Quan es parla de Business Intelligence (BI), quadres de comandament, KPIs... normalment es pensa en clients, rendibilitat, vendes... en negocis.

 

Quan es parla de Business Intelligence (BI), quadres de comandament, KPIs... normalment es pensa en clients, rendibilitat, vendes... en negocis. Però també hi ha un magnífic escenari d'aplicació que no se'ns pot passar per alt: el sector públic. En aquest cas, el vocabulari canvia: ciutadans, productivitat, millors serveis...

I per als dos també hi ha uns components comuns: optimització de processos, reducció de costos i predicció de necessitats.

Tant en un cas com l'altre, cada dia disposem de més dades i basant-nos-hi hem de ser capaços d'anticipar-nos a allò que necessiten de veritat els ciutadans.

El més important és correlacionar la demanda dels habitants, l'oferta actual de serveis, les tendències poblacionals, l'activitat econòmica, la mobilitat...

Hem dut a terme molts projectes al sector públic en què hem aplicat el nostre profund coneixement de Business Intelligence, Big Data, integració de dades o aprenentatge automàtic. Disposem d'exemples ben interessants per compartir com el projecte que vam desenvolupar per a la ciutat de Berlín a la qual, basant-nos en anàlisis predictives, vam poder dotar de quadres de comandament per predir les necessitats dels centres educatius mitjançant la combinació de dades de planificació urbanística, àrea geogràfica i densitats de població per demarcacions, piràmides de població basades en el cens actualitzat, alumnat matriculat, centres educatius actuals i planificats i, fins i tot, amb estimacions de creixement de població fins el 2025. Amb els nostres quadres de comandament, els responsables de l'àrea educativa poden no només respondre a possibles demandes de necessitats educatives per barris, sinó destinar millor els recursos per a la provisió de més fons als centres actuals o construcció de nous centres.

Un altre projecte rellevant va ser el que vam desenvolupar per a l'Ajuntament de Barcelona orientat a la prevenció d'accidents de trànsit. No té sentit la col·locació intuïtiva de càmeres o controls policials, cal començar a analitzar dades per buscar una explicació a les causes dels accidents, tenint en compte tots els detalls de cada succés: tipologia dels vehicles, dates i hores, danys ocasionats (morts i severitat de les lesions), si hi ha vianants involucrats... De fet, la Unió Europea té com a objectiu la reducció de fins un 50% dels accidents de trànsit l'any 2020 en comparació amb deu anys enrere.

Alice Magic Mirror Bismart

Gràcies a l'anàlisi predictiva, hem dotat als responsables de l'àrea de trànsit d'eines que els permetin predir la quantitat d'accidents, els punts geogràfics més crítics i, fins i tot, prescriure solucions per reduir aquesta estadística fatal.

Un exemple molt curiós és el del projecte dut a terme per a la ciutat de Chicago orientat a la predicció de delictes; quan i on hi ha més probabilitat que es produeixin. No obstant això, trobem resultats sorprenents de debò quan creuem dades sobre esdeveniments esportius, festivitats, climatologia, vacances (tant d'adults com escolars) amb els fitxers històrics dels arxius policials.

Al final, tot es redueix a alliberar els dipòsits d'informació, tant estructurada com no estructurada i fer combinacions que ens permetin predir basant-nos en algoritmes i models matemàtics avançats.

I què passa amb l'Internet de les coses? Amb intel·ligència artificial podem crear assistents virtuals (bots) que ajuden als turistes d'una determinada ciutat a identificar les millors activitats per fer, alimentats d'informació recopilada de sensors distribuïts per la ciutat. Així mateix, poden aportar suggerències de manera automàtica a llocs web municipals, entorns de xarxes socials i fins i tot contestar a centres de trucades. Si la interacció amb l'interessat ho permet, podem identificar ràpidament l'interlocutor mitjançant el creuament de dades de la seva fisonomia, detalls públics del cens, de xarxes socials i de la seva activitat en línia. Així podem identificar els seus gustos i, per tant, encertar millor les recomanacions.

Tenim molts més exemples per compartir. És apassionant tot el que es pot arribar a aconseguir amb l'ús intel·ligent de les dades en favor dels serveis públics i per optimitzar les despeses i inversions en serveis socials, atenció sanitària, etc.

A Bismart creiem en el poder de les dades i ens encanten els desafiaments. T'animes a compartir els teus per buscar la millor solució junts?

[mk_button size="medium" url="http://www.bismart.com/es/blog-novedades/" align="center"]BLOG[/mk_button]

Publicat per Maria Gorini