Big Data: un recurso policial eficiente

El pasado martes 28 de marzo la Universidad Rey Juan Carlos de Madrid (URJC) celebró en la Facultad de Ciencias Jurídicas y Sociales la segunda sesión del Workshop “Nuevas Ciencias Sociales y Tecnologías del Conocimiento Transversal del siglo XXI”. Con la pregunta abierta lanzada por los organizadores sobre si “¿Estamos preparados para el futuro?” los ponentes aportaron su visión desde sus respectivos campos de investigación. El inspector de Policía Miguel Camacho Collados dedicó su ponencia a hablar sobre Big Data y seguridad. ¡Fórmate con un curso sobre Big Data!

Big Data en el Cuerpo Nacional de Policía

El Big Data es uno de los temas más recurrentes a la hora de hablar de futuro. Su potencial no se limita al ámbito de la empresa y de la toma de decisiones económicas. Los datos masivos sobre el comportamiento de los individuos ofrecen múltiples posibilidades, como por ejemplo, las relativas a la seguridad policial.

Miguel Camacho es Doctor en Matemáticas, inspector de Policía y analista de Big Data en el Cuerpo Nacional de Policía. Reconoce que su unidad dentro del Cuerpo Nacional “es un poco especial” porque los policías que la conforman “son licenciados en estadística, informática o matemáticas”. El objetivo de este equipo multidisciplinar es transformar las técnicas tradicionales empleadas dentro del Cuerpo en herramientas de Data Science y de Big Data.

“¿Por qué apostar por el Big Data? Porque tenemos que ser conscientes de todas las posibilidades que ofrecen los datos que tenemos y que vamos generando todo el día. Uno de los más importantes hoy en día es el Big Data por el volumen y número de datos en la red. Se trata de conseguir un poco más de seguridad objetiva y subjetiva”. Miguel Camacho.

Según el inspector y matemático para alcanzar esa “seguridad objetiva y subjetiva” es necesario que el Cuerpo Nacional de Policía evite “ir siempre por detrás de la sociedad y detrás de las empresas”. En una reunión con varias empresas Camacho reconoció sentirse muy sorprendido porque esas “empresas manejan ya muchos más datos que nosotros”.

Defiende la introducción del método científico matemático en el trabajo policial como un recurso necesario para la seguridad global. “Tenemos una coyuntura social convulsa, hay mucha volatilidad, todo cambia muy rápido. Las reglas con las que se concibe el mundo también van cambiando muy rápido. Lo que nos puede decir esto son precisamente los datos”, dijo.

Talent Maker,esta es
tu escuela audiovisual

Treintaycinco^mm la escuela de los que crean!

¡Empieza a crear ya!

Big Data y “patrullaje predictivo”

Camacho rehusó tratar en su presentación el Big Data y la seguridad como temas genéricos y prefirió mostrar distintos ejemplos de las posibilidades que ofrece la conjunción de ambos. El primero de estos ejemplos fue el del patrullaje predictivo.

Según explicó Miguel Camacho este modelo policial desarrollado a partir de la información obtenida por Big Data “empezó hace unos años en Los Ángeles, en la Universidad de California (UCLA)”. “Gracias a una beca estuve en Los Ángeles, en la Universidad de UCLA, trabajando con ellos como matemático pero, como yo era policía, también estuve patrullando con la policía de Los Ángeles”, afirmó.

El Departamento de Policía de Los Ángeles, consciente de las oportunidades que “ofrecían las matemáticas”, pidió colaborar con el centro universitario y “habló con los mejores investigadores de la Universidad de California para crear un patrullaje predictivo para ellos”, en palabras del inspector. El resultado fue la disminución del 20% de delitos en robos a viviendas particulares.

“Con el patrullaje predictivo se trata de prevenir el delito poniendo los recursos donde son necesarios, llevando el método científico al patrullaje”. Miguel Camacho.

En base a los resultados objetivos del modelo testado en Los Ángeles, el Cuerpo Nacional de Policía quiere aplicar una práctica similar en España: un modelo multicriterio que tiene en cuenta el área y el diámetro del sector a patrullar, el nivel de riesgo esperado y el apoyo mutuo. El inspector lo define como una combinación de “técnicas de policía predictiva con problemas de distritos policiales, es decir, no solo saber dónde van a ocurrir los delitos en el futuro sino colocar a los policías para conseguir la máxima eficacia”.

Dicho de otro modo, el sistema identifica los sitios por dónde tienen que pasar los policías, científicamente comprobado, para que baje la probabilidad de la comisión de un delito. Según el inspector esto supondría un doble beneficio: social y económico. La prevención de delitos es causa y efecto de la disminución de los mismos y de sus costes asociados. A su vez, supone que en el plano ciudadano aumenten los niveles de percepción de seguridad.

“Ya no es tan importante detener al agresor cuando ha sucedido un delito sino que la policía esté, se relacione con la comunidad y evite que ocurra ese delito en un primer momento. Mucho mejor para la sociedad pero también más económico. Un delito es muy caro, por todo lo que implica: seguridad, tema fiscal, jueces, prisión, etc. Entonces, si prevenimos, aunque sea un 5% de los delitos, la sociedad ahorra muchísimo”. Miguel Camacho.

Curso de Big Data: Arquitectura y análisis de datos

Descarga gratis nuestra Guía formativa

Optimiza tu tiempo.

Es el momento de impulsarte

Obtén un listado de los empleos mejor pagados

Descubre como

Big Data y detección de denuncias falsas

Según Miguel Camacho en los últimos años las denuncias falsas por robos con violencia han aumentado en España. “Yo era inspector de un grupo de policía judicial. Investigábamos las denuncias una vez puestas. Después de estar trabajando una temporada me di cuenta de que había un patrón específico en las denuncias que eran ciertas y en las que eran falsas”, dijo. Esto le llevó a promover la creación de un algoritmo que detectase las denuncias falsas automáticamente. Es un segundo ejemplo sobre las posibilidades que ofrece el Big Data en materia de seguridad.

El sistema, pionero en el mundo, funciona gracias a la elaboración de un protocolo de investigación en tres fases:

1. Análisis combinado con policías expertos en detectar simulaciones de delitos.
2. Técnicas del procesamiento del lenguaje natural aplicados al contenido escrito de la denuncia del supuesto delito.
3. Algoritmos matemáticos de estimación de la probabilidad de que una denuncia sea falsa.

La suma de las tres da como resultado una herramienta policial tecnológica de carácter predictivo que, según Camacho, “evita el sesgo humano” y posee “un manual del 90% de precisión”. “Pensé que si lo podía hacer una persona también podría hacerlo un algoritmo”, dijo. Aunque este procedimiento de estimación de probabilidades aún no está funcionando con carácter general en las Comisarías españolas, el inspector y promotor cree que “lo hará pronto”.

Big Data y cámaras policiales

En el año 2.014 la opinión pública de la ciudad norteamericana de Los Ángeles logró que las autoridades locales aprobasen e impusieran la implantación de cámaras de vídeo en lo trajes de los agentes del Departamento de Policía. El objetivo de su uso era mitigar las protestas ciudadanas contra supuestos abusos raciales de los agentes. En aquella época el inspector Camacho residía en Los Ángeles y colaboraba con la Universidad y el Departamento de Policía gracias a una beca.

“Querían aprovechar toda la información que aportaba llevar cámaras en el pecho y hablaron con nosotros, el departamento de matemáticas para saber qué podíamos sacar nosotros de ellas”, afirmó Camacho. Según él las posibilidades que ofrecían estos dispositivos iban más allá de la grabación de persecuciones así que “aplicamos algoritmos de detección facial” y un “detector de texto”. Las imágenes faciales se rastreaban automáticamente en las bases de datos policiales y de delincuentes ya fichados. El detector de texto permitía conocer la ubicación exacta ya que “las cámaras no eran de las más caras en el momento y no tenían GPS”, en palabras del inspector.

Big Data, Data Science y futuro de la labor policial

Miguel Camacho cerró su ponencia sobre Big Data y seguridad manifestando su deseo de que el Cuerpo Nacional de Policía cuente con una unidad de Data Science propia para “no depender de la investigación que hacen las empresas”. “Aunque colaboramos con distintos organismos universitarios e instituciones lo ideal sería que dentro de la Policía hubiera policías expertos que publiquen en las mejores revistas académicas del mundo, a eso sería a donde deberíamos llegar”, concluyó.