La práctica de recolectar datos es antigua, pero el concepto de big data ganó más relevancia a partir del inicio del presente siglo, cuando el analista Doug Lancy, de la empresa de consultoría Gartner, articuló una definición basada en 3 características, conocidas como las 3Vs de la gestión de datos: volumen, velocidad y variedad.
El volumen se refiere a la gran cantidad de datos generados a partir de distintas fuentes, como transacciones financieras, equipamientos inteligentes que usan internet de las cosas (Internet of Things – IoT), sistemas industriales, sensores, redes sociales, entre otras.
La velocidad está relacionada a la rapidez con que se generan los datos, se transmiten y tratan.
La variedad encierra a las diversas fuentes (aplicaciones, redes sociales, sensores, dispositivos) y formatos de datos, desde los datos estructurados (como los numéricos, en bancos de datos tradicionales) hasta los no estructurados (documentos de texto, video, audio, e-mails, operaciones financieras).
Algunos teóricos consideran el valor (generación de valor cuando se aplican técnicas para tratar los datos) como la cuarta V del big data; y veracidad, la quinta V. Si los datos recolectados no fuesen verdaderos, o si su calidad no pudiera ser determinada, todo el análisis estará comprometido.
El esfuerzo necesario para extraer valor de los datos y los riesgos de manipulación impropios deben ser considerados siempre, en cualquier situación. En el fondo, se creó un mito de que la posibilidad de recolectar un gran volumen de datos generaría inteligencia para las ciudades.
Ese es el mismo error de pensar que la oferta crea la propia demanda (aunque eso sea verdadero en condiciones específicas, por un determinado período de tiempo). El proceso de creación de valor a partir de datos exige talento, el bien más escaso en la era de la información.
Para usar datos y compararlos con otras fuentes, necesitamos validar su representatividad. Por otra parte, está la necesidad de un intenso esfuerzo de estructuración, limpieza y tratamiento de los datos para que estos puedan ser utilizados en la implementación de modelos más dinámicos de gestión. Este es un factor típicamente ignorado por los organismos públicos.
La simple apertura de datos genera un potencial, pero, si queremos que ese potencial sea democratizado, es necesario realizar el trabajo de limpieza de los datos. En caso contrario, sólo las empresas con capacidad de incorporar el proceso de carga y limpieza de datos son las que pueden beneficiarse de esta apertura.
El uso de datos se ha vuelto más importante en el proceso decisorio, tanto en el sector privado como en el sector público, pero aún queda un largo camino a recorrer por los gobiernos para que el empleo efectivo de big data en políticas públicas se transforme en una realidad capaz de beneficiar a la sociedad como un todo.
El uso intensivo de datos, hoy en día disponible para las administraciones públicas, es capaz de generar valor público en muchas dimensiones, siempre que se sepan analizar y emplear en procesos y programas de cocreación de bienes públicos.
Su uso efectivo, sin embargo, pasa, en primero lugar, por su disponibilidad en condiciones de uso, que en algunos casos implica la contratación de servicios en la nube, algo que algunas ciudades de regiones menos desarrolladas tienen dificultad de realizar.
No se trata, por lo tanto, sólo de dificultades en el desarrollo de aplicaciones para mejorar el servicio público, sino de una dificultad anterior a esta. En algunos contratos que se realizan, el proveedor del servicio mantiene el control de los datos desde su origen, lo que impide el proceso de innovación abierta que podría llevar al desarrollo efectivo de innovación en la oferta de servicios públicos.
En varias ciudades del mundo, datos en tiempo real recogidos de sensores y otros dispositivos ayudan, por ejemplo, a optimizar las conexiones entre diferentes modos de transporte para conseguir menores tiempos de viaje, reducción de los costos de operación y mayor conveniencia por medio de servicios de informaciones optimizados para los usuarios.
La ciudad de Hangzhou (China) implementó la plataforma City Brain, de la empresa Alibaba, para prever flujos de tráfico y detectar accidentes como parte de su sistema ensanchado de gestión de tráfico.
Kansas City (Missouri – EEUU) está usando análisis de big data e IoT para ahorrar miles de millones de dólares en gastos asociados a un proyecto de gestión inteligente del sistema de alcantarillado.
Dublín (Irlanda) forma parte de un grupo de ciudades aliadas a Mastercard en el proyecto City Possible. Los insights generados a partir del modelo de gastos de los residentes y visitantes de la ciudad irlandesa están siendo utilizados por la administración local para comprender mejor la economía de Dublín y compararla con la de todo el país, permitiendo elaborar estrategias más asertivas para el desarrollo económico de la ciudad.
Por último, la ciudad española de Barcelona usa sensores GPS para mejorar los servicios médicos de emergencia. Los semáforos detectan a las ambulancias y modifican su ruta para que puedan moverse por las vías lo más rápido posible sin crear situaciones peligrosas para los demás usuarios.
En las ciudades, las fuentes de datos están en todas partes: en smartphones, computadoras, sensores ambientales, cámaras, sites, redes sociales, GPS … Y no faltan maneras de almacenar esos datos, organizarlos, analizarlos y de extraer insights para ayudar a quienes toman las decisiones para planear mejoras en los servicios prestados y lograr una gestión pública más transparente, abierta y, también, democrática.
No obstante, utilizar esa inteligencia analítica a favor de la construcción de mejores condiciones de vida en las ciudades depende de un proceso de construcción de políticas urbanas por medio de las cuales se utilizan distintas herramientas y se desarrollan estrategias y formas de inclusión que respondan adecuadamente a los desafíos en diferentes sectores: financiero, hídrico, eléctrico, de movilidad y salud, entre otros.
En el ámbito de estas políticas, se pueden cocrear plataformas tecnológicas con el amparo de recursos de inteligencia artificial (IA) para mejorar la vida en las ciudades.
A continuación, vamos a mostrar una serie de aplicaciones de big data en distintos sectores de la gestión pública de las ciudades:
Planificación urbana
La inteligencia artificial y las soluciones de aprendizaje automático proporcionan información crucial para que las ciudades comprendan mejor sus patrones de crecimiento, mejoren la gestión de los rápidos asentamientos informales de sus zonas urbanas y afronten el reto de proporcionar servicios básicos a sus ciudadanos.
Movilidad urbana
Los datos recogidos en tiempo real por los sensores instalados en ómnibus, trenes, semáforos y otros dispositivos ayudan a optimizar las conexiones entre los distintos medios de transporte para conseguir tiempos de viaje más rápidos, reducir los costes de explotación y aumentar la comodidad mediante servicios de información optimizados para los usuarios.
Salud pública
El inmenso volumen de información recopilada en bases de datos públicas y privadas, redes sociales y aplicaciones puede transformarse en beneficios como el diagnóstico precoz, la atención preventiva y el control de epidemias.
Limpieza urbana
Seguimiento en tiempo real de los equipos de limpieza, recogida e inspección; gestión y tratamiento de residuos; reducción de residuos y optimización de procesos. Estos son algunos de los beneficios del uso de big data en la gestión de la limpieza urbana.
Seguridad pública
La tecnología ofrece una ayuda eficaz en la lucha contra la delincuencia al integrar las imágenes de las cámaras repartidas por la ciudad con bases de datos públicas que proporcionan información como matrículas, permisos de conducir, llamadas de emergencia e investigaciones en curso, entre otras.
Turismo
La creación de observatorios turísticos, en los que se recogen y difunden datos estratégicos para la planificación y la toma de decisiones en el sector, es una forma de promover el turismo como actividad para el desarrollo económico y social de las ciudades.
Si te interesa este asunto y quieres profundizar, te recomendamos el informe Big Data para el desarrollo urbano sostenible del BID, disponible en nuestro fondo documental ecointeligente.
