Technical ReportPDF Available

Experimentando con la pobreza: El Sisbén y los proyectos de analítica de datos en Colombia

Authors:

Abstract

En este estudio se analizan los proyectos de inclusión de tecnologías de automatización y predicción en el Sistema de Posibles Beneficiarios de Programas Sociales (Sisbén) en Colombia. El texto tiene una descripción del Sisbén y nos detenemos en las últimas modificaciones para que el sistema use más datos para perfilar personas. Seguidamente explicamos dos proyectos para la explotación de datos de personas beneficiarias que van potencialmente en contravía de la ley de protección de datos y constituyen ejemplos de injusticia social en el manejo de la información de programas del Estado. Finalmente, apuntamos algunas conclusiones y recomendaciones.
1
2
Bogotá, Colombia 2020
En un esfuerzo para que todas las personas tengan acceso al cono-
cimiento, Fundación Karisma está trabajando para que sus docu-
mentos sean accesibles. Esto quiere decir que su formato incluye
metadatos y otros elementos que lo hacen compatible con herra-
mientas como lectores de pantallas o pantalla braille. El propósito
del diseño accesible es que todas las personas puedan leer, inclui-
das aquellas que tienen algún tipo de discapacidad visual o de di-
cultad para la lectura y comprensión.
Más información sobre documentos accesibles en:
http://www.documentoaccesible.com/#que-es
Este material circula bajo una licencia Creative Commons CC BY-SA
4.0. Usted puede remezclar, retocar y crear a partir de obra, incluso con
nes comerciales, siempre y cuando crédito al autor y licencie las
nuevas creaciones bajo mismas condiciones.
Para ver una copia de esta licencia visite:
https://creativecommons.org/licenses/by-sa/4.0/deed.es_
ExPeRiMeNtAnDo
El SISBÉN y los proyectos de
analítica de datos en Colombia
Autor: Joan López
Coordinación: Juan Diego Castañeda
cOn lA pObReZa:
3
ReSuMeN eJeCuTiVo
El SISBÉN es un instrumento de ordenamiento de la población en situación de pobreza que
usa una escala de 0 a 100 para calicar a sus beneciarios en términos de prosperidad: 100
es “más próspero” y 0 “menos próspero”.
La información que usa este sistema para calcular la calicación de cada persona se re-
coge por medio de una encuesta en las zonas donde tradicionalmente se ha ubicado la
pobreza y es el insumo para que cada una de las entidades que administra alguno de los
18 programas de benecios sociales del Estado, determine si una persona puede solicitar
acceso a uno o a varios de ellos.
En 2016 se creó la nueva versión del SISBÉN, y con esta, cambios sustanciales dieron
cuenta del interés que el gobierno actual tiene en experimentar con los datos y la informa-
ción de las personas en situación de pobreza.
Por un lado, el Departamento Nacional de Planeación (DNP), entidad que administra la
base de datos del SISBÉN, decidió modicar el algoritmo de este sistema para incluir la
predicción de la “capacidad de generación de ingresos”. Con esto, se trató de reducir la
cantidad de personas en situación de pobreza que podrían acceder a un benecio social.
Por otra parte, se creó un sistema de intercambio de información con 34 bases de datos
públicas y privadas para vericar los datos que reporta la ciudadanía. Adicionalmente, se
cambió la encuesta para que la negativa de personas en situación de pobreza, de suminis-
trar información, derivara en la exclusión del sistema y que cualquier inconsistencia en la
información pudiera llevar a acciones legales y administrativas.
En el texto que presentamos a continuación, también se analizan dos casos que muestran
los cambios de lógicas y los procesos de experimentación con los datos del SISBÉN.
El primero fue un acuerdo con la multinacional irlandesa Experian para la utilización de
bases de datos de la calicadora de riesgos nancieros de Datacrédito. Allí se estableció
que la primera le permitirá y facilitará al DNP el acceso a una solución denominada Quanto,
con la que se pueden estimar los niveles de ingreso de una persona; también se negoció el
consentimiento para conocer la información nanciera de los titulares que estén registra
4
dos en las bases de datos de DataCrédito para buscar inconsistencias en los registros del
Sisbén. A cambio, Experian pudo visualizar la información no reservada de las personas
en condición de pobreza, que le serviría para el desarrollo de aplicaciones y servicios que
serían utilizados por instituciones bancarias del país.
El segundo se centra en Innpulsa Colombia, un Fideicomiso con recursos públicos que
trabaja para el crecimiento y la innovación empresarial. En 2019, Innpulsa realizó una con-
vocatoria para seleccionar una empresa que cree y ejecute un modelo de analítica de datos
para medir y detectar fraudes en el SISBÉN. Innpulsa le entregó al contratista la base de
datos del SISBÉN, al tiempo que le favoreció con el acompañamiento del Massachusetts
Institute of Technology para el diseño del modelo. El resultado debe ayudar a predecir los
patrones de comportamiento de las personas propensas a manipular los datos del sistema
y la combinación de programas que permiten a las personas aumentar su puntaje para de-
jar de recibir benecios. Ahora bien, el objetivo del contrato no es el modelo por sí mismo,
sino que trata de fortalecer la industria de analítica de datos en el país.
En consecuencia, estos nuevos cambios nos muestran al SISBÉN como un sistema de per-
lamiento individual basado en datos personales, pensado para buscar inconsistencias y
para reducir la cantidad de personas que pueden acceder a benecios. Con esto, el proble-
ma de la incapacidad del Estado de disminuir la pobreza se presenta como una situación
de carácter técnico y no político, señalando a las personas “coladas” como el problema
central.
Además, los casos analizados sugieren una inclinación a experimentar con las personas
vulnerables sin pensar en los daños que puedan generarse. Por esto, el Estado, preocupado
por la eciencia del gasto, trata de recoger más datos personales y de colocar a las perso-
nas en situación de pobreza en estado de vigilancia y los convierte en sujetos de experi-
mentación para el crecimiento de la economía digital.
5
1. Introducción .................................................................................................
2. El Sistema de Posibles Beneciarios de Programas Sociales
(SISBÉN) ..........................................................................................................
a. El SISBÉN como algoritmo de clasicación social ...................................
b. El SISBÉN y la focalización de recursos ....................................................
c. ¿Por qué es importante la calicación del SISBÉN? .................................
d. La cuarta versión del SISBÉN y sus cambios .............................................
3. Las nuevas tecnologías y la experimentación con los datos de
política social ...................................................................................................
a. El caso Experian y el perlamiento nanciero ............................................
b. El caso INNPULSA Colombia: Big Data e innovación con la
política social ......................................................................................................
4. Conclusiones ...............................................................................................
5. Recomendaciones .......................................................................................
6. Referencias ..................................................................................................
CoNtEnIdO:
6
8
8
9
9
11
19
19
21
24
26
28
6
El activismo en temas de tecnología y derechos digitales está viviendo un momento de
transformación en el que se trata de construir puentes con otras agendas políticas (Dencik,
Hintz, & Cable, 2016). Sin embargo, ha sido complicado establecer la relación de la lucha
entre derechos humanos e inequidades sociales en el marco de la justicia social (Rodrí-
guez Garavito, 2019). Una visión de cualquier tecnología pensada desde el sur global debe
traer consigo una preocupación por las inequidades sociales y las violencias hacia ciertos
grupos por parte del Estado (Arora, 2019a; Milan & Treré, 2019). Por esto, varios autores
han construido el concepto de “justicia de datos” para referirse a la conexión entre las po-
sibilidades técnicas de las tecnologías digitales y la agenda de la justicia social entendida
como la lucha por una sociedad menos inequitativa y que proteja los derechos sociales,
civiles y políticos de las personas (Dencik et al., 2016; Dencik, Hintz, Redden, & Treré, 2019;
Heeks & Renken, 2018; Taylor, 2017).
Un problema que se puede leer desde esta perspectiva es el desarrollo, las posibilidades y
los límites de la Inteligencia Articial. Como siempre, hay entusiastas que consideran que
con el uso de estas tecnologías las sociedades podrían solucionar toda clase de proble-
mas. Igualmente, hay voces que consideran que su uso es un riesgo para el ejercicio de de-
rechos como la intimidad y la no discriminación. Sin embargo, el problema parece distante
de nuestras realidades, lejos de las últimas tecnologías controlando nuestras vidas en un
futuro distópico. Sin una reexión que conecte nuestros contextos con los de países del
norte global, las discusiones podrían quedar atrapadas en la especulación por los riesgos
futuros o en denir, por ejemplo, si la tecnología que los gobiernos quieren aplicar es una
“verdadera” Inteligencia Articial (AI).
Cuando pensamos en la justicia social dentro de los sistemas de datos, se empieza a notar
que las preguntas abstractas por IA dejan por fuera las prácticas de clasicación y discri-
minación por medio de datos que utilizan los Estados en el sur global. A pesar de no ser
tecnologías sosticadas, estos sistemas implican un esfuerzo por automatizar la calica-
ción de personas, la predicción de comportamientos y perles que determinan el acceso a
bienes y servicios públicos o privados esenciales para las personas. La falta de implemen-
tación “real” de soluciones de Inteligencia Articial no quiere decir que no sea necesario
hacer seguimiento a las iniciativas que prometen utilizarlas. Por el contrario, es importante
seguir con el trabajo de documentación y seguir cuestionando a las autoridades desde el
anuncio de estos planes hasta su implementación.
En Colombia hay un sistema que recoge datos personales, clasica a las personas según
su nivel de pobreza en una escala numérica y usa esta calicación para decidir si merece el
acceso a benecios y servicios estatales. El SISBÉN, que es el principal instrumento para
1. InTrOdUcCión
7
asignar los benecios sociales en Colombia y que existe desde hace más de dos décadas, no
ha sido analizado desde la perspectiva de la justicia social en los sistemas de datos. Desde
ese paradigma, vemos al SISBÉN como un sistema intensivo en el uso de datos personales
que nos ha dejado muchas preguntas sobre cómo se usan estos datos para vigilar a las per-
sonas y abrir o cerrar las puertas de los benecios del Estado.
Este documento ofrece un análisis utilizando múltiples fuentes que incluyen: artículos acadé-
micos, derechos de petición, documentos de políticas públicas, contratos y acuerdos estata-
les, materiales de capacitación del SISBÉN, noticias, comunicados de prensa y cifras de bases
de datos públicas. El texto consta de tres partes. Primero, hacemos (1) una descripción del
SISBÉN y nos detenemos en las últimas modicaciones para que el sistema use más datos
para perlar personas. Seguidamente (2) explicamos dos proyectos para la explotación de
datos de personas beneciarias que van potencialmente en contravía de la ley de protección
de datos y constituyen ejemplos de injusticia social en el manejo de la información de progra-
mas del Estado. Finalmente (3), apuntamos algunas conclusiones y recomendaciones.
Resaltamos ahora la necesidad de conectar las preocupaciones globales de la Inteligencia
Articial con prácticas en el sur global que, a pesar de no tener tecnologías sosticadas, invo-
lucran la calicación de personas, la predicción de comportamientos que afectan la participa-
ción en la vida social y el respeto a la dignidad humana.
8
El SISBÉN es un instrumento de ordenamiento de la población en función de sus logros
socioeconómicos que comenzó a utilizarse en 1994 (Castañeda & Fernández, 2005; Sar-
miento et al., 1999; Vélez, Elkin Castaño, & Deutsch, 1999). El sistema cuenta con dos
componentes: la recolección individual de datos socioeconómicos de las personas y el
ordenamiento de dicha población de 0 a 100 en donde 100 es “más próspero” y 0 “menos
próspero” (Sarmiento et al., 1999). El puntaje resultante va a ser utilizado por cada entidad
que administra benecios sociales como, por ejemplo, el Ministerio de Salud, el Ministerio
de Trabajo o Prosperidad Social, para determinar si una persona puede solicitar acceso a
un programa social.
La información que usa el SISBÉN para calcular la calicación de cada persona se recoge
por medio de una encuesta. La encuesta se aplica a las personas ubicadas en los lugares
donde se considera que puede haber concentración de grupos de bajos ingresos a partir
del análisis de información socioeconómica (Vélez et al., 1999). Las personas que se con-
sideren vulnerables y que no residen en estas zonas, pueden pedir que se les efectúe la
encuesta. Luego de que la información es recolectada, se utiliza un software especializado
que genera la puntuación individual y el ordenamiento de la población (Castañeda & Fer-
nández, 2005; Sarmiento et al., 1999).
El Departamento Nacional de Planeación (DNP) es una entidad que depende directamente
de la Presidencia y es el administrador de la base de datos del SISBÉN. Además, está a car-
go de actualizar el algoritmo que genera las puntuaciones individuales. Para ello, debe de-
terminar los valores de cada categoría y los elementos que se miden (Castañeda & Fernán-
dez, 2005). Los tres primeros diseños del SISBÉN medían un conjunto de características
de la población que incluyen variables demográcas, consumo de bienes durables, capital
humano e ingreso corriente (Vélez et al., 1999). Estos componentes estaban basados en
una visión de la pobreza centrada en los estándares de vida (Menjura Murcia, 2016).
2. El SiStEmA dE PoSiBlEs
BeNeFiCiArIoS dE PrOgRaMaS
SoCiAlEs (SiSbÉN)
a. El SISBÉN como algoritmo de clasicación social
9
El SISBÉN apareció en 1994 como un producto de varias reformas durante los años 90s, las
cuales fueron impulsadas por la crisis de la deuda que se vivió en América Latina (Sarmien-
to, González, & Rodriguez, 1999). De esta forma, en medio de la necesidad de recibir apoyo
económico internacional, los gobiernos comenzaron un rápido proceso de liberalización
de la economía y la política social (López Restrepo, 1995) en el que las posiciones impulsa-
das por el Banco Mundial y el Fondo Monetario Internacional fueron elementales para las
reformas que se hicieron esa década en la región (Carnes & Mares, 2015; Deacon, 2007).
En los 90s, el Banco Mundial comenzó a impulsar la focalización de recursos, la privatiza-
ción de la prestación de servicios públicos y las políticas de austeridad del gasto público
(Hall, 2007). Por eso, la idea de que el Estado empezara a “buscar a las personas pobres”
se volvió una preocupación fundamental para focalizar los limitados recursos que dejaban
las reformas scales y arancelarias (McGee, 1999). Con esto, el Estado comenzó a requerir
más datos para “encontrar” a las personas pobres y, especialmente, focalizar los recursos
de forma individual.
Conforme se fue abandonando los benecios sociales universales o que apuntaran a toda
la ciudadanía, se prerió un Estado asistencialista que solo apoya a los segmentos más
empobrecidos de la población (Carnes & Mares, 2015; Deacon, 2007) . Así, el SISBÉN co-
menzó a tomar mayor importancia y se convirtió en el principal instrumento de focaliza-
ción de los recursos públicos.
Como se dijo, el SISBÉN es un sistema de calicación individual que determina quiénes
pueden ser “merecedores” de los benecios sociales del Estado colombiano. Desde que se
creó, la lista de benecios administrados nacionalmente no ha parado de crecer y los entes
territoriales dependen cada vez más del SISBÉN para sus propios programas. En la actuali-
dad, a nivel nacional, se usa para 18 programas sociales de diferentes características (Ver
Diagrama 1). La mayoría de los benecios requieren de procesos de selección y estableci-
miento de requisitos propios del programa como los puntos de corte, características espe-
cícas de la población y disponibilidad presupuestal. En ese sentido, muchas personas ac-
ceden a más de un programa (CONPES, 2016) y la estabilidad de diferentes aspectos de su
vida como salud, educación, vejez, vivienda e ingresos dependen del puntaje del SISBÉN.
Un objetivo del gobierno es abandonar las clasicaciones socioeconómicas de estratos de
los inmuebles por zonas y depender totalmente de calicaciones individualizadas como el
b. El SISBÉN y la focalización de recursos
c. ¿Por qué es importante la calicación del SISBÉN?
10
SISBÉN para entregar todos los derechos sociales. Un ejemplo es el proyecto de “Registro
Social” que está presente en el Plan Nacional de Desarrollo (2018-2022) del actual gobierno
y que tratará de incluir más datos en el perl del SISBÉN como, por ejemplo, algunos bene-
cios que actualmente no incluyen focalización individualizada como la educación pública
y los subsidios de servicios públicos (Departamento Nacional de Planeación, 2019a; Mora-
les Manchego & Galindo Caballero, 2019).
Como se dijo, cada entidad decide cuánto es el puntaje necesario para solicitar un benecio
social. A pesar de que, para el DNP, debajo de 50 puntos se considera equivalente a estar en
situación de pobreza, solo cinco programas (Vivienda en Especie, Red Unidos, Familias en
Acción, Jóvenes en Acción y Colombia Mayor) exigen un puntaje en este rango. Cuando se
analiza en detalle, cuatro programas (Vivienda en Especie, Red Unidos, Familias en Acción,
Jóvenes en Acción) centrados en alivio de la pobreza, están por debajo de 30 puntos y uno
está debajo de 39 (Colombia Mayor). Así mismo, los programas arriba de 50 puntos, o bien,
Diagrama 1:
Programas más importantes con punto de corte denido (CONPES, 2016)
Vivienda
en Especie
Subsidio
Familiar
de Vivienda
Red
Unidos
Promover
acciones y
focalización
prioritaria sobre la
población más
vulnerable
Colombia
mayor
Entrega de
Subsidio a
adultos
marores en
estado de
pobreza
extrema o
indigencia
Jovenes
en acción
Apoyo a
jovenes
pobres con
transferencias
monetarias
condicionadas
Apoyo a
las familias
pobres a través
de la entrega
condicionada de
las transferencias
monetarias
Regimen
Subsidiado
Subsidio
integral
de tierras
Acceso
a salud
personas
de bajos
recursos
Sostenimiento
para
mantenimiento
de estudiantes
que reciben
créditos
Vivienda
Rural
Vivienda
de interés
social
Subsidio
para compra
de tierras a
campesinos
no propietarios
Hogares
infantiles y
Centros de
desarrollo
infantil
Programa
Primera
Infancia
Servicio de
educación
inicial, cuidado
y nutrición
Hogares
Comunitarios
Ser Pilo
Paga
Vivienda,
cuidado y
atención a
niños entre
6 y 18 años
ACCES
Subsidio de
Sostenimiento
eliges
Crédito a largo
plazo de
de programas
Universitarios
Crédito flexible
de programas
universitarios
23 30
30 50
39 53 55 55 57 57
57
57
55
53
53
30
23
Más familias
en acción
Salud y
nutrición
a niños entre
0 y 5 años
y madres
gestantes
Financiamiento
de educación
para mejores
examenes
estandarizados
11
buscan ser universalistas1 como el régimen subsidiado de salud y los hogares comunita-
rios, o tratan de ser muy focalizados por la reducida cantidad de benecios como Ser Pilo
Paga y los créditos para educación superior (Ver Diagrama 1). En ese sentido, los progra-
mas arriba de 39 puntos están centrados en otro tipo de población que no necesariamente
está en situación de pobreza.
El SISBÉN resulta ser una clasicación clave para la vida de millones de personas en Co-
lombia que no pueden proveerse los servicios básicos y dependen de ayudas estatales. Por
esta razón, su negativa a suministrar todos sus datos, o el que pueda haber errores en los
mismos, implicaría serias consecuencias para las personas en situación de pobreza. Esta
situación es bastante preocupante para un país como Colombia, con un 10,8 % de la po-
blación en condición de desempleo y un 47% en trabajos informales (DANE, 2019a, 2019b).
Esta situación ha llevado a que muchas personas se nieguen a ser entrevistadas por miedo
a que cambie su puntaje (Conexión Sur, 2019; Diario del Cauca, 2018) y a que funcionarios
del DNP amenacen a los posibles beneciarios diciendo que “solo quedarán los que digan
la verdad” (La Opinión, 2019).
El SISBÉN y su metodología deben actualizarse cada cierto tiempo. Hasta ahora se han
realizado cuatro versiones de este sistema desde su creación en 1994. En 2016, para la
formulación de la cuarta versión del sistema, en un análisis realizado por el DNP con apoyo
del Banco Mundial, la Comisión Económica para América Latina (CEPAL) y dos consultores
externos , se encontraron dos problemas básicos con el SISBÉN: la falta del componente
de “capacidad de generación de ingresos” y la falta de un sistema interoperable para ve-
ricar la información reportada por la ciudadanía (Departamento Nacional de Planeación,
2019b).
En primer lugar, según el DNP, la puntuación del SISBÉN como estándar de vida está fa-
llando porque, mientras la medición de pobreza monetaria y multidimensional, basada en
muestras representativas ha bajado, el porcentaje de población con puntajes inferiores a
50 que permitiría aplicar a algunos benecios ha aumentado. El DNP consideró necesario
modicar el algoritmo con el que se realiza la puntuación del SISBÉN para incluir la “capa-
cidad de generación de ingresos” y así poner en línea el puntaje del SISBÉN con el índice
de pobreza multidimensional (Consejo Nacional de Política Económica & Departamento
1. La idea de este tipo de servicios es que lleguen a todas las personas que no estén en condiciones de pagar o contribuir a los
servicios. Por ejemplo, el régimen subsidiado en salud tiene una lógica en la que la salud es un derecho fundamental (Ley 1751
de 2015) y apunta a que todas las personas tengan cobertura y quienes no puedan aportar al sistema deben ser subsidiados
por el Estado.
d. La cuarta versión del SISBÉN y sus cambios
12
Nacional de Planeación, 2016). El gráco 1 que está a continuación, muestra cómo, según
el DNP, el porcentaje de las personas con puntaje SISBÉN de 0 a 50 era inferior en 2011 a lo
que medían los índices de pobreza monetaria y pobreza multidimensional. A partir de 2014,
de acuerdo con esta gráca, hay más personas calicadas en la mitad inferior del SISBÉN
que personas en la pobreza –monetaria y mutidimensional–.
Gráco 1:
Incidencias de pobreza monetaria y multidimensional y porcentaje de población con puntaje
bajo en la base del Sisbén III (DNP, 2016)
La encuesta se modicó para incluir preguntas sobre las actividades económicas de cada
persona tales como la cantidad y origen de ingresos, los gastos y los benecios sociales
que ya se reciben (Departamento Nacional de Planeación, 2016). Por medio de estas nue-
vas preguntas se busca establecer un perl de “presunción de ingresos” que es, en esencia,
una predicción del nivel de ingresos de las personas. En palabras del DNP : “esta metodo-
logía permite tener en cuenta estos dos enfoques en el cálculo del puntaje, aproximan-
do la capacidad de la población para generar ingresos, con el propósito de que la
clasicación resultante responda al comportamiento de la pobreza monetaria y multidi-
mensional del país” (CONPES, 2016, p. 36). Es decir, el puntaje del SISBÉN incluye ahora la
probabilidad de que una persona tenga determinado nivel de ingresos. Esto es diferente de
una constatación del nivel de ingresos o de las condiciones de vida de las personas.
% Pobreza
% Población Sisbén
Puntaje 0-50 Pobreza monetaria IPM
2011
64 70 72 75 77 78
20
28
10
20
30
40
68
72
76
80
2012 2013 2014 2015
13
El algoritmo del SISBÉN actúa como una “caja negra” en la que solo conocemos los ar-
chivos de entrada y los resultados. Tanto el algoritmo como el tratamiento de los datos
del SISBÉN son desconocidos por la ciudadanía que es clasicada. Por esto, hicimos una
solicitud de acceso a la información al DNP pidiendo mayor claridad sobre los estudios
previos que sustentan las variables elegidas para el algoritmo del SISBÉN, las unidades de
medida y especicidad de las variables tenidas en cuenta para predecir “la capacidad de
generación de ingreso” (Departamento Nacional de Planeación-DNP, 2019). Sin embargo,
la respuesta del DNP fue que “la información se encuentra sujeta a reserva”, pues revelarla
puede comprometer “la estabilidad macroeconómica y nanciera del país” ya que “puede
conllevar a modicar la información registrada en la base de datos constituyendo un frau-
de” (Departamento Nacional de Planeación-DNP, 2019, p. 4). Mientras el Estado utiliza los
datos de las personas para otros objetivos y, a su vez, hace más transparente la vida de las
personas, la ciudadanía conoce menos la forma en que la calican y los mecanismos con
los que funciona el sistema.
El segundo problema al que apuntó el documento de justicación de la última versión del
SISBÉN fue la carencia de un sistema de intercambio de información para vericar los
datos que reporta la ciudadanía. Para el DNP, esto limita la capacidad del Estado para iden-
ticar y evitar inconsistencias para hacer uso eciente de los recursos públicos. Además,
las entidades no pueden conocer las características y benecios recibidos por cada perso-
na para hacer “posible el diseño de paquetes de oferta adecuados para sus necesidades”
(CONPES 2016, p. 47).
Para demostrar la problemática de la manipulación del SISBÉN por parte de los usuarios,
el DNP cruzó la base de datos de pensiones y de sistema de salud con la del SISBÉN. Con
esto, la entidad marcó 653 mil casos “en vericación” porque aparecen como de altos in-
gresos o porque aparecen como personas fallecidas (Departamento Nacional de Planea-
ción, 2019b). Así, inició una campaña pública por mostrar los resultados del análisis con
casos de personas con sueldos exorbitantes, fallecidos que hacían parte del sistema y
los cambios repentinos de vivienda de algunas personas (CONPES, 2016, p. 26). Lejos de
parecer una falla del Estado en manejar sus propias bases de datos, el gobierno presentó
este esfuerzo como una victoria de planeación que se había logrado gracias a la tecnología
contra un grupo de personas malintencionadas que estaban en el sistema (Arbeláez Cama-
ño, 2019; Portafolio, 2017).
14
50.000
2014 - 2015 2015 - 2016 2016 - 2017 2017 - 2018 2018 - 2019
0
100.000
150.000
200.000
250.000
300.000
Registros reclasificados en la base de datos del SISBÉN
Gráco 2:
Cantidad de registros reclasicados en la base de datos comparando modicación anual
Fuente: DNP, 2019.
Para resolver los problemas de las versiones anteriores del SISBÉN, el CONPES (2016)
estableció la necesidad de crear un sistema de intercambio de información para realizar
procesos de vericación y validación de la información contenida en la base de datos del
SISBÉN a cargo del DNP. Para esto, la estrategia es contrastar los registros de diferentes
entidades públicas y privados para identicar “posibles inconsistencias” y permitir la “ac-
tualización automática de la información” registrada en la base de datos del SISBÉN (p.
46). Según informó el DNP, el proceso de interoperabilidad está planteado para realizarse
con al menos 34 bases de datos que incluyen categorías como: Salud, Pensiones, Educa-
ción, Trabajo, Finca Raíz, Impuestos, Riesgos nancieros, Benecios sociales, Transporte,
Registro de Víctimas y Servicios Públicos (Ver Tabla 1).
15
Categoría en la
Ficha SISBÉN
Tipo de dato que se busca
vericar Base de datos para vericación
Identicación del
hogar Información geográca Instituto Geográco Agustín Codazzi (IGAC)
Datos de vivienda y
hogar
Afectación por desastres
naturales IGAC
Acceso a servicios
públicos domiciliarios Superservicios
Gastos
Copagos y cuotas al
sistema de salud ADRES (fondo de recursos del sistema de salud)
Servicios públicos
domiciliarios Superservicios
Créditos bancarios
y servicios de
telecomunicaciones
Datacrédito
Aportes pensionales Unidad de Gestión de Pensiones (UGPP)
Impuestos y deudas Departamento de Impuestos (DIAN)
Caracterización
sociodemográca
Nombres y apellidos, fecha
de nacimiento, edad y sexo Registraduría Nacional del Estado Civil (RNEC)
Víctima del conicto
armado Registro Único de Víctimas
Estado Civil y parentesco RNEC
Salud y fecundidad
Limitaciones permanentes
de salud Registro Individual de Prestaciones de Salud (RIPS)
Accidentes, tratamientos y
atención médica RIPS
Aliación al sistema de
salud ADRES/Base de datos de aliados (BDUA)
Condición de embarazo RIPS/Atención a Primera Infancia
Alimentación Red de Seguridad Alimentaria
Tabla 1:
Datos de la cha de caracterización socioeconómica del SISBÉN IV
que se podrían vericar con los nuevos convenios de interoperabilidad
(Departamento Nacional de Planeación, 2019c).
16
Educación
Estado educativo actual
Sistema Integrado de Matrículas (SIMAT) / Sistema
Nacional de Información de la Educación Superior
(SNIES)/ Servicio Nacional de Aprendizaje (SENA)
Máximo nivel educativo SIMAT/SNIES/SENA
Cotización de pensiones BEPS/UGPP
Ocupación
Actividad económica
principal
Planilla Integrada de Liquidación de Aportes (PILA) /
UGPP / BEPS
Búsqueda de trabajo Servicio Público de Empleo
Ingresos
Ganancias mensuales PILA/UGPP/BEPS/ Cámara de Comercio (CC)/ Datacré-
dito
Ganancias anuales PILA/UGPP/BEPS/DIAN/ CC/ Datacrédito
Razones de ganancias PILA/UGPP/BEPS/DIAN/ CC/ Datacrédito
Subsidios recibidos Vivienda/Familias en Acción / Jóvenes en Acción /
Colombia Mayor / Subsidios rurales / Ser Pilo Paga
Categoría en la
Ficha SISBÉN
Tipo de dato que se busca
vericar Base de datos para vericación
El DNP anunció para la presentación del nuevo SISBÉN en 2017 que apunta a ampliar sus
bases de datos y para ello recolectará más información sobre la población que ya está en
el sistema y, a su vez, tomará datos de otros grupos que no estaban en las zonas donde
anteriormente se había localizado la pobreza. Por esto, se habló de aumentar la base de
datos para llegar a 40,5 millones de colombianos, es decir, el 80 % de la población (Correa,
2017). Además, con la entrada del componente de generación de ingresos, la cantidad de
preguntas en la encuesta aumentó considerablemente. Por esto, se puede decir que el SIS-
BÉN ahora se dirige hacia el aumento de la cantidad de información que se recolecta y la
cantidad de personas que están en sus registros, a pesar de que no estén en los segmen-
tos poblacionales que normalmente estaban en la base de datos.
Tabla 1.
17
Personas registradas en el SISBÉN
Número de personas registradas en el SISBÉN% Población
5.000.000
0 50%
55%
60%
65%
70%
75%
80%
10.000.000
15.000.000
20.000.000
25.000.000
30.000.000
35.000.000
40.000.000
45.000.000
2011 2012 2013 2014 2015 2016 2017 2018
Gráco 3:
Cantidad de personas registradas en el SISBÉN como porcentaje de la población.
Fuente DNP, 2019.
La importancia de la información que recibe el SISBÉN queda ilustrada en el énfasis que
ponen las autoridades en las consecuencias negativas para quienes entreguen datos fal-
sos o inexactos. La nueva cha de clasicación socioeconómica con la que se encuesta
a los posibles beneciarios incluye dos cláusulas que requieren ser aceptadas para tomar
la encuesta. Estas cláusulas especican que “la negativa de suministrar la totalidad de la
información solicitada impedirá su registro en el SISBÉN” y que la información se entrega
bajo la gravedad de juramento, de forma que “cualquier presunta falsedad identicada a
través de cruces de bases de datos generará exclusión del SISBÉN” y a acciones legales y
judiciales (Departamento Nacional de Planeación, 2016).
Estas advertencias muestran cómo el DNP se convierte cada vez más en un administrador
de datos personales masivos, a través de la recolección con consentimientos basados en
18
la amenaza de la negación de servicios básicos. La política de focalización de programas
sociales además está claramente orientada hacia buscar a las personas “coladas” y ame-
nazarlas a las personas, más que “buscarlas”.
En 2017, el DNP expidió el Decreto 441 que modicó los lineamientos para actualizar y
buscar inconsistencias en las bases de datos del SISBÉN. Con esta regulación, la institu-
ción quedó a cargo de los procesos de validación y controles de calidad de la base de da-
tos. De esta forma, las entidades públicas podrán “poner a disposición la información sin
convenios para realizar la actualización y aplicar los procesos de validación y controles de
calidad” y podrán celebrar acuerdos de intercambio de información con compañías (Depar-
tamento Nacional de Planeación DNP, 2017).
El decreto estableció dos tipos de resultados de los procesos de validación a través de
la interoperabilidad. Por un lado, “la exclusión” de la base de datos que se realizará por la
muerte de la persona registrada, por orden judicial o por duplicidad de los registros. Por
otro lado, la marcación “en vericación” en la que el DNP informa a la entidad territorial la
inconsistencia. A partir de ahí le corresponde a la entidad territorial informar a la persona
de la situación y decidir sobre la exclusión de los registros por un acto administrativo o,
en su lugar, solicitar una nueva entrevista para reclasicación. Dentro de los seis meses
siguientes al aviso del DNP, se comunicará la exclusión de los registros a las entidades
que manejan programas sociales para retirar los benecios (Departamento Nacional de
Planeación DNP, 2017, Artículo 2.2.8.3.5).
El DNP determinó nueve causales para poner los registros de la base de datos del SISBÉN
“en vericación”: (1) cambios de residencia sin que se pida una nueva encuesta, (2) regis-
tro de fallecimiento en otras bases de datos, (3) cambio no justicado de información que
determine el DNP, (4) registro de ingresos superiores a los valores determinados por el DNP,
(5) novedades en condiciones socioeconómicas no reportadas, (6) reportes de las entida-
des territoriales, (7) reportes de las entidades que administran benecios, (8) inexactitudes
o incongruencias de la información o (9) cualquier otra inconsistencia que considere el
DNP (Departamento Nacional de Planeación DNP, 2017).
El SISBÉN se presentó desde su implementación como el instrumento más “técnico, obje-
tivo, equitativo y transparente” para determinar los pobres “merecedores” de recibir bene-
cios sociales (McGee, 1999; Vélez et al., 1999). Ahora bien, el SISBÉN, como cualquier otra
medición, encarna una concepción de pobreza, y, considerando que el DNP es parte del go-
bierno, se mueve conforme a las necesidades de los mandatarios de turno. Efectivamente,
para el Estado implica una determinada intención política o social señalar quienes están
en una situación de pobreza (Menjura Murcia, 2016).
19
Como se mencionó, en la cuarta versión del SISBÉN se presentaron una serie de cambios
con los que se espera que las tecnologías de analítica de datos ayuden al Estado a ser más
“eciente” con el gasto público, buscando a los “verdaderos” pobres y castigando a los
“colados” dentro del sistema.
A continuación, vamos a analizar dos casos que muestran los cambios de lógicas y los
procesos de experimentación con los datos del SISBÉN.
Uno de los casos más interesantes del cruce de información, es la utilización de bases de
datos de la calicadora de riesgos nancieros Datacrédito que le pertenece a la multinacio-
nal irlandesa Experian.
En agosto de 2018, el DNP y Experian rmaron un Acuerdo de Intercambio de información
para habilitar el cruce de información entre las dos instituciones y así trabajar por su in-
terés común. En el caso del DNP, se busca utilizar la base de datos de riesgos nancieros
de Experian para “efectuar cruces con la información de la base de datos del SISBÉN” y
mejorar la calidad de la información buscando inconsistencias y “con ello obtener mayor
precisión respecto de la solvencia de las personas encuestadas (…) para la asignación de
los puntajes” (Departamento Nacional de Planeación & Experian Colombia, 2018).
El acuerdo establece que Experian le “permitirá y facilitará” al DNP acceso a dos tipos de
sistemas. Por un lado, acceso a la información del producto Quanto, que es “una solución
que permite estimar el nivel de ingreso de una persona natural”. De acuerdo con Experian
(2019), la consulta en Quanto “arroja una estimación puntual y rango de ingreso más pro-
bable de la persona evaluada” en tres niveles (valor estimado, límite inferior y superior) de
acuerdo con el “riesgo que se quiera asumir”. Por otro lado, Experian se comprometió a
entregarle al DNP acceso a la información nanciera de los titulares que estén registrados
en sus bases de datos. Igualmente, el acuerdo menciona la utilidad de la “experiencia y
3. LaS nUeVaS tEcNoLoGíaS y
lA eXpErImEnTaCión cOn lOs
dAtOs dE pOlítIcA sOcIaL
a. El caso Experian y el perlamiento nanciero
20
conocimiento en el desarrollo de herramientas analíticas” para el funcionamiento del DNP
(Departamento Nacional de Planeación & Experian Colombia, 2018).
El acuerdo también benecia a Experian, pues se le ofreció acceso a la “información no
reservada” para el desarrollo de aplicaciones y servicios que serían utilizados por las insti-
tuciones bancarias para facilitarles el acceso al crédito a personas de bajos recursos. En
otras palabras, el intercambio de información del SISBÉN le resulta útil a Experian para
construir un perl de riesgo crediticio de las personas más vulnerables y para desarrollar
más aplicativos que apuntan a la explotación de sus datos personales. En ese sentido, “el
DNP actúa en calidad de Usuario y Fuente de información” para Experian (DNP, 2018 p. 5).
Por eso, es claro que la prioridad del DNP es establecer modelos de vigilancia que aseguren
la calidad de sus bases de datos, antes que las consecuencias que pueden traer este tipo
de modelos de perlamiento.
Igualmente, Experian no se hará responsable de la calidad y del uso de la información que
le entregue al DNP. Aclarando siempre que Experian utiliza datos de terceros que hacen
técnicamente imposible garantizar su exactitud e integridad, pues “los servicios de Expe-
rian implican servicios, modelos y técnicas basados en análisis estadísticos, probabilidad
y comportamiento predictivo” (DNP & Experian, 2018, p. 10). Los datos que Experian le en-
tregará incluyen: datos de identicación como rango aproximado de edad y género; datos
crediticios como número de créditos, cantidad de créditos y porcentaje de usos de tarjetas
de crédito; datos de contratos con empresas de telecomunicaciones como la cantidad de
líneas celulares y el valor de las cuotas para compras de dispositivos (Ver Tabla 2).
Tipo de dato
personal Datos
Identicación del
cliente
Número de identicación
Nombres y apellidos
Rango aprox. de edad
Género
Cantidad de deudas
Créditos
Tipo de crédito
Cantidad de créditos por tipo
Valor inicial de cada crédito
Valor saldo de cada crédito
Valor cuotas de cada crédito
Mora de cada crédito
Tabla 2:
Datos presentes en la Base de Datos de
EXPERIAN que serían utilizados por el DNP.
(Departamento Nacional de Planeación,
2019d).
21
Tipo de dato
personal Datos
Tarjetas de
crédito
Cantidad de tarjetas de crédito
Cupo de cada tarjeta
Valor utilizado de cada tarjeta
Porcentaje de utilización de cada
tarjeta
Mora de cada tarjeta de crédito
Sector
telecomuni-
caciones
Cantidad de líneas celular
Valor de cuotas de cada línea
Mora en las cuotas de cada línea Tabla 2.
b. El caso INNPULSA Colombia: Big Data e
innovación con datos de personas del Sisbén
El segundo proyecto de inclusión de tecnologías al SISBÉN fue una convocatoria realizada
a principios de 2019 por Innpulsa Colombia, un Fideicomiso con recursos públicos de natu-
raleza privada, con el objetivo de “seleccionar una empresa que cree y ejecute un modelo de
analítica de datos que contribuya a los esfuerzos de medir y detectar fraudes en el Sisbén”.
El proponente seleccionado deberá crear y ejecutar un modelo de analítica de datos para
aplicar Big Data con el acompañamiento del Massachusetts Institute of Technology (MIT),
bajo contrato de consultoría 015-2017, que permita responder a las siguientes preguntas:
1. ¿Cuáles patrones de comportamiento de las personas registradas en el SISBÉN reflejan
características que las denan como propensas a incurrir en acciones fraudulentas orienta-
das a alterar el puntaje con el n de acceder a los benecios?
2. ¿Qué incentivos motivan las alteraciones en el comportamiento de las personas registra-
das en el SISBÉN? Lo anterior, para identicar aquellos usuarios que pretendan mantener
su condición de beneciarios alterando las características en el Sistema. Este análisis debe
darse desde variables identicadas en los datos disponibles.
3. ¿Qué análisis de tendencia, de combinación de programas sociales y de características,
permiten establecer cuáles usuarios que sean beneciarios de una ruta de atención en el
Sisbén puedan ser susceptibles de movilidad social?
22
4. ¿Cuáles son las combinaciones de programas más efectivas para superar la condición de
vulnerabilidad y superar el umbral de puntaje para recibir ayuda de los programas sociales?
(FIDUCOLDEX, iNNPULSA Colombia, & MINCIT, 2019, p. 16)
La convocatoria hace parte del Contrato 015-2017 con el MIT para hacer un diagnóstico
del Big Data en el país, el diseño de una estrategia de Big Data desde el Estado y el diseño
de una hoja de ruta para “el fortalecimiento de la industria de Big Data en Colombia”. Para
la segunda fase se van a implementar proyectos piloto en el que se escogerán empresas
colombianas para que trabajen con el MIT encaminado a “estimular la participación del
sector privado y de fortalecer esta industria en el país” (FIDUCOLDEX et al., 2019, p. 6).
La ejecución de este proyecto busca “transferir conocimiento a la empresa seleccionada
mediante el acompañamiento del MIT (…) que permitan el aprovechamiento de los datos
disponibles mediante la aplicación de metodologías y técnicas que reejen el estado del
arte del aprovechamiento de datos”. Igualmente, el régimen aplicable a estos contratos “es
exclusivamente del derecho privado” (FIDUCOLDEX et al., 2019, p. 7).
Según los Términos de Referencia, se dene el Big Data con datos como “ujos y conjuntos
resultantes de las huellas digitales que dejan los seres humanos al usar teléfonos celu-
lares (registros de llamadas), tarjetas de crédito (transacciones), el transporte (registros
de metro o autobús y de EZ Pass), medios sociales y motores de búsqueda, o cuando sus
acciones son registradas por sensores, ya sean físicos”. Esta denición resulta relevante,
considerando que las fuentes de datos que se le ofrecerán a la empresa ganadora inclu-
yen: el SISBÉN, Matrículas de educación básica, Sistema Nacional de Educación Superior
(MinEducación) y los sistemas de transferencias condicionadas. Ahora bien, también se
mencionó que la empresa ganadora e INNPULSA “podrán proponer y aportar datos prove-
nientes de otras fuentes que complementen el análisis siempre y cuando sea posible tener
acceso a las mismas” (FIDUCOLDEX et al., 2019, p. 18).
El producto de analítica de datos que debe entregar la empresa ganadora del concurso tie-
ne que construir un análisis de los datos de las personas inscritas en el SISBÉN que incluye
“patrones de comportamiento, los factores que lo alteran como punto potencial de fraude”
y a su vez “las mejores combinaciones de paquetes de programas sociales en términos de
eciencia para mejorar su situación medida con el puntaje SISBÉN” (p. 17).
Datos de personas en situación de pobreza como recurso para la innovación
La convocatoria de utilizar Big Data con los datos del SISBÉN muestra un cambio elemen-
tal con referencia al manejo realizado por otros gobiernos. Los Términos de Referencia del
contrato muestran una variación en el propósito para los datos del SISBÉN que abandonan
el objetivo social y entran a convertirse en activos para la promoción de ciertos modelos de
negocio. En ese sentido, el contrato coordinado por INNPULSA muestra una tendencia en
convertir en activos para la innovación corporativa los datos personales de la ciudadanía.
23
El objetivo con el que se creó INNPULSA Colombia es promover “el emprendimiento, la in-
novación y el fortalecimiento empresarial” (FIDUCOLDEX et al., 2019, p. 2). Por esta razón,
uno de los enfoques de su trabajo se conecta con los objetivos del contrato es:
Favorecer el emprendimiento y la innovación empresarial: diseñar y ejecutar instrumen-
tos, programas, servicios especializados y estrategias de nanciación para acompa-
ñar a las empresas en todo su proceso de creación y crecimiento, desde la superación
de obstáculos que lo impiden, hasta la gestión de recursos y apoyo técnico para que
no dejen de avanzar y conquistar nuevos mercados como empresas de alto impacto”
(FIDUCOLDEX et al., 2019, p. 5).
El contrato de INNPULSA se presenta como parte de una estrategia por consolidar un mer-
cado de analítica de datos en Colombia (Consejo Nacional de Política Económica, 2019, p.
21) y “convertir a Colombia en el Silicon Valley de América Latina” (Ocampo, 14 de mayo de
2019). En este caso, la empresa colombiana seleccionada le prestaría un servicio al Esta-
do, mientras que recibe la capacitación de expertos del MIT y acceso a una base de datos
lo sucientemente masiva para experimentar.
El tratamiento de los datos de las personas es un componente elemental de la justicia so-
cial en los sistemas de información (Heeks & Renken, 2016). En este caso, de acuerdo con
la reglamentación del sector de planeación , “el Departamento Nacional de Planeación2,
denirá (…) los cruces de información necesarios para su depuración y actualización, los
lineamientos para su implementación y operación, el diseño de las metodologías” (De-
partamento Nacional de Planeación DNP, 2017). El decreto también menciona que “la ad-
ministración del Sisbén y la información recolectada por este se sujetará a los derechos
fundamentales a la igualdad, intimidad, protección de datos personales y a los principios
de transparencia, moralidad, eciencia, calidad y publicidad de la información, así como los
demás que rigen la función administrativa” (Departamento Nacional de Planeación DNP,
2017). Igualmente, el Decreto explicita que el uso de la base de datos del SISBÉN por parte
de las entidades debe ser “en función de los objetivos e impactos perseguidos”. De esta
forma, resulta incoherente que los datos de la ciudadanía que se recogen con el objetivo de
la política social se terminan utilizando para el crecimiento empresarial y la consolidación
de un mercado de explotación de datos.
Igualmente, el tratamiento de los datos del SISBÉN es desconocido por la ciudadanía que
es clasicada. Por medio de solicitudes de acceso a la información, quisimos conocer
los contratos que INNPULSA tenía con el MIT y los estudios previos de los contratos y la
respuesta fue que “el régimen aplicable para los actos y contratos celebrados es exclu-
sivamente privado”. Por tanto, la información que manejan se clasicó como reservada
2. Decreto Único Reglamentario del Sector Administrativo de Planeación Nacional (Decreto 1082 de 2015) modicado por el
Decreto 441 de 2017.
24
porque se “relaciona a información privada de particulares” acogiéndose a la Ley de Ha-
beas Data (Unidad de Gestión de Crecimiento Empresarial, FIDULCOLDEX, MINCIT, & iN-
NPULSA Colombia, 2019).
-El texto apuntó a leer el problema de un sistema como el SISBÉN desde la perspectiva
de justicia de datos y análisis críticos de tecnología. El principal instrumento de foca-
lización de benecios sociales se ha presentado históricamente como una solución
“transparente, técnica y equitativa” que ha sido criticada por los factores que se tienen
en cuenta en la medición (Castañeda & Fernández, 2005; Cortes Nieto, 2012), pero no
como un problema de explotación de datos y perlamiento de población vulnerable. En
este caso, vemos al SISBÉN como un sistema de perlamiento individual de población,
basado en datos de múltiples fuentes cuyo resultado es una puntuación que simplica
la compleja realidad de la pobreza y clasica a las personas para determinar quiénes
“merecen” la protección del Estado. Así, las ideas de automatización, interoperabilidad
y Big Data toman formas especícas relacionadas con los objetivos, los intereses polí-
ticos y la construcción de estas mediciones.
-Cuando se analizan los discursos y objetivos de estas tecnologías vemos un sistema
pensado para buscar inconsistencias entre las personas inscritas y recortar la canti-
dad de personas que pueden acceder a benecios. Esto se sostiene en una narrativa
de la eciencia del gasto y la mejor focalización de los benecios sociales. Así, vemos
una política social que, más que “buscar pobres”, trata de “buscar mentirosos”. De esta
forma, aparece un diseño que utiliza la tecnología para descartar a las personas y no
para incluir a los grupos históricamente excluidos.
-La idea del Estado de Bienestar como un sistema que “busca” individuos vulnerables
para calicarlos y determinar si merecen o no acceso a derechos sociales, ha forta-
lecido los procesos de vigilancia sobre la población de forma individualizada y cada
vez más invasiva, en un intento por focalizar los recursos entre los que son “realmen-
te” pobres (Alson, 2019). Esta visión de la protección social transforma al ciudadano,
sujeto de derechos, en un registro que debe ser analizado para ser “merecedor” de la
protección del Estado (Jasanoff, 2017).
-Los grandes sistemas de información permiten hacer y deshacer los “merecedores”
por medio de un sistema que, a pesar de ser arbitrario o injusto desde su diseño (Corte
Constitucional, Sala Primera de Revisión, Sentencia T-716/17, 2017), parezca resultado
de un examen objetivo de tecnologías de punta.
4. CoNcLuSiOnEs
25
-Con las narrativas del SISBÉN, el problema de la incapacidad del Estado de reducir la
pobreza en los últimos años se presenta como una situación de carácter técnico y no
político. Así, el estancamiento que presenta la reducción de la pobreza en los últimos
años y las grandes inequidades entre regiones no es efecto de políticas sociales que
están fallando, sino de la carencia de un instrumento más moderno y preciso que pue-
da “buscar” a los “verdaderos” pobres.
-El discurso de SISBÉN IV presenta a los “colados” como el problema central del estan-
camiento de la reducción de la pobreza. Así, se centra la vigilancia y el uso de tecnolo-
gía en el eslabón más vulnerable de una cadena de construcción del sistema del SIS-
BÉN que es susceptible a la politización regional y nacional (Castañeda & Fernández,
2005; Menjura Murcia, 2016).
-Como lo menciona Arora (2019), existe una tradición del Estado de experimentar con
las personas en vulnerabilidad económica, pues los daños que se puedan hacer se
consideran menos importantes y es más difícil que puedan acceder a la justicia por
reparaciones. Por esto, los datos del SISBÉN se vuelven activos para la consolidación
de un mercado digital y los beneciarios se convierten en un espacio de experimenta-
ción sin importar los daños que puedan darse con estos sistemas. Los objetivos del
contrato de Innpulsa no reconocen los objetivos públicos de proteger a las personas,
sino que tratan de maximizar la eciencia de los recursos y eliminar el fraude. Así, este
contrato no se preocupa por los costos humanos del sistema y los daños de estos
procesos de experimentación sobre los derechos sociales de las personas pueden ser
incalculables (Eubanks, 2018).
-El caso del SISBÉN que analizamos en este texto muestra muchas de las limitaciones
de las regulaciones de tratamiento de datos personales, transparencia y acceso a la
información por parte del Estado. Las personas son obligadas a dar su consentimiento
para cotejar información con otras bases de datos, pues se les amenaza con perder los
benecios con los que cuentan. Así, se ejemplica una política que siembra el miedo
de perder los benecios entre las personas y vean el procedimiento de relacionamiento
con el Estado como un riesgo.
-Igualmente, las personas son calicadas por un sistema que utiliza sus datos para
otros nes, que no entienden y al cual no pueden retar en caso de afectaciones. Las
múltiples oportunidades en que se negó información sobre el tratamiento de los datos
de las personas, la manera en cómo éstas son calicadas, los estudios y las unidades
de medida del algoritmo del SISBÉN muestran una política poco transparente e injusta
con las personas.
-Los cambios y promesas de la cuarta versión del SISBÉN marcan la narrativa del fu-
turo de la asistencia social. Un claro ejemplo es el proyecto del Registro Social en el
que se harán grandes análisis de datos para determinar el “merecimiento” individual de
26
todos los derechos sociales de las personas (Morales Manchego & Galindo Caballero,
2019). El enfoque del proyecto muestra un Estado que, en un esfuerzo por determinar
a los “verdaderos” pobres, trata de recoger más datos de las personas, colocando a
segmentos vulnerables de la población en estado de vigilancia y automatizando su
relación con el Estado para acceder a sus derechos.
-Por esta razón, ahora más que nunca, resulta imperativo introducir las preocupaciones
por la privacidad, la dignidad y la autodeterminación, en la discusión de la protección
social para fomentar sistemas más justos que no vengan a reproducir las inequidades
históricas de nuestras sociedades o hacerlas aceptables como resultado de una tec-
nología futurista.
- El diseño y el uso del SISBÉN debe responder a la protección de las personas. Los
datos que son recolectados, el tratamiento de los mismos y las consecuencias de la
puntuación son elementos que pueden afectar la diginidad y la autonomía de la ciuda-
danía. En este caso, no solamente hablamos de un “instrumento de medición”, sino de
un sistema de clasicación social que afecta la vida de las personas.
- Los datos que se recogen en las encuestas del SISBÉN son de carácter sensible y de-
ben utilizarse única y exclusivamente para los propósitos que fueron recogidos , según
la Ley de Protección de Datos Personales y sus principios de nalidad y circulación
restringida. Esto signica que esos datos sólo pueden ser usados para el desarrollo de
la política social y los procesos de redistribución. No se puede utilizar los datos para
el benecio privado o para promocionar el crecimiento empresarial de la analítica de
datos en el país.
- Las personas que son calicadas por medio del SISBÉN deben contar con vías para
poder exigir una explicación por la calicación que recibieron. Así mismo, en el caso de
exclusión se deben explicar las razones de cualquier tipo de marcación que obtengan
por inconsistencias, las bases de datos utilizadas para detectarla y las respectivas
vías de réplica que tienen las personas.
- Es necesario desarrollar la protección de datos cuando la responsable o encargada
del tratamiento es una entidad del Estado o autoridad pública. Si bien el tratamiento
de datos personales hace parte de muchas de las funciones de las entidades o auto-
ridades, es necesario señalar criterios claros sobre la interpretación especícamente
sobre los artículos 5, 6, 10 y 13 de la Ley de Protección de Datos. Adicionalmente, hay
5. ReCoMeNdAcIoNeS
27
que fortalecer las capacidades de investigación de la Delegatura para la Protección de
Datos Personales y de sanción por parte de la Procuraduría General de la Nación en
relación con la división de competencias del artículo 23 de la misma ley.
- El SISBÉN es un instrumento que resulta clave para la vida de millones de personas,
así que el Departamento Nacional de Planeación no puede encargarse de todas las
funciones relacionadas con el sistema. En este caso, la entidad determina los cambios
en el algoritmo, nancia a nivel nacional, vigila y controla el sistema. La inclusión de
otros actores es fundamental para tener un sistema balanceado con los intereses de
una sociedad más equitativa que respete la dignidad de las personas.
- La idea de benecios individuales exige datos a nivel individual, más vigilancia y per-
secución centrada en la ciudadanía que ha sido blanco de la violencia de la marginali-
dad. Pensar en alternativas a esa base individual podría permitir formas diferentes de
medir y calicar la pobreza y no las personas, sino los sectores geográcos o sociales
que requieren la ayuda estatal.
- El diseño de los mecanismos de vigilancia y control de las bases de datos del SIS-
BÉN no pueden centrarse en vigilar a los posibles beneciarios, en construir perles
y predecir comportamientos. Este tipo de predicciones en la política social pueden
implicar exclusión de las personas de los benecios y van en contra del principio de
buena fe. Así mismo, las personas que son calicadas por el SISBÉN incluyen grupos
en condición de vulnerabilidad que no pueden volver a ser blancos de la violencia de la
vigilancia. Por esto, se recomienda considerar mecanismos de vigilancia y control que
se centren en otros eslabones de la construcción de las bases de datos del SISBÉN.
- Los proyectos del Registro Social para reemplazar el SISBÉN desconocen los riesgos
del perlamiento y la predicción para el ejercicio de los derechos sociales, civiles y
políticos. Por esto, es necesario hacer un balance entre la dignidad de las personas y
los procesos de focalización de los registros sociales. La inclusión de tecnología debe
responder a un proceso de mejora de los benecios sociales, no a la construcción de
un sistema de vigilancia sobre las personas beneciarias. Además, es necesario hacer
un balance entre los objetivos de cada programa social y entre los benecios universa-
les y los focalizados.
- La falta de participación de las personas que son clasicadas por el SISBÉN excluye
la experiencia y falla en reconocer las dicultades que experimenta el sistema en el
campo. Resulta clave que la construcción de las categorías y los valores que se inclu-
yen en el algoritmo del SISBÉN sea un proceso participativo que involucre la experien-
cia de las personas y la experticia de otras partes del sector público y del académico.
28
Alson, P. (2019). Report of the Special rapporteur on extreme poverty and human rights: United
Nations Human Rights Oce of the High Commissioner. Retrieved from https://www.ohchr.
org/Documents/Issues/Poverty/A_74_48037_AdvanceUneditedVersion.docx
Arbeláez Camaño, M. (2019). Sacar a los colados: objetivo de la encuesta para el nuevo
Sisbén. RCN Radio. Retrieved from https://www.rcnradio.com/colombia/sacar-los-colados-
objetivo-de-la-encuesta-para-el-nuevo-Sisbén
Arora, P. (2018). Politics of Algorithms, Indian Citizenship and the Colonial legacy, 22.
Arora, P. (2019). The next billion users: Digital life beyond the West: Harvard University Press.
Carnes, M., & Mares, I. (2015). Explaining the “return of the state” in middle-income countries:
employment vulnerability, income, and preferences for social protection in Latin America.
Politics & Society, 43(4), 525–550.
Castañeda, T., & Fernández, L. (2005). Targeting social spending to the poor with proxy-
means testing: Colombia’s SISBÉN system. World bank human Development Network social
protection unit discussion paper, 529.
Conexión Sur. (2019). Comunidad del área rural de Andes reacia a encuesta del Sisbén.
Conexión Sur. Retrieved from http://www.conexionsur.co/comunidad-del-area-rural-de-andes-
reacia-a-encuesta-del-Sisbén/
Consejo Nacional de Política Económica. (2019). CONPES 3975 Política Nacional para la
Transformación Digital e Inteligencia Articial. Bogotá.
Consejo Nacional de Política Económica, & Departamento Nacional de Planeación. (2016).
DECLARACIÓN DE IMPORTANCIA ESTRATÉGICA DEL SISTEMA DE IDENTIFICACIÓN DE
POTENCIALES BENEFICIARIOS (SISBÉN IV) (No. 3877).
Correa, M. V. (2017). 40,5 millones de colombianos estarán en 2019 en el Sisbén. El
Colombiano. Retrieved from https://www.elcolombiano.com/colombia/40-5-millones-de-
colombianos-estaran-en-2019-en-el-Sisbén-IA7741749
Cortes Nieto, J. (2012). Pobreza, capacidades y medición. El intento de Colombia de medir las
capacidades a través de una evaluación indirecta de los medios de vida: el SISBÉN. Revista
Jurídica Piélagus, 11, 9–17.
DANE. (2019a). Empleo informal y Seguridad Social. DANE. Retrieved from https://www.dane.
gov.co/index.php/estadisticas-por-tema/mercado-laboral/empleo-informal-y-seguridad-social
DANE. (2019b). Pobreza Monetaria y Multidimensional en Colombia 2018. DANE Información
para todos.
6. ReFeReNcIaS
29
Deacon, B. (2007). Global social policy and governance: Sage.
Departamento Nacional de Planeación. (2016). Ficha de caracterización socioeconómica -
SISBÉN IV.
Departamento Nacional de Planeación. (2019a). Bases del Plan Nacional de Desarrollo (2018-
2022): Pacto por Colombia, pacto por la equidad.
Departamento Nacional de Planeación. (2019b). Solicitud de Información No
20196000194942.
Departamento Nacional de Planeación. (2019c). Solicitud de Información No
20196000387092.
Departamento Nacional de Planeación. (2019d). Solicitud de Información No
20196000454702.
Departamento Nacional de Planeación, & Experian Colombia. (2018). Acuerdo de
condencialidad e intercambio de infromación entre el Departamento Nacional de Planeación
y Experian Colombia.
Departamento Nacional de Planeación DNP. (2017). DECRETO 441 DEL 16 DE MARZO DE 2017:
Departamento Nacional de Planeación DNP.
Departamento Nacional de Planeación-DNP. (2019). Respuesta solicitud de información Rad.
20196000194942.
Diario del Cauca. (2018). Piendamó pidió anular encuesta de Sisbén cuatro. Diario del Cauca.
Retrieved from https://diariodelcauca.com.co/noticias/local/piendamo-pidio-anular-encuesta-
de-Sisbén-cuatro-447269
Eubanks, V. (2018). Automating inequality: How high-tech tools prole, police, and punish the
poor: St. Martin’s Press.
Experian. (2019). QUANTO Datos de ingresos mensuales. Datacrédito Experian. Retrieved from
https://www.datacredito.com.co/empresas/index.jsp#/empresas/soluciones/quanto
FIDUCOLDEX, iNNPULSA Colombia, & MINCIT. (2019). TÉRMINOS DE REFERENCIA INNPULSA
COLOMBIA “Términos de Referencia para seleccionar una empresa que cree y ejecute un
modelo de analítica de datos que contribuya a los esfuerzos de medir y detectar fraudes en el
Sisbén”BDPS-18.
Gupta, A. (2012). Red tape: Bureaucracy, structural violence, and poverty in India: Duke
University Press.
Hall, A. (2007). Social Policies in the World Bank: Paradigms and Challenges. Global Social
Policy, 7-151, 26. https://doi.org/10.1177/1468018107078160
Heeks, R., & Renken, J. (2016). Data justice for development: What would it mean? Information
Development, 34(1), 13. https://doi.org/10.1177/0266666916678282
30
Jasanoff, S. (2017). Virtual, visible, and actionable: Data assemblages and the sightlines of
justice. Big Data & Society, 4(2), 2053951717724477.
La Opinión. (2019). Sisbén: continuarán los que digan la verdad. La opinión. Retrieved
from https://www.laopinion.com.co/cucuta/Sisbén-continuaran-los-que-digan-la-verdad-
180221#OP
López Restrepo, A. (1995). Las etapas de la liberalización de la economía colombiana.
Lyon, D. (2009). Identifying citizens: ID cards as surveillance: Polity.
McGee, R. (1999). ‘Technical, Objective, Equitable, and Uniform’? A Critique of the Colombian
System for the Selection of Beneciaries of Social Programmes, Sisbén.
Menjura Murcia, R. H. (2016). Los conceptos de pobreza en los instrumentos de focalización
del Gasto Público en Colombia desde la última década siglo XX, alcances y perspectivas: El
caso del Sisbén: Universidad Nacional de Colombia-Sede Bogotá.
Morales Manchego, M., & Galindo Caballero, M. (2019). Tras Sisbén 4 arranca era del registro
social: director del DNP. Retrieved from https://www.eltiempo.com/economia/sectores/tras-
Sisbén-4-arranca-el-registro-social-para-reducir-y-focalizar-subsidios-421558
Ocampo, Á. (14 de mayo de 2019). Duque: “Colombia se va a convertir en el Silicon Valley de
América Latina”. La FM. Retrieved from https://www.lafm.com.co/tecnologia/duque-colombia-
se-va-convertir-en-el-silicon-valley-de-america-latina
Portafolio. (2017). Fueron ‘sacados’ más de 370.000 colados del Sisbén. Portafolio. Retrieved
from https://www.portafolio.co/economia/fueron-sacados-mas-de-370-000-colados-del-
Sisbén-505550
Sarmiento, A., González, J. I., & Rodriguez, L. A. (1999). Eciencia horizontal y eciencia
vertical del Sistema de Selección de Beneciarios (Sisbén).
Unidad de Gestión de Crecimiento Empresarial, FIDULCOLDEX, MINCIT, & iNNPULSA Colombia.
(2019). Respuesta solicitud de información - “Ministerio de Industria, Comercio y Turismo”
Radicado MINCIT No.:2-2019-010521- Radicado iNNpulsa Colombia No.:3949- Radicado
FIDULCODELX S.A No.:64706409.
Vélez, C. E., Elkin Castaño, V., & Deutsch, R. (1999). Una interpretación económica del Sistema
de Focalización de Programas Sociales: el caso Sisbén en Colombia.
31
... Este proceso ha generado afectaciones graves a las vidas de las personas que dependen de la clasificación del Sisbén para acceder a servicios fundamentales. Entre las mayores afectaciones, la Fundación Karisma (López, 2020) ha identificado las siguientes: ...
... Por un lado, el DNP publicó los nuevos grupos encuestando solo el 70% de las personas inscritas en el previo Sisbén. Por otro lado, considerando que muchas de las encuestas se realizaron en 2019 antes de la pandemia, las condiciones socioeconómicas de las personas cambiaron drásticamente haciendo que quieran solicitar una reclasificación (López, 2020, Botero, 2020. ...
... Con esto, las personas clasificadas no pueden retar la metodología de clasificación, los resultados de la clasificación y cualquier inconsistencia entre la información reportada y las otras bases de datos. Ante las quejas de las personas, el DNP ha dicho que no se pueden presentar inconformidades frente a la clasificación, sino sobre la información reportada por las personas (López, 2020). ...
Technical Report
Full-text available
El Sisbén (Sistema de Posibles Beneficiarios de Programas Sociales) clasifica los hogares colombianos en grupos de los más pobres a los más ricos. Este sistema cuenta con dos componentes: una base de datos que contiene información personal de las personas que componen cada hogar y un algoritmo (un conjunto de reglas automatizadas) que clasifica a cada hogar de acuerdo en un grupo jerarquizado de vulnerabilidad, a partir de los componentes definidos por un modelo multidimensional de caracterización de la pobreza. En 2016, el DNP hizo una serie de cambios en el Sisbén con el objetivo de “modernizar” el sistema y corregir unos errores que generaban que “más personas pudieran acceder a programas sociales de las que estaban en pobreza”. Estos cambios se hicieron sobre la premisa que el sistema estaba lleno de “colados”, personas no pobres que con información falsa o incorrecta han obtenido puntajes que los hace beneficiarios de programas sociales. La visibilidad del Sisbén contrasta fuertemente con la comprensión de sus prácticas de captura, organización y administración de la información. Por medio de una combinación de métodos digitales y análisis de discurso seguimos diferentes redes sociales del país con el fin de identificar cómo la población afectada por el sistema de clasificación del Sisbén se informa y moviliza sus inconformidades. Encontramos una diversidad de fuentes con diferente grado de confiabilidad que evidencia la necesidad que tienen los ciudadanos de información clara y accesible y la incapacidad del Estado para proveerla. Esto da lugar al surgimiento de grupos e influenciadores que si bien cumplen una labor de divulgación de los programas de Estado importante crean canales de comunicación vulnerables a noticias falsas, desinformación, incluso estafas. Esta exploración nos muestra la importancia que tienen los grupos de Facebook y de otras redes como WhatsApp en la organización de grupos de interés alrededor de problemas y asuntos específicos. En el caso del Sisbén estas redes han sido un vehículo de comunicación de dudas e inconformidades que difícilmente se pueden tramitar por medio de los canales oficiales del Estado.
... Desde los 90, las políticas de atención a la pobreza en América Latina se han caracterizado en la focalización del gasto social (Castañeda, 2005;López, 2020;Rodríguez, 2011Rodríguez, , 2011a. La crisis en América Latina llevó a los países a buscar apoyo de organizaciones internacionales como el Fondo Monetario Internacional que impuso fuertes condiciones de reformas a la estructura del Estado. ...
... En 1994, Colombia creó el principal instrumento para focalizar dichos recursos conocido como Sistema de Potenciales Beneficiarios de Programas Sociales (Sisbén). Este sistema se basa en una encuesta que recoge datos sobre los elementos que el gobierno califica como característicos de un hogar en condición de pobreza y genera una calificación que ubica a las personas en grupos de pobreza (López, 2020). Aunque desde 1965 el país contaba con la estratificación socioeconómica basada en las características de los barrios (Castañeda, 2005), el Sisbén se convirtió en la manera más usada de focalizar los programas sociales (López, 2020). ...
... Este sistema se basa en una encuesta que recoge datos sobre los elementos que el gobierno califica como característicos de un hogar en condición de pobreza y genera una calificación que ubica a las personas en grupos de pobreza (López, 2020). Aunque desde 1965 el país contaba con la estratificación socioeconómica basada en las características de los barrios (Castañeda, 2005), el Sisbén se convirtió en la manera más usada de focalizar los programas sociales (López, 2020). ...
Technical Report
Full-text available
El programa de transferencias condicionadas Familias En Acción entrega beneficios monetarios a más de 2 millones de familias y es considerado uno de los programas más consolidados en la política social en Colombia . A pesar de ser catalogado como un éxito en términos de reducción de la pobreza y una revolución en la política social colombiana, este programa es una muestra de cómo la administración de programas sociales afecta la autonomía y dignidad de las mujeres a través de una compleja red de vigilancia institucional y una serie de estereotipos que imponen cargas cada vez mayores sobre sus vidas. El objetivo de este texto es identificar y comprender las dimensiones de género al interior de los procesos de clasificación y datificación dentro de la asistencia social en el país. En este documento partimos de un lente que nos permita visibilizar la manera en la cual Familias en Acción y sus múltiples procesos de clasificación y ordenamiento afectan específicamente la experiencia de las mujeres-madres beneficiarias.
Chapter
The COVID-19 pandemic has contributed to shift data power—the power of data structures as well as the power exerted by data on social life—in two directions. Key state functions and infrastructure are transferred to private corporations at the expenses of state sovereignty and oversight, while individual control over personal information such as political preferences and biomedical data is delegated to quasi-monopolistic platforms. Data activism as the civil society response to data power and the field of critical data studies in its role of the scholarly interpreter of a datafied society can both help us make sense of these challenges. Dialoguing with political sociology, this chapter explores data activism as a counterforce to predominant data power, takes stock of its most recent evolutions, and identifies pathways for critical data studies in the post-pandemic world. First, it distinguishes five focal strategies for data activists as they grappled with the challenges of the first pandemic within a datafied society: counting, debunking, making, witnessing, and shielding. It then singles out three challenges for data activism in the post-pandemic world, namely the question of infrastructure, the diffusion of data poverty, and scarce digital literacy. This chapter concludes by deriving lessons learnt from data activism during the pandemic that point to potential new perspectives for critical data studies in the post-pandemic world.
Article
Nuestro estudio localiza la implementación de macrodatos (big data) y la inteligencia artificial que avanza hoy en el Sur Global dentro de la agenda de “datos para el desarrollo”, en culturas como las latinoamericanas, caracterizadas por grandes asimetrías sociales y una corrupción estructural –herederas del proceso de colonización–, con el fin de evidenciar los problemas de automatización en sistemas alimentados por datos que han sido históricamente objeto de manipulación, o corrupción de datos. Para ello examinamos dos casos de mal funcionamiento en infraestructuras de información de programas de asistencia social en Colombia (Ingreso Solidario y Sisben) y exploramos el archivo de la teoría crítica latinoamericana con el objetivo de iluminar los procesos de datificación en estas condiciones. Finalmente, nuestra aproximación responde a los llamados a cuestionar el supuesto universalismo de los datos y a ir más allá de las miradas tecnocéntricas sobre el funcionamiento de estas tecnologías, desplazando el foco de atención a los momentos en que estas fallan, a los imaginarios sociotécnicos locales y a la agencia política de aquellos que se resisten a su control normativo.
Article
Full-text available
Este trabajo tiene como objetivo realizar un análisis comparativo de las condiciones de pobreza de la población encuestada por el Sistema de Identificación de Potenciales Beneficiarios de Programas Sociales (SISBEN) para en el año 2009 en relación con la población encuestada en el 2019. Para ello, se calculó el porcentaje de hogares por debajo de la línea de pobreza monetaria, pobreza extrema y el porcentaje de hogares condición de necesidades básicas insatisfechas. Con base en estos cálculos se clasificaron los hogares de acuerdo a sus tipologías y se obtuvo el porcentaje de los hogares en condición de integración social, pobreza reciente, carencias inerciales y pobreza crónica siguiendo la metodología de Kaztman (1989, 1997). Un primer hallazgo que reportan los datos, es que los hogares que ingresaron en el 2019 al SISBEN se encuentran en peores condiciones que los registrados en el 2009. Un segundo hallazgo indica que, aunque la población en condición de pobreza se encuentra localizada fundamentalmente en las zonas de oriente y ladera, coexisten formas heterogéneas de pobreza y de igualdad de oportunidades en un mismo territorio.
Article
Full-text available
Este artículo analiza dos de los problemas que ha creado el uso del SISBEN como medio para seleccionar a los beneficiarios de los programas sociales del Estado. El primer problema es la no inclusión en la encuesta del SISBEN de un factor que tiene un importante impacto en la habilidad de las familias de crear capacidades para salir de la pobreza: las enfermedades crónicas. El segundo es la exclusión de los trabajadores pobres de la mayoría de los programas de bienestar. Se argumenta que esos problemas tienen serias implicaciones desde el punto de vista constitucional. En primer lugar, implican una violación del principio de igualdad material reconocido en la Constitución colombiana. En segundo lugar, significan una limitación sospechosa del derecho a la salud de la gente pobre, pues el régimen subsidiado de salud solamente afilia a aquellos en las situaciones mayores de pobreza de acuerdo con la clasificación del SISBEN.
Article
Full-text available
This paper explores the politics of representing events in the world in the form of data points, data sets, or data associations. Data collection involves an act of seeing and recording something that was previously hidden and possibly unnamed. The incidences included in a data set are not random or unrelated but stand for coherent, classifiable phenomena in the world. Moreover, for data to have an impact on law and policy, such information must be seen as actionable, that is, the aggregated data must show people both something they can perceive and something that demands interrogation, explanation, or resolution. Actionable data problematize the taken-for-granted order of society by pointing to questions or imbalances that can be corrected or rectified, or simply better understood, through systematic compilations of occurrences, frequencies, distributions, or correlations. The paper describes and analyzes three different modes of authorized seeing that render data on global environmental phenomena such as climate change both visible and actionable. It argues that the political force of environmental data compilations derives from the divergent epistemological standpoints and expert practices associated with producing views from nowhere, everywhere, and somewhere.
Article
Full-text available
This paper looks at the intersection of two growing trends in international development – use of justice in development theory, and use of data in development practice – and asks what data-justice-for-development would mean. The rationale for this can be the presence of current data injustices in developing countries, and different framings for data injustice point to three different mainstream perspectives on data justice: instrumental, procedural, and distributive/rights-based. These three perspectives are explained but they are also subject to small data, sustainability, Senian, and structural critiques. A full understanding of the mainstream perspectives and conceptualisation of the critiques is largely the task of a future research agenda. However, the paper does particularly argue that a structural approach should be the foundation for understanding data justice in a development context. It offers three potential ways to conceptualise structural data justice – through the ideas of Iris Marion Young, of political economy, and of the capability approach – and ends with some thoughts on the practical agenda when seeking to deliver structural data justice for development.
Book
This accessible text looks at the impact of the globalization process on social policy. National social policy is increasingly determined by global economic competition and international organizations. Its substance is becoming more and more transnational and now has to be understood in terms of global social redistribution, social regulation, social provision and empowerment. Global Social Policy examines trends in global inequity and summarizes the diverse experiences of different welfare regimes across the world. The authors review the social policies of international organizations such as the World Bank, the International Monetary Fund, UN Agencies and the European Union, and show them to be engaged in heated con.
Article
In recent decades, developing and middle-income countries around the globe have adopted path-breaking reforms to their social protection systems. Among these countries, Latin America has been a pioneer, expanding the state’s commitment on behalf of low-income citizens in key policy areas. This paper undertakes two tasks. First, it documents the surprising extension of noncontributory social protection policies across many Latin American countries, highlighting how tax-financed programs have come to play a central role in a variety of settings. Second, it examines citizen-level preferences that support this trend, arguing that employment vulnerability and threats to income continuity play a decisive role in shaping demand for public, rather than private, social protection. Survey data on labor-market risks and social policy preferences from eighteen countries corroborates these claims. Our findings suggest that other countries undergoing labor-market strains may experience similar demands for a “return of the state” as a guarantor of social protection in the coming years.
Article
Social policies in the World Bank have evolved into three conceptually and operationally separate agendas: social welfare, social protection and social development. Welfare services and basic human needs, as well as social protection in the form of safety nets and social safeguards, together form the mainstay of what is generally regarded within the organization as constituting social policy. Social development reflects a broader if more fragmented view of social policy. Bank specialists have recently sought to widen the definition of social policy beyond welfare and protection, building upon longstanding academic discourse in this field. However, in attempting to pursue a more holistic and over-arching vision of social policy for development, they are likely to encounter major internal obstacles. Meeting this challenge will not be facilitated by the Bank reorganization announced in June 2006, which may serve to restrict the independence and remit of environmental and social specialists.
Article
While targeting can effectively channel resources to the poor, implementation details matter tremendously to distributive outcomes. Several key factors affect performance, including: data collection processes; information management; household assessment mechanisms; institutional arrangements; and monitoring and oversight mechanisms. This report conducts an in-depth assessment of key design and implementation factors and their potential impact on outcomes for the household targeting system SISBEN used in Colombia to target social programs to the poor and vulnerable.
Article
Targeted poverty reduction programmes, advocated in contemporary poverty orthodoxy, heighten the importance of poverty information. Two divergent tendencies are discernible: tightened-up targeting through narrowed eligibility criteria; and a new epistemology of poverty based on qualitative and participatory methods. Statistical and qualitative analysis of findings from research in rural Colombia shows that the former approach is less "technical, objective, equitable and uniform" than it purports to be; and that the latter is more valid than is often appreciated. A good compromise is to combine the two and apply them in a spirit of "self-critical epistemological awareness" (Chambers 1997).