LUCA: Big Data para aliviar la pobreza en Guatemala

Dentro de los Objetivos de Desarrollo Sostenible que se trazaron los países miembros de la ONU en 2015, el primero es “Fin de la Pobreza”, una meta que parece utópica.

Sobre todo considerando que, según datos de la ONU, en los países en vías de desarrollo, una de cada diez personas sigue subsistiendo con 1.90 dólares diarios.

Según datos de CEPAL en el portal de la Organización de Naciones Unidas, 186 millones de personas se encontraban en situación de pobreza en América Latina para 2017.

Esta cifra representa el 30.7% de Latinoamérica.

Aliviar la pobreza tendría un impacto positivo en muchas otras dimensiones del desarrollo humano.

El programa de análisis de datos masivos de Telefónica, denominado LUCA, está dispuesto a usar su tecnología de Big Data para aliviar la pobreza en la región.  

Un estudio reciente llevado a cabo por un equipo de investigadores del Banco Mundial que incluyó a miembros de LUCA, encontró que la data móvil puede ser una valiosa herramienta para predecir los niveles de pobreza basándose en la ubicación.

Esto facilitaría la implementación de programas para aliviar la pobreza.

Este estudio inicial fue llevado a cabo en Guatemala y se enfocó en cinco departamentos para determinar si la metodología era efectiva en un nivel menor, antes de explorar la posibilidad de escalarlo.

El objetivo de este estudio era determinar si el uso de Registro de Detalles de Llamada (CDRs por sus siglas en inglés) sería un método efectivo para predecir características de pobreza a nivel geográfico.

El uso de tecnología de inteligencia de ubicación en las regiones donde se concentra la pobreza es importante para países como Guatemala.

Sobre todo considerando que según las estadísticas del Banco Mundial, 56% del total de la población vivía en pobreza para el 2,000.

Y esa cifra llegó a 60% en los datos más recientes del 2014, según indican los datos citados por LUCA. ¿Podemos usar Big Data para aliviar la pobreza?

La escasez no sólo es económica, también de datos

Para que las autoridades del gobierno puedan implementar programas efectivos que alivien la pobreza, se necesitaría llevar a cabo encuestas y censos periódicos.

Ciertamente las encuestas nacionales proveen una imagen exacta de la distribución regional de la pobreza.

Pero la gran desventaja es que la implementación de encuestas nacionales, aún cuando deberían ser obligatorias, implican importantes costos de implementación para el país.

Debido a que los patrones de pobreza cambian constantemente, tener información actualizada es un factor importante para dirigir los esfuerzos para atacar la pobreza.

Históricamente, los gobiernos de Guatemala no han tenido el presupuesto o más bien la voluntad para llevar a cabo censos poblacionales de forma periódica.

Varios analistas políticos señalan que este es un país sin datos. Afortunadamente durante el 2018 se llevó a cabo el Censo Nacional, del cual podemos esperar una actualización significativa de la información que se tiene del país.

Usando Big Data para aliviar la pobreza en Guatemala

El estudio del Banco Mundial que usó los Registros de Detalles de Llamadas (CDR) se propuso descubrir si esta metodología podía ser un complemento confiable a los censos tradicionales.

En principio, una de las ventajas de usar análisis de Big Data para aliviar la pobreza es que los costos de implementación son significativamente menores.

El estudio del Banco Mundial que se basó en Big Data para aliviar la pobreza en Guatemala, costó aproximadamente US$100,000.

El costo es bajo si se compara con un censo tradicional, que fácilmente supera los US$2 Millones.

La mayor parte de ese presupuesto utilizado por el Banco Mundial se destinó al costo fijo de desarrollar el algoritmo de computo.

Aún cuando el monto del Banco Mundial no es despreciable, las encuestas futuras pueden ser considerablemente más económicas porque ya hay un algoritmo base implementado.

Los hallazgos del estudio

Los resultados del estudio son alentadores, según reporta el sitio de LUCA.

Los investigadores concluyeron que mediante el análisis de CDRs podían predecir la distribución de la pobreza de forma exacta, si se comparan con los datos recopilados en encuestas recientes.

El nivel de exactitud fue mayor en áreas urbanas, donde hay mayor concentración de pobreza.

Este mayor nivel de exactitud se logró porque paradójicamente, las áreas urbanas también son las que tienen mayor penetración de telefonía móvil.

Esto nos lleva a ver que el dispositivo móvil no es un accesorio exclusivo para la clase media y clases altas.

Aunque el estudio probó ser un complemento ideal para los censos poblacionales, aún faltan algunos detalles para implementarlo a una escala nacional.

Pero definitivamente el análisis de CDR es un buen inicio para implementar el uso del Big Data para aliviar la pobreza en la región.

Uno de los beneficios claves del uso de esta tecnología es la reducción significativa de los costos de implementación, lo que haría factible hacer estudios demográficos con mayor periodicidad.

El programa LUCA de Telefónica está activamente colaborando con programas de UNICEF y otros programas de Big Data para el bien social.