61 / 226
CIENCIA
POLICIAL
60
Pues bien, este modus operandi ha ido quedándose rezagado con la
implementación de técnicas y proyectos que tienen en cuenta el big
data. Y es que, si se hace una combinación de las propias estadísticas
criminales con otros datos aparentemente inconexos como la informa-
ción meteorológica, o los datos provenientes de telecomunicaciones o
redes sociales –datos de tráfico–, el potencial predictivo se multiplica
exponencialmente (Elías de Simone, 2018).
Para reforzar su argumento, Elías de Simone revela diferentes pro-
yectos americanos donde se pusieron en funcionamiento las referidas
técnicas y los resultados fueron excepcionalmente positivos. Así:
· En California, el Departamento de Policía de Santa Cruz combinó
alrededor de 1200 y 2000 datos distintos sobre asaltos y robos pre-
vios en aras de prevenir las ubicaciones de futuros delitos. Este
sistema, en tan solo un periodo de seis meses, logró disminuir los
robos del 19 %.
· En el mismo sentido, y con un proyecto similar, el Departamento de
Policía de Los Ángeles, verificó que el patrullaje predictivo redujo
en un 12 % los delitos contra la propiedad.
· Por otra parte, los investigadores de UCLA (Universidad de Califor-
nia en Los Ángeles) estimaron que, con el uso de estos proyectos,
las arcas del Estado se ahorrarían alrededor de nueve millones de
dólares por año.
En cualquier caso, no hace falta cruzar el charco para reseñar pla-
nes que van en esta línea. En efecto, el Cuerpo Nacional de Policía
cuenta con un proyecto piloto llamado «Predictive Police Patrolling»
(Patrulla Predictiva de la Policía) –P3-DSS– (Niño Romero, 2017). El
mismo busca conseguir diferentes objetivos:
· Pronosticar la distribución del crimen y el riesgo que se produce en
un determinado territorio.
· Contar con un sistema de optimización de la distribución de recur-
sos humanos y el patrullaje.
· Optimizar los turnos policiales.