Los análisis de datos pueden ayudar a las instituciones de seguridad social a mejorar su eficiencia administrativa, a comprender el pasado y la causa de los eventos, a anticipar posibles eventos y a definir acciones de protección. Las instituciones pueden aplicar el análisis de datos en diversas áreas, como la atención de salud, la detección y prevención de errores, la evasión y el fraude, el diseño de políticas y programas sociales proactivos, la realización de proyecciones actuariales, la mejora del suministro de servicios, etc.

El análisis de datos se basa principalmente en los datos de la institución. Puede basarse en datos externos que, una vez preparados, se analizan para realizar deducciones por medio de varios métodos analíticos, en particular:

• análisis descriptivo: trata de explicar “qué sucedió”. Permite comprender las transacciones realizadas por la organización en el pasado;
• análisis de diagnóstico: intenta explicar “por qué o cómo sucedió”. Exige comprender la relación entre series de datos relacionables y transacciones específicas, así como su comportamiento y las razones subyacentes;
• análisis predictivo: trata de predecir “qué, cuándo y dónde sucederá” sobre la base de los datos pasados. Los métodos predictivos se pueden utilizar para predecir, en cierta medida, los futuros resultados de una actividad;
• análisis prescriptivo: permite “prescribir” diversas acciones posibles para que los futuros productos puedan modificarse según la solución deseada. El análisis prescriptivo permite inferir diversos escenarios futuros basándose en diferentes intervenciones iniciales.

A su vez, el análisis de la Big Data se extiende a grandes volúmenes de datos, que por lo general no se limitan a las transacciones de las instituciones. La Big Data se caracteriza por las “4 v” (volumen, variedad, velocidad y veracidad). Por ejemplo, una posible fuente de Big Data puede ser los dispositivos médicos para uso a domicilio que controlan los signos vitales de los pacientes. El análisis de Big Data exige revisar por completo las técnicas de análisis de datos en todas sus etapas, desde la adquisición y el almacenamiento de datos hasta su transformación e interpretación, con particular hincapié en la recopilación y el análisis de datos, que conforman el núcleo del análisis de Big Data.

En lo que respecta al apoyo a la toma de decisiones por medio del aprendizaje automático, las principales técnicas son:

• aprendizaje inductivo: los modelos se construyen a partir de la generalización de ejemplos.
• aprendizaje deductivo: se aplican deducciones para llegar a generalizaciones a partir de un ejemplo resuelto y de su explicación.
• aprendizaje genético: se aplican algoritmos inspirados de la teoría de la evolución para encontrar una descripción general de grupos de ejemplos.
• aprendizaje a través de conexiones: la generalización se realiza adaptando los mecanismos de las redes neuronales artificiales.

Los principales objetivos de esta sección son ayudar a las instituciones de seguridad social a ejecutar análisis de datos y a adoptar nuevas tecnologías.

Estas directrices están destinadas principalmente a orientar a la unidad de TIC que se propone implementar y suministrar herramientas y servicios adecuados para las áreas de negocio. Otro objetivo es ofrecer una guía a la dirección de la institución para la aplicación de tecnologías de vanguardia y emergentes. Además, estas directrices ayudan a reconocer las nuevas aptitudes necesarias y pueden exigir que los equipos operativos y de desarrollo técnico adapten sus competencias.