Ciencia de los datos aplicada al sector público

Transcript

1. Ciencia de los datos aplicada a sector público Ing. Jorge Saldivar, Ph.D.
2. 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??
3. Datos Tecnología Políticas Públicas
4. 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
5. 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
6. Data Science for Social Good 2018 dssg.uchicago.edu @datascifellows
7. Mayoría de las inspecciones son reactivas Denuncia Ministerio del Trabajo Instalación inspeccionada Violación encontrada Violación de seguridad
8. Se inspeccionan 450K instalaciones por año Alrededor de 4.5M instalaciones quedan sin inspección
9. 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
10. 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
11. Data Science for Social Good 2018 dssg.uchicago.edu @datascifellows Fuentes de datos Proceso Lista priorizada de instalaciones a inspeccionar Modelos de Machine Learning
12. 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
13. 500 Inspectores 2.000 instalaciones x mes 36% violaciones encontradas Enfoque reactivo Enfoque proactivo 500 inspectores 2.000 instalaciones x mes 65% violaciones encontradas
14. Detección temprana de diabetes para mejorar la salud pública Benjamin Ackerman Kaleigh Clary Jorge Saldivar William Wang Katy Dupre Adolfo De Unánue Rayid Ghani
15. Guías de chequeo para la diabete 40-70 años de edad Índice de masa corporal ≥ 25 ✓ ✓
16. 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
17. 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
18. 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
19. 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
20. 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
21. 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
22. Potenciales aplicaciones locales Benjamin Ackerman Kaleigh Clary Jorge Saldivar William Wang Katy Dupre Adolfo De Unánue Rayid Ghani
23. 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
24. 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)
25. Gracias por la atención! Ing. Jorge Saldivar, Ph.D.