¿Es efectivo el plan del gobierno porteño de cazar evasores en las redes sociales?

La agencia gubernamental de ingresos públicos (AGIP) lanzó una licitación para adquirir una solución analítica de Big Data.

La Administración Gubernamental de Ingresos Públicos de la Ciudad de Buenos Aires (AGIP) lanzó una licitación, vía Boletín Oficial el pasado 8 de septiembre, para adquirir una "Solución de Analítica para Datos Estructurados y Big Data".

"Las herramientas que se vienen desarrollando y utilizando en la Argentina y en todo el mundo contemplan la posibilidad de procesar datos no estructurados como textos, documentos, videos, que pueden provenir de redes sociales públicas de cualquier índole, siempre dentro del marco de las leyes de protección de datos personales y garantizando los derechos individuales que establece la Constitución , respondieron desde la AGIP al diario La Nación.

El contrato propuesto es por tres años y por un valor total de $ 17,5 millones. Un detalle que reafirma en el párrafo anterior:

¿Qué es Big Data y cómo se utilizaría?

Describe un gran volumen de datos, tanto estructurados como no estructurados. Se trata de aquella información que no puede ser procesada o analizada utilizando procesos o herramientas tradicionales.

Y, más allá del gran volumen de información, existe gran variedad de fuentes de, por ejemplo, dispositivos móviles, audio, video, sistemas GPS, sensores digitales en equipos industriales, automóviles, etcétera. Aunque, en el caso de la licitación de la AGIP, se refiere a los datos que pueden recolectarse de las redes sociales de los contribuyentes porteños.

"La solución de analítica a desarrollar consistirá al menos con el diseño y construcción de una base de datos analítica, diseñada específicamente para responder las necesidades de información de las diferentes áreas de la AGIP", afirma el pliego de licitación. Según este texto, la información debería entregarse, a través de la solución contratada, directamente al usuario final (quien realizaría los análisis de los contribuyentes).

INFOTECHNOLOGY.COM consultó con varios expertos en Big Data que analizaron la factibilidad de la iniciativa de la repartición estatal.

Alexia Saitúa, especialista en Marketing Science, cuenta que los bancos, por ejemplo, usan métodos de análisis de grandes conjuntos de datos, como Machine Learning, para detectar fraudes, pero que lo hacen a partir de sus propias bases de datos.  Sobre el Estado, dice, que “podría cruzar sus distintas bases de datos, de la seguridad social, con datos de compra y venta de propiedades y vehículos, con los consumos de tarjeta de crédito . Sin embargo, como la AGIP no recauda ganancias o IVA, no termina de ver cómo se pueden detectar fraudes. Y esta preocupada por la habilitación de “un sistema que se pueda usar para otros fines, más marketineros, que para establecer modelos predictivos de comportamiento delicitivo .

Específicamente sobre el posible “barrido de las redes sociales, puntualiza que la “capacidad de lo que te permite el ‘text mining’, la técnica que allí suele usarse,  es muy baja . “El barrido no te aporta un diferencial incremental respecto a la capacidad de predicción, si lo comparás con las propias bases de datos con las que ya cuenta el Estado , señala.

“Estoy de acuerdo con que lo mejor para predecir una conducta futura, es revisar tu conducta pasada, y eso es una filosofía que tenemos dentro del área en donde trabajo. Pero es más fácil prevenir el fraude analizando consumos de tarjeta que leyendo las redes sociales. El ratio es muy bajo, porque la mayoría decimos una cosa y hacemos otra , argumenta.

Para lo que sí sirve el análisis de Big Data es para generar patrones sobre el perfil del evasor que ya está en carpeta.  “Un caso interesante de cómo aprovechar machine learning en detección de fraude es la capacidad que ofrecemos de atrapar en el punto de impacto, es decir, una vez que el sistema está entrenado para comprender patrones que corresponden a una posible evasión, es capaz de alertar en el mismo minuto que está ocurriendo. Esto nos permite conocer lo que pasa en tiempo real y decidir acciones concretas. Con modelos predictivos de evasión lo podemos identificar antes que suceda y evitar mayores daños , explica Guillermo Treister Fachal, líder de Soluciones Analíticas en la Nube de IBM Latinoamérica.

Temas relacionados
Más noticias de big data

Compartí tus comentarios

¿Querés dejar tu opinión? Registrate para comentar este artículo.
Nombre