Gestión de datos para mejorar los proyectos de desarrollo

Como la estructura del ácido nucleico, (ADN), cada proyecto de desarrollo tiene sus propias particularidades y rasgos diferenciales, no tiene otro par idéntico. Por el contrario, los proyectos tradicionales de producción de bienes y servicios, como una fábrica de automóviles, o los de un banco financiero comercial son más predecibles y sistematizables. Los cambios que pudieran suceder en los diseños, en los actores, o en el contexto, han sido estudiados desde hace mucho tiempo y tienen una función-producción que los relaciona y condiciona. 

Por ejemplo, un proyecto de una planta de tratamiento de aguas servidas en Guayaquil, en Ecuador, tendrá particularidades diferentes al de una planta de tratamiento en Valencia, Venezuela, aunque los diseños técnicos sean parecidos. Y estas particularidades evidenciadas en el desempeño de los actores y el contexto, serán vitales para que la iniciativa tenga éxito. Sin embargo, una fábrica de Volkswagen en Alemania que pudiera tener diseños muy parecidos a una fábrica de Volkswagen en México, a pesar de tener diferencias en el desempeño de los actores y el contexto, como variaciones en salarios y otros costos, podríamos predecir y controlar su comportamiento y producción.

Esta diferencia y singularidad de los proyectos de desarrollo genera una enorme dificultad para analizar y clasificar el desempeño de los proyectos, es por ello que este tema está siendo el centro de atención de la comunidad académica a nivel mundial. Recientemente una iniciativa del Banco Mundial convocó a muchas universidades y agencias de desarrollo, incluyendo a CAF, a participar en “Global Delivery Iniciative”, (GDI), una iniciativa que busca sistematizar los aprendizajes y compartirlos globalmente de manera que dejemos de “inventar la rueda” en cada proyecto y comparemos “peras con peras” en los análisis y evaluaciones de los proyectos de desarrollo.

Esta nueva manera de clasificar la información de los proyectos de desarrollo utilizando la iniciativa de GDI ha traído a CAF varios avances en nuestro análisis y comprensión de los proyectos de desarrollo. Un primer aporte es la Taxonomía GDI, la cual ha sido un consenso creado por cientos de practicantes y consultores de todo el mundo, junto a una extensa revisión bibliográfica. Esta taxonomía ha venido siendo adaptada en CAF por la unidad de información SICAF, a la luz de los diversos procesos internos de mejora, contribuyendo a capturar y analizar los datos de proyectos de CAF en sus diferentes facetas del proceso de crédito, con buenos resultados y aprendizajes.

Entre otros, analizamos los datos recabados durante las visitas de misión, estudiando 131 proyectos de CAF activos. Estos datos, que fueron clasificados según la nueva taxonomía GDI  a través de diferentes herramientas de análisis construidas ad-hoc y bajo ciertas hipótesis, nos han ayudado a comprender tanto el desempeño de cada proyecto como las competencias requeridas por los funcionarios para el buen monitoreo de los mismos. Este experimento sigue su curso y continuaremos generando reportes que nos enseñen a entender y mejorar nuestros proyectos desde los procesos de CAF.

Un segundo aporte de GDI es la biblioteca de casos, en los cuales se pueden observar proyectos en todos los continentes y sectores. Descripciones, videos y entrevistas, permiten capturar la esencia de muchas dificultades y de sus soluciones. Un tercer aporte lo constituye la data histórica de 20 años de proyectos. Utilizando nuevos algoritmos inteligentes se puede filtrar por año, país, o sector, y obtener estadísticas de los principales retos enfrentados. Esta evidencia empírica puede ser luego reutilizada en forma predictiva para reforzar aquellos elementos de los proyectos que la evidencia sugiere puede ser más débiles.

Por ejemplo, si quisiéramos saber cuáles han sido los retos más frecuentes en los proyectos de agua, en la totalidad de proyectos disponibles, introducimos nuestro requerimiento en la aplicación de la página web abierta a todo público, y nos arrojará, por ejemplo, el porcentaje de problemas ocasionados por el diseño de los proyectos, y generado por  la coordinación y la articulación de los actores involucrados. Esta frecuencia (medida en porcentaje) de retos o problemas nos previene en considerar estas variables con mayor cuidado en el momento de diseñar o evaluar los proyectos de agua. El cuarto y último producto de esta iniciativa es la creación de una comunidad de expertos, quienes como “networking” están abiertos a comentar sus experiencias y a aportar sus hallazgos.

Estas iniciativas orientadas a mejorar nuestros proyectos de desarrollo seguirán siendo un reto para las organizaciones multilaterales por su singularidad y dificultad en sistematizarlas. Gracias a estas herramientas podemos dar pasos concretos en un largo viaje que, como el genoma humano, requerirá del aporte y la colaboración de todos para alcanzar descifrarlos, y mejorar los resultados del desarrollo en el futuro.