Datos móviles, una mina de oro para la sostenibilidad

Los gobiernos piden ayuda a empresas de telecomunicaciones para armar mejores estrategias que ayuden a cumplir los ODS.

TexTo: rocío gonzáLez

¿Alguna vez te has parado a pensar cuántas veces utilizas el teléfono móvil a lo largo de tu día a día? Seguro que más de una y más de dos. Si te pusieras a contarlas es probable que te sorprenderías. Hasta hace no mucho, se empleaban los despertadores digitales, estos ya han sido sustituidos por los teléfonos móviles. También solía ser habitual coger un mapa para guiarse por la ciudad, ahora el GPS del teléfono

móvil es mucho más rápido y eficaz

(aunque a veces tenga sus lagunas). Esto es un suma y sigue. Los avances en la telefonía han provocado que ahora sea impensable vivir sin este preciado aparatito. ¿La consecuencia? Mayores facilidades, pero también mayor información que proporciona el usuario de su día a día.

Aunque hoy en día el teléfono móvil sirva para casi todo, hay que tener en cuenta que el usuario está proporcionando datos de todo tipo. Datos muy valiosos que ayudan a las empresas a entender mejor el comportamiento de los usuarios. Pero no solo eso, pues

el Big Data aplicado al sector de las telecomunicaciones también está ayudando a conseguir un mundo mucho más sostenible.

La Agenda 2030, que tiene por lema Transformar Nuestro Mundo, es una oportunidad para que los países, las empresas, las sociedades y las personas en particular emprendan un nuevo camino con el que mejorar la vida de todos, sin dejar a nadie atrás. La Agenda cuenta con 17 Objetivos de Desarrollo Sostenible (ODS), que incluyen desde la eliminación de la pobreza hasta el combate al cambio climático, la educación, la igualdad de la mujer, la defensa del medio ambiente o el diseño de nuestras ciudades. Un compromiso global que da y dará lugar a nuevos e importantes retos.

En este contexto, el Big Data es un nuevo y poderoso aliado que permite generar nuevo conocimiento y nuevos sistemas -en tiempo real- para mejorar la toma de decisiones. Ya existen proyectos piloto que han mostrado el potencial de los datos para diagnosticar y dar soporte a la decisión, así como a los necesarios procesos de monitorización y evaluación. En todos los ODS hay oportunidades para usar los datos de manera disruptiva y acercarnos a su consecución.

Movilidad urbana

Las compañías de telefonía están empleando el Big Data como un catali-

zador para conseguir un mundo más

sostenible. El empleo de la información puede contribuir a la consecución de gran parte de estos objetivos, que buscan garantizar un desarrollo más equitativo y ambientalmente sostenible, con especial atención a reducir los peligros del cambio climático inducido por el hombre y reducir la pobreza extrema.

Por ejemplo, puede ayudar a mejorar la productividad agrícola (Objetivo 2), la gestión del tráfico y movilidad en ciudades (Objetivo 11), la eficiencia de las empresas (Objetivo 9) o el control de transmisión de enfermedades (Objetivo 3). Los datos pueden ayudar también a seguir la evolución de todos y cada uno de los objetivos planteados, permitiendo analizar su cumplimiento y mejorando la toma de decisiones, no

solo a nivel empresarial, sino también a nivel de políticas públicas.

Ejemplo de ello es el Ministerio de Fomento que llegó a un acuerdo con compañías telefónicas para conseguir

datos de los usuarios, información que sirviera para obtener información sobre las necesidades de movi-

lidad de los ciudadanos.

Muchos estudios de movilidad de las ciudades se basan en campañas de encuestación que ofrecen una representación de la movilidad muy pequeña y estática. Gracias a los datos de telefonía

móvil podemos seguir el comporta-

miento de la movilidad a lo largo del tiempo con mayor precisión y ampliar geográficamente la zona de estudio.

El uso de datos de telefonía móvil ofrece nuevas herramientas espaciotemporales para mejorar la planificación de la movilidad, reducir ineficiencias

en las redes de transporte actuales y predecir la demanda de dife-

rentes actuaciones de transporte. La demanda y su distribución espacial es información de entrada esencial en los modelos de análisis de transporte, representada habitualmente por matrices origen-destino.

Disponer de matrices fiables es un aspecto crítico a la hora de analizar iniciativas y soluciones de transporte, y algunas decisiones suelen depender de su precisión. Las tradicionales aproximaciones basadas en encuestas son muy útiles a la hora de estimar la elección modal, pero a pesar de estar apoyadas en aforos, a la hora de construir matrices O-D han demostrado tener

carencias que limitan su usabilidad.

Todo modelo requiere de una fase de calibración para ajustarlo a la realidad, la calibración se vuelve más compleja cuanto peor o más inexactos son los datos de partida.

Geolocalización Móvil

El Instituto Nacional de Estadística (INE) firmó también hace algunos años un contrato con Movistar, Vodafone y Orange para utilizar la geolocalización de los móviles de la mayoría de españoles para un estudio sobre transporte y movilidad. Pese a que se advertía del anonimato de los datos, en ese momento muchos lo vieron como una locura digna del Gran Hermano de George Orwell. La realidad es que este tipo de contratos se llevaban firmando entre las operadoras y empresas y organismos públicos desde hace años.

En concreto, se han realizado varios informes sobre la movilidad urbana con la ayuda de información de empresas del sector de las telecomunicaciones. Por ejemplo, un estudio de Fomento del año 2017 analizaba el movimiento interprovincial de millones de españoles durante varios días de julio, agosto y octubre de 2017 con la idea de conocer más en detalle estos desplazamientos y poder actuar en consecuencia. Para ello, en un movimiento que sus impulsores tildan de “gran hito”, en vez de usar encuestas a la vieja usanza optaron por apuntarse al ‘big data’ y aprovechar el

potencial de una ‘teleco’ como Orange

para sacar los datos de localización de los móviles de sus más de 14 millones de clientes. ¿El objetivo? Ahorrar costes y ganar más información y más detallada para optimizar sus actuaciones.

El problema, como en el caso del INE, está en las dudas que genera el control de esta información por parte de una operadora. ¿Quién controla estos sistemas? ¿Quién asegura que el proceso de anonimizado es robusto? ¿Quién vigila que los operadores no están enviando datos personales a sus clientes, por error o de forma intencionada? ¿Quién comprueba que un cliente no esté cruzando los datos de los operadores con datos propios internos para identificar grupos de clientes? La respuesta es sencilla: nadie. En el informe publicado se ve el resultado de un análisis que puede ser muy similar al que salga del estudio del INE. Al final el objetivo es utilizar el ‘big data’ para tener más datos y con más detalle y así poder actuar mejor. Gracias a este estudio ya se puede saber, por ejemplo, a ciencia cierta dónde hace falta más trenes o más estaciones.

El Ministerio, además, aprovechó para habilitar una web a la que se podía acudir a ver los resultados del informe e incluso descargar los datos para realizar tu propio análisis en una apuesta por el ‘Open Data’. Descargados los ficheros se podía ver la información recogida y observar que no hay ningún dato personal, solo localizaciones y fechas. Lo más llamativo es que también son capaces de distinguir por tipo de medio de transporte en el que viaja cada móvil estudiado (aunque confiesan los problemas para separar autobuses y coches). Entre los datos a destacar descubiertos con este estudio están por ejemplo que cada día en España se producen más de 2 millones de viajes

interprovinciales de más de 50 km, con puntas de más de 4 millones en verano. Y entre los puntos más concurridos en la corta distancia están los viajes entre Madrid y Toledo que llegan a superar los 108.000 en una sola jornada de octubre. En el gráfico que te dejamos debajo puedes observar todos los resultados extraídos y cómo nos movemos los españoles cuando pasamos de provincia en provincia.

Obviamente este no es el único resultado analizado. Es interesante saber también que el día de la semana que más viajes se realizan son los viernes

(un 26% más que el resto de días

laborables de media) y que la distancia media de los viajes interprovinciales es de 221 km en un día laborable de octubre. Y si vamos a ejemplos más pequeños llama la atención el caso del corredor entre Cádiz y Málaga que aprovechan miles de extranjeros cada día (es, sin duda, el movimiento interprovincial más repetido por extranjeros que pasan por Andalucía, o eso dice el estudio). Sin embargo, hay quien todavía duda tanto de su utilidad como de sus peligros ante la falta de legislación y control.

retos de las tics

Actualmente, el uso del Big Data está bajo constante experimentación y evolución. Gran parte de los retos a considerar dependen de los objetivos y aplicación del Big Data. En países en desarrollo, con bajo nivel de penetración de TICs, los retos pasan por la

adquisición de datos y la estandarización de los mismos para poder

ser analizados. Es decir, en países en desarrollo es necesario incrementar la densidad de los datos. En esta situación, compañías del sector de las TICs han estado abiertas a distribuir sus datos, bajo cuidadosos procesos respetando la privacidad de los clientes, para explorar el posible impacto del Big Data en países de desarrollo. Sin embargo, la falta de Open Data y Open Standards dificulta mucho tener información de validación y comparación. Las iniciativas Big Data para el Desarrollo han crecido notablemente mediante acuerdos de colaboración y alianzas entre muchas instituciones y empresas, haciendo posible recolectar los datos y alinear a los actores para diseñar indicadores útiles para monitorización y gestión de decisiones.

En países desarrollados tecnológicamente, la problemática es bien distinta: la gran cantidad de datos dificulta

discriminar relaciones concretas dentro de un ecosistema tan masivo

de datos. En este sentido, la investigación socio-económica a través de Big Data no puede ser simplemente analítica, sino que necesita de un profundo entendimiento del contexto socio-cultural y económico-mercantil para poder guiar, a través de hipótesis y modelos, los estudios con Big Data. La otra gran barrera es la propiedad y privacidad de los datos. Por un lado las empresas propietarias de los datos, conscientes de su valor como activo, en pocas ocasiones contemplan abrir y compartir datos. Por otro, la gran sensibilidad de la gente sobre la privacidad añade grandes dificultades organizativas, normativas y tecnológicas a la compartición de datos, ya que estos han de pasar por complejos procesos de anonimización acorde con la legislación y los contratos entre los proveedores de servicios y sus clientes.

las Mayores liMitaciones

Algunas de las limitaciones sobre la aplicación del Big Data son limitaciones de escala espacial y temporal en los datos recolectados, ya que aspectos de privacidad suelen limitar el detalle geográfico, por lo que no se pueden plantear políticas y efectos a pequeña escala ni, por ejemplo, centrados en un motivo específico, como puede ser el trabajo.

También destaca la baja frecuencia de las actualizaciones: los datos se obtienen con frecuencias muy bajas (intervalos de tiempo muy largos), conllevando la dificultad de analizar cambios en la movilidad a corto plazo.

Se observa, del mismo modo, una dificultad de mejora de las matrices con aforos: al ser volúmenes de tráfico en puntos concretos de la red, se desconocen el origen y destino de los viajes.

En definitiva, el Big Data obtenido a raíz de la labor de los operadores de telecomunicaciones puede ser una pieza clave para ayudar a crear ciudades más sostenibles en las que predomine el transporte público y disminuya la contaminación provo cada por vehículos individuales. .