Publicado por: Lucy Edith Villarraga Tovar 
Fecha: 31 de Diciembre 1969 
Equipo: Gestión del Conocimiento
Por Lucy Villarraga, Oficina de TIC - Grupo Servicios de Información – Función Pública
El Gobierno Nacional busca acelerar la generación de valor y simplificar la implantación de la analítica de datos, a través de la digitalización de la información y del desarrollo de herramientas capaces de analizar grandes volúmenes de datos al servicio del Estado. De esta manera, el manejo y análisis de los datos se convertirá en un elemento fundamental para la toma de decisiones, la protección de la inversión pública y el crecimiento económico.
En este escenario, el uso de Big Data fue contemplado en el Plan Nacional de Desarrollo 2014 – 2018 “Todos por un Nuevo País”, como un elemento crucial para mejorar la administración pública e impulsar la cooperación del sector privado en soluciones tecnológicas a problemáticas sociales.
El Departamento Nacional de Planeación (DNP), líder de la política de Big Data para el Estado colombiano, trabaja un documento de la política pública de Big Data. No obstante, se avanzó en la conformación de un equipo interdisciplinario de entidades públicas, de empresas privadas y de la academia (DNP, Colciencias, MinTIC, las universidades Javeriana, Icesi, Eafit, Los Andes, al Grupo Nutresa, Bancolombia, IBM de Colombia, EMC Information Systems Colombia, SAS Institute Colombia y Cluster Creatic), en lo que se ha denominado ‘Alianza Caoba’.
Dicho equipo, desde marzo de 2016, se encuentra operando el Centro de Excelencia en Big Data y Data Analytics, primero de su género en el país para desarrollar herramientas y capacidades que permitan manejar y analizar grandes volúmenes de información. Esto ayudará, por ejemplo, a impulsar las soluciones frente a problemas reales de diferentes sectores de la industria, con el apoyo de las herramientas proporcionadas por las empresas de tecnología que hacen parte de la iniciativa.
Entre los retos sociales planteados, desde la perspectiva de Big Data y análisis de datos, se destacan iniciativas como: 1) la optimización del recaudo del pago del servicio de agua y generación de esquemas de ahorro, 2) el análisis de patrones de desplazamiento de población para mejorar la movilidad y seguridad ciudadana, 3) análisis de los datos existentes en el sector salud para optimizar recursos, 4) la evaluación de la rentabilidad de la inversión en educación, por análisis en cadena.
Dichas iniciativas buscan utilizar el Big Data para emplear mejor un activo gigantesco que ya tiene el Estado y que está subutilizado: sus datos. Al respecto, Castañeda y otros (2016:9) confían en que la intención del Gobierno al implementar la estrategia de Big Data “ayude a mejorar las bases para la toma de decisiones que permitan la creación de estrategias públicas más sólidas, crear valor para la ciberseguridad, la internet de las cosas, mejorar la creación de negocios, optimizar los negocios existentes, permitir la formulación de políticas públicas más asertivas, hacer presupuestos informados, poder conocer la opinión de la ciudadanía con precisión y en cuestión de horas, etc.”
Importancia del Big Data
Cuando se habla de Big Data se hace referencia a un proyecto de software abierto que permite el procesamiento distribuido de grandes conjuntos de datos, tanto estructurados (bases de datos) como no estructurados (mensajes en las redes sociales, videos, entre otros) en grupos de servidores básicos que permitan, por ejemplo, incorporar nuevos eslabones en la cadena productiva de una organización (Cross, 2016).
Una de las aproximaciones más completas de Big Data es la facilitada por Gartner (2016), que advierte que se trata de activos de información caracterizados por su alto volumen, velocidad y variedad, que demandan soluciones innovadoras y eficientes de procesado para la mejora del conocimiento y toma de decisiones en las organizaciones.
Ahora bien, varios autores destacan las ventajas del Big Data: a) visualizar conjuntos de datos muy grandes, directamente desde un amplio abanico de orígenes, a fin de garantizar que los datos siempre estén actualizados; b) proveer experiencias de visualización de datos coherentes, interactivas y de alta fidelidad en cualquier dispositivo; c) garantizar métodos de autenticación y autorización respetando la capacidad de controlar el acceso a la información para el responsable de la toma de decisiones, acorde con la finalidad de la estrategia de Big Data en el esquema de gobierno (Microsot Azure, 2017).
Avances en la política pública
Según el Plan Nacional de Desarrollo, el Ministerio de las Tecnologías de la Información y las Comunicaciones (Ministerio TIC) es el encargado de definir estándares, modelos, lineamientos y normas técnicas para la incorporación de las TIC, que serán aplicados a la interoperabilidad de datos como base para la estructuración de la estrategia que sobre la captura, almacenamiento, procesamiento, análisis y publicación de grandes volúmenes de datos (big data) que formule el DNP.
El Ministerio TIC ya publicó una primera versión de lo que será la política pública en lo que se refiere a la autenticación electrónica, la carpeta ciudadana y la interoperabilidad de datos entre los diferentes sistemas de información (Castañeda y otros, 2016:6).
En esa ruta, las entidades públicas deben realizar esfuerzos para impulsar una política de uso, análisis y procesamiento de datos para tomar decisiones estratégicas en su sector, lo cual complementa la experiencia ganada y la intuición de los Chief Executive Officer (CEO), gerente o directores con la toma decisiones.
Una entidad pública líder de la era del Big Data debe conocer el poder de los datos y saber transmitir la cultura analítica (IBM, 2013). Es decir, conocer y apropiar las diferentes fases del ciclo analítico en su esencia: identificación y formulación de problemas, exploración de los datos, creación e implementación de modelos, ejecución de las transformaciones correspondientes y evaluación y monitoreo de los resultados.
El sector público adelanta algunos ejercicios pilotos a partir del Big Data. El Departamento Administrativo de la Función Pública, ante la necesidad de contar con insumos para consolidar la visión del empleo público, desarrolló un proyecto de investigación en cooperación con la Escuela Superior de Administración Pública (Esap) y el Departamento Administrativo de Ciencia, Tecnología e Innovación (Colciencias), con el propósito de identificar estrategias innovadoras y efectivas en la administración y gestión del talento humano estatal.
El reto inicial del “proyecto de investigación para formular las bases del diseño, implementación y evaluación de una política integral que promueva la innovación y la efectividad en la administración y gestión del talento humano en el sector público”, implicó un gran esfuerzo en: a) la búsqueda de datos estructurados y no estructurados, b) en la consulta de diversas fuentes de información histórica del servicio público en Colombia (trabajo que ejecutó la Escuela de Gobierno Alberto Lleras de la Universidad de los Andes), y c) la caracterización de los grandes datos (Big Data) del Sector Función Pública y sus aspectos diferenciales.
Con el insumo adecuado (datos desbloqueados, consolidados y compartidos correctamente), se produjo información valiosa como aporte a la construcción de la política pública y se generó valor para el mejoramiento de las capacidades de los directivos, tanto de la ESAP como de la Función Pública, en la toma de decisiones.
Mejores datos, mejores decisiones
Un almacén de datos (Data Warehouse) es el punto de partida y el referente para avanzar hacia la consolidación de un modelo de administración de la información; además, integra y estructura información granular e histórica única para tomar decisiones informadas. El punto de llegada, por su parte, es saber realmente lo que está pasando en la entidad o en el sector para generar capacidad en la toma de decisiones, para lo cual es fundamental contar con datos fiables, creíbles y accesibles.
Por ejemplo, cuando hay un almacén de datos y un área de la organización toma algunos de ellos, infiere que otras unidades posiblemente también los están utilizando. Luego, hay un acuerdo tácito sobre la confiabilidad, veracidad y accesibilidad de los datos que permite su uso y apropiación.
Mientras el Big Data es una tecnología, Data Warehouse es una arquitectura. Es decir, que el primero sirve como medio para almacenar y administrar grandes cantidades de datos, mientras que la segunda es un diseño que orienta la forma de organizar los datos para asegurar la credibilidad, integridad y consistencia en los mismos.
Ahora bien, las entidades del Estado deben entender los desafíos asociados a la construcción de una política pública de Big Data. Para enfrentar este desafío, se requiere acceder a fuentes de información confiable y creíble, y a datos estructurados (implementando Data Warehouse), para realizar cualquier proceso de minería y análisis.
Esto resulta básico para la investigación de comportamientos y tendencias, que también debe tener en cuenta datos no estructurados de Big Data, para que los grupos de interés (partes interesadas, comunidad científica y académica) hagan uso y apropiación del conocimiento generado.
Sin embargo, es común encontrar entidades con datos de comportamiento variable y creciente, representados en fuentes heterogéneas (bases de datos en distintos formatos, estructuras y lugares de almacenamiento), que deben ser depurados y presentados de una forma concreta para revisar tendencias y evaluar acciones específicas.
En el mercado se encuentra una gran oferta de tecnologías para Big Data, pero arquitecturas de bodegas de datos para una entidad pública en particular no existe. Por lo tanto, de acuerdo con las necesidades de cada entidad se requiere establecer criterios de diseño para las bodegas de datos y las competencias propias de quienes van a administrarlas.
La diferencia entre Big Data y Data Warehouse es significativa. Sin embargo, tecnología y arquitectura son las palancas que impulsan el modelo de madurez de la administración en la información en el sector público; de manera especial influyen en la capacidad de las entidades para extraer valor de sus datos. Madurez implica consolidar primero datos estructurados a través de Warehouse y luego avanzar hacia los procesos de minería y análisis de datos, que le dan forma a una política real de Big Data.
REFERENCIAS
Castañeda, J.; Mora, L.; Botero, C.; Toledo, A., y Labarthe, S. (2016). Big data: un aporte para la discusión de la política pública en Colombia. Fundación Karina. Recuperado de: https://karisma.org.co/?wpdmdl=6980
DNP (2016). Portal Web DNP. Colombia entra a las grandes ligas del Big Data. , Departamento Nacional de Planeación. Recuperado de: https://www.dnp.gov.co/Paginas/%E2%80%9CColombia-entra-a-las-grandes-ligas-del-Big-Data%E2%80%9D--Sim%C3%B3n-Gaviria-Mu%C3%B1oz-.aspx
DNP (2016). Big data: Colombia entra en la revolución de los datos. Departamento de Planeación Nacional. Disponible en https://www.dnp.gov.co/Paginas/Big-Data-Colombia-entra-en-la-revoluci%C3%B3n-de-los-datos-.aspx
El Tiempo (2016). Así se apropiará el big data en nuestro país. Tecnósfera - El Tiempo. Recuperado de: http://app.eltiempo.com/tecnosfera/novedades-tecnologia/asi-avanza-el-big-data-en-colombia/16537461
Garner Inc. (2016), Big Data, http://www.gartner.com/it-glossary/big-data Recuperado: 21/03/2017
Coss, R. (2016) ¿Qué es Hadoop? IBM Software. Recuperado de: https://www- 01.ibm.com/software/co/data/infosphere/hadoop/que-es.html
Institute for Business Value, (2013), Analítica de datos: un proyecto de generación de valor. Cómo transformar Big Data en resultados, a través de la analítica. IBM. Recuperado de: https://www.ibm.com/midmarket/es/es/att/pdf/Analitica_de_datos_para_pymes.pdf
Microsoft Azure. (2017). Power BI Embedded. Dinamice los datos en la aplicación. Recuperado de: https://azure.microsoft.com/es-es/services/power-bi-embedded/?&wt.mc_id=AID539518_SEM_
López, D. (2013). Análisis de las posibilidades de uso de Big Data en las organizaciones. Universidad de Cantabria. Recuperado de: https://repositorio.unican.es/xmlui/bitstream/handle/10902/4528/TFM%20-%20David%20L%C3%B3pez%20Garc%C3%ADaS.pdf?sequence=1
Osores, M. (2015). Big data, el siguiente paso en la analítica de datos. TechTaget. Recuperado de: http://searchdatacenter.techtarget.com/es/cronica/Big-data-el-siguiente-paso-en-la-analitica-de-datos
Pulsosocial (2016). Big Data, el aliado estratégico para políticas públicas, movilidad e inversión en Colombia. Recuperado de: http://pulsosocial.com/2016/05/16/big-data-aliado-estrategico-politicas-publicas-movilidad-inversion-colombia/
Sanabria, P. (2015). Gestión estratégica del talento humano en el sector público: estado del arte, diagnóstico y recomendaciones para el caso colombiano. Universidad de los Andes, Escuela de Gobierno Alberto Lleras Camargo. En: https://www.funcionpublica.gov.co/eva/admon/files/empresas/ZW1wcmVzYV83Ng==/imgproductos/gestion_estrategica_talento_humano_sectorpublico.pdf
Inicie sesión o Regístrese Si quiere comentar esta publicación
Artículos relacionados
No. 2 Desarrollo Rural Inclusivo a través de la Expansión de Cadenas de Valor Agrícolas - Dra. Hyojung Lee
02 de Diciembre 2024
Desarrollo Rural Inclusivo a través de la Expansión de Cadenas de Valor Agrícolas - Video Dra. Hyojung Lee
02 de Diciembre 2024
La gestión de las emociones para aumentar la productividad en las organizaciones
02 de Diciembre 2024
Lucy Edith Villarraga Tovar
Profesional Especializado
Entidad: DEPARTAMENTO ADMINISTRATIVO DE LA FUNCIÓN PÚBLICA
Equipo: Gestión del Conocimiento
Archivos y recursos relacionados
No hay registros asociados
