¿Prevenir la contaminación de Madrid y reducir averías en las zonas rurales? Solo si es con Datos Abiertos

Como no podía ser de otra forma, en PiperLab estamos constantemente pendientes de todo lo que se mueve alrededor del mundo de los datos, y esta semana nos hemos querido centrar en los Datos Abiertos (Open Data, en inglés).

Con motivo del Open Data Day (celebrado el pasado 4 de marzo), un evento internacional en el que numerosas ciudades celebran encuentros con desarrolladores e informáticos donde cuentan diferentes proyectos e iniciativas de Datos Abiertos, esta semana hemos dedicado el programa de radio de Big Data que llevamos a cabo en Capital Radio, precisamente a esto: a los Datos Abiertos.

¿Por qué son tan importantes estos datos abiertos?

Los datos pueden explicar y explican el mundo que nos rodea. Las Administraciones Públicas y los agentes sociales están realizando un esfuerzo de transparencia de toda la información que gestionan y generan, para ponerla disponible de forma abierta y en formato explotable, con la granularidad y detalle en diversos niveles. Esta filosofía que es un dinamizador de la economía en sí, es lo que se conoce como Open Data.

Veamos algunos casos concretos:

  • En un modelo de previsión de incidencias de calderas, datos tales como la latitud, la altitud, la calidad del agua, el volumen poblacional… son imprescindibles para explicar por qué en zonas rurales, a elevaciones considerables, con poblaciones reducidas, la generación de incidencias es notablemente mayor que las que se producen en grandes urbes, a altitudes moderadas.
  • Gracias a los datos abiertos de contaminación del Ayuntamiento de Madrid, María Medina, desde PiperLab, desarrolló el bot en Twitter Datóxido de Nitrógeno para poner accesibles las mediciones y la evolución de los niveles de contaminación a la ciudadanía. Este Bot ha sido sólo un primer paso ya que, gracias a este modelo de previsión de contaminación, hemos presentado en cluster junto con CITET, el proyecto para el desarrollo de una plataforma que ponga disponibles estos datos de previsión de contaminación a las empresas de paquetería de última milla de la ciudad de Madrid, con el objetivo de que adecúen sus vehículos en función de los niveles de contaminación y las posibles restricciones de tráfico.
  • Otro ejemplo es el presentado por ESRI en el programa de radio de Datos Abiertos, mencionado anteriormente, en el que, en colaboración con el Consorcio de Transporte de Madrid.  El Consorcio está utilizando su tecnología para hacer un  portal Open Data en el que compartir sus datos con empresas, organizaciones no lucrativas y con todos los ciudadanos que estén interesados, con el fin último de que la información se reutilice y aporte valor.  En definitiva,un proyecto que permite que el ciudadano interactúe y se involucre en las iniciativas y asuntos de su propia ciudad.

 

En cualquiera de estos tres ejemplos, u otros casos que nos encontremos, siempre que nos enfrentemos a un nuevo reto, en función del problema a resolver, lo primero que uno debe pensar es en aquellos datos externos que nos ayudarán a explicar circunstancias concretas de los datos internos de nuestros clientes.

La diversidad de datos que podemos llegar a utilizar es enorme y curiosa. Por enumerar algunos ejemplos:

  1. Datos de PIB por provincias
  2. Presupuestos aprobados a nivel de ayuntamiento
  3. Catástrofes naturales
  4. Número de líneas fijas instaladas por localidad
  5. Calendarios nacionales y locales
  6. Datos poblacionales
  7. Eventos y ferias
  8. Meteorología
  9. Contaminación
  10. Antigüedad del parque automovilístico
  11. Datos de enfermedades y su penetración
  12. Registros de dominios
  13. Turismo por país de procedencia
  14. BOE

Sin esta información, muchos de los datos de nuestros clientes carecerían de sentido y los modelos predictivos a aplicar sobre ellos cojearían o no llegaríamos nunca a tener niveles de acierto por encima del 96%.

El pasado mes de septiembre, la ONU, en el marco del último informe anual de para el Desarrollo Sostenible, ha presentado un Plan Nacional de Ciudades Inteligentes, en el que menciona a España como ejemplo de política pública en este ámbito, presentando a nuestro país como el pionero en Ciudades Inteligentes (Smart Cities, en inglés).

No existen ciudades inteligentes sin portales de datos abiertos que fomenten el desarrollo de aplicaciones y servicios para estas Smart Cities.

Deja tu comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Maite Gilarranz

Autor: Maite Gilarranz

Co-fundadora de Piperlab