Grandes flujo de datos con un impacto en las políticas públicas
Video: ¿Por qué es tan difícil medir las políticas públicas?
Casi todas las áreas de una ciudad tiene la capacidad de utilizar grandes volúmenes de datos, ya sea en forma de impuestos, sensores en los edificios y puentes, monitoreo patrón de tráfico, datos de ubicación y datos sobre la actividad criminal. La creación de políticas viables que hacen que las ciudades sean lugares más seguros, más eficientes y más deseables para vivir y trabajar requiere la recolección y análisis de grandes cantidades de datos de una variedad de fuentes.
Video: México Social - Medio ambiente y desarrollo (20/01/2015)
Muchos de los datos que es pertinente a la investigación sobre mejora de las políticas públicas se recoge por diversas agencias de la ciudad y ha tenido históricamente meses o años para analizar (como los datos del censo anual, registros de la policía, y los registros de impuestos de la ciudad). Incluso dentro de un organismo específico, como por ejemplo el departamento de policía, los datos pueden ser recogidos por distritos separados y no se comparte fácilmente a través de la ciudad y sus comunidades circundantes.
Como resultado, los líderes de la ciudad tienen una abundancia de información sobre las personas afectadas como las políticas de su ciudad en años anteriores, pero ha sido muy difícil para compartir y aprovechar rápidamente cambiante datos para tomar decisiones en tiempo real que pueden mejorar la vida de la ciudad. Lo que hace que el aprovechamiento de estos datos aún más complicado es el hecho de que los datos se gestiona y almacena en silos separados.
Esto causa problemas debido a una relación directa puede existir entre los diferentes aspectos de las operaciones de la ciudad. Los políticos están empezando a darse cuenta de que el cambio sólo puede ocurrir si pueden utilizar los datos y los datos disponibles de las mejores prácticas para transformar el estado actual de su entorno. La ciudad más compleja, más existe la necesidad de aprovechar los datos para cambiar las cosas para mejor.
Esto está cambiando ya que los reguladores, científicos e innovadores tecnológicos unirse para poner en práctica políticas basadas en los datos en movimiento. Por ejemplo, para diseñar e implementar un programa para mejorar la congestión del tráfico, es posible que necesite para recoger datos sobre la población, las cifras de empleo, condiciones de la carretera, y el clima. Muchos de estos datos se han recogido en el pasado, pero se almacena en silos diferentes y representa una visión estática de la información histórica.
Video: Breve Historia de Colombia: 9 de abril 1948 - 9 de abril 2013
Para hacer sugerencias basadas en la información actual de streaming, es necesario un nuevo enfoque. Investigadores de una universidad técnica en Europa están recopilando datos de tráfico en tiempo real a partir de una variedad de fuentes, tales como los datos del Sistema de Posicionamiento Global (GPS) de los vehículos que circulan, sensores de radar en las carreteras, y datos meteorológicos. Ellos integran y se analizaron los datos de streaming para disminuir la congestión del tráfico y mejorar el flujo de tráfico.
Mediante el análisis de los datos estructurados y no estructurados como eventos están teniendo lugar, los sistemas pueden evaluar las condiciones de viaje actuales y hacer sugerencias sobre rutas alternativas que va a reducir el tráfico. En última instancia, el objetivo es tener un gran impacto en el flujo de tráfico en la ciudad. Los datos en movimiento se evalúa en relación con los datos históricos de manera que las recomendaciones tienen sentido en el contexto de las condiciones reales.
Video: ANALISIS DE DATOS DFD BY GUSTAVO MAZA
Los datos en continuo pueden tener un impacto significativo en los índices de criminalidad en las ciudades. Por ejemplo, un departamento de policía utiliza el análisis predictivo para identificar los patrones de criminalidad por hora y el lugar. Si se descubre que un cambio repentino en un patrón identificado a una nueva ubicación, la policía puede enviar agentes a la ubicación correcta en el momento correcto. Después del hecho, estos datos ahora se puede utilizar para analizar más a fondo los patrones de comportamiento criminal.