Nacho Santillana, responsable de Sistemas de Información en el Ayuntamiento de Barcelona
“El reto de Barcelona es conseguir el Ayuntamiento Inteligente”
La gestión de datos es un elemento esencial para poder llevar a cabo de las Administraciones Públicas. Un Ayuntamiento de la dimensión del de Barcelona se haya inmerso en un proceso para convertirlo en inteligente en una estrategia en la que el dato cobra especial protagonismo en esa transición digital. Hablamos con Nacho Santillana, director de Sistemas del Ayuntamiento de Barcelona, sobre cuál es la estrategia de su departamento en este sentido.
¿Cuáles son los principales retos a los que se enfrenta su departamento? ¿Por qué?
El reto del Ayuntamiento de Barcelona es la estrategia de transición digital, un ayuntamiento inteligente con tres líneas estratégicas: ofrecer servicios de máxima calidad, innovadores y simples; servicios personalizados a través de una visión de información integrada; y que utilizan un ecosistema tecnológico para facilitar la transición.
Los principales elementos de la transición digital son siete: gobernanza digital, puesto de trabajo digital, identidad digital, Big Data y analítica predictiva, ubicuidad de los servicios, procesamiento del lenguaje natural, y robótica e inteligencia artificial.
Los ámbitos de aplicación del plan tecnológico son cuatro: infraestructura, puesto de trabajo, sistemas y análisis de información, y ciberseguridad. Todos conforman el gobierno TIC. En cada uno de ellos hay unos proyectos o iniciativas a llevar a cabo. En infraestructura: nuevo CPD, migración a SAP HANA y renovación de la red de telecomunicaciones. En puesto de trabajo: entorno digital, trabajo colaborativo y movilidad. En sistemas y análisis de información: robótica, innovación y toma de decisiones. En ciberseguridad: control de acceso, prevención y detección.
La nube
¿Ha implementado la nube? ¿Qué ventajas y desventajas le ha proporcionado?
Hemos implementado la nube (si hablamos en general) para algunos servicios, y podemos considerar que hay ventajas y desventajas pero es muy importante la consideración de cuál es nuestro punto de partida. Es decir, ya disponemos de infraestructura o no, ya disponemos de una política de seguridad o no, etc…
Las ventajas de la implementación en la nube son: que no es necesaria una infraestructura costosa, la accesibilidad, la recuperación de datos, y la mayor seguridad. Las desventajas son: la necesaria conexión a internet, los costes adicionales, el hardware, la vulnerabilidad a ciberataques, y la privacidad.
¿Cloud híbrida, pública o privada? ¿Qué modelo es el que considera más adecuado?
En una nube pública se comparte el mismo hardware, el almacenamiento y los dispositivos de red con otras organizaciones o “inquilinos” de la nube, y obtiene acceso a los servicios y administra su cuenta a través de un explorador web. Con frecuencia, las implementaciones de nube pública se usan para proporcionar correos electrónicos web, aplicaciones de office en línea, almacenamiento, y entornos de desarrollo y prueba.
Por su parte, las nubes privadas suelen usarlas agencias gubernamentales, instituciones financieras y cualquier organización mediana o grande que realice operaciones esenciales para la empresa y busque aumentar el control sobre su entorno.
Finalmente, la nube híbrida, se emplea cuando se producen fluctuaciones en la demanda de recursos informáticos y de procesamiento, los que permite ampliar sin problemas la infraestructura del entorno local en la nube pública para poder administrar cualquier flujo de trabajo, sin necesidad de permitir que centros de datos de terceros accedan a todos sus datos. Así que, mi modelo para cualquier entidad, incluido el Ayuntamiento de Barcelona, incluye los tres tipos de nube.
Datos para ser más eficientes
En cuanto al dato, ¿tiene una estrategia de gestión y análisis?
Antes de definir la estrategia, me gustaría definir el análisis de datos como el proceso de exploración, transformación y examinación de datos para identificar tendencias y patrones que revelen insights importantes y aumenten la eficiencia para respaldar la toma de decisiones.
La importancia de los datos no radica solamente en recabarlos (que no es una tarea menor, y que claramente es una parte necesaria del proceso), sino que radica en cómo clasificarlos, y cómo generar modelos de datos relevantes al negocio que den valor agregado al mismo.
En resumen, la estrategia es conocer el funcionamiento y el mercado de los sistemas de información de inteligencia de negocio y macrodatos (big data) y sus principales utilidades y componentes, para proporcionar información y conocimiento que permita mejorar la toma de decisiones.
¿Qué cree necesario implementar para llevar una analítica de datos correcta?
Previamente deberíamos saber qué tipo de análisis de datos quiere realizarse: análisis descriptivo, análisis exploratorio, análisis de diagnóstico, análisis inferencial, análisis predictivo, análisis prescriptivo, análisis mecanicista o análisis de clústeres.
El análisis de datos, con independencia del tipo, es un proceso que consiste en inspeccionar, limpiar y transformar datos con el objetivo de resaltar información útil, para sugerir conclusiones y apoyo en la toma de decisiones. Y en todos ellos sería necesario o aconsejable para una implementación correcta, desde mi punto de vista, una metodología que incluya los siguientes seis pasos: definir la razón del análisis, establecer “lo que medirás y cómo lo harás”, obtener los datos, clasificar los datos, analizar los datos, y hacer una interpretación de los datos. En todo caso, la técnica de análisis de datos correcta debería incluir cinco etapas: revisión permanente y reducción de datos, disposición y transformación de datos, análisis de contenido, obtención de resultados y conclusiones, y verificación de esas conclusiones.
Establecer objetivos
¿Le proporciona el mercado las tecnologías suficientes para llevar a cabo una correcta estrategia de análisis de datos? ¿Qué echa en falta?
En el mercado hay herramientas de análisis de datos (data management) que facilitan la toma de decisiones, ya que analizar los datos permite reconocer qué oportunidades son las más adecuadas en las que dedicar recursos y en cuáles dejar de dedicar.
Existen el mercado plataformas orientadas a la analítica y procesamiento de datos masivamente, incluyendo incluso IA (Inteligencia Artificial) y ML (Machine Learning) que ofrecen resultados de confianza y que incluso los potencian. Todas las soluciones están diseñadas para un científico de datos, un analista de negocios, un estadístico o, un pronosticador… ahora bien, desde mi humilde punto de vista: el paso definitivo será cuando el financiero, el jefe de compras, el responsable de ventas, el responsable de promociones, … utilice estas herramientas de forma habitual y sin compararlo con su Excel o similar de toda la vida.
A modo de resumen, ¿qué echo en falta? Que el primer paso en cualquier proceso de análisis de datos es definir el objetivo. Definir el objetivo significa proponer una hipótesis y averiguar cómo probarla. Empieza por preguntar: ¿Qué problema educativo, administrativo, social, económico… estoy tratando de resolver? Y normalmente esa pregunta y ese objetivo debe marcarlo ‘negocio’ conjuntamente con IT.
