6 minutos de lectura.
En el 2017, el Banco Interamericano de Desarrollo (BID) fue pionero al ser el primer organismo multilateral en reconocer formalmente el software como un producto de conocimiento al crear el catálogo de código abierto para la gestión pública: Código para el Desarrollo (C4D). En cuestión de tiempo y derivado de las primeras experiencias, el BID reconoció la importancia de curar y añadir herramientas de código abierto, estratégicas para la región, que no solo fueran desarrolladas por la organización sino también por socios externos como startups, NGOs y los propios gobiernos. La evolución natural de C4D nos ha llevado a entender que encontrar la herramienta ideal no es suficiente, igual de importante es saber ponerla en marcha y lograr utilizarla. Por eso creamos la Red Code4Dev en el 2022, que es una red de desarrolladores que trabajan con o en gobiernos. La red fue creada como un esfuerzo para compartir activamente el repositorio de C4D y enseñar a los desarrolladores cómo implementar los recursos disponibles ahí.
Este artículo tiene como propósito abordar uno de los más recientes logros de la red Code4Dev: la traducción de R a Python de la herramienta IDBSocialData. También daremos un vistazo a la consulta de indicadores en la herramienta y rescataremos las principales conclusiones desde la reciente creación de esta red.
Paso a paso: ¿cómo obtener y analizar datos con la herramienta IDBSocialData?
IDBSocialData es un conjunto de paquetes de código abierto que permite consultar los indicadores estandarizados y unificados que genera el Sector Social del BID. Estos indicadores se centran en temas de pobreza, desigualdad, salud, mercado laboral, género y diversidad y migración. Al momento de esta publicación se cuenta con 8 millones de registros para 278 indicadores sobre los 26 países de la región, desde 1995 hasta 2021.
Para el BID es esencial potenciar el estudio de la situación de la región con datos confiables que permitan apoyar a la diversidad de poblaciones existentes y que puedan ser consultados de manera eficiente. En este sentido, en octubre pasado, el equipo del Sector Social del BID lideró un taller de implementación del IDBSocialData para la red de desarrolladores Code4Dev, donde guiamos a más de 400 asistentes a ejecutar línea a línea la herramienta, que inicialmente fue desarrollada en el lenguaje de programación R. Fue durante esta sesión que nos dimos cuenta de la necesidad de presentar esta herramienta en un lenguaje más común: Python. Así, entre los participantes al taller, 5 desarrolladores decidieron sumarse voluntariamente para llevar a cabo la traducción de IDBSocialData de R a Python. Compartimos a continuación un paso a paso para obtener y analizar datos IDBSocialData en ambos lenguajes de programación.
1- Instalar y cargar el paquete.
Un paquete es un conjunto de funciones que nos permite trabajar de forma más eficiente. El paquete de idbsocialdata (ahora disponible en R y Python) permite consultar más de 250 indicadores que produce el Sector Social del BID. El primer paso para hacerlo es instalarlo en el software decidido. Inmediatamente, al inicio de nuestro script definimos las librerías que vamos a usar. En este caso utilizamos la librería IDBSocialData.
2- Identificar el indicador por consultar.
La librería tiene más de 250 indicadores y se actualiza constantemente, así que para ver todos los indicadores disponibles consultamos el diccionario.
3- Consulta los indicadores que quieras.
Puedes consultar uno o varios indicadores, para distintos países, poblaciones y periodo. Por ejemplo, se podría analizar la pobreza de 2005 a 2021 en Bolivia, Colombia y México, para la población afrodescendiente, indígena etc. y así estudiar cómo estos datos difieren entre ellos.
En tan solo segundos tendrás lista la información para ser analizada. La siguiente figura presenta un resumen para el año 2020 de los datos que genera el código anterior. Se puede observar que para todos los países la pobreza en la población indígena y afrodescendiente es significativamente más alta que para el resto de la población.
4- Extra: Grafica y analiza tus datos.
Para entender más el hallazgo podemos hacer un análisis visual de nuestros datos. Esto lo puedes hacer utilizando cualquier software. En este ejemplo tienes la gráfica de los datos que recolectamos en el paso 3 en R. En este repositorio encuentras el código completo para hacer esta gráfica, así como los pasos previos en R y Python.
Algunas conclusiones desde Code4Dev
A pesar de la novedad de Code4Dev, cerramos el 2022 con más de 2,000 miembros en la red, y un promedio de 300 asistentes en cada evento. En este proceso descubrimos dos aspectos importantes:
- Los gestores públicos que no son desarrolladores tienen mucho interés en aprender más sobre herramientas de código abierto, incluyendo cómo estas pueden apoyarlos en sus retos y cómo encontrar maneras de adoptarlas para mejorar su trabajo.
- Los desarrolladores que no trabajan en gobierno tienen interés en conocer herramientas de código enfocadas en gobernanza y también les interesa entender cómo apoyar a sus gobiernos con sus habilidades de programación.
El taller sobre IDBSocialData y su posterior traducción a Python se presentó como la oportunidad ideal para que estos desarrolladores, interesados en gobernanza, pusieran en práctica su conocimiento y usaran parte de su tiempo libre en la optimización de una herramienta con tanto potencial para el estudio y comprensión de la región.
No podemos más que esperar seguir propiciando estos espacios de trabajo y seguir creciendo Code4Dev. Si eres desarrollador y trabajas con o en gobiernos, o si gestionas programas en el sector público, te invitamos a visitar y conocer las más de 140 herramientas de código abierto en nuestro catálogo de Código para el Desarrollo, así como a participar de nuestra red Code4Dev.
Agradecemos especialmente a los 5 desarrolladores que colaboraron con nosotros para la elaboración de este paquete: Genrry Hernández, Juan Pablo Zorrilla Salgador, Elena Fernández López, Sergio Andrés Herrera Velásquez y Juan Villa Hernández.
Por Julia Dias y María Reyes Retana del BID.
El uso de datos para la toma de decisiones en política pública, cada vez toma mayor relevancia dentro de las entidades territoriales. Sin embargo, lograr la recolección de datos en un periodo de tiempo que permita evidenciar una tendencia sigue siendo un reto fuera de las grandes ciudades capitales. Dentro de los municipios la toma de decisión es el resultado de consultorias que en ocasiones tienen información desactualizada y uno de los principales insumos termina siendo el censo del DANE para conocer en terminos poblaciones la situación mendiante proyecciones. De acuerdo a ello, la herramienta de datos abiertos en el que ciudadanos puedan aportar sus conocimientos e investigaciones termina siendo una herramienta innovadora y práctica, la cual desde el open data genera transferencia de conocimiento y transparencia en la información así como fácil acceso por parte de los ciudadanos.
Desde la modelación de diferentes variables y la interacción entre usuarios, las bases de datos pueden ser actualizadas en tiempo real y las asimetrías de la información se ven reducidas así como corregidas al ser la construcción de ciudadanos interesados con ganas de aportar. Este tipo de herramientas constituyen un hecho innovador que dentro de la gestión pública facilita el control social y el seguimiento a las situaciones que se presentan en los municipios y grandes ciudades. De esta forma los ciudadanos tienen la oportunidad de hacerle seguimiento a la decisiones que toman los gobernantes y desde veedurías ciudadanas prender alertas que permitan corregir los programas y proyectos para que logren los efectos deseados.
En mi opinión, esta herramienta puede ser de gran utilidad para aquellos interesados en el análisis de datos y la comprensión de tendencias en la región. Además, el hecho de que sea de código abierto significa que puede ser mejorada y adaptada por la comunidad para satisfacer sus necesidades específicas.