Figura 1. Decisiones Públicas basadas en evidencia
(Fuente: Modificado con IA de https://coparmex.org.mx/informacion-publica-para-un-desarrollo-con-rumbo/)
1. Políticas públicas basadas en evidencia y ciencia de datos
El concepto de Políticas Basadas en Evidencia (PBE) se fundamenta en la premisa de que las decisiones gubernamentales deben estar respaldadas por los mejores datos disponibles, en lugar de basarse, únicamente, en conceptos generales o intuiciones (Figura 1). Según Davies (2004), este enfoque ayuda a los tomadores de decisiones a entender qué funciona, para quién y bajo qué circunstancias.
En la era digital, la ciencia de datos actúa como el catalizador de las PBE. Permite procesar grandes volúmenes de información (Big Data) para identificar patrones, predecir escenarios y evaluar el impacto de las intervenciones en tiempo real.
Para que un grupo de trabajo multidisciplinario pueda crear políticas públicas eficientes y efectivas, es fundamental implementar estrategias y herramientas que combinen metodologías ágiles con enfoques centrados en el usuario. La combinación de diversos métodos permite pasar de una «administración reactiva» a una «gobernanza predictiva», donde los datos no solo cuentan qué pasó, sino que sugieran qué hacer.
2. Equipo multidisciplinario: Sinergia necesaria
La complejidad de los problemas públicos actuales exige un enfoque multidisciplinario. Por ello, es necesario que el grupo de trabajo esté compuesto por:
Expertos: Especialistas en áreas temáticas como salud, educación y seguridad.
Científicos de datos: Profesionales encargados del modelado y análisis estadístico.
Gestores públicos: Encargados de evaluar la viabilidad administrativa y legal de las propuestas.
Comunicadores: Responsables de la divulgación y socialización de las actividades desarrolladas, con el fin de generar consenso político y social.
De esta manera, se asegura un abordaje integral y efectivo para enfrentar los retos que plantea la realidad actual.
3. Importancia crítica de la recolección de datos
La recolección de datos es fundamental para el éxito de cualquier proyecto. No debe considerarse como un evento aislado, sino como un proceso continuo que fomente un ciclo constante de retroalimentación y mejora de las políticas implementadas. Incluso el modelo más sofisticado será ineficaz si los datos de entrada son de baja calidad. Por lo tanto, es esencial establecer un sistema robusto y dinámico de recolección y análisis de datos que sustente decisiones informadas y efectivas. Los pilares de una recolección efectiva son:
Calidad y granularidad: Los datos deben ser precisos y tener el nivel de detalle suficiente para segmentar a la población objetivo.
Ética y privacidad: Es fundamental implementar protocolos para proteger la identidad de los ciudadanos, cumpliendo con marcos legales o leyes locales de protección de datos.
Interoperabilidad: La capacidad de que diferentes instituciones compartan sus bases de datos para tener una visión 360° del problema público.
4. Enfoque en el ciudadano para el sector público
Para abordar de manera efectiva el problema planteado, es fundamental que el equipo comprenda primero la dimensión humana de la situación y adopte la perspectiva del ciudadano. En esta etapa inicial, se debe definir el problema público a partir de un enfoque empático, lo que permitirá una comprensión más profunda de las necesidades y preocupaciones de la comunidad. Solo después de esta reflexión se podrá proceder al análisis cuantitativo, garantizando así que las soluciones propuestas sean pertinentes y efectivas. Es importante tener en cuenta los siguientes aspectos:
Descubrimiento y definición: El equipo multidisciplinario utiliza técnicas etnográficas y entrevistas para entender el problema. Los datos iniciales sirven para validar hipótesis sobre los problemas del ciudadano. Se contestan preguntas como: ¿Qué objetivo social se quiere alcanzar? ¿Qué bases de datos o información preliminar se encuentran disponibles?.
Prototipado o Caso Piloto: En lugar de lanzar una política a gran escala, se crean «prototipos de política» o programas piloto. La metodología permite que el equipo de datos diseñe indicadores de éxito específicos para estos pilotos. Se debe tener claro si el modelo desarrollado realmente identifica o representa el problema prototipo planteado.
Valor para el equipo: Evita que los científicos de datos analicen variables irrelevantes y asegura que los expertos en políticas públicas resuelvan problemas reales, no percibidos.
5. Metodologías ágiles
La implementación de políticas suele ser lenta y burocrática. Las metodologías ágiles rompen esta inercia mediante establecer:
Tiempo de trabajo: Ciclos de trabajo de 2 a 4 semanas donde el equipo se enfoca en un “entregable” específico (ej. un tablero de control o el diseño de un formulario de recolección).
Reuniones diarias: Son cruciales para que el equipo coordine la resolución de los problemas o cuellos de botella presentados
Mínimo Producto Viable (MVP): En lugar de esperar dos años para lanzar una ley o programa nacional, se lanza una versión simplificada en una zona geográfica pequeña para medir resultados con datos reales y ajustar rápidamente, esto sería el prototipado o caso piloto.
En todo el proceso es importante, realizar monitoreos y diseñar indicadores de éxito específicos. Se aplica la Teoría del Cambio que es una metodología de planificación que permite establecer una conexión lógica entre los insumos (datos), las actividades, los productos y los resultados de impacto esperados.
En la próxima parte de este artículo se desarrollará un ejemplo de aplicación de análisis de evidencias y ciencia de datos para desarrollar políticas públicas en un caso específico: recolección de residuos sólidos en una alcaldía.
6. Referencias Bibliográficas
- Davies, P. (2004). Is Evidence-Based Government Possible? Jerry Lee Lecture, presented at the 4th Annual Campbell Collaboration Colloquium, Washington D.C. En:https://citinde.ei.udelar.edu.uy/uploads/bibliografia/505bc59fc1abc2d2dc423e0f54ac78e5f8aa83c4.pdf
- OECD. (2020). The Path to Becoming a Data-Driven Public Sector. OECD Digital Government Studies, OECD Publishing. En: https://www.oecd.org/content/dam/oecd/en/publications/reports/2019/11/the-path-to-becoming-a-data-driven-public-sector_9ed7e867/059814a7-en.pdf
- Australian Bureau of Statistics. (2010) A guide to using evidence based policy. National Statistical Service: Canberra. En: https://www.abs.gov.au/ausstats/abs@.nsf/lookup/1500.0chapter42010
- Banco Interamericano de Desarrollo (2017). Cómo hacer visualizaciones eficaces. En: https://courses.edx.org/
- Banco Interamericano de Desarrollo (2017). Desde los datos hasta la planificación: Continuación. En: https://courses.edx.org/
Neyla Camacho y Miriam Suárez
Unidad de Química y Ambiente
Centro de Tecnología de los Materiales, ctm@fii.gob.ve
