Analítica web
Reflexiones desde el mercado español de Analítica Web

Queda usted detenido por la unidad de precrimen de DIVISADERO

Se lee en 4 minutos

“Señor Marks, por orden de la División Precrimen del distrito de Columbia le detengo por el futuro asesinato de Sarah Marks y Donald Dubin que iba a suceder hoy.”

John Anderton, Minority Report (2002)

 

Así suena una de las frases de la que es –al menos para mí– una de las películas más icónicas del siglo XXI: Minority Report. En ella, John Anderton, capitán de las fuerzas de precrimen de Washington DC e interpretado por Tom Cruise, trata de capturar a todos los malhechores de la ciudad antes de que puedan cometer cualquier fechoría utilizando a unos seres, llamados “Precognitivos”, encargados de prever cualquier problema de seguridad nacional. De esta forma, el esquema se define de la siguiente manera: unos seres detectan, mediante una magia mutante, rara, todo crimen que va a acontecer. Con esta información, le pasan la nota a John Anderton, quien se encarga de detenerlo de una forma más o menos heroica evitando, así, cualquier daño personal. Easy peasy, que dicen los británicos. 

No vamos a negar que es ciencia ficción; sin embargo, gracias a los avances tecnológicos, hoy en día se podría desarrollar un modelo capaz de intercambiar toda esa potencia computacional de los Precognitivos por tecnologías que tenemos a nuestro alcance. A esta misma conclusión llegó en el año 2010, Brett Goldstein, director de datos del Departamento de Policía de Chicago, quien estableció un equipo de analistas gracias a una beca del Instituto Nacional de Justicia de los Estados Unidos. Así, invirtiendo en I+D, ¡qué locurón!

Y, además, en Chicago. Una ciudad mundialmente conocida por su diversidad cultural, étnica y racial. Una ciudad con una tasa extremadamente alta de asesinatos durante aquella época; incluso superior a la de ciudades eternamente idealizadas como problemáticas, como son Los Ángeles, Nueva York, México DF, Sao Paulo o Moscú. Y, para rizar el rizo, una ciudad inmersa en una gran crisis económica y cuya tasa de paro superaba el 10%. En resumen, una ciudad que no fue elegida al azar como banco de pruebas.

Pues bien, dentro de este contexto socio-políticamente complicado, es donde se enmarca el proyecto. Un proyecto innovador que intentaba unir dos terrenos tan íntimamente ligados pero, a la vez, tan separados, como son el de la seguridad y la tecnología informática.

Funcionamiento

Durante varios años, en concreto desde el 2001, la policía se prestó a la ardua tarea de la recolección de datos. Toda persona arrestada debía ser introducida en una base de datos donde se registraba información como: fecha en la que fue detenida, lugar, motivo, o descripción de los hechos. Sin embargo, datos comprometedores como: la etnia, raza o género no tenían cabida en el registro. Y esto dio como resultado que se generaran tablas de datos como la siguiente:

Imagen 1
Dataset de crímenes producidos.

Como se puede ver, estos datasets públicos no contienen ningún dato que permita identificar, de forma unívoca, a ninguna persona. Además, la dirección donde sucedían los hechos, siempre aparecía parcialmente ofuscada. Estos datasets son accesibles desde la página de la ciudad de Chicago de forma totalmente gratuita. Otra parte interesante es que en este sitio se puede observar, además de los datos en bruto, diferentes dashboards para analizar, de una forma más amigable, la información que se ha ido recopilando a través del tiempo.

Imagen 2
Mapa de calor que muestra el número de crímenes reportados en cada parte de la ciudad.

Y, tras la recolección del dato, venía la magia. Se desarrolló un algoritmo mediante el cual, en base a esta información, se puntuaba la peligrosidad de las personas. Del 1 al 500. De forma que, finalmente, la policía se podía centrar en un número más reducido de ciudadanos. Ya que, según sus estadísticas, tres cuartas partes de los crímenes de la ciudad, eran cometidos por un conjunto formado por unos 1000 individuos, del total de los casi 3 millones de habitantes de Chicago en aquel entonces. Todos ellos recogidos en lo que llaman “heat list”.

Más tarde, estos datos se cruzaban con otros parámetros como: temperatura, lugar o día de los hechos, lo que permitía reducir, aún más, el listado de personas a tener en cuenta. Con esta información, la policía, solía visitar e identificar preventivamente a los futuros criminales intentando evitar que cometieran el presunto futuro delito.

Imagen 3
Cruce de datos que compara incidentes con la temperatura en grados Fahrenheit.

Resultados

Tras varios años desarrollando y probando este proyecto, los resultados han comenzado a florecer. Como bien indica este gráfico, la tasa de incidentes reportados ha bajado, en gran medida, en los últimos años.

Imagen 4
Número de crímenes reportados en función de la fecha.

Sin embargo, a pesar de los resultados, existen voces discordantes sobre el tema. Algunos, se quejan ante la posibilidad de que este modelo elimine puestos de trabajo dentro del departamento de policía. Otros, ponen sobre la mesa cuestiones más ligadas al comportamiento humano, es decir, ¿se detiene a la gente en base al prejuicio?

Por último, otros detractores indican que el sistema no sirve realmente para acabar con el crimen, sino que sirve, solamente, para capturar antes al criminal invirtiendo una cantidad de dinero excesiva.

Hay muchos puntos de vista. Sin embargo, los datos y resultados están claros y, además, como comentábamos anteriormente, pueden verse de forma pública en la página de la ciudad de Chicago.

Quizás no sea un paso definitivo hacia la seguridad absoluta, pero sí es probable que sean los cimientos para ello.

Y vosotros, ¿en qué creéis que podría beneficiar la implementación de estas nuevas tecnologías predictivas en vuestro entorno o empresa?

Bonus track

Para todos aquellos interesados en jugar un poco con los diferentes datos de este proyecto, podéis echarle un vistazo a BigQuery, un servicio web de Google que permite hacer análisis interactivo de bases de datos masivas. También a este sitio web, que explica cómo consultar conjuntos de datos públicos en BigQuery (sirve de ayuda para usarlo).

Si vuestro interés ha ido más allá, navegando por la web del ayuntamiento podréis encontrar otros proyectos similares a este pero aplicados a otros ámbitos. Y si vuestra curiosidad no se ha visto saciada y os interesa trastear más, la ciudad de Chicago comparte parte del software utilizado en los diferentes proyectos a través de github.

Fuente de las imágenes: Matt Popovich (Unsplash) y City of Chicago (cuerpo de texto).

Escribe tu comentario

5 × 3 =

Navegar