Analytics combate la carencia de vivienda gracias a los datos

A inicio de año, un grupo de voluntarios desafía el frío de la noche invernal para hacer un recuento de la población estadounidense sin hogar. Estos recorren el país buscando a personas en parques, bajo puentes, en pasos elevados, estaciones ferroviarias y otros lugares con posibles campamentos. El del Departamento de Vivienda y Desarrollo Urbano (HUD, por sus siglas en inglés) es quien se encarga anualmente de hacer este recuento en Estados Unidos.

Este artículo se centra en la influencia de la analítica de datos y las tecnologías digitales que pueden abordar esta problemática, en particular en zonas urbanas. Gracias a estas tecnologías, podemos identificar recursos para las personas sin hogar de forma más eficaz y usar la analítica predictiva para asistir mejor a aquellos en riesgo de quedarse sin hogar.

El número de personas sin hogar aumentó en 2017 y 2018 revirtiendo la tendencia previa a la baja. La carencia de vivienda no se distribuye de forma homogénea (véase el gráfico 2): Los Continuums of Care (CoCs) de Nueva York y Los Ángeles, programas de planificación local bajo los auspicios del Departamento de Vivienda y Desarrollo Urbano del Gobierno estadounidense, por ejemplo, representaban el 23 % de todas las personas sin hogar en el país en 2018.

Soluciones con herramientas tradicionales y emergentes

La realidad de personas sin vivienda puede ser el resultado de varios factores: estancamiento salarial, enfermedad mental, la ausencia de vivienda asequible, en otras realidades. Esta problemática exige tener en cuenta tres etapas:

• Etapa 1 personas en riesgo de quedarse sin hogar
• Etapa 2 personas actualmente sin hogar 
• Etapa 3 personas que han encontrado un hogar, pero que podrían necesitar ayuda para mantenerlo.

Existen dos kits de herramientas que pueden ayudar a las autoridades gubernamentales, a los responsables políticos y a los organismos competentes a combatir este panorama:

• Herramientas políticas y económicas. Entre ellas, figuran los enfoques tradicionales para reducir el número de personas sin hogar. Por ejemplo, se ofrecen subsidios para la prevención del desahucio y otros servicios jurídicos y de apoyo para evitar en primer lugar que estas personas se queden sin hogar.
• Herramientas digitales y de análisis de datos. Estas emplean la tecnología para ayudar a los organismos competentes en materia de personas sin hogar a ampliar su eficacia sobre el terreno (véase el gráfico 3).  

Análisis de los sistemas de información geográfica (SIG): para ubicar a los sintecho

Las capacidades basadas en la localización pueden ayudar a los Gobiernos a responder a preguntas vitales, tales como: ¿dónde se encuentran los grandes grupos de personas sin hogar? ¿Dónde hay viviendas disponibles? ¿Qué áreas deberían priorizar los trabajadores sociales?

Identificar una población de personas sin hogar en constante movimiento puede ser difícil. No obstante, las tecnologías móviles y los sistemas de información geográfica (SIG) pueden recopilar datos de localización en tiempo real de los trabajadores sociales y los ciudadanos. Por ejemplo, la LAHSA ha lanzado un portal de divulgación para las personas sin hogar del condado de Los Ángeles que brinda la posibilidad a los miembros de la comunidad de informar sobre las personas sin hogar que necesitan ayuda. Cuando un residente ve a personas sin hogar en la calle, puede informar de su ubicación en un mapa, añadir otros detalles y enviar una solicitud al equipo de actuación en este ámbito. Sobre la base de esos datos, este equipo puede tratar de poner en contacto al sintecho con diferentes servicios.

Modelos de predicción de riesgos: ayudar a aquellos que puedan quedarse sin hogar

La idea de que el Gobierno debería centrarse más en prevenir los problemas en lugar de resolverlos no es nueva. No obstante, en la actualidad, los avances en las tecnologías de analítica de datos e inteligencia artificial (IA) tales como el Machine Learning han mejorado exponencialmente nuestra capacidad para analizar ingentes cantidades de datos con el fin de identificar patrones y detectar posibles problemas.

Múltiples proyectos piloto en curso usan la analítica predictiva para valorar la vulnerabilidad social de las personas e identificar a aquellos que presentan un elevado riesgo de quedarse sin hogar. Economic Roundtable, con sede en Los Ángeles, está probando un modelo predictivo para identificar a las personas susceptibles de convertirse en sintecho crónicos. El Urban Science + Progress de la Universidad de Nueva York colabora con Women in Need para diseñar modelos predictivos capaces de proporcionar mejores servicios a la población sin hogar. Estos modelos predictivos pueden ayudar a prevenir la carencia de vivienda (etapa 1), así como la recaída (etapa 3).

Coordinación del ecosistema en torno a la carencia de vivienda

La carencia de vivienda no es, y no debería ser, responsabilidad exclusiva del Gobierno. Se necesita un ecosistema más amplio con múltiples partes interesadas —organizaciones sin ánimo de lucro, el sector privado y activistas sociales— para resolver el problema. Los datos y las herramientas de tecnología digital pueden ayudar a todos aquellos que trabajan para combatir la carencia de vivienda. Cabe tener en cuenta los siguientes ejemplos:

• Respaldar las decisiones basadas en los datos. A través de su asociación Built for Zero con Tableau Software, Community Solutions, una organización sin ánimo de lucro con sede en Nueva York, ayuda a las comunidades a recopilar y visualizar datos en tiempo real sobre la carencia de vivienda y las viviendas disponibles para facilitar la toma de decisiones. Desde su lanzamiento en enero de 2015, la iniciativa ha ayudado a albergar a más de 95.000 personas, entre ellas, a 65.000 veteranos.
• Encontrar el hogar adecuado. El programa Community Pillar de Zillow ayuda a las personas con antecedentes financieros y crediticios negativos a encontrar vivienda a través de arrendadores dispuestos a relajar algunos criterios de selección como los antecedentes de solvencia, el desempleo y la falta de referencias.
• Ayudar a los inmigrantes a encontrar vivienda. La iniciativa Open Homes de Airbnb proporciona a los arrendadores la posibilidad de publicar anuncios de forma gratuita para ayudar a las personas que necesitan una vivienda temporal. Estos anuncios, dirigidos a los refugiados y a los evacuados por catástrofes, se coordinan a través de organizaciones locales sin ánimo de lucro. El programa abarca más de 6.000 viviendas en Estados Unidos y Europa, y ha ayudado a albergar a 25.000 personas desde su lanzamiento.

La problemática de la carencia de vivienda exige un enfoque en múltiples frentes, que aúne soluciones políticas, económicas, estructurales y tecnológicas. Se puede establecer una amplia gama de herramientas analíticas a partir de estos datos para valorar el problema, mejorar la toma de decisiones y crear modelos predictivos destinados a ayudar a las personas sin hogar y, en determinados casos, a prevenir esta situación en primera instancia.