CitizenLab: cómo los datos se prestan a la mejora de los servicios públicos

Maite Gilarranz, co-fundadora de PiperLab.

28 agosto, 2020
7 Compartido 1,746 Visualizaciones

Maite Gilarranz, co-fundadora de PiperLab.

La crisis del coronavirus nos ha permitido comprobar la situación real de muchos de nuestros servicios públicos, y ha supuesto un desafío en aquellos relacionados con la sanidad, la movilidad o el transporte o el turismo.

En plena crisis sanitaria, y ahora también económica, muchos nos preguntamos cómo mejorar la eficiencia de estos servicios públicos por parte de una administración que dispone de menos recursos en una situación tan excepcional como esta.

Desde hace unos meses, en paralelo al avance de esta situación excepcional, se ha puesto en marcha el proyecto CitizenLab, con el objetivo de crear servicios públicos más efectivos, de mejorar la eficiencia de los ya existentes, y de crear nuevos modelos de negocio para las compañías, con la base común de los datos y la inteligencia artificial.

El proyecto, que por ahora se circunscribe en el ámbito regional de la Comunidad de Madrid, se está realizando en consorcio entre varias empresas, entre las que se encuentra PiperLab, y el fin es generar modelos predictivos de comportamiento ciudadano, para que, en base a esto, se pueda:

  • Adecuar la oferta pública a las demandas ciudadanas con anticipación
  • Dotar las infraestructuras necesarias de forma optimizada
  • Generar nuevos modelos de negocio con el ciudadano como principal beneficiado
  • Potenciar económicamente la región maximizando los retornos de la inversión.

Los cuatro ámbitos de actuación entre los que se están explorando los patrones de comportamiento son Sanidad, Turismo, Infraestructuras y Movilidad.

La base de estos análisis son los datos abiertos generados por las distintas administraciones. Esta es una de las apuestas clave del proyecto, la reutilización del Open Data ya existente en los portales de datos abiertos de los Ayuntamientos de la región, así como de la propia Comunidad de Madrid. También se plantearán colaboraciones puntuales con empresas privadas a los que también se propondrá compartir parte de su información para el beneficio de los ciudadanos, ya sea a través de la publicación directa de estos datos o a partir de los resultados generados tras su uso.

Pese a la necesidad de acelerar la puesta en marcha de este proyecto debido a la priorización de la mejora de los servicios sanitarios, la realidad es que hacen falta llevar a cabo una serie de acciones previas pero fundamentales para su buen funcionamiento: labores de administración, gestión, contratación de las OPIs, construcción de los equipos o la adecuación de las instalaciones, pero sobre todo, realizar un análisis del estado del arte, de las tendencias de cada ámbito objeto de estudio, así como de la primera identificación de las fuentes de datos existentes y disponibles en cada uno de estos ámbitos. Todo esto ya se está llevando a cabo y se seguirá haciendo durante los meses que quedan de 2020.

También se está trabajando en la identificación de casos de uso concretos, priorizando aquellos en los que los datos abiertos están ya disponibles, con el objetivo de maximizar el tiempo y la inversión del proyecto y ya se ha comenzado a desarrollar los primeros casos priorizados.

Pero para entender realmente la importancia de este proyecto, no quisiera dejar de mencionar algunas aplicaciones y ejemplos reales que se realizarán en los diferentes ámbitos de actuación.

En el ámbito de la sanidad, se priorizarán algunas de las demandas más repetidas durante la pandemia:

  • Previsión de emergencias sanitarias para preparar los recursos de un hospital con antelación (enfermedades altamente contagiosas, accidentes multitudinarios, atentados…)
  • La realización de diagnósticos automatizados en base a determinados síntomas
  • Predicción de demanda en urgencias y tiempos de espera
  • Monitorización de listas de espera vs capacidad de servicios
  • Recomendación de atención (primaria, consultas hospital, urgencias) en función de gravedad y tiempos medios de espera
  • Optimización de la gestión de crónicos
  • Previsión de demandas futuras de acuerdo con las previsiones demográficas y registro de patologías más comunes en función del tramo de edad.
  • Optimización de los recursos sanitarios en función de las estadísticas de población

En el ámbito del turismo,

  • Previsión de demanda de los puntos más turísticos
  • Gestión anticipada de eventos así como la recomendación de la ubicación optima
  • Adecuación de oferta a previsión de demanda
  • Segmentación del perfil del turista
  • Desarrollar modelos de atribución en función de las campañas de promoción

En el ámbito de la movilidad:

  • Eficiencia e impacto de las normativas de restricción de tráfico
  • Optimización de la capacidad de transporte, teniendo en cuenta la necesidad de garantizar el distanciamiento social
  • Optimización de la ubicación de electrolineras
  • O el estudio de la capacidad de servicio de 4G y 5G para el vehículo conectado

Por último, en el ámbito de las infraestructuras, mencionar ejemplos como:

  • Previsión de demanda de medios de transporte públicos
  • Desarrollar modelos predictivos de calidad del aire
  • Fomentar la digitalización del sector
  • Mejoras en la accesibilidad.

En definitiva, el número de aplicaciones y casos de uso que pueden repercutir en la mejora de calidad de vida de los ciudadanos es enorme. La integración de los servicios públicos en sus dimensiones tecnológicas y virtuales, así como la colaboración público-privada debe permitirnos encontrar las mejores respuestas a los grandes retos y desafíos que la realidad nos presenta.

Te podría interesar

¿Qué herramientas puedes utilizar para la transmisión de datos y el análisis en tiempo real?
Actualidad
15 compartido3,087 visualizaciones
Actualidad
15 compartido3,087 visualizaciones

¿Qué herramientas puedes utilizar para la transmisión de datos y el análisis en tiempo real?

Georgina Ortíz - 20 noviembre, 2019

La transmisión de datos está comenzando a ser el eje principal en el análisis y aprendizaje automático. Utilizando herramientas de este tipo puedes conseguir tomar decisiones mucho…

Los bancos podrán predecir el riesgo de impago de nuevos clientes
Actualidad
8 compartido2,117 visualizaciones
Actualidad
8 compartido2,117 visualizaciones

Los bancos podrán predecir el riesgo de impago de nuevos clientes

Redacción BDM - 14 enero, 2020

La transformación digital en los bancos permitirá mejorar en un 30% la capacidad para predecir el riesgo de impago en la admisión de nuevos clientes. Los bancos…

Los Colegios IPSE y Santa María la Blanca explican sus experiencias de Innovación Educativa
Actualidad
18 compartido2,484 visualizaciones
Actualidad
18 compartido2,484 visualizaciones

Los Colegios IPSE y Santa María la Blanca explican sus experiencias de Innovación Educativa

Mónica Gallego - 14 marzo, 2019

Grupo Valía, Clickedu y Qualiteasy dan soporte a colegios que apuestan por la innovación educativa facilitando el conocimiento de experiencias de éxito a todas las personas que…

Dejar comentario

Su email no será publicado

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