Este documento describe un proyecto para utilizar datos masivos (Big Data) para comprender y prevenir el crimen urbano en 6 ciudades de Colombia. El proyecto analizará factores de riesgo de crimen a nivel individual y espacial utilizando datos tradicionales y nuevos, y desarrollará recomendaciones de políticas para cada ciudad.

1. Big Data para entender y
prevenir el crimen urbano

2. El instrumento más
poderoso para combatir
crimen y violencia es la
información.
Crime Radar, Instituto Igarapé
Rio de
Janeiro

3. La información es un
instrumento poderoso
para combatir crimen y
violencia.

4. 1. Crimen y brechas de
información
2. Big Data y crimen
3.

5. Contexto y relevancia
Crimen en LAC
Brechas de información
1

6. “Cuando se mide por la tasa de homicidios, 14 de los 20 países más peligrosos del
mundo se encuentran en América Latina y el Caribe.” Instituto Igarapé, Homicide Monitor
Homicide Monitor, Instituto Igarapé
Crimen en LAC Brechas de información1

7. Estadísticas de crimen en LAC...
Crimen en LAC Brechas de información1
...en Colombia

8. “
”
Una proliferación reciente de observatorios de
violencia observada en América Latina sugiere que
los gobiernos se están dando cuenta de la
necesidad de un enfoque basado en la evidencia
para la política de seguridad. Pero incluso ahora
sólo dos tercios de los 60 observatorios
rastrean cuándo y dónde ocurren los
asesinatos, y solo la mitad trata de determinar
los motivos, según el BID.
The Economist, Briefing Murder in Latin America
April 7th-13th 2018
Crimen en LAC Brechas de información1

9. El crimen: un problema multifacético
• Exposición al estrés
• Falta de control
• Baja autoestima
• Baja educación
• Historia de la falta
de vivienda
• Estigma /
discriminación
• Historia de abuso
• Familia
• Conflicto
• Ruptura
• Disfunción
• Educación / edad
• Historia de crimen
• Abuso
• Abuso de alcohol
• Comunidad
• Presión de los
pares
• Participación en
pandillas
Empleo • Pobreza • Nivel
socioeconómico bajo • Desigualdad
de ingresos • Nivel de educación •
Desigualdad en la educación •
Acceso a servicios • HH encabezada
por mujeres • Grupos armados •
Recursos comunitarios
Geografía
La falta de espacio público •
Transporte • Urbanización • Vacantes
• Estabilidad, • Aplicación de la ley •
Bares / restaurantes • Pop.
Heterogeneidad • Inmigraciones
• Los gastos de
educación
• Fortaleza del sistema
educativo
• Redes de protección
social
• Normas sociales
Inclusión social
Sociales y Políticas Comunitarias Relacionales PersonalesRiesgos
Crimen en LAC Brechas de información1

10. Las grandes preguntas sobre criminalidad
Variables socioeconómicas
(educación, ingreso, desempleo)
Perspectiva centrada en las personas
“Hotspots” - zonas calientes de crimen Perspectiva centrada en el lugar
¿Por qué el crimen se concentra dónde se concentra?
¿Por qué algunos individuos se desvían hacia la delincuencia y otros no?
Crimen en LAC Brechas de información1

11. “ En algunos países, por ejemplo, menos del 10% de los
municipios representan casi la mitad de todos los homicidios
(como el caso de América Central) (Granguillhome, 2017). A un
nivel más desagregado, el crimen se concentra en
microespacios conocidos comúnmente por segmentos de
calle.
Banco Interamericano de Desarrollo, Citizen Security and Justice Sector
Framework Document. 2017.
Zonas calientes de crimen - hotspots
Crimen en LAC Brechas de información1

12. Zonas calientes de crimen -
hotspots

13. ¿Por qué el crimen se
concentra dónde se
concentra?
¿Por qué algunos
individuos se desvían
hacia la delincuencia y
otros no?
Crimen en LAC Brechas de información1

14. Se necesitan
herramientas de
diagnóstico avanzadas
que produzcan un
análisis más
desagregado.

15. Big Data y crimen
Big Data
Aportes del Big Data
2

16. Big Data Aportes del Big Data2
Tipos de Big Data

17. Captura del
comportamiento
humano
Big Data Aportes del Big Data2
Qué aporta el Big Data?
M
igajas digitales (crumbs en
inglés), de datos emitidos y
recolectados de forma pasiva
por dispositivos digitales que
constituyen grandes conjuntos
y flujos de datos que
proporcionan una visión ú nica
sobre sus comportamientos y
creencias;
Nivel de
granularidad
espacio-temporal

18. Big Data Aportes del Big Data2
• Ubicación aproximada
de llamadas/sms/datos
• Horario aproximado
de llamadas/sms/datos
• No se registra contenido
•
Call Detail Records Información obtenida:

19. Metadatos de
publicaciones
Contenido en
línea y abierto

20. Probando las hipótesis de
Jane Jacobs con Big Data:
“eyes on the street”
Big Data Aportes del Big Data2
¿Cuales son las características
físicas de la ciudad que promueven
para mantener un nivel bajo de
crimen?
“
”
Una calle urbana que se
use es propensa a ser
segura y una calle urbana
desierta es propensa a
ser insegura.

21. Condiciones de
vida
1 32
Entorno urbano Movilidad
El valor agregado del Big Data para entender el
crimen en la ciudad
Big Data Aportes del Big Data2

22. Condiciones de
vida
1
Modelo de desorganización social
➢ Desventajas económicas
➢ Diversidad étnica
➢ Estabilidad residencial
CENSUS
Big Data Aportes del Big Data2

23. 2
Entorno urbano
“Urban fabric” - Jane Jacobs
➢ Barrios multifuncionales
➢ Manzanas pequeñas
➢ Diversidad
➢ Alta concentración de personas
DATOS ESPACIALES (i.e. Open
Street Map, Foursquare etc.)
Big Data Aportes del Big Data2

24. 3
Movilidad
Rutinas diarias y movilidad
➢ Matriz de origen-destinación
➢ Población flotante
DATOS DE COMPORTAMIENTO:
Call Detail Records
Big Data Aportes del Big Data2

25. Conclusiones del estudio
Big Data Aportes del Big Data2

26. Objetivo y alcance
Metodología
Líneas de trabajo
3

27. Análisis
basados en datos
(Predictores de crimen
locales urbanos, factores de
riesgo personal, percepción
de seguridad...)
a través de...
Opciones de
políticas públicas y
planes de acción.
hacia...
Objetivo y equipo Líneas de trabajoMetodología
Entender y
abordar las
dinámicas de
crimen en 6
ciudades
3

28. Coordinación y expertise
técnica
Expertise técnica y
académica
Apoyo estratégico
Expertise técnica en crimen y
violencia y apoyo estratégico
Objetivo y equipo Líneas de trabajoMetodología3

29. Crimen = crímenes violentos y crímenes a la propiedad:
a. Asalto agravado, violación forzada, robo y homicidio.
b. Robo-hurto, hurto de vehículos motorizados, robo e incendio premeditado.
¿En qué crímenes nos enfocamos?
Objetivo y equipo Líneas de trabajoMetodología3

30. ➢ Diversidad de contextos
➢ Manifestaciones diferentes del crimen y la
violencia
Seis ciudades colombianas
Bogotá Valledupar
Medellín Montería
Barranquilla Tumaco
Elección de ciudades
Objetivo y equipo Líneas de trabajoMetodología3

31. ¿Con quién trabajamos?
Instituciones a
nivel nacional
Objetivo y equipo Líneas de trabajoMetodología3

32. Aprovechando fuentes de datos tradicionales y nuevas para la construcción
de un modelo comprensivo flexible con perspectiva única
Herramienta de
diagnóstico
espacio-temporal
granular de los
factores de riesgo
del delito para
cada ciudad
BIG
DATA
ENCUESTAS
+ GRUPOS
FOCALES
ESTADÍSTICAS
DEMOG. Y
CRIMEN
Objetivo y equipo Líneas de trabajoMetodología3

33. Pre-identificación
factores de riesgo
Inventario de
datos
Análisis Big Data
Validación con
encuestas y
grupos focales
Identificación
de riesgos
Insumos
para
políticas
públicas
Líneas de trabajo
Objetivo y equipo Líneas de trabajoMetodología3
Enero 2018 Dic. 2018

34. Productos de Trabajo Resultados Finales
Inventario de datos
Evaluación de sistemas de
datos y recopilación de datos
sobre delitos y datos
relacionados con factores de
riesgo (es decir, estadísticas y
datos demográficos, etc.)
Encuesta
Encuesta a nivel municipal
representativa para
comprender la percepción de
seguridad / sentimiento de
inseguridad.
Modelamiento de los
riesgos asociados al
crimen
Modelo completo que
describe el crimen a través
de toda la información de la
movilidad, características
físicas de la ciudad y la
desorganización social.
Plan de acción de
política
Opciones de políticas
públicas y
recomendaciones
para el control y la
prevención del delito en
cada ciudad en base
a los hallazgos.
Análisis de Big Data
Análisis que proporciona
información muy granular y
frecuente, complementada con
información de movilidad
extraída de los metadatos de
los teléfonos móviles.
Grupos Focales
Comprender los impulsores
de la criminalidad a nivel
individual.
Evaluación de la capacidad
Recursos humanos e institucionales de los actores públicos
involucrados en el sistema de información criminal.
Capacitación
Talleres de construcción de
capacidades en 2 ciudades
+
+
Objetivo y equipo Líneas de trabajoMetodología3

35. Resultados
Fomentar la
generación de valor
por los datos
Sistemas de
datos
Recomendaciones de
políticas públicas a lo
largo de dos líneas:
Políticas
Apoyar la generación de
opciones de políticas
públicas más enfocadas
y específicas
Sistemas
humanos
Objetivo y equipo Líneas de trabajoMetodología3

36. Julie Ricard, Project Manager Ciudata Segura, Data-Pop Alliance |
jricard@datapopalliance.org
Emmanuel Letouzé, Founder and Director, Data-Pop Alliance |
eletouze@datapopalliance.org
Nathalie Alvarado, Citizen Security Principal Specialist and Head
of the Citizen Security Team, IDB | nathaliea@iadb.org
Contacto