En los últimos años, múltiples sectores han apostado por la tecnología big data y los modelos predictivos con el objetivo de gestionar grandes cantidades de datos, extraer conclusiones y hacer predicciones. ¿Cómo se puede aplicar esta tecnología a los servicios sociales?

Cada día, el mundo genera aproximadamente 328,77 millones de terabytes de datos, según un análisis de Market Splash de 2024. Durante los últimos años, el ritmo de crecimiento ha aumentado de manera exponencial. Desde 2010 hasta 2023, por ejemplo, la cantidad de datos generados ha incrementado su volumen el equivalente a 60 veces, aunque solo un 10% de estos datos son únicos, ya que el resto son informaciones duplicadas en la red.

En este contexto, la mayoría de los sectores están incorporando servicios de análisis de datos inteligentes para poder gestionar los datos, extraer conclusiones y hacer predicciones. Los servicios sociales no son una excepción. En los últimos años, el sector ha apostado por la tecnología big data con el objetivo de recopilar información en el ámbito sociosanitario y así poder actuar de manera preventiva, personalizada y eficiente. A continuación, exploraremos qué son el big data y los modelos predictivos, qué oportunidades presentan para los servicios sociales y qué iniciativas innovadoras ya se están llevando a cabo.

¿Qué es el big data?

En términos generales, podríamos definir el big data como un conjunto de datos que, por su gran volumen, no se pueden procesar ni gestionar con bases de datos de integración tradicionales. Más concretamente, encontramos que el big data se fundamenta en el paradigma de las 3 V:

• Volumen. Se trabaja con una gran cantidad de datos, que requieren nuevas técnicas de almacenamiento y nuevos enfoques.
• Variedad. Los datos provienen de diversas fuentes y formatos, como por ejemplo mensajes, videos, imágenes o emoticonos. Se necesitan, por tanto, herramientas que puedan descifrar todos los tipos de contenidos.
• Velocidad. El gran volumen de datos exige que estos sean procesados y analizados de forma rápida para evitar que los resultados queden desactualizados una vez descifrados.

Según el informe Big Data y su impacto en el sector público, coordinado por Chema Maroto, actualmente se pueden agregar cuatro características más:

• Variabilidad. Este rasgo se refiere a los datos que cambian constantemente su significado, algo particularmente aplicable en el caso del lenguaje, ya que las palabras no tienen significados estáticos y requieren contexto para ser entendidas. Este punto es uno de los principales retos del big data y demanda el diseño de programas de procesamiento capaces de entender cada contexto para descodificar el significado preciso de cada palabra.
• Veracidad. Los resultados que se extraen al procesar grandes cantidades de datos solo son útiles si los datos con los que se trabaja son exactos y veraces. Por eso resulta crucial tener en cuenta que a veces los datos pueden presentarse de manera desordenada, así como saber distinguir los errores y el exceso de ruido, es decir, todas aquellas informaciones falsas o no relevantes. Para llevar a cabo esta tarea, es necesario acompañar los algoritmos de supervisión humana profesional.
• Visualización. Otro desafío importante del big data es la capacidad de representar visualmente grandes cantidades de datos obtenidos. Ya no basta con los métodos tradicionales de representación de datos, sino que es necesario encontrar formas sencillas y accesibles de visualizar la información.
• Valor. El big data permite aportar valor añadido en las diferentes áreas donde se aplica. Por ejemplo, en el caso de los servicios sociales puede suponer un ahorro económico y de tiempo en la atención a los usuarios.

¿Qué son los modelos predictivos?

Una de las aplicaciones del análisis inteligente de datos es la creación de modelos predictivos. En el caso de los servicios sociales, estos modelos pueden ayudar a los profesionales a tomar mejores decisiones.

Un modelo predictivo es un tipo de modelo matemático que permite hacer predicciones en el futuro a partir de datos del pasado. A través de la tecnología big data y el machine learning (aprendizaje automático), se puede inferir cómo una variable se comportará en el futuro en función de otras variables ya conocidas.

Para implementar un modelo predictivo, en primer lugar, se deben preparar los datos para reducir al máximo el ruido y analizarlos. A continuación, se selecciona el modelo predictivo que se utilizará y el problema que se pretende resolver a través de él. Luego, se entrena y se valida el modelo para llegar a su implementación, que irá acompañada de un monitoreo que permita identificar posibles errores y mejoras. Es esencial asegurar la calidad de los datos que se introducen en el sistema, ya que de ellos dependerá la fiabilidad de los resultados obtenidos a partir del modelo.

Modelos predictivos big data y servicios sociales

La tecnología big data, en combinación con otras herramientas como la inteligencia artificial y el machine learning, permite analizar los datos del sistema de los servicios sociales para buscar patrones (repeticiones, anomalías o correlaciones) que normalmente son demasiado complejos para detectar de forma manual. Junto con otras fuentes de datos, esto nos puede permitir, por ejemplo, conocer anticipadamente la emergencia y la evolución de las necesidades de la población. En este sentido, los modelos predictivos pueden contribuir a hacer avanzar los servicios sociales en cuatro ámbitos importantes: prevención, personalización, planificación y eficiencia.

Según Big Data: What are the Implications for Public Sector Policy in Society 5.0 Era? (Fajar Rahmanto et al.), la combinación del big data y la inteligencia artificial permite obtener información que puede convertirse en un muy buen punto de partida en la toma de decisiones y en la mejora de los sistemas de automatización.

Sin embargo, es fundamental definir buenas políticas de seguridad a la hora de tratar con información personal y confidencial en el ámbito sociosanitario, ya que los datos con los que se trabaja son muy sensibles e íntimos.

Iniciativas

Actualmente, el sector social está llevando a cabo numerosas iniciativas que utilizan el big data para realizar predicciones y actuar de forma preventiva. A continuación, hacemos un recuento de algunas iniciativas que trabajan en esta línea:

• Proyecto PACT. En Castilla y León, el proyecto PACT utiliza un algoritmo desarrollado a partir de técnicas de big data y de aprendizaje automático capaz de prever el riesgo de exclusión social de los usuarios de los servicios sociales. A través de diez factores principales de riesgo, el modelo predictivo es capaz de decir cuáles de las personas que están solicitando la renta garantizada mínima continuarán necesitando esta prestación durante 60 meses o más. A través de una aplicación móvil, los profesionales tienen acceso a estas previsiones y pueden tomar mejores decisiones.
• Herramienta predictiva y descriptiva. En Cataluña, la Asociación Bienestar y Desarrollo (ABD), en colaboración con Momentum Analytics, ha desarrollado una herramienta predictiva a partir del big data y la inteligencia artificial que permite describir las características sociodemográficas y económicas de las familias del territorio con el objetivo de ayudar a los servicios sociales municipales a conocer mejor las necesidades reales actuales, predecir las futuras, dimensionar la cartera de servicios y planificar los recursos.
• One View. En el Reino Unido, el sistema One View analiza el conjunto de datos relacionados con servicios para adultos, infancia y personas sin hogar con el objetivo de identificar situaciones de riesgo existentes que pueden derivar en un futuro próximo en una situación de sinhogarismo. El modelo analítico incluye datos de ingresos, prestaciones y escuelas, y obtiene una visión general y completa de los ciudadanos y los hogares. El modelo tiene un enfoque preventivo y es capaz de detectar futuras situaciones de riesgo entre 6 y 9 meses antes de que ocurran.
• Crisis Text Line. Esta iniciativa estadounidense utiliza el machine learning y la inteligencia artificial para predecir situaciones de alto riesgo de suicidio o autolesión. El sistema se basa en el análisis de 30 millones de mensajes que los usuarios han enviado a través de una línea directa de prevención y es capaz de decir qué casos son más urgentes. Así, el 94% de las personas de alto riesgo reciben una intervención en menos de 5 minutos.
• L’Allegheny Family Screening Tool (AFST). También en Estados Unidos, este sistema de big data proporciona a los profesionales de los servicios sociales una evaluación objetiva de las situaciones de riesgo de desamparo infantil, a través de más de cien parámetros. Cuando se recibe un caso, el algoritmo calcula el índice de riesgo para orientar la actuación de los profesionales.

En conclusión, el big data y los modelos predictivos en los servicios sociales representan una herramienta interesante para mejorar la eficiencia, la personalización y la prevención en la atención a la población. La capacidad de procesar y analizar grandes cantidades de datos de manera rápida y precisa, así como generar modelos predictivos, permite a los profesionales anticipar necesidades, identificar situaciones de riesgo y tomar decisiones basadas en evidencias sólidas. Iniciativas como el proyecto PACT en Castilla y León, la herramienta predictiva de ABD en Cataluña y el sistema One View en el Reino Unido demuestran el impacto positivo de estas tecnologías en el ámbito sociosanitario. No obstante, es esencial implementar políticas de seguridad robustas para proteger la privacidad de los datos confidenciales y garantizar su veracidad. En definitiva, el big data y los modelos predictivos son clave para un futuro donde los servicios sociales sean más proactivos y efectivos en su misión de apoyo a las comunidades y a las personas.

Referencias

Albendea, G. L. (2021, 15 juliol). ‘Big data’: una herramienta de predicción útil para el sector social. Revista Haz. https://hazrevista.org/innovacion-social/2017/11/big-data-una-herramienta-de-prediccion-util-para-el-sector-social/ [08/07/2024]

Big data y su impacto en el sector público. (s. f.). Harvard Deusto Business Review. https://xodel.diba.cat/sites/xodel.diba.cat/files/big_data_y_su_impacto_en_el_sector_publico.pdf [08/07/2024]

Cicle de reflexió “Big Data i serveis socials”. (2019). Fundació iSocial. https://isocial.cat/cicle-de-reflexio-big-data-i-serveis-socials/ [08/07/2024]

Díaz, A. (2022, 28 diciembre). Modelos predictivos, que es, ejemplos y herramientas. Todo Bigdata. https://todobigdata.com/modelos-predictivos/modelos-predictivos-que-es-ejemplos-y-herramientas/ [17/04/24]

El Big Data al tercer sector. (2023, 8 març). Xarxanet – Entitats I Voluntariat de Catalunya Per un Món Millor. https://xarxanet.org/juridic/recursos/el-big-data-al-tercer-sector [08/07/2024]

ESADE Business & Law School. (2018, 2 octubre). La transformación digital en el Tercer Sector, retos y oportunidades. Cinco Días. https://cincodias.elpais.com/cincodias/2018/10/01/idearium/1538406345_325528.html [08/07/2024]

ESIC Business & Marketing School. (s. f.). Análisis predictivo: con Big Data el futuro no se predice, se cambia. ESIC. https://www.esic.edu/rethink/tecnologia/analisis-predictivo-big-data-futuro-no-se-predice-se-cambia [17/07/24]

Fundació iSocial. (2024, 19 juny). One View, sistema predictiu i preventiu de situacions de sensellarisme – Fundació iSocial. Innovació en. Fundació iSocial. https://isocial.cat/one-view-sistema-predictiu-i-preventiu-de-situacions-de-sensellarisme/ [08/07/2024]

Fundació iSocial. (2024, 19 juny). PACT, eina big data per preveure el risc d’exclusió social crònica – Fundació iSocial. Innovació en. Fundació iSocial. https://isocial.cat/pact-eina-big-data-per-preveure-el-risc-dexclusio-social-cronica/ [08/07/2024]

Fundació iSocial. (2024, juny 19). Eina predictiva de situacions de vulnerabilitat, per millorar la planificació dels Serveis Socials -. Fundació iSocial. https://isocial.cat/eina-predictiva-de-situacions-de-vulnerabilitat-per-millorar-la-planificacio-dels-serveis-socials/ [08/07/2024]

Fundació iSocial. (2024, juny 19). VioGén, sistema de seguiment integral de casos de violència masclista – Fundació iSocial. Innovació en. Fundació iSocial. https://isocial.cat/viogen-sistema-de-seguiment-integral-de-casos-de-violencia-masclista/ [08/07/2024]

Rahmanto, F., Pribadi, U., & Priyanto, A. (2021). Big Data: What are the Implications for Public Sector Policy in Society 5.0 Era. IOP Conference Series. Earth And Environmental Science, 717(1), 012009. https://doi.org/10.1088/1755-1315/717/1/012009 [08/07/2024]

Rodríguez, S. (2019, 31 julio). Claves para implantar un modelo predictivo. Big Data Magazine. https://bigdatamagazine.es/claves-para-implantar-un-modelo-predictivo/ [17/07/24]

Sesmero, J. M. M. (2015). Big data; application and use for the health system. DOAJ (Directory Of Open Access Journals), 39(2), 69-70. https://doi.org/10.7399/fh.2015.39.2.8835 [08/07/2024]

Song, T., & Ryu, S. (2015). Big Data Analysis Framework for Healthcare and Social Sectors in Korea. Healthcare Informatics Research, 21(1), 3. https://doi.org/10.4258/hir.2015.21.1.3 [08/07/2024]