Vivimos una crisis sin precedentes. En un escenario tan complejo como el actual, los datos pueden ayudarnos a predecir con una mayor precisión y fiabilidad los nuevos escenarios de futuro. Data for Hope, iniciativa que busca encontrar soluciones optimistas a la crisis del Covid-19 a través de los datos, ha conceptualizado algunas pistas que proponen un camino a seguir para poder navegar esta situación, ayudando a empresas, instituciones e individuos en la toma de decisiones. Un centenar de expertos de diferentes perfiles y sectores (sector público, investigación, gran corporación, emprendedores, consultoras) han diseñado ideas optimistas y han identificado los datos que son todavía necesarios para eliminar el ruido y poder tomar decisiones de calidad. Estas son las seis propuestas que han surgido en Data for Hope:
Plataformas de recursos para que las empresas preparen su vuelta a la normalidad
Las empresas españolas se enfrentan a un periodo de incertidumbre nunca antes vivido y necesitan mucha ayuda para aguantar un año tan difícil. Los empresarios necesitan saber dónde y cuándo se está reactivando la economía, cuándo deben abrir su oficina o volverla a cerrar por un posible rebrote. Las grandes empresas cuentan con todo tipo de información cualitativa y cuantitativa para poder tomar estas decisiones, sin embargo las pymes no disponen de estos inputs. Diseñando una plataforma de recursos con datos crudos y acompañándola con análisis cualitativos para obtener outputs accionables, las empresas podrían preparar esa vuelta a normalidad.
Machine Learning para facilitar la toma de decisiones de los gobiernos
Las provincias y comunidades autónomas se enfrentan a un reto importante ya que para poder implementar las medidas de escalado y re-escalado necesitan modelizar todos los parámetros relevantes. Este gran reto se resolvería con un modelo dinámico de machine learning para la monitorización y el análisis de los datos. Gracias a un algoritmo de aprendizaje continuo se conseguiría la monitorización de zonas básicas de salud (delimitaciones geográficas oficiales mediante las cuales se planifican los recursos sanitarios para asegurar que la población tendrá acceso a una cobertura homogénea), la priorización de restricciones de movilidad y sobre todo una anticipación a la temible campaña de la gripe de este otoño.
Fuentes fiables para la predicción de la pandemia
Los indicadores clave en relación al número de afectados por Covid-19 no permiten la generación de modelos fiables de predicción de la pandemia. Seleccionando fuentes alternativas y con calidad de datos respecto a un número realista de infectados se puede conseguir la generación de modelos de estimación más ajustados que permitan definir matrices de riesgo. Una vez finalizado el proceso de desescalada, este tipo de soluciones también permitirá evaluar el riesgo de los desplazamientos para la población, ya que la sociedad tiene un rol clave en la evolución de la crisis.
Fuentes alternativas para la prevención en África y Latinoamérica
En muchos países del hemisferio sur, el reto de encontrar fuentes de datos fiables es todavía más complicado. Generando una plataforma de datos alternativa y combinándola con las cifras oficiales de los gobiernos de cada país, se podría conseguir tener una foto más ajustada de la realidad.
Data for Hope es una iniciativa que busca encontrar soluciones optimistas a la crisis del Covid-19 a través de los datos
En estos países con sistemas sanitarios menos sólidos es clave combinar los datos con una guía de actuación en distintos idiomas y con distintos soportes adaptada a la zona geográfica concreta para entender el impacto de la pandemia.
Datos unificados para medir el impacto sanitario
Los médicos y responsables de la gestión sanitaria han tenido que tomar decisiones con datos parciales e incompletos. Es necesario construir un modelo de datos unificado para el reporte de datos desde hospitales, registros civiles y otras fuentes del gobierno central ya que sin el mismo input la información no es comparable. En este proceso, es clave analizar la experiencia de usuario que debe llevarse a cabo para la recopilación de los datos, determinar las necesidades y limitaciones de las personas que realizan el reporte de la información y también analizar cómo deberían llegar esos datos que se introducirán en el sistema.
Red de datos donados para guiar la toma de decisiones
¿Y qué rol juego yo en esta crisis? Actualmente en España existe un verdadero debate sobre la privacidad de los datos, pero en una situación de emergencia como la que vivimos es importante facilitar los datos de manera anónima. Creando una red segura de donantes de datos individuales se podría evaluar el riesgo de cada individuo y el impacto de sus acciones en la sociedad, siempre garantizando su privacidad gracias a un sistema basado en blockchain.
Todavía no podemos predecir las consecuencias que traerá consigo esta pandemia y ni siquiera podemos predecir con precisión cuándo volveremos a tener un nuevo brote de este virus. Afortunadamente hoy tenemos muchos más datos de los que disponía John Snow en 1854 cuando consiguió acabar con el cólera en Londres cartografiando la epidemia con los recursos de los que disponía.
Sin embargo, podríamos saber mucho más. La iniciativa Data for Hope pretende esto. Para obtener mejores resultados y poder realizar una mejor predicción que permita poder mitigar los efectos del virus en la sociedad y en su economía, necesitamos un mayor nivel de detalle en la obtención de los datos. España sigue su proceso de transformación digital y debemos vivir esta situación como una oportunidad para transformar el país hacia una cultura de datos, que repercutirá sin duda, en la calidad y en la fiabilidad de los modelos y soluciones y facilitará la toma de decisiones de gobierno, de empresas y en definitiva de toda la sociedad.
Carmen Boronat Badía, Directora de Data for Hope y CMO de Cloud District, consultora de producto digital con la misión de llevar la agilidad de las startups a las grandes empresas, uniendo tecnología, usabilidad y marketing en sus productos digitales.
