02/12/2025 09:45 h.
Quan les dades parlen: Mataró detecta i escala incidències
Anna Quer, analista big data i intel·ligència de dades de l’Oficina de Dades de l’Ajuntament de Mataró, ens explica com han desenvolupat un algoritme capaç de detectar anomalies en les dades municipals. Una iniciativa que va començar com una eina per millorar la qualitat de les dades i que ara permet escalar més ràpidament fets poc habituals.
En què consisteix exactament l’algoritme?
Primer obtenim les dades i fem molts creuaments! Per exemple: nombre de comunicats per setmana segons temàtica, per barri... Com que és un procés automàtic, podem anar a buscar dades molt concretes. En un mateix domini fem centenars de creuaments i detectem anomalies que a simple vista passarien desapercebudes.
Després, per cada sèrie calculada (p. ex. comunicats de bústia de Salut Pública al barri de Rocafonda), analitzem la sèrie temporal, traiem l’estacionalitat, la tendència... i ajustem un model que ens indica quan un valor s’allunya del que caldria esperar. Quan això passa, genera una alerta.
Quin valor aporta aquesta pràctica als ens locals?
L’algoritme va néixer per detectar errors de qualitat en les dades (com absències sobtades o duplicats), però ràpidament vam veure la seva utilitat a nivell de negoci. Si, per exemple, detectem un augment de bústies sobre Ensenyament, fem una segona anàlisi amb IA aplicada als literals per resumir què diuen els ciutadans i si hi ha diferències per barris. Així, el gerent o l’alcalde pot tenir una visió ràpida del que està passant i actuar.
Què us ha ajudat a detectar fins ara?
- Augments puntuals de comunicats sobre Ensenyament, Neteja viària, Salut pública...
- Augment de comunicats en un barri concret.
-
Augments puntuals de sancions per accés al centre, a partir de les imatges d'una càmera determinada.
Quina metodologia heu seguit per a la implantació?
Ara mateix no hi ha usuaris directes: jo mateixa faig seguiment i, quan veig coses rellevants, les envio al gerent. És un codi Python que executem un cop per setmana. Molt casolà!
Quins reptes i aprenentatges heu trobat?
El cost de còmput és alt: són moltes dades amunt i avall. Al final és una prealerta, perquè detecta coses atípiques i una persona valora si són rellevants. L’algoritme ajuda a elevar alteracions que potser ja coneix algun tècnic, però fa que arribin a qui té la visió més transversal.
Quines millores o evolucions preveieu?
Hem migrat el codi de R a Python i ara toca retocar-lo perquè és massa sensible i genera massa alertes.