En els últims anys, múltiples sectors han apostat per la tecnologia big data i els models predictius amb l’objectiu de gestionar grans quantitats de dades, extreure’n conclusions i fer-ne prediccions. Com es pot aplicar aquesta tecnologia als serveis socials?

Cada dia, el món genera aproximadament 328,77 milions de terabytes de dades, segons una anàlisi de MarketSplash de 2024. Durant els darrers anys, el ritme de creixement ha augmentat de manera exponencial. Des del 2010 fins al 2023, per exemple, la quantitat de dades generades ha incrementat el seu volum l’equivalent a 60 vegades, si bé només un 10% d’aquestes dades són úniques, ja que la resta són informacions duplicades a la xarxa.

En aquest context, la majoria dels sectors estan incorporant serveis d’anàlisi de dades intel·ligents per poder gestionar les dades, extreure’n conclusions i fer-ne prediccions. Els serveis socials no en són una excepció. En els últims anys, el sector ha apostat per la tecnologia Big Data amb l’objectiu de recollir informació en l’àmbit sociosanitari i així poder actuar de manera preventiva, personalitzada i eficient. A continuació, explorarem què són el Big Data i els models predictius, quines oportunitats presenten pels serveis socials i quines iniciatives innovadores ja s’estan duent a terme.

Què és el big data?

A grans trets, podríem definir el big data com un conjunt de dades que, pel seu gran volum, no es poden processar ni gestionar amb bases de dades d’integració tradicionals. Més concretament, trobem que el big data es fonamenta en el paradigma de les 3 V:

• Volum. Es treballa amb una gran quantitat de dades, que requereixen noves tècniques d’emmagatzematge i nous enfocaments.
• Varietat. Les dades provenen de diverses fonts i formats, com per exemple missatges, vídeos, imatges o emoticones. Calen, per tant, eines que puguin desxifrar tots els tipus de continguts.
• Velocitat. El gran volum de dades exigeix que aquestes siguin processades i analitzades de forma ràpida per evitar que els resultats quedin desactualitzats un cop desxifrats.

Segons l’informe Big Data y su impacto en el sector público, coordinat per Chema Maroto, actualment es poden afegir quatre característiques més:

• Variabilitat. Aquest tret es refereix a les dades que canvien constantment el seu significat, cosa particularment aplicable en el cas del llenguatge, ja que les paraules no tenen significats estàtics i requereixen context per ser enteses. Aquest punt és un dels principals reptes del big data i demana el disseny de programes de processament capaços d’entendre cada context per descodificar el significat precís de cada mot.
• Veracitat. Els resultats que s’extreuen a l’hora de processar grans nombres de dades només són útils si les dades amb les quals es treballa són exactes i veraces. Per això resulta crucial tenir en compte que a vegades les dades poden presentar-se de manera desordenada, així com saber destriar els errors i l’excés de soroll, és a dir, totes aquelles informacions falses o no rellevants. Per dur a terme aquesta tasca, cal acompanyar els algoritmes de supervisió humana professional.
• Visualització. Un altre desafiament important del big data és la capacitat de representar visualment grans quantitats de dades obtingudes. Ja no n’hi ha prou amb els mètodes tradicionals de representació de dades, sinó que cal trobar formes senzilles i accessibles de visualitzar la informació.
• Valor. El big data permet aportar valor afegit en les diferents àrees on s’aplica. Per exemple, en el cas dels serveis socials pot suposar un estalvi econòmic i de temps en l’atenció als usuaris.

Què són els models predictius?

Una de les aplicacions de l’anàlisi intel·ligent de dades és la creació de models predictius. En el cas dels serveis socials, aquests models poden ajudar els professionals a prendre millors decisions.

Un model predictiu és un tipus de model matemàtic que permet fer prediccions en el futur a partir de dades del passat. A través de la tecnologia big data i el machine learning (aprenentatge automàtic), es pot inferir com una variable es comportarà en el futur en funció d’altres variables ja conegudes.

Per implementar un model predictiu, en primer lloc, cal preparar les dades per reduir al màxim el soroll i analitzar-les. A continuació, es selecciona el model predictiu que s’utilitzarà i el problema que es pretén resoldre a través seu. Tot seguit, s’entrena i es valida el model per arribar a la seva implementació, que anirà acompanyada d’un monitoratge que permeti identificar possibles errors i millores. És essencial assegurar la qualitat de les dades que s’introdueixen al sistema, ja que d’elles dependrà la fiabilitat dels resultats obtinguts a partir del model.

Models predictius big data i serveis socials

La tecnologia big data, en combinació amb altres eines com la intel·ligència artificial i el Machine Learning, permet analitzar les dades del sistema dels serveis socials per buscar patrons (repeticions, anomalies o correlacions) que normalment són massa complexos per detectar de forma manual. Juntament amb altres fonts de dades, això ens pot permetre, per exemple, conèixer anticipadament l’emergència i l’evolució de les necessitats de la població. En aquest sentit, els models predictius poden contribuir a fer avançar els serveis socials en quatre àmbits importants: prevenció, personalització, planificació i eficiència.

Segons Big Data: What are the Implications for Public Sector Policy in Society 5.0 Era? (Fajar Rahmanto et al.), la combinació del Big Data i la Intel·ligència Artificial permet obtenir informació que pot esdevenir un molt bon punt de partida en la presa de decisions i en la millora dels sistemes d’automatització.

No obstant això, és fonamental definir bones polítiques de seguretat a l’hora de tractar amb informació personal i confidencial en l’àmbit sociosanitari, ja que les dades amb les quals es treballa són molt sensibles i íntimes.

Iniciatives

Actualment, el sector social està duent a terme nombroses iniciatives que utilitzen el big data per realitzar prediccions i actuar de forma preventiva. A continuació, fem un recull d’algunes iniciatives que treballen en aquesta línia:

• Projecte PACT. A Castella i Lleó, el projecte PACT utilitza un algoritme desenvolupat a partir de tècniques de big data i d’aprenentatge automàtic capaç de preveure el risc d’exclusió social dels usuaris dels serveis socials. A través de deu factors principals de risc, el model predictiu és capaç de dir quines de les persones que estan sol·licitant la renda garantida mínima continuaran necessitant aquesta prestació durant 60 mesos o més. A través d’una aplicació mòbil, els professionals tenen accés a aquestes previsions i poden prendre millors decisions.
• Eina predictiva i descriptiva. A Catalunya, l’Associació Benestar i Desenvolupament (ABD), en col·laboració amb Momentum Analytics, ha desenvolupat una eina predictiva a partir del big data i la Intel·ligència Artificial que permet descriure les característiques sociodemogràfiques i econòmiques de les famílies del territori amb l’objectiu d’ajudar els serveis socials municipals a conèixer millor les necessitats reals actuals, predir les futures, dimensionar la cartera de serveis i planificar els recursos.
• One View. Al Regne Unit, el sistema One View analitza el conjunt de dades relacionades amb serveis per a adults, infància i persones sense llar amb l’objectiu d’identificar situacions de risc existents que poden derivar en un futur pròxim en una situació de sensellarisme. El model analític inclou dades d’ingressos, prestacions i escoles, i obté una visió general i completa dels ciutadans i les llars. El model té un enfocament preventiu i és capaç de detectar futures situacions de risc entre 6 i 9 mesos abans que succeeixin.
• Crisis Text Line. Aquesta iniciativa estatunidenca utilitza el machine learning i la Intel·ligència Artificial per predir situacions d’alt risc de suïcidi o autolesió. El sistema es basa en l’anàlisi de 30 milions de missatges que els usuaris han enviat a través d’una línia directa de prevenció i és capaç de dir quins casos són més urgents. Així, el 94% de les persones d’alt risc reben una intervenció en menys de 5 minuts.
• L’Allegheny Family Screening Tool (AFST). També als Estats Units, aquest sistema de big data proporciona als professionals dels serveis socials una avaluació objectiva de les situacions de risc de desemparament infantil, a través de més de cent paràmetres. Quan es rep un cas, l’algoritme calcula l’índex de risc per orientar l’actuació dels professionals.

En conclusió, el big data i els models predictius en els serveis socials representen una eina interessant per millorar l’eficiència, la personalització i la prevenció en l’atenció a la població. La capacitat de processar i analitzar grans quantitats de dades de manera ràpida i precisa, així com generar models predictius, permet als professionals anticipar necessitats, identificar situacions de risc i prendre decisions basades en evidències sòlides. Iniciatives com el projecte PACT a Castella i Lleó, l’eina predictiva d’ABD a Catalunya i el sistema One View al Regne Unit demostren l’impacte positiu d’aquestes tecnologies en l’àmbit sociosanitari. No obstant això, és essencial implementar polítiques de seguretat robustes per protegir la privacitat de les dades confidencials i garantir la seva veracitat. En definitiva, el big data i els models predictius són clau per a un futur on els serveis socials siguin més proactius i efectius en la seva missió de suport a les comunitats i a les persones.

Referències

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]