donde los servicios funcionan bien, y mejorar aquellos donde no lo hacen. Significa personalizar y enfocar los servicios públicos en torno a las necesidades y deseos de las personas y las empresas, e implica el uso de métodos experimentales y la comprensión desde dentro de la variación del servicio, para determinar rápidamente cómo los servicios y sistemas pueden ser mejorados.
Ha pasado más de una década desde que Bloomberg (exgobernador del estado de Nueva York, Estados Unidos) demostró que el uso más inteligente de los datos podría mejorar los servicios públicos de la ciudad de Nueva York, a partir de la toma de mejores disposiciones acerca de dónde enviar inspectores para prevenir el crimen. Desde aquellos años, el volumen y la disponibilidad de datos ha crecido en todo el mundo, al igual que nuestra comprensión de la toma de decisiones y las ciencias del comportamiento.
La gama de técnicas que conforman la ciencia de datos (herramientas para analizar datos, conjuntos de datos y nuevas formas de datos) tiene un gran potencial de utilización en políticas públicas. Sin embargo, a pesar de que ya han transcurrido algunos años desde que estas existen, las herramientas han estado principalmente bajo el dominio de los académicos y del sector privado, que en muchos casos los ha puesto a la vanguardia y los diferencia del resto. Ahora toca migrar estas experiencias al ámbito público.
Muchas de las aplicaciones del “machine learning” (aprendizaje automático de inteligencia artificial) han sido de un interés bastante abstracto para los gobiernos. Por ejemplo, identificar tendencias en Twitter es útil, pero no intrínsecamente valioso, solo aporta algunas tendencias, a manera de muestras, dado lo segmentado del núcleo de investigación y la accesibilidad a la red social en sí, que no todos necesariamente utiliza, por no saber cómo o por no parecerle atractiva.
Así, el análisis de datos, por ejemplo, tiene una aplicación directa en evitar incidentes de tránsito, como una de las tantas formas de aplicación. Y esto tiene una implicación en la disminución de víctimas fatales y heridos graves producto de hechos viales y, por ende, en la salud pública. Se puede predecir qué accidentes tendrán como resultado que alguien se convierta en muerto o herido, siendo los factores de comportamiento de los conductores y no las condiciones del camino, lo que más contribuye a la explicación, aunque este enfoque tenga detractores en muchos de los planeadores urbanos.
El análisis de los comportamientos humanos es vital para ello, aunque es obvio que no se pude desvincular del diseño de la infraestructura urbana. En East Sussex, Inglaterra, se logró demostrar que los jóvenes y personas de mediana edad son desproporcionadamente más propensas a estar involucradas en incidentes de tránsito y se ha logrado desmontar algunos mitos sobre personas de edad avanzada o vehículos de carga o traslado de mercancías, que se piensa son los mayores “peligros” al volante. Y esto, independientemente del diseño vial.
En este caso narrado se utilizaron todas las fuentes de datos como base para un modelo predictivo de la gravedad de una colisión. El objetivo no era producir predicciones en sí mismas. Predecir la gravedad de una colisión una vez que ha sucedido no es de gran ayuda; en cambio, con el modelo desarrollado en esa localidad inglesa, se pudo recibir la importancia de cada uno de sus datos para predecir la gravedad de una colisión, de modo que se hiciera foco en aquellas conductas que tienen un impacto real.
El comportamiento del conductor es el elemento más predictivo en la gravedad de la colisión; más que las características de la vía (incluyendo el límite de velocidad y las condiciones climáticas predominantes), la edad y el sexo del chofer, y qué tan lejos estaba ese usuario de su casa. Otra revelación importante de este estudio, es que el propósito del viaje (desplazamiento genérico, trabajo o personal) no es un predictor fuerte de la gravedad de la colisión. Esto significa que es probable que no sea tan efectivo enfocarse en conductores ocupacionales, sino más bien abarcar todos los tipos de viajeros.
La “ciencia de datos” se ha convertido en una especie de término de moda para referirse a cualquier cosa innovadora que los utilice. Esto puede incluir la visualización de datos, su síntesis de variadas formas, o su utilización para predecir eventos o resultados. La llamada modelación predictiva consiste en recopilar un conjunto grande de datos históricos, utilizando algoritmos informáticos para encontrar patrones en los datos que serían poco prácticos o imposibles de encontrar por un ser humano promedio, y luego usar estos patrones para comprender el proceso en cuestión o para predecir dónde y cuándo es probable que sucedan eventos específicos, para así poder planificar y responder a éstos. Sin embargo, la calidad de una predicción depende de las decisiones que se puedan tomar con base en ella.
El uso de la ciencia de datos en la política pública es algo relativamente nuevo y tiene un gran potencial que aún debe ser reconocido. Los datos son el oro de nuestros tiempos. Queda mucho trabajo por hacer para poder desarrollar conocimientos procesables a partir de los datos, de forma que, posteriormente, puedan ser utilizados en la práctica. Cualquier modelo estadístico se puede mejorar mediante un proceso iterativo en los casos donde sus predicciones fueron menos precisas.
Todo esto, permitirá que las intervenciones públicas, en cualquier aspecto, estén mejor focalizadas y dará a los gobiernos de los tres ámbitos, la posibilidad de cosechar más información de los hoy muy costosos ejercicios de recopilación de evidencia, que a la hora de valorar costo-beneficio, muchas veces hace que no se contemple en los presupuestos por considerarlo poco útil o muy largo y tedioso para alcanzar apenas un solo objetivo, de los muchos que deben cubrirse. Lo cierto es que los datos están allí para aprovecharlos y no se pueden subestimar. Son la fotografía de lo que está ocurriendo. Las políticas públicas necesitan de ellos, son la evidencia correcta que sustenta la aplicación de las acciones.
Espero haberles contribuido, ¡hasta la próxima entrega!
Jesús Uzcátegui Miranda (Twitter: @juzcategui29)
UrbanoCity -la ventana en positivo de las ciudades- (Twitter: @Urbano_City, Facebook: UC – Urbano City e Instagram: @UrbanoCity)