Big Data contra el fraude
Actualidad
¿De qué hablamos cuando decimos Big Data?
El inmenso volumen y constante crecimiento de los datos en el ámbito de las TIC fuerzan a buscar nuevas herramientas y nuevos soportes capaces de almacenar y procesar la cada vez mayor cantidad de datos informáticos. Datos personales, históricos de registros en todo tipo de aplicaciones y dispositivos , videos, información en redes sociales…. son sólo algunos de los ejemplos de macrodatos o datos masivos, que conforman el elenco Big Data, el cual abarca de manera más amplia la gestión de todo el proceso de tratamiento de datos desde su recolección, almacenamiento, análisis, y visualización, ofreciendo un sinfín de posibilidades.
¿Cómo afecta el Big Data en la Seguridad Social?
El Sistema de la Seguridad Social no es ajeno al Big Data. Las Entidades Gestoras y Servicios Comunes del Sistema de Seguridad Social en España son conscientes de que estamos ante un cambio de paradigma y están trabajando en el mejor aprovechamiento de los macrodatos en la consecución de su finalidad pública. Esta finalidad pública se encuentra actualmente apoyada por el avance de la Administración electrónica, que con el soporte de las nuevas leyes de procedimiento administrativo ya adaptadas a la realidad electrónica, otorgan el soporte jurídico para que el avance en la tramitación electrónica de cada vez más procedimientos se produzca tanto hacía el ciudadano, como en las relaciones entre los propios organismos públicos, avanzando en eficacia, eficiencia, innovación y transparencia.
Lucha contra el fraude en la Seguridad Social
Una de las líneas estratégicas transversales de la Seguridad Social es la lucha contra el fraude. Con este objetivo se han diseñado Planes integrales de lucha contra el fraude, aplicando la tecnología Big Data a los distintos procesos y ámbitos que realizan las Entidades y Servicios comunes que conforman la Seguridad Social. El fraude supone un impacto negativo al Sistema al reducir los ingresos con los que se nutre. En esta lucha está implicada toda la Seguridad Social, siendo la Gerencia de Informática de la Seguridad Social la encargada de coordinar y dar soporte al resto de Entidades y Servicios como la Tesorería General de la Seguridad Social, el Instituto Nacional de la Seguridad Social, la Inspección de Trabajo y Seguridad Social y el Servicio Jurídico de la Seguridad Social, entre otros.
Big Data en la Tesorería General de la Seguridad Social
la TGSS apuesta por la innovación y es pionera en la aplicación del Big Data en sus procesos de gestión. Para ello, se ha dotado de las herramientas tecnológicas más avanzadas en inteligencia artificial en pro del tratamiento analítico de los datos con el objetivo de la detección y lucha contra el fraude, incorporando en sus equipos de trabajo a científicos de datos, quienes definen patrones de comportamiento y establecen modelos predictivos.
Con este nuevo ecosistema de datos y tecnología, actualmente se monitorizan los datos de 1,5 millones de empresas y 18,6 millones de trabajadores en activo. Mensualmente se procesa más de 7.000 millones de registros, suponiendo un movimiento de información de 3.000Gb. EL Plan integral de lucha contra el fraude permite aprovechar el valor de la ingente cantidad de datos acumulados para establecer controles en materia de afiliación, cotización y recaudación del Sistema.
Dentro de la lucha contra el fraude la TGSS decidió priorizar varias líneas de trabajo, las cuales ya están dando sus frutos. La utilización de indicadores y alertas de riesgos facilitan la detección, corrección o prevención de estos casos con una rapidez y eficacia mucho más avanzada ofrecen una valiosa información para atacar el fraude de una manera conjunta. La detección de empresas ficticias es la línea de trabajo más madura, la cual persigue tres tipos de fraude: empresas sin actividad real, empleados ficticios en empresas con actividad y autónomos ficticios. el balance en esta línea de actuación ha sido de 12.170 millones (diciembre 2017) y 104.347 trabajadores afectados, mejorando la eficacia gracias a las nuevas herramientas. Por otro lado, se han implantado indicadores para detectar conductas delictivas, provocando la actuación sobre 2.432 empresas las cuales han desembocado en actuaciones judiciales por presunto delito a la Seguridad Social en 613 de ellas, (un 30% de índice de acción judicial), con un total de importes regularizados que asciende a 36.499.781 euros (diciembre 2017).
Otra línea de trabajo ha sido la concesión de aplazamientos, aplicando un modelo predictivo con 300 variables ,capaz de detectar los casos con elevada posibilidad de incumplimiento y ayudando a la rápida actuación ante los casos con alto riesgo de incumplimiento. Otra línea es un modelo predictivo que identifica casos con riesgo de entrar en un procedimiento concursal en los próximos 6 meses, mejorando en un 200% la identificación a priori de estas situaciones. Respecto del control de la morosidad, desde la TGSS se han definido un sistema basado en tres modelos analíticos que aportan información sobre el comportamiento respecto de las obligaciones de una empresa, un segmentación por tipo de deuda, valoración de solvencia de pago y modelo predictivo de deuda incobrable, con el objetivo de analizar las características de las empresas y obtener patrones de comportamiento para tomar decisiones.
Big Data en el Instituto Nacional de la Seguridad Social
En el INSS no se quedan atrás en la aplicación de las nuevas técnicas de análisis de datos que ofrece Big Data. La Entidad también está haciendo grandes esfuerzos en mejorar los servicios y optimizar resultados con la línea estratégica común de la lucha contra el fraude, en este caso, para mejorar la correcta gestión de las prestaciones económicas que ofrece la Seguridad Social.
Las líneas de trabajo desplegadas por el INSS en la aplicación de las tecnologías más avanzadas de analítica avanzada han consistido en definir modelos para optimizar el control médico del INSS ante las incapacidades temporales, a través de la herramienta SAS, a modo de programa piloto en seis direcciones provinciales, permitiendo no citar a un reconocimiento médico a los casos que están correctamente justificados dentro del periodo de los primeros 365 días. en estos casos, los modelos predictivos nos indican de manera mucho más ágil cuales son los casos susceptibles de la actuación de los inspectores médicos.
En relación al correcto reconocimiento y duración de las prestaciones , el Big Data permite la creación de cuadros de mando, que gracias al Sistema MBI, destinado a conocer el comportamiento de las prestaciones, ayuda a la toma decisiones y la implantación de nuevos controles. Los cuadros de mando entrelazados permiten obtener patrones de comportamiento personalizados al tipo de ámbito que pueda interesar, tanto geográfica, como profesional o económica y con ellos la posibilidad de realizar estudios comparativos de las distintas prestaciones( actualmente de la incapacidad temporal).
Como futura línea de trabajo se pretende identificar los factores que condicionan la prolongación de procesos de baja más allá de los 365 días, o incluso 545 sin que sean calificadas como incapacidades permanentes. Otro modelo en desarrollo pretende identificar desviaciones en el comportamiento de determinados procesos de incapacidad temporal con respecto a otros procesos similares en función de parámetros como el diagnóstico o la actividad económica o laboral.
Respecto del análisis de la incapacidad temporal, el Big Data ofrece la realización de estudios según patologías y duración estándar, en función de las distintas variables, ofreciendo optimizar las tablas de duración estándar de los procesos de incapacidad temporal y la adecuada selección de los procesos susceptibles de reconocimiento médico, permitiendo detectar las motivos de los excesos de duración de las incapacidades temporales y favoreciendo una actuación más correcta sobre ellos.
Con el aprovechamiento de las nuevas tecnologías de analítica avanzada, la Seguridad Social refuerza su compromiso por la innovación, desarrollando modelos innovadores que permiten abrirse a nuevas áreas de trabajo y garantizar una mayor calidad y optimización de los resultados.
Noticias relacionadas
