Los gobiernos suelen alardear de que las políticas basadas en datos son la mejor manera de tomar decisiones justas y eficientes. Recopilan estadísticas, establecen objetivos y ajustan sus estrategias en función de estos datos. Sin embargo, aunque los datos pueden ser útiles, no son neutrales. Existen sesgos y puntos ciegos en los sistemas que generan la información. Peor aún, los datos a menudo carecen de la profundidad, el contexto y la capacidad de respuesta necesarios para impulsar un cambio significativo en el mundo real.
La limitación de los datos
Un ejemplo notable es la Agencia de Inversión Social de Nueva Zelanda, una de las iniciativas más reconocidas en este ámbito. Su objetivo es mejorar la eficiencia de los servicios sociales utilizando datos y análisis predictivo para identificar a las personas y familias más vulnerables, dirigiendo así la financiación. Aunque este modelo parece, a primera vista, una estrategia inteligente y centrada, ha recibido críticas por reducir a las personas a meras estadísticas medibles, despojándolas de la complejidad de sus experiencias vividas.
Esto lleva a que la toma de decisiones permanezca centralizada en las agencias gubernamentales, en lugar de ser moldeada por las comunidades más afectadas. La Agencia también se apoya en la Infraestructura de Datos Integrados de Estadísticas de Nueva Zelanda, una base de datos de información administrativa anonimizada. A pesar de ser una rica fuente para la investigación longitudinal y el desarrollo de políticas, también presenta limitaciones, ya que se basa en datos recopilados por el gobierno que pueden incorporar sesgos sistémicos y no representar con precisión a las comunidades.
Sin tener en cuenta el contexto, algunas poblaciones pueden estar subrepresentadas o mal representadas, lo que lleva a conclusiones sesgadas y recomendaciones de políticas erróneas. Este tipo de datos se encuentra completamente separado de la realidad vivida por las personas a las que describen. Un grupo en particular, los Māori, ha expresado preocupaciones sobre la falta de propiedad comunitaria y que la Infraestructura de Datos Integrados no se alinea con sus propias aspiraciones de soberanía de datos.
Dado este mayor riesgo de mala representación, las comunidades Māori y Pasifika temen que los modelos de financiación basados en datos no tengan en cuenta enfoques más holísticos y centrados en la familia. Por ejemplo, un algoritmo predictivo podría señalar a un niño como «en riesgo» basándose en indicadores socioeconómicos, pero no mediría factores protectores como conexiones culturales fuertes, conocimiento intergeneracional y liderazgo comunitario.
Modelos alternativos y enfoques comunitarios
Un modelo alternativo es la iniciativa kaupapa Māori Whānau Ora, que prioriza las necesidades familiares en lugar de ver a los individuos de forma aislada, proporcionando apoyo adaptado en vivienda, educación, salud y empleo. Aunque ha sido criticada en el pasado por la falta de datos medibles que los sistemas basados en datos pueden ofrecer, investigaciones han demostrado que los modelos liderados por la comunidad producen mejores resultados a largo plazo que los enfoques tradicionales y centralizados.
Un informe de 2018 concluyó que Whānau Ora fortaleció la resiliencia familiar, mejoró los resultados laborales y aumentó el compromiso educativo, apoyando a las familias en la creación de sus propios negocios y en su salida de la asistencia social. El trabajo de Whānau Ora al fortalecer las redes comunitarias y fomentar la autodeterminación puede ser más difícil de medir con métricas estándar, pero presenta beneficios económicos y sociales a largo plazo.
De manera similar, los enfoques basados en datos para la prevención de enfermedades a menudo se quedan cortos. Mientras que los gobiernos pueden basar sus intervenciones en tasas de obesidad o niveles de actividad física, estas mediciones burdas fallan en capturar los factores sociales y económicos más profundos que afectan la salud. Con frecuencia, las estrategias se centran en comportamientos individuales, asumiendo que mejores datos conducen a mejores decisiones. Sin embargo, sabemos que las condiciones locales, incluidos los recursos financieros y comunitarios disponibles, son mucho más relevantes.
Un ejemplo de esto es el trabajo de Healthy Families NZ, una división de Health New Zealand/Te Whatu Ora. Con equipos en diez comunidades del país, busca generar un cambio local para mejorar la salud. En lugar de simplemente decir a las personas que coman mejor y hagan más ejercicio, ha apoyado la acción comunitaria para transformar los entornos locales y facilitar opciones más saludables.
Así, Healthy Families NZ ha colaborado con negocios locales en South Auckland para mejorar el acceso a alimentos frescos y asequibles, mientras que en Invercargill ha contribuido a transformar las políticas de planificación urbana para ampliar los espacios verdes destinados a la actividad física.
Estas iniciativas reconocen que la salud no es solo un resultado individual, sino un resultado compartido que se deriva de procesos sistémicos. Los enfoques basados en datos, por sí solos, luchan para capturar estos caminos y relaciones menos medibles. No se puede negar que los métodos liderados por el gobierno y basados en datos a menudo diagnostican correctamente los problemas, pero con frecuencia no logran ofrecer soluciones que empoderen a las comunidades para lograr un cambio duradero.
En este contexto, es crucial repensar cómo se producen los cambios y quién lidera esos cambios, reconociendo que los datos deben ser una herramienta para las comunidades y no un sustituto de su liderazgo y voz. El cambio real en el sistema ocurre cuando se replantea fundamentalmente cómo se producen los cambios y quién está al mando de esos procesos.
