Combatiendo la corrupción con Power BI y machine learning
Descripción de la problemática:
En Colombia se observa un gran problema que no es tan fácil de erradicar y es la corrupción por parte de los diferentes actores que a través de la historia han buscado beneficiarse y crear un fuerte hueco en la economía del país.
De acuerdo con lo anterior si se analiza el problema de forma global se puede observar que a Colombia la ubican dentro de los países con mayor contenido de corrupción, según Transparencia Internacional al dar a conocer los resultados de su Índice de Percepción de la Corrupción (IPC) 2021. Colombia obtuvo 39 puntos sobre 100, siendo 0, corrupción muy elevada y 100 ausencia de corrupción. El país se ubica en el puesto 87 entre 180 países evaluados. Según Carlos Felipe Córdoba contralor general de la nación “más de 50 billones de pesos, se pierden por corrupción en Colombia” (Canal1 2021), y muchos otros se desaparecen por falta de planeación, control de antecedentes por parte del estado hacia los contratistas.
Por medio de las nuevas tecnologías se busca combatir y disminuir la corrupción de manera organizada y estructurada, enfocando este escrito en la falta de recursos en las zonas rurales de Colombia en especial es la zona de los llanos orientales.
De acuerdo con este gran problema se escogió para este artículo de investigación realizar un análisis de oportunidades para el bigdata, el análisis de datos y machine learning. Con estas tecnologías digitales se busca mejorar los procesos de selección de los contratos que son uno de los principales agentes de inmoralidad, con el fin de identificar patrones que favorezcan en el momento de tomar decisiones.
Con este software o servicio de análisis de datos de Microsoft. Power Bl, se encargaría de administrar y analizar datos por medio de su interfaz, conectando de manera fácil los datos que se van a utilizar, en este caso sería los contratos, funcionarios encargados, optimización de los recursos entregados en el sector privado de las TIC de cada región del país y modelarlos de forma que queden visualmente comprensibles. Se busca que por medio de indicadores se observe y refleje de forma dinámica, el rendimiento y efectividad de forma sencilla los resultados por cada región.
¿COMO APLICAR POWER BI A LA PROBLEMÁTICA DE LA CORRUPCIÓN EN PROCESOS DE CONTRATACIÓN PÚBLICA?
Power Bl permitiría construir tableros para transformar los datos en información para toma de decisiones, como por ejemplo:
- Montos invertidos en procesos de infraestructura de TI
- Empresas adjudicadas y el monto entregado
- Inversión de TI por cada departamento
- porcentaje de ejecución del presupuesto de TI en entidades públicas
- Crecimiento de usuarios de internet u otras tecnologías en cada municipio
¿COMO APLICAR MACHINE LEARNING A LA PROBLEMÁTICA DE LA CORRUPCIÓN EN PROCESOS DE CONTRATACIÓN PÚBLICA?
Machine learning es un campo de la inteligencia artificial el cual, mediante el uso de algoritmos, permite que un conjunto de equipos de cómputo obtenga una capacidad de identificar patrones en datos de gran tamaño y a partir de esta información realizar predicciones respecto a los mismos.
Al proponer al estado colombiano la posibilidad de la implementación de tecnologías modernas como los es machine learning se podría optimizar el consumo de los recursos y bajar los índices de corrupción.
El proceso de implementación de machine learning en el gobierno se compone de las siguientes etapas:
- Identificar fuentes de datos y depuración de información:
Machine learning consume fuentes de datos donde se pueda evidenciar que en alguna oportunidad la empresa o la persona tuvo algún indicio de corrupción. Por ejemplo:
- Sistema Electrónico para la contratación pública (SECOP) datos de: contratos adjudicados, tipo de contrato (tecnología, educación), contratistas, representante legal, monto, ciudad etc.
- Sistema del Cuerpo técnico de Investigación (CTI) o de la fiscalía General de la Nación: Para identificar las personas que han sido investigadas por procesos de corrupción.
- la CCB (Cámara de comercio): Para extraer datos de las compañías participantes en los procesos de contratación como: objeto social, activos, patrimonio, accionistas.
- Sistema del Consejo Nacional lectoral: para extraer información de aportantes a las campañas políticas de políticos en cargos públicos.
2. Extracción de información y consolidación de conjunto de datos destino:
En esta etapa se extraen las variables ejemplo de la etapa uno para construir un conjunto de datos que pueda utilizar el modelo de machine learning para entrenamiento.
3. Identificación de casos donde se han presentado casos de corrupción:
El conjunto de datos es enriquecido con una bandera que indique en que casos de los cargados se presentaron casos de corrupción.
4. Entrenamiento y análisis de patrones: En esta etapa se busca que el modelo de machine learning relacione las variables del conjunto de datos con los casos que se presentó corrupción, con el fin de identificar patrones como, por ejemplo:
a. Procesos de corrupción donde los accionistas de la compañía han tenido investigaciones en la fiscalía
b. Las empresas son empresas fantasmas con poco capital o sin experiencia en el objeto a contratar
c. Donde alguno de los socios de la compañía tiene participación o relacionamiento con otras compañías anteriormente investigadas
Sucesos de monopolio donde la misma empresa o los mismos accionistas son los que se ganan todos los procesos desde tecnológicos hasta de obras civiles o salud pública. En esta etapa también se debe probar el modelo con un conjunto de casos de prueba donde se pueda validar que el modelo es efectivo en una alta probabilidad para identificar casos de corrupción.
5.Configuración de alertas y puesta en producción:
Una vez identificados los patrones, se procede a configurar las alarmas ejemplo del punto anterior para que se analicen todas las contrataciones en curso o futuras, las cuales alertarán sobre posibles casos de corrupción antes de que estos sean adjudicados.
Estas alarmas le permitirán al gobierno identificar procesos de contratación con indicios de corrupción y así tomar acción para ahorrar recursos del estado e invertir en otras obras que requiera la población.
Autor: Lady Johanna Torres D, Angiet Yuliet Castro Jimenez
Código: UCPC- 5
Editor: Ing. Carlos Iván Pinzón Romero
Universidad: Universidad Central.
Fuentes
World Bank Blogs.(2018). [Imagen]. World Bank Blogs. https://blogs.worldbank.org/governance/can-artificial-intelligence-stop-corruption-its-tracks
Ministerio de Justicia y Derecho.(2022). [Imagen]. Ministerio de Justicia. https://www.istockphoto.com/es/foto/mujer-utilizando-un-tel%C3%A9fono-inteligente-con-un-chatbot-digital-en-una-pantalla-gm1401361472-454636565?phrase=bots
Linares, A. (2021). Machine learning y bigdata en la lucha de la corrupción estatal Colombiana. Universidad Militar Nueva Granada. https://repository.unimilitar.edu.co/bitstream/handle/10654/41148/MontesinoLinaresIvanAlberto2021.pdf?sequence=1&isAllowed
Transparencia por Colombia.(2022). Índice de Percepción de Corrupción 2021 Transparencia Internacional. https://transparenciacolombia.org.co/wp-content/uploads/cpi2021-report-es-web.pdf
Ministerio de las TIC. (29 agosto 2022). Instructivo para denunciar hechos de corrupción. [Video]. Youtube. https://www.youtube.com/watch?v=g0H-BGSHLjM
