El Departamento de Policía de la Ciudad de Chicago, en los Estados Unidos de América, desarrolló lo que se veía como ciencia ficción, un sistema que determinaba, con base en análisis predictivo de datos, a las 400 personas con mayor probabilidad de cometer un delito. Con base en un modelo matemático que analizaba y determinaba posibles comportamientos futuros, se llegó a esta lista, sin embargo, en 2013 el diario Chicago Tribune publicó la historia de una persona que estaba en esta lista y no había tenido antecedentes criminales. Los críticos atacaron a la herramienta indicando que basaba su construcción de perfiles en componentes raciales y se comparó al sistema con una mala versión de Minority Report.

Este es uno de los ejemplos en cómo el sector público ha fracasado en hacer uso de la analítica de datos. A pesar de sistemas exitosos, como el que usa la patrulla fronteriza de los Estados Unidos para determinar puntos débiles de protección de la frontera terrestre con México, o el que analiza transacciones para determinar donde hay fraude en los programas de ayuda médica (Medicaid) o en la devolución de impuestos, e incluso aquellos que envían alertas de tráfico vehicular con base en el análisis de flujo histórico, Gartner indica que más de la mitad de los proyectos de análisis de datos tienen complicaciones en presupuesto o tiempos de desarrollo.

Hay cuatro razones principales por las cuales estos proyectos de análisis de datos no entregan los resultados deseados:

  1. No son proyectos de tecnología y por lo tanto no deben ser liderados por el departamento de TI, sino por el area que determina la estrategia de la institución, donde seguramente debe estar involucrado el director de tecnología, pero no es el responsable absoluto.
  2. Si los datos son de baja calidad, los resultados serán de baja calidad también. El análisis de datos depende de las fuentes de las cuales genera resultados y no se puede esperar que se entreguen predicciones precisos si los datos de origen no son confiables. En este sentido la dificultad para compartir datos entre las agencias de gobierno entra en juego.
  3. Es una realidad que hay escasez de personal que sepa determinar y conducir un proyecto de análisis de datos. Esta posición es nueva en al ámbito laboral y más aún en el sector público. El perfil de alguien que conozca de estadística, reglas de negocio y procesos de gobierno no es sencillo de encontrar.
  4. Medir el impacto de los analíticos en el gobierno es más difícil que en las entidades privadas, ya que hay factores de política pública que afectan la correlación que se puede ubicar entre dos o más conjuntos de datos. Como un principio estadístico indica, la correlación no indica causalidad y esto es especialmente delicado en el Gobierno.

La nota original apareció en Governing.

Comentarios de Facebook
4 razones por la cuales falla el análisis de datos
9.4Nota Final
Puntuación de los lectores: (1 Voto)
9.4

Pin It on Pinterest

Share This