Share
Embed
Transcript
25 slides
-
Ciencia de los datos aplicada a sector público Ing. Jorge
Saldivar, Ph.D. -
Ciencia de los Datos Matemática y Estadística Informática Aprendizaje Máquina
Conocimiento del dominio/negocio Desarrollo de Software Investigación Tradicional Data Science Aplicaciones - Comercial (propaganda) - Entretenimiento (juegos, recomendación películas) - Industrial (logística) - Financiero (detección de fraudes) Políticas públicas, toma de decisiones?? -
Tipos de problemas Detección Temprana Priorización de recursos Ruteo Calendarización
Ej., inspecciones Ej., deserción escolar Ej., distribución de servicios sociales Ej., optimización en la entrega de servicios médicos de urgencia -
Mejorar la seguridad en lugares de trabajo por medio de
inspecciones proactivas Ancil Crayton Fellow Sonia Mendizábal Fellow Emma Remy Fellow Surabhi Trivedi Fellow Joe Walsh Technical Mentor Mirian Lima Project Manager -
Mayoría de las inspecciones son reactivas Denuncia Ministerio del Trabajo
Instalación inspeccionada Violación encontrada Violación de seguridad -
Se inspeccionan 450K instalaciones por año Alrededor de 4.5M instalaciones
quedan sin inspección -
La propuesta es pasar de un efoque reactivo paliativo a
uno proactivo preventivo Ministerio del Trabajo Identificar instalaciones donde podrían ocurrir violaciones de seguridad Instalación inspeccionada Violación prevenida -
dssg.uchicago.edu @datascifellows Data Science for Social Good 2018 Fuentes de
datos 1.4 M inspeciones 2006-2016 (instalaciones) Taxes 2006-16 (600k empresas) Precio Comodities 2006-2016 OECD Estadísticas 2006-2016 Internas Externas -
Data Science for Social Good 2018 dssg.uchicago.edu @datascifellows Fuentes de
datos Proceso Lista priorizada de instalaciones a inspeccionar Modelos de Machine Learning -
Llegar a 2 veces + instalaciones Llegar a 840K más
instalaciones con potenciales violaciones de seguridad Se inspeccionan solo 450K instalaciones al año Alrededor de 4.5M instalaciones quedan sin inspección -
500 Inspectores 2.000 instalaciones x mes 36% violaciones encontradas Enfoque
reactivo Enfoque proactivo 500 inspectores 2.000 instalaciones x mes 65% violaciones encontradas -
Detección temprana de diabetes para mejorar la salud pública Benjamin
Ackerman Kaleigh Clary Jorge Saldivar William Wang Katy Dupre Adolfo De Unánue Rayid Ghani -
Guías de chequeo para la diabete 40-70 años de edad
Índice de masa corporal ≥ 25 ✓ ✓ -
Externo American Community Survey (ACS) Fuentes de Datos Demográficos Consultas
Medicaciones Análisis Diagnósticos RES anónimos • 1.1 millón de pacientes • 24 centros de salud • ~ 8 millones de consultas -
Data Science for Social Good 2018 dssg.uchicago.edu @datascifellows Datos Modelos
de Machine Learning Riesgos de desarrollar diabetes en los próximos 3 años Consulta -
Data Science for Social Good 2018 dssg.uchicago.edu @datascifellows ¿Qué tan
bien funcionan las guías de chequeo? 53% Porcentaje de visitas con test de diabetes Porcentaje de casos detectados -
Data Science for Social Good 2018 dssg.uchicago.edu @datascifellows ¿Qué tan
bien funciona nuestro enfoque? 63% Porcentaje de visitas con test de diabetes Porcentaje de casos detectados -
Data Science for Social Good 2018 dssg.uchicago.edu @datascifellows 63% 53%
15 ¿Qué tan bien funciona nuestro enfoque? Porcentaje de visitas con test de diabetes Porcentaje de casos detectados -
Data Science for Social Good 2018 dssg.uchicago.edu @datascifellows 63% 53%
74% 15 25 ¿Qué tan bien funciona nuestro enfoque? Porcentaje de casos detectados Porcentaje de visitas con diabetes -
Potenciales aplicaciones locales Benjamin Ackerman Kaleigh Clary Jorge Saldivar William
Wang Katy Dupre Adolfo De Unánue Rayid Ghani -
Reducir la tasa de mortalidad materna Detección temprana caños con
fallas Predicir personas en riesgo de desempleo de larga duración Reducir la deserción escolar Reducir la reincidencia penitenciaria -
Comentarios Finales • Con pocos datos se puede tener un
gran impacto • Cambiar paradigmas: ◦ Detección temprana --> enfoque reactivo a proactivo --> prevención ◦ Optimización de recursos • Implicancias éticas de la solución (imparcialidad, equidad)