Uso de cookies

Este sitio web solo utiliza cookies técnicas propias obligatorias con la finalidad de hacer que su navegación sea segura.
Asimismo, utiliza cookies de terceros opcionales para hacer análisis estadístico de las visitas a la web y conocer su usabilidad.
Si desea más información o cambiar la configuración de su navegador, puede visitar nuestra Política de Cookies.
Pulse el botón "Rechazar cookies opcionales" o "Aceptar todas las cookies" para confirmar que ha leído y aceptado la información aquí presentada.

Recogida y gestión de datos para la evaluación de políticas

Septiembre de 2020
Los crecientes volúmenes de datos disponibles proporcionan una valiosa plataforma para el análisis de políticas basado en información precisa, continua y dinámica, generada a partir del comportamiento observado.

El análisis de políticas implica tradicionalmente un proceso de extrapolación a partir de datos recogidos de algunas muestras representativas, o la elaboración de una imagen agregada de una persona promedio y luego la elaboración de políticas o intervenciones basadas en esa combinación. Alternativamente, el análisis de políticas, puede basarse en cantidades masivas de datos actualizados continuamente y en tiempo real de múltiples fuentes.

El análisis experimental de políticas en tiempo real aprovecha las ventajas de las nuevas grandes fuentes de datos, junto con técnicas de análisis de datos, reuniendo todas las etapas discretas del ciclo de políticas en un proceso continuo. Mientras que un problema de política se está observando, también se estarían realizando intervenciones utilizando los mismos dispositivos utilizados para recoger los datos, con su impacto en el problema, pasando a formar parte de la base de pruebas para seguir modificando las variables de política.

Por último, mientras que la captura de datos en la investigación de la opinión tradicional se centra en lo que los encuestados prefieren o creen, el Big Data mide lo que las personas hacen realmente, revelando las percepciones sin filtro del comportamiento humano pertinentes para las políticas (Pentland, 2012a).

Análisis de efectividad

Con este crecimiento del volumen de datos digitales y de la capacidad de extraer de ellos conocimientos, en los últimos años se ha incitado a las administraciones a que proporcionen un acceso abierto, fácil de usar y en gran medida gratuito a los datos públicos. Cuando se utilizan en el sistema de políticas internas en las administraciones públicas, supone una mayor capacidad de análisis de políticas (Longo, 2015). Con ello se consigue medir la efectividad en los tres aspectos fundamentales de impacto de las políticas puestas en marcha:

  1. Eficacia
  2. Eficiencia
  3. Pertinencia

Se tratan de mediciones ex post de las actuaciones. Pero el análisis de datos va más allá y se extiende a la predicción.

Muchos de estos nuevos métodos analíticos -como los métodos computacionales que hacen hincapié en las correlaciones y las pautas en lugar de los procesos más tradicionales- tienen el potencial de mejorar el bienestar público al proporcionar análisis basados en pruebas sobre cuestiones y desafíos emergentes.

El análisis de políticas podría ayudar a:

  • reducir la incertidumbre en la toma de decisiones
  • identificar ahorros de costes y nuevas fuentes de ingresos
  • mejorar la prestación de servicios
  • desbloquear nuevas oportunidades de intervención

La tecnología de grandes datos puede complementar la caja de herramientas existente del gobierno y proporcionar nuevos enfoques analíticos para:

  • gestionar los asuntos públicos
  • participar en la micro experimentación de políticas
  • supervisar el rendimiento de los programas
  • mejorar los resultados de la prestación de servicios.

Enfoques de análisis de políticas

El análisis de políticas puede adoptar una serie de enfoques. Tal vez la línea de análisis más directa radica en la monitorización de las redes sociales o en escuchar para analizar y responder a las preferencias, experiencias, valores articulados y conductas de los ciudadanos (Grubmüller et al., 2013).

La escucha social implica buscar y monitorear los medios sociales para encontrar palabras, frases, hashtags o menciones de cuentas o personas del ámbito de las administraciones públicas. Se pueden realizar búsquedas sencillas a través de la interfaz de plataformas de medios sociales como Twitter o herramientas como twXplorer.

Se ha estudiado la forma en que el analista de políticas podría tratar de dar sentido a la opinión pública representada en las cantidades masivas de texto no estructurado de forma libre en los medios de comunicación social utilizando análisis semántico latente y mapas organizados para agrupar ideas similares. La escucha social y el análisis de los sentimientos revelan el potencial real de las formas avanzadas de compromiso público. Sin embargo, la aparición de tecnologías de colaboración social como los sitios de redes sociales, los blogs y los wikis ha dado lugar a numerosas comunidades virtuales que facilitan la interacción entre personas con experiencias e intereses similares (McNutt, 2014).

Análisis predictivo

El análisis predictivo genera previsiones basadas en datos, identi?cando tendencias y oportunidades de intervención. La granularidad de los grandes datos permite personalizar los servicios públicos, desde la atención sanitaria y los servicios sociales hasta el consumo de energía, para satisfacer mejor las necesidades de los clientes (Hondula et al., 2017).

En cuanto a las técnicas aplicadas en ese análisis, mientras que las estadísticas descriptivas e inferenciales son las normas del análisis de datos, el análisis de datos incluye métodos como:

  • la minería de textos para el análisis de sentimientos,
  • el análisis de los medios sociales para evaluar el contenido y la estructura de la red,
  • el análisis de audio y vídeo para revelar patrones de comportamiento o predicciones de respuestas a estímulos particulares,
  • el análisis predictivo (Gandomi & Haider, 2015).

Las nuevas fuentes de datos tienen el potencial de cambiar significativamente el estudio de los fenómenos sociales y políticos (Savage & Burrows, 2007; Lazer et al., 2009). La combinación de señales digitales y nuevas técnicas analíticas puede ayudar a comprender y predecir el comportamiento en contextos como:

  • el transporte
  • la delincuencia
  • el uso de la energía
  • la migración
  • la planificación urbana
  • la salud pública

Todo ello resulta de enorme interés y utilidad para medir la eficacia, eficiencia y pertinencia de las políticas y acciones adoptadas.

Roberto Knop
Roberto Knop es Director asociado del área de Data Analytics de Afi.