Tipología de proyectos
Las ciudades que participan en City Data Alliance desarrollan proyectos de datos orientados a los residentes. Cada proyecto se centra en una solución claramente definida que puede delimitarse, probarse y adaptarse en condiciones operativas reales de la ciudad. La tipología que se presenta a continuación describe tipos comunes de problemas que afectan a los residentes y en los cuales los datos y la IA pueden ayudar a las ciudades a tomar mejores decisiones. Muchos problemas abarcan más de una categoría. Estas tipologías ofrecen un punto de partida para la definición del alcance y la alineación, al tiempo que permiten flexibilidad en la manera en que cada ciudad diseña sus soluciones.
A quién priorizar
Focalización y priorización
Estos proyectos ayudan a las ciudades a identificar qué residentes, ubicaciones o situaciones deben priorizarse cuando las necesidades superan la capacidad disponible, permitiendo una intervención más temprana y efectiva.
Decisión: Quién debe recibir atención o recursos primero
Ejemplos de proyectos:
- Identificar hogares con mayor riesgo de desalojo para priorizar servicios de prevención.
- Detectar propiedades con mayor probabilidad de presentar riesgos de seguridad para su revisión proactiva.
- Dirigir acciones de alcance a residentes que probablemente sean elegibles para beneficios, pero que no estén inscritos.
Dónde invertir recursos limitados
Asignación y optimización
Estos proyectos ayudan a las ciudades a tomar decisiones más claras sobre cómo distribuir recursos limitados para maximizar el impacto en distintos barrios, servicios o poblaciones.
Decisión: Cómo deben asignarse el personal, el tiempo o los fondos disponibles
Ejemplos de proyectos:
- Optimizar rutas o cronogramas de inspección para reducir los tiempos de respuesta.
- Asignar personal de alcance territorial entre barrios en función de la demanda proyectada.
- Equilibrar las cargas de trabajo entre equipos para mejorar la calidad del servicio.
Cómo el personal toma decisiones diarias
Apoyo y supervisión
Estos proyectos se centran en mejorar las decisiones en tiempo real o recurrentes que toman el personal o los gerentes de la ciudad, proporcionando información oportuna, relevante y útil.
Decisión: Lo que hacen el personal o los supervisores en el momento.
Ejemplos de proyectos:
- Apoyar a los gestores de casos en la priorización de tareas diarias.
- Ayudar a supervisores a identificar cuellos de botella o acumulaciones de trabajo de forma temprana.
- Mejorar la coordinación entre equipos que trabajan en casos compartidos.
Cómo se mueven los residentes a través de los servicios
Rutas de servicio y experiencia
Estos proyectos ayudan a reducir la fricción, la confusión o el abandono al mejorar la forma en que los residentes experimentan los servicios municipales en todos los puntos de contacto y departamentos.
Decisión: Cómo se diseñan y prestan los servicios a los residentes.
Ejemplos de proyectos:
- Rediseñar los procesos de admisión o derivación para reducir demoras.
- Identificar en qué etapas y por qué las personas residentes se desvinculan de los programas.
- Mejorar el acceso para comunidades multilingües o históricamente desatendidas.
Qué enfoque seguir
Toma de decisiones de política pública
Estos proyectos apoyan a los líderes en la evaluación de alternativas, la modelización de posibles resultados y la prueba de enfoques antes de adoptar o ajustar compromisos de mayor alcance.
Decisión: Qué programa, política o modelo adoptar.
Ejemplos de proyectos:
- Modelar cómo distintas ubicaciones de albergues afectarían el flujo del sistema.
- Probar un cambio propuesto en los criterios de elegibilidad con un segmento reducido antes de su implementación a gran escala.
- Comparar estrategias alternativas de despliegue mediante simulaciones de escenarios.
Nota sobre el análisis avanzado y la IA
El programa City Data Alliance anima a las ciudades a explorar intencionalmente cómo el análisis avanzado y la IA pueden reforzar la toma de decisiones y mejorar los resultados para los residentes. Esto puede incluir enfoques que revelen patrones, riesgos u oportunidades a partir de conjuntos de datos grandes o complejos. El programa City Data Alliance apoya estos esfuerzos cuando se basan en decisiones operativas reales, se combinan con la experiencia humana y se utilizan de forma responsable en contextos urbanos reales.
Lo que normalmente no es adecuado
El programa City Data Alliance no está diseñado para apoyar trabajos que sean principalmente estratégicos, exploratorios o impulsados por la tecnología sin una línea de acción clara. Esto incluye estrategias de datos independientes o iniciativas de desarrollo de políticas sin una solución específica orientada a los residentes, tableros de control o informes que no estén vinculados a decisiones concretas, adquisiciones de tecnología o selección de proveedores sin la oportunidad de realizar pruebas e iteraciones, investigación académica sin propiedad operativa o estrategias de IA para toda la ciudad que no se basen en un problema a corto plazo y comprobable.