Manual de Datos Abiertos y Políticas Públicas

Guía completa para entender y aplicar datos en la gestión pública

Introducción a los Datos Abiertos y su Impacto en la Gestión Pública

Los datos abiertos se definen como información pública en formato digital que puede ser utilizada, reutilizada y redistribuida libremente por cualquier persona, sujeta cuando mucho a requisitos de atribución y de compartir bajo la misma licencia. En el contexto gubernamental, esto significa que las instituciones ponen sus datos a disposición de la ciudadanía y organizaciones para que terceros puedan analizarlos, desarrollar servicios innovadores y generar valor social y económico a partir de ellos. Esta apertura trasciende la mera publicación de información: busca habilitar un ecosistema en el que diversos actores aporten soluciones basadas en datos.

Importancia de los datos abiertos:

Transparencia y rendición de cuentas

Al abrir datos sobre sus operaciones (presupuestos, contrataciones, indicadores), el gobierno permite a los ciudadanos conocer cómo se administran los recursos públicos y evaluar el desempeño de las autoridades. Esto incrementa la confianza en las instituciones y facilita la lucha contra la corrupción.

Eficiencia e innovación

Los datos abiertos habilitan análisis multi-actor que derivan en mejoras de la gestión pública y nuevos servicios. Estudios han demostrado que, además de promover la transparencia, la apertura de datos mejora la eficiencia administrativa, incentiva la innovación tecnológica y empodera a la ciudadanía para co-crear soluciones. Por ejemplo, la ciudad de Chicago combinó datos de distintas dependencias para predecir brotes de plagas urbanas y priorizar inspecciones sanitarias, logrando abordar problemas como las infestaciones de ratas y violaciones al código de salud con mayor anticipación.

Participación ciudadana

Los datos abiertos permiten una sociedad civil más informada y activa. Al contar con acceso libre a información pública, los ciudadanos pueden identificar problemas, proponer soluciones y monitorear la acción gubernamental. Esto fortalece los pilares del gobierno abierto (transparencia, colaboración y participación) al facilitar que la sociedad contribuya en la toma de decisiones y en la vigilancia de la gestión pública.

Ejemplos breves

Muchos gobiernos han publicado datos de medio ambiente, transporte, educación, etc., generando beneficios tangibles. Por ejemplo, al liberar datos geoespaciales y de infraestructura tras desastres naturales, voluntarios han creado mapas de zonas afectadas que ayudan a focalizar la ayuda y salvar vidas (como se hizo en Nepal tras el terremoto de 2015). En Argentina, programadores locales aprovecharon datos abiertos de transporte para desarrollar MyBus, una aplicación web que ayuda a miles de usuarios a encontrar la mejor ruta de autobús, mejorando un servicio público sin costo para el municipio. Estos casos ilustran cómo la apertura de datos detona soluciones creativas que complementan la acción gubernamental.

Referencias

  • Open Data Handbook – "¿Qué son los datos abiertos?"
  • Red FEMP (2024) – "Qué son los datos abiertos y por qué forman parte de un gobierno participativo"
  • Bloomberg Cities (2017) – "Chicago leads a data-driven revolution"
  • BID – Abierto al Público (2014) – "Datos abiertos: más allá de la transparencia"
  • El Imparcial (2017) – "México es líder global de datos abiertos"
Siguiente

Marco Conceptual de las Políticas Públicas Basadas en Datos

Una política pública basada en datos o evidencia es aquella cuyo ciclo de vida –diseño, implementación y evaluación– se alimenta de información empírica rigurosa para mejorar su efectividad. En este enfoque, las decisiones gubernamentales no se toman sólo por intuición o criterios políticos, sino que se fundamentan en datos provenientes de investigaciones, estadísticas y análisis objetivos. Se busca así "ayudar a la gente a tomar decisiones bien informadas colocando la mejor evidencia disponible en la base del desarrollo y la implementación de las políticas".

El rol de los datos en cada etapa del ciclo de políticas públicas

1

Diseño

En la etapa de formulación se define el problema público con ayuda de datos que cuantifican su magnitud y características. Por ejemplo, indicadores socioeconómicos pueden revelar qué poblaciones están más afectadas, orientando la focalización de la política. La evidencia científica y análisis previos también permiten identificar qué intervenciones han funcionado (o fracasado) en contextos similares. Esto da sustento al diagnóstico y a la teoría de cambio de la política.

2

Implementación

Durante la ejecución, la recolección de datos administrativos y la monitorización de indicadores permiten hacer seguimiento al progreso y realizar ajustes sobre la marcha. Metas medibles e hitos claramente definidos (por ejemplo, número de beneficiarios atendidos mensualmente) brindan un marco objetivo para supervisar si la política se está implementando según lo previsto. Adicionalmente, el intercambio de datos entre agencias (interoperabilidad) mejora la coordinación y evita duplicidades.

3

Evaluación

Finalmente, los datos permiten evaluar resultados e impacto. Comparar indicadores antes y después, o entre poblaciones atendidas y no atendidas (grupos de control), ayuda a determinar si la política logró sus objetivos y qué tanto contribuyó al cambio deseado. Esta evidencia evaluativa informa la rendición de cuentas y retroalimenta decisiones futuras. Un enfoque de evaluación basada en datos con metodologías sólidas (evaluaciones de impacto, análisis costo-beneficio, etc.) aporta conclusiones creíbles sobre la eficacia de la intervención.

Este paradigma se enmarca en los principios de gobierno abierto y gestión pública moderna: promueve la transparencia, al exigir datos para justificar acciones; favorece la colaboración, al invitar a la academia y sociedad civil a generar evidencia; y fortalece la participación ciudadana, al hacer más accesibles los resultados de las políticas. De hecho, la sistematización y apertura de información oficial puede nutrir la toma de decisiones basadas en evidencia y facilitar la participación informada de la ciudadanía en los asuntos públicos. En esencia, políticas basadas en datos y gobierno abierto son enfoques complementarios: comparten la idea de que la información de calidad, accesible y analizada críticamente, mejora las decisiones de gobierno y legitima el accionar público.

Ejemplo ilustrativo

Un ejemplo ilustrativo es el del Reino Unido y Nueva Zelanda, pioneros en institucionalizar el uso de evidencia en el gobierno. Nueva Zelanda, por ejemplo, creó bases de datos longitudinales integradas que vinculan información de salud, educación, empleo, entre otros sectores, permitiendo responder preguntas complejas de política social con análisis estadísticos robustos. Esta integración de datos –junto con marcos institucionales adecuados– ha dado lugar a decisiones mejor informadas y ha convertido los datos en un "capital de políticas" clave para la eficiencia y efectividad gubernamental. La relación entre evidencia y política pública se vuelve así simbiótica: los datos de calidad fortalecen las políticas, y las políticas exitosas generan nuevos datos que alimentan un círculo virtuoso de aprendizaje.

Referencias

  • Chaverri & Arguedas (2020) – "Políticas Públicas Basadas en Evidencia: revisión del concepto"
  • ILDA (2023) – "¿Por qué seguir hablando de datos abiertos?"
  • Scobie (NZ Treasury, 2013) – "Evidence-based policy: reflections from New Zealand"
  • D. Howden (2021) – Caso algoritmo Rotterdam y necesidad de transparencia (ejemplo de decisiones algorítmicas basadas en datos y sus riesgos)
  • Gobierno de Nueva Zelanda – "Algorithm Charter for Aotearoa NZ" (2020), marco para el uso ético de algoritmos (relacionado a evidencia y transparencia en decisiones automatizadas)
Anterior Siguiente

Casos de Éxito Internacionales de "Data for Good"

A nivel internacional abundan ejemplos donde el uso estratégico de datos abiertos y análisis ha transformado la gestión pública ("Data for Good"). A continuación, se destacan tres casos emblemáticos –Chicago, OpenStreetMap y Nueva Zelanda– y las lecciones que aportan:

Chicago (Estados Unidos)

Esta ciudad se ha posicionado como líder en el uso de analítica de datos para resolver problemas urbanos. Desde 2011, Chicago adoptó un portal de datos abiertos y conformó un equipo de ciencias de datos dentro del gobierno municipal. Uno de sus primeros proyectos fue mejorar el control de plagas urbanas: al cruzar datos de distintos departamentos (llamadas al 3-1-1 por basura, roturas de tuberías de agua, etc.), desarrollaron un modelo predictivo que anticipa brotes de ratas en vecindarios específicos.

De igual forma, Chicago creó un algoritmo de inspecciones sanitarias que analiza datos (tiempo desde la última inspección, quejas cercanas, historial) para priorizar qué restaurantes revisar primero; gracias a ello detecta violaciones serias una semana antes de lo que tardaría con métodos tradicionales. La ciudad comparte abiertamente el código de estas herramientas y su plataforma OpenGrid, facilitando que otras ciudades repliquen las soluciones.

Lección: La colaboración interdepartamental y el análisis predictivo pueden transformar servicios públicos (salud, control de plagas), ahorrando costos y mejorando resultados. Además, abrir los datos y el código potencia la escalabilidad, ayudando a difundir la innovación a otras comunidades.

OpenStreetMap (Global)

OpenStreetMap (OSM) es un proyecto colaborativo mundial para crear un mapa libre del mundo, considerado un caso paradigmático de datos abiertos creados por la ciudadanía. Miles de voluntarios alrededor del globo recopilan y editan datos geográficos (calles, edificios, puntos de interés) bajo una licencia abierta. OSM se ha convertido en una infraestructura crítica en contextos humanitarios: por ejemplo, tras el terremoto de Haití en 2010 y otros desastres, la comunidad de OSM (coordinada a través del Humanitarian OpenStreetMap Team) movilizó voluntarios para mapear rutas, poblaciones y daños, proporcionando información vital para organizaciones de rescate.

Asimismo, en zonas sin cartografía oficial detallada, OSM suple esa carencia apoyando proyectos de desarrollo (ej. planificación urbana, vacunación, etc.).

Lección: Los datos abiertos no provienen sólo del gobierno; la ciencia ciudadana y el crowdsourcing pueden generar datos de altísima calidad y valor público. Este modelo colaborativo libre y abierto demuestra que, con las herramientas digitales adecuadas, la sociedad puede autogestionar la producción de datos clave (mapas, monitoreo ambiental, etc.) y ponerlos al servicio del bien común, muchas veces más rápido o focalizado que los gobiernos.

Nueva Zelanda

Este país es reconocido por su enfoque integral de datos en la formulación de políticas. Desde mediados de la década de 2010, Nueva Zelanda impulsó la iniciativa de "social investment" (inversión social basada en datos), integrando bases de datos de distintos organismos para realizar análisis predictivos en política social. A través de su Integrated Data Infrastructure (IDI), el gobierno neozelandés puede rastrear de forma anonimizada información de individuos a lo largo del tiempo y servicios (educación, salud, justicia), identificando factores de riesgo y evaluando qué intervenciones generan mejores resultados.

Esto permitió, por ejemplo, dirigir recursos a programas de apoyo temprano a poblaciones vulnerables con mayor precisión. Adicionalmente, Nueva Zelanda fue el primer país en adoptar una Carta de Algoritmos (2020) que establece principios para el uso transparente, equitativo y seguro de algoritmos gubernamentales.

Lección: Una sólida infraestructura de datos y un marco normativo claro pueden potenciar las políticas basadas en evidencia a gran escala. Integrar datos entre agencias —respetando la privacidad— habilita una visión holística de los problemas públicos y diseñar políticas preventivas de alto impacto. Asimismo, la experiencia neozelandesa muestra la importancia de la gobernanza de datos para mantener la confianza pública al utilizar análisis avanzados (Big Data, IA) en la toma de decisiones.

¿Qué aprendemos de estos casos?

  • Colaboración y liderazgo institucional: Chicago demuestra que tener equipos dedicados (Chief Data Officer, laboratorios de datos) y trabajar transversalmente con las dependencias es clave para aprovechar los datos en resolver problemas reales. El apoyo político y la cultura organizacional orientada a datos permiten escalar estos esfuerzos.
  • Participación comunitaria y valor social: OpenStreetMap enseña que empoderar a la ciudadanía para generar y utilizar datos abiertos crea comunidades resilientes. Los gobiernos pueden apoyarse en iniciativas ciudadanas que aportan soluciones innovadoras con rapidez.
  • Infraestructura de datos y normativas adecuadas: Nueva Zelanda muestra que las inversiones en sistemas de datos integrados y en marcos legales rinden frutos en forma de políticas más efectivas. Para replicar esto, otros gobiernos deben fortalecer sus capacidades de gestión de datos, garantizar la interoperabilidad y establecer salvaguardas.

Referencias

Anterior Siguiente

Ejemplos en México – Política de Datos Abiertos y Análisis Público

En México, la apertura de datos y su uso para el análisis de políticas ha evolucionado considerablemente en la última década. Destacan iniciativas pioneras como la Política Nacional de Datos Abiertos (PNDA), esfuerzos académicos como el Laboratorio de Datos (DataLab) del CIDE, y proyectos de transparencia sectorial como Infraestructura Abierta. A continuación, se describen estos ejemplos, su impacto y retos:

Política Nacional de Datos Abiertos (PNDA)

En 2015, México formalizó su PNDA mediante un Decreto Presidencial, integrándola a la Estrategia Digital Nacional. Este marco sentó las bases regulatorias y técnicas para la apertura masiva de datos gubernamentales. Se creó el portal datos.gob.mx y se impulsó que cada dependencia federal publicara conjuntos de datos prioritarios en formatos abiertos. Como resultado, México pasó a liderar rankings internacionales de datos abiertos: en 2017 ocupó el 2° lugar mundial en reutilización e impacto de datos abiertos y 5° lugar global en el índice "Nuestros Datos" de la OCDE, avanzando 5 posiciones respecto a 2015.

Este éxito se atribuye a diversas iniciativas de colaboración público-privada y a casos de uso que demostraron valor público en áreas como anticorrupción, salud, desarrollo económico y gobierno eficiente. Por ejemplo, se lanzó el portal de Transparencia Presupuestaria con datos abiertos del gasto público (presupuestos por programa, responsables, evaluaciones) para fomentar la rendición de cuentas. Asimismo, México adoptó estándares internacionales como el Open Contracting Data Standard (OCDS) para publicar datos de contrataciones públicas en formato abierto.

Impacto y Retos

Impacto: La PNDA no solo posicionó a México como referente global, sino que creó un ecosistema local de emprendedores cívicos, periodistas de datos y desarrolladores que comenzaron a reutilizar la información para soluciones concretas.

Retos: Aunque la PNDA mostró logros, expertos señalan la necesidad de institucionalizar la política (que trascienda cambios de gobierno), comprender mejor la demanda de datos y articular esfuerzos con gobiernos estatales y municipales. Tras el cambio de administración federal en 2018, hubo cierta desaceleración que evidencia la importancia de anclar estas iniciativas en la normatividad.

Laboratorio Nacional de Políticas Públicas (DataLab) del CIDE

Como parte de la estrategia para aprovechar datos abiertos en el diseño de políticas, la Coordinación de Estrategia Digital Nacional (CEDN) implementó en 2016 el proyecto DataLab con apoyo del CIDE. Este laboratorio tuvo por objetivo desarrollar capacidades de análisis de datos en la administración pública federal, entrenando a funcionarios en el uso de métodos y herramientas de ciencia de datos.

En su primera etapa, DataLab (coordinado por el Laboratorio Nacional de Políticas Públicas del CIDE) trabajó con proyectos piloto en la Secretaría de Salud, la Secretaría de Gobernación y la Secretaría de la Función Pública. Estos proyectos consistieron en analizar información administrativa para mejorar programas públicos específicos. Por ejemplo, se aplicó analítica de datos para detectar patrones de corrupción en compras gubernamentales y para focalizar mejor programas de salud pública.

Impacto y Retos

Impacto: DataLab ayudó a incubar una nueva generación de "analistas de datos públicos" dentro del gobierno, fomentando una cultura de decisiones basada en evidencia. Además, generó conocimiento aplicado sobre cómo usar técnicas de big data en políticas sociales.

Retos: Entre los desafíos está la sostenibilidad de estas capacidades: muchos talentos formados rotan o salen del sector público. También se requiere mejorar la calidad y disponibilidad de datos internos: DataLab evidenció que varios organismos necesitaban primero organizar y estandarizar sus bases de datos.

Infraestructura Abierta

Es una iniciativa reciente (piloto en 2022-2023) liderada por el INAI, México Evalúa y otras organizaciones, enfocada en la apertura de datos de obra pública e infraestructura a nivel subnacional. Con la convicción de que "todo contrato y proyecto de obra pública debe ser accesible en datos abiertos", Infraestructura Abierta promovió la adopción de altos estándares internacionales (como OCDS) para publicar datos de proyectos de construcción, junto con documentos clave (contratos, planos, bitácoras).

Participaron 23 instituciones públicas de 9 estados y 55 especialistas de sociedad civil, abarcando 43 proyectos de obra por un valor de 5,900 millones de pesos. En junio de 2023 se presentaron los resultados del Reto de Apertura de Infraestructura Abierta: varios gobiernos locales publicaron por primera vez datos detallados de sus obras (caminos, hospitales, escuelas) en formatos abiertos y en una plataforma común.

Impacto y Retos

Impacto: La fase piloto demostró que es posible y deseable la colaboración entre sociedad y gobierno para abordar problemas públicos mediante datos abiertos. Se reveló que abrir datos de infraestructura no solo aumenta la transparencia, sino que mejora la gestión de los proyectos al facilitar la vigilancia ciudadana.

Retos: Expandir la iniciativa a nivel nacional y asegurar la calidad de los datos publicados. También se requiere voluntad política sostenida, pues publicar información sensible puede enfrentar resistencias internas.

Referencias

Anterior Siguiente

Ética en el Uso de Datos e Inteligencia Artificial en el Gobierno

El aprovechamiento de datos masivos y algoritmos de inteligencia artificial (IA) en el gobierno conlleva enormes oportunidades, pero también plantea desafíos éticos que deben abordarse para evitar daños y usos indebidos. Entre los principales riesgos destacan los sesgos algorítmicos, las vulneraciones a la privacidad y las decisiones injustas o poco transparentes que pueden surgir del análisis automatizado de información. A continuación, se examinan estos riesgos, los marcos normativos emergentes y casos ilustrativos:

Sesgos y discriminación algorítmica

Los algoritmos aprenden de datos históricos, los cuales pueden contener prejuicios sociales. Si un gobierno emplea IA sin precauciones, podría perpetuar o incluso amplificar disparidades. Un caso documentado es el software COMPAS usado en EE.UU. para predecir reincidencia criminal, que resultó ser más proclive a marcar como "alto riesgo" a acusados afroamericanos, reflejando sesgos en los datos de sentencia.

En Países Bajos, un algoritmo municipal destinado a detectar fraude en ayudas sociales discriminó indirectamente a mujeres de minorías étnicas, infiriendo su origen por su idioma y nacionalidad para señalarlas como sospechosas. Estos ejemplos evidencian la necesidad de evaluar periódicamente los modelos automatizados para identificar y corregir sesgos, así como de incorporar criterios de equidad en su diseño.

Privacidad y protección de datos personales

Los gobiernos manejan información sensible de millones de personas (expedientes clínicos, datos fiscales, biométricos, etc.). Al abrir datos o utilizar IA, existe el reto de proteger la identidad y los derechos de los individuos. Es imperativo anonimizar datos abiertos y limitar el uso de datos personales únicamente a fines legítimos, cumpliendo leyes de protección de datos (en México, la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados).

Un caso paradigmático fue el escándalo de Cambridge Analytica, donde datos personales de redes sociales se explotaron políticamente sin consentimiento, alertando sobre usos gubernamentales similares. Para prevenir abusos, normativas como el Reglamento General de Protección de Datos (GDPR) de la UE establecen principios de minimización (recabar solo los datos necesarios), finalidades claras y derechos ARCO (Acceso, Rectificación, Cancelación, Oposición) para los ciudadanos.

Uso injusto o falta de rendición de cuentas

Decisiones automatizadas en políticas públicas (ej: asignación de beneficios, puntuación crediticia social, vigilancia predictiva) pueden ser percibidas como injustas si carecen de explicabilidad o si no hay un responsable claro. Por ello, varios países están elaborando marcos de gobernanza algorítmica.

Nueva Zelanda lanzó la primera Carta de Algoritmos a nivel mundial (2020), donde las agencias se comprometen a evaluar sus algoritmos de alto impacto, publicar resúmenes explicativos y mitigar posibles efectos adversos. Esta Carta exige principios como transparencia, equidad, inclusión, responsabilidad y evaluación de impacto de privacidad en el uso de IA pública. Asimismo, la Unión Europea discute una Ley de IA que prohibiría ciertos usos gubernamentales de "alto riesgo" y requeriría auditorías para otros.

Normativas y recomendaciones vigentes

Organismos internacionales y gobiernos han emitido lineamientos para guiar el uso ético de datos e IA: la OCDE adoptó en 2019 sus Principios sobre IA (que México suscribió) enfatizando transparencia, robustez y responsabilidad. La Alianza para el Gobierno Abierto (OGP) promueve compromisos de algoritmos abiertos, instando a que se publiquen códigos o, al menos, las reglas de decisión automatizada para escrutinio público.

En cuanto a datos abiertos, se recomienda aplicar filtros éticos antes de publicar datasets sensibles (ej.: datos que puedan estigmatizar a minorías, o revelar información personal inadvertidamente al combinarse). También se insiste en la capacitación de los funcionarios en ética de datos y en la creación de comités de ética que revisen proyectos de analítica de datos de alto impacto.

Casos documentados

VioGén (España)

Software policial que evalúa riesgo de violencia de género. Ha ayudado a proteger víctimas pero enfrenta el dilema de falsos negativos/positivos: un falso negativo puede dejar desprotegida a una víctima; un falso positivo puede limitar injustamente la libertad de inocentes.

SALER (Valencia, España)

Proyecto para detectar corrupción mediante IA; aunque innovador, debió superar reservas sobre posibles acusaciones erróneas a inocentes. Este sistema realiza análisis automático de contrataciones públicas para identificar patrones sospechosos.

Mejora Tu Escuela (México)

Emplea datos abiertos de desempeño escolar sin vulnerar privacidad, empoderando a padres de familia para comparar y exigir mejor calidad educativa. Un ejemplo positivo de uso ético de datos abiertos con impacto social.

En síntesis, la ética de datos e IA en gobierno requiere un equilibrio entre innovación y salvaguardas. Es fundamental "mitigar los sesgos inherentes" de los sistemas, garantizar la protección de la privacidad y proporcionar explicaciones y mecanismos de apelación a los ciudadanos afectados por decisiones automatizadas.

La adopción de marcos como la Carta de Algoritmos de Nueva Zelanda sienta un precedente de cómo los gobiernos pueden regularse a sí mismos para usar la inteligencia artificial con responsabilidad y enfoque de derechos. Sólo así se logrará aprovechar el poder de los datos para el bien público, preservando la confianza ciudadana.

Referencias

Anterior Siguiente