Inteligencia politica

Washington DC
Marzo, 2014 Prof. José Manuel MAGALLANES
Producción de
Inteligencia Política:
DATO, MODELOS,
ESTRATEGIAS Y ACCIÓN

2
Producción de Inteligencia Política
Profesor: José Manuel MAGALLANES
GWU – Washington DC, Marzo de 2014
CONCEPTOS BÁSICOS
PRESENTACIÓN ESTRUCTURACION
SELECCION
DECISION
MODELIZACION
PLANIFICACION
IMPLEMENTACION

3
CONCEPTOS BÁSICOS
SELECCION
DECISION
¿Qué? ¿Cuándo? ¿Dónde?
¿Por qué? ¿Quién?
¿Cómo?
MODELIZACION
PLANIFICACION
IMPLEMENTACION
¿Cuál?
¿Para qué? ¿Cuánto?
¿Me arriesgo?
¿Con qué?

4
CONCEPTOS BÁSICOS
SELECCION
DECISION
Problema
Explicaciones Causales
Proyectos
MODELIZACION
PLANIFICACION
IMPLEMENTACION
Prioridades
Estrategias
Tácticas
Pedidos
Impacto
Datos

5
CONCEPTOS BÁSICOS
SELECCION
DECISION
MODELIZACION
PLANIFICACION
IMPLEMENTACION POLITICO-TECNICO
POLITICO-TECNICO
POLITICO-TECNICO
POLITICO-TECNICO
POLITICO-TECNICO
POLITICO-TECNICO

6
CONCEPTOS BÁSICOS
SELECCION
DECISION
MODELIZACION
PLANIFICACION
IMPLEMENTACION
vision

7
ESTRUCTURACION DE PROBLEMAS

8
PROBLEMA
Lo que no se ajusta a
nuestro paradigmas
Observado ≠ EsperadoCONCEPTODE
PROBLEMA

9
CONCEPTODE
PROBLEMA
¿AMENAZA? ¿OPORTUNIDAD?
Subjetividad del Problema

10
IDENTIFICACION
HECHOS OPINIONES

11
COMPONENTES
ESPACIAL TEMPORAL ADMINISTRATIVO
SOCIOLOGICOANTROPOLOGICO

12
DIFICULTADES
ESPACIAL TEMPORAL ADMINISTRATIVO
SOCIOLOGICOANTROPOLOGICO

13
PROBLEMA PÚBLICO
¿CUANDOTENEMOSPROBLEMA
PÚBLICO?
PROBLEMA=X1•X2•X3•X4•X5•…•Xn
Vector de
definición
CANTIDAD DE
AFECTADOS
COORDINACIÓN
INEFICIENTE
SOLUCIÓN
CONFLICTIVA
DIALOGO
ESTRUCTURADOR
RETO DE LA DESAMBIGUACIÓN
¿problema para quien?

14
PROBLEMA PÚBLICO
POSIBLE APROVECHABLE
DESEABLE
¿CUÁLES ELEGIMOS?
DECIDIBILIDAD
DIALOGO
ESTRUCTURADOR

15
IDEASORGANIZADORAS
SITUACION
ENCONTRADA
SITUACION
ESPERADA
COMO LO
DEJAMOS
(LINEA DE BASE)
EL RATIO
INFRAESTRUCTURA/
USUARIO?
QUE OPINA LA GENTE
SOBRE EL TEMA?
DONDE SE ESTAN
QUEJANDO?
CUANDO SE COMENZARON
A QUEJAR?
A QUE ME OBLIGA LA LEY?
QUIENES SE ESTAN
QUEJANDO?
PARA CADA
PROBLEMA PUBLICO

16
SELECCION DE PROBLEMAS

17
Problemas
Criterios de Selección
Selección
(Sí / No)Relevancia
Capacidad
para
enfrentarlo
Costo de
postergación
A M B A M B A M B
P1 A M A C
P2 A B B D
...
Pn
IDEASORGANIZADORAS

18
¿CÓMOELEGIRDE
ENTREELLOS? ENCONTRAR
MANERA DE
PRIORIZAR
ENCONTRAR CRITERIOS
QUE PERMITAN
PRIORIZAR
PROBLEMA PÚBLICO
PROBLEMA PÚBLICO
PROBLEMA PÚBLICO
PROBLEMA PÚBLICO
PROBLEMA PÚBLICO
La selección
ENCONTRAR
PESO PARA
CADA CRITERIO
requiere
requiere
requiere

19
SELECCIÓN DE PROBLEMAS
THOMAS
SAATY
Desarrolla en la
matemática una
heurística para la
toma de decisiones
AHP/ANP, adecuada
ante problemas
MAMC (múltiples
alternativas-múltiples
criterios)
Consciente de
los avances en
neurociencia,
sabe que los
humanos se
confunden al
priorizar más de
dos alternativas

20
MODELIZACION DE PROBLEMAS

21
LOS MODELOS SON ABSTRACCIONES DE LA REALIDAD
QUE BRINDAN UNA EXPLICACIÓN SIMPLIFICADA DE ÉSTA

22
LO QUE EL MODELO
EXPLICA ES
NECESARIAMENTE
UTIL MAS NO
EXHAUSTIVO
LA UTILIDAD DE LA
EXPLICACIÓN
PIERDE VIGENCIA
EN EL TIEMPO
LA EXPLICACIÓN
DETALLA CÓMO
SE ORIGINA EL
FENÓMENO DE
INTERÉS
SI TENEMOS UN
MODELO
CREEMOS SABER
COMO EXPLORAR,
CONTROLAR Y
HASTA PREDECIR
LA REALIDAD
LA EXPLICACIÓN
INCLUYE
VARIABLES,
RELACIONES Y
AGENTES
LAREALIDADNOSEANALIZA,SINO
ELMODELOQUEDEELLATENEMOS

23
El
modelamiento
analítico
da
conclusiones

robustas
pero
con
supuestos
heroicos
y

parsimoniosos

La
estadística
y
probabilidad
buscan
ligar
entradas

y
salidas
acotando
de
manera
robusta
la

incertidumbre,
pero
no
explica
el
cómo
ni
por
qué.

La
optimización
encuentra
óptimos,
pero

requiere
que
los
objetivos
sean
claros
y

medibles,
y
las
restricciones
estén

preconcebidas


24
La
simulación
de
eventos
se
sustenta
en
la

robustez
de
la
distribución
discreta
de

probabilidad,
por
lo
que
sólo
se
enfoca
en

reglas
sistémica
y
no
individuales

La
dinámica
de
sistemas
se
sustenta

en
las
ecuaciones
simultaneas
y

ﬂujos
continuos
entre
elementos
de

un
proceso.
Es
un
único
agente
que

difícilmente
representa

heterogeneidad

Los
modelos
basados
en
agentes

son
actualment
la
mejor
alternativa

pues
representan
sistemas

complejos
adpatativos
de
objectos

en
red.
Pero
consumen
mucho

tiempo
e
inversión


25
MODELIZACION DEL PROBLEMA
ALTERNATIVASMENOS
FORMALES
TRIAGE
BAJO MI CONTROL
FUERA DE MI CONTROL
EXTERNO AL SISTEMA
REGLA ACUMULACIÓN DESBORDE
PES
MINDMAPPING
MAPA DE CAUSALIDAD

26
MODELIZACION DEL PROBLEMA
De una manera u otra…
CAUSAS
EFECTOS
PROCESOS ACTORES

27
PLANIFICACION DE LA INTERVENCION

28
PROBLEMA
ESTRUCTURADO ELEGIDO
Dedicación * Esfuerzo
CAUSAS
EFECTOS
PROCESOS ACTORES

29
PROBLEMA
OBJETIVO
META
INDICADOR
Dedicación * Esfuerzo
CAUSAS
EFECTOS
PROCESOS ACTORES

30
PROBLEMA
OBJETIVO
META
INDICADOR
ORGANIZACION
SISTEMA DE
INFORMACIÓN
CAUSAS
EFECTOS
PROCESOS ACTORES

31
PROBLEMA
OBJETIVO
META
INDICADOR
ORGANIZACION
SISTEMA DE
INFORMACIÓN
EFECTIVIDAD EFICACIA
EFICIENCIA
EFICACIA
CAUSAS
EFECTOS
PROCESOS ACTORES

32
¨ 
PROBLEMA
OBJETIVO
META
INDICADOR
ORGANIZACION
SISTEMA DE
INFORMACIÓN
EFECTIVIDAD EFICACIA
EFICIENCIA
EFICACIA
Parsimonia
Exhaustividad
Exclusividad
Jerarquia
CAUSAS
EFECTOS
PROCESOS ACTORES

33
TOMA DE DECISIONES

34
TOMA DE DECISIONES
¿QUE HAY QUE
HACER PARA QUE
EL PLAN
FUNCIONE?

35
TOMA DE DECISIONES
INCERTIDUMBRE
RIESGO
CERTIDUMBRE
AUTO-REFLEXION
no sabemos la probabilidad de
los escenarios (posibilidades)
Sí sabemos la probabilidad
de los escenarios
(posibilidades)
Sabemos qué y cómo
hacer las cosas, optimizar
es el problema
El resultado depende de
lo que yo y otros decidan
Es clave que el decisor sepa discernir
que modelos decisionales necesita en
diversas situaciones

36
TOMA DE DECISIONES
ACTORES
ESTRATEGIAS RESULTADO
REGLASCREENCIAS
INTERESES
PREFERENCIASALTERNATIVAS
DINAMICA INFORMACION
RECOMPENSA EQUILIBRIO
“Like the physicist’s particles, people interact, but unlike the
physicist’s particles, people interact strategically”
Bueno de Mesquita (2010)
OPTIMIZACION

37
TOMA DE DECISIONES
REGLASCREENCIAS
Aquel que tenga efecto en las objetivos de otro ACTOR. Son 2 o más. La
“naturaleza” normamente no juega.
ACTORES INTERESES
PREFERENCIASALTERNATIVAS OPTIMIZACION

38
TOMA DE DECISIONES
REGLASCREENCIAS
Acciones disponibles. Cuando los ACTORES tienen las mismas
opciones, se dice que el interacción es simétrico (sino, es asimétrico).
ACTORES INTERESES

39
TOMA DE DECISIONES
REGLASCREENCIAS
Cada ACTOR tiene preferencias, una manera
particular de ordenar sus alternativas
ACTORES INTERESES

40
TOMA DE DECISIONES
REGLASCREENCIAS
Actor CREE que lo que se hace es lo mejor para sus
intereses
ACTORES INTERESES

41
TOMA DE DECISIONES
REGLASCREENCIAS
Es lo que persigue el ACTOR
ACTORES INTERESES

42
TOMA DE DECISIONES
REGLASCREENCIAS
Conjunto de alternativas seleccionadas
ACTORES INTERESES

43
TOMA DE DECISIONES
REGLASCREENCIAS
Lo que se obtiene en cada alternativa elegida
ACTORES INTERESES

44
TOMA DE DECISIONES
REGLASCREENCIAS
Situación a la que se llegará si cada quien fue
racional. Nadie querrá salir de ella.
ACTORES INTERESES

45
TOMA DE DECISIONES
REGLASCREENCIAS
Si lo que un jugador gana el otro pierde, es un juego
de suma-cero (competencia estricta).
ACTORES INTERESES

46
TOMA DE DECISIONES
REGLASCREENCIAS
En cada juego se presentan reglas. Si existen mecanismos que
obliguen a seguirlas, el juego es cooperativo.
ACTORES INTERESES

47
TOMA DE DECISIONES
REGLASCREENCIAS
simultaneo o secuencial? Un juego puede jugarse muchas veces
(iteración).
ACTORES INTERESES

48
TOMA DE DECISIONES
REGLASCREENCIAS
COMPLETA cuando se conocen las alternativas y los resultados posibles;
PERFECTA, cuando se sabe la estrategia del turno anterior (secuencias).
ACTORES INTERESES

49
TOMA DE DECISIONES
REGLASCREENCIAS
Racionalidad Individual busca “optimo” pero resultado social puede alejarse de ello
ACTORES INTERESES

50
TOMA DE DECISIONES
G+ P
P G+G G
g g
Coopero
No
coopero
Coopero
No
coopero
Que tanto hay qué
saber?
Que tanto importa
poder comunicarse?

51
TOMA DE DECISIONES
G+ P
P G+G g
g G
Coopero
No
coopero
Coopero
No
coopero
Que tanto hay qué
saber?
Que tanto importa
poder comunicarse?

52
TOMA DE DECISIONES
G+ P
P G+g g
P+ P+
Coopero
No
coopero
Coopero
No
coopero
Que tanto hay qué
saber?
Que tanto importa
poder comunicarse?

53
TOMA DE DECISIONES
G+ P
P G+g g
P+ P+
Coopero
No
coopero
Coopero
No
coopero
La esencia de
tomar
decisiones es
asumir los
riesgos.

54
MOMENTO DE IMPLEMENTACIÓN
La esencia de
tomar
decisiones es
asumir los
riesgos.

55
La esencia de
tomar
decisiones es
asumir los
riesgos.
Así llega la
estrategia al
gerente
publico

56
ESTRUCTURACION
SELECCION
DECISION
MODELIZACION
PLANIFICACION
IMPLEMENTACION
Any fool can
know.
The point is to
understand

57
REALIDAD
ESTRUCTURACION
SELECCION
DECISION
MODELIZACION
PLANIFICACION
IMPLEMENTACION
Complejidad
Tácticas

58
REALIDAD
ESTRUCTURACION
SELECCION
DECISION
MODELIZACION
PLANIFICACION
IMPLEMENTACION
Complejidad
Tácticas
PREOCUPACION:
SER PRESA DE LAS
HEURISTICAS
DECISONALES

59
REALIDAD
ESTRUCTURACION
SELECCION
DECISION
MODELIZACION
PLANIFICACION
IMPLEMENTACION
PREOCUPACION:
SER PRESA DE LAS
HEURISTICAS
DECISONALES
LASHEURISTICAS
SONEFICACESEN
CORTOPLAZO
• DISPONIBILIDAD
• PERPETUACIÓN
• AUTOENCUBRIMIENTO
• AUTOJUSTIFICACIÓN
• MARCO DE REFERENCIA
• DRAMATISMO
• PATRONISMO

60
REALIDAD
ESTRUCTURACION
SELECCION
DECISION
MODELIZACION
PLANIFICACION
IMPLEMENTACION
LASHEURISTICAS
SONEFICACESEN
CORTOPLAZO EN GENERAL, HAY QUE EVITAR
QUE LA SOLUCION DE UN
PROBLEMA GENERE MÁS
COMPLEJIDAD

61
REALIDAD
ESTRUCTURACION
SELECCION
DECISION
MODELIZACION
PLANIFICACION
IMPLEMENTACION
EN PARTICULAR, LA GESTION
PUBLICA DEBE ACTUAR CON
INTELIGENCIA A LA ALTURA DE
LA COMPLEJIDAD SOCIAL
ACTUAL

62
EN PARTICULAR, LA GESTION
PUBLICA DEBE ACTUAR CON
INTELIGENCIA A LA ALTURA DE
LA COMPLEJIDAD SOCIAL
ACTUAL
DATOS
DE
CALIDAD
Pero…
INTELIGENCIA NO
ES CUALIDAD DE
LOS DATOS

63
Tecnologíacomocomplementoalser
humanoparalidiarconla
complejidad
DATO NO DA
CONTEXTO
HAY CONSTRUIR EL
CONTEXTO
ADECUADO
INFORMACION
CONOCIMIENTO
ACCIÓN

64
Tecnologíacomocomplementoalser
humanoparalidiarconla
complejidad
VOLUMEN
VARIEDAD
VELOCIDAD
VALOR
RETOS VERACIDAD
VALIDEZ
BIG DATA – POLITICA COMPUTACIONAL

65
BIG DATA – POLITICA COMPUTACIONAL
Aplicación Local

66
POLITICACOMPUTACIONAL

67
Los que cambiaron de partido para 2011
Reelectos
No
Reelectos

68

69

70

71
Congreso del Peru 2006-2011
(Red de coautores de proyectos de ley)

72
Congreso del Peru 2006-2011 - Red de coautores de proyectos de ley
2006-I 2006-II 2007-II
2008-II 2009-II 2010-II
2007-I 2008-I
2009-I 2010-I

73
MASPROFUNDIDAD?

74
Muchas Gracias
José Manuel MAGALLANES
jmagallanes@pucp.edu.pe
jmagalla@gmu.edu

Inteligencia politica

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie Inteligencia politica

Ähnlich wie Inteligencia politica (20)

Kürzlich hochgeladen

Kürzlich hochgeladen (20)

Inteligencia politica