Jefe División Convenios Marco

Presentación del tema: "Jefe División Convenios Marco"— Transcripción de la presentación:

1 Jefe División Convenios Marco
Monitoreo de Procesos Dora Ruiz Madrigal Jefe División Convenios Marco

2 Nuestras acciones las focalizaremos en tres ejes
APORTES DE LAS COMPRAS PÚBLICA EN LA TRANSFORMACIÓN DIGITAL EN EL ESTADO Nuestras acciones las focalizaremos en tres ejes

3 MAGNITUD DEL SISTEMA (AÑO 2017) + 2.000.000 + 2 millones
Órdenes de compra + 2 millones Ofertas en línea + US$ millones Valor total de las transacciones por año Licitaciones al año 15.000 Compradores 33 Convenios Marco con productos y servicios proveedores

4 NUESTRA HISTORIA 2006 2012 2013 2015 2016 2018 Observatorio Eficiencia
Watson: Herramienta tecnológica para monitoreo y gestión de casos Lanzamiento de plataforma de reclamos Monitoreo de usuarios – mediación de reclamos Cuadro de Mando Observatorio ChileCompra: Red Flags y Gestión Activa Modelo de Riesgo y Canal de Denuncia OBJETIVO: Fortalecer el trabajo del Observatorio.

5 ¿QUÉ ES EL OBSERVATORIO? ¿Cómo lo Hacemos?
Sistema de monitoreo de las compras públicas. 1. Monitoreo de procesos Detecta oportunidades de mejora en los procesos de compra de los organismos públicos de manera oportuna ¿Cómo lo Hacemos? 2. Detección de conductas recurrentes sistematizables 3. Reclamos por probidad y denuncias Incorporación de herramientas tecnológicas, análisis experto, sistematización de bases de datos de hallazgos

6 RESULTADOS OBSERVATORIO ENERO-JULIO 2018
alertas enviadas a compradores Licitaciones: 3.475 procesos revisados Informes: 42 informes enviados a CGR – Ministerio Público 1.115 denuncias reservadas Reclamos: reclamos por probidad reclamos por pago 54% de efectividad Intervenciones organismos Grandes Compras: 991 Incorporación de herramientas Tecnológicas: Watson

7 Proceso diario Un proceso ETL extrae los datos desde los sistemas transaccionales de Mercado Público, procesa los modelos de riesgo y finalmente carga un sistema de revisión. Este proceso se ejecuta todos los días por la noche. Extracción Carga Cálculo de los Modelos de Riesgo Resultados Sistema de Revisión Procesos de Compras Públicas Insights adicionales por cada variable (Análisis descriptivo)

8 ¿CON QUÉ HERRAMIENTAS MONITOREAMOS? 1. Score de Riesgo
2. Uso de Watson Explorer Indicador de probabilidad de hallazgo o mala práctica Análisis de data no estructurada y patrones de conducta del sistema ChileCompra no tiene atribuciones fiscalizadores. Recomienda buenas prácticas e insta a los servicios a tomar acciones con la información proporcionada.

9 Support Vector Machine (One-class classification SVM)
¿CON QUÉ HERRAMIENTAS MONITOREAMOS? 1. ¿Qué es el Score de Riesgo? Modelos Indicador de probabilidad de hallazgos o anomalías, que se construye a partir de técnicas de análisis de datos Licitaciones: 1.1 Publicación. 1.2 Cerrada. 1.3 Adjudicada. Tratos Directos Grandes Compras Support Vector Machine (One-class classification SVM)

10 ¿CON QUÉ HERRAMIENTAS MONITOREAMOS? 1. ¿Qué es el Score de Riesgo?

11 1. ¿Qué es el Score de Riesgo?
¿CON QUÉ HERRAMIENTAS MONITOREAMOS? 1. ¿Qué es el Score de Riesgo? Variables del Score de Riesgo Ejemplos: Licitación: Órdenes de Compra Grandes Compras: Días de Publicación Monto estimado fuera de rango (no corresponde al tipo de licitación) Total adjudicado fuera de rango Tiempo entre cierre y adjudicación acotado Respuesta a preguntas del foro Ratio proveedor Palabras claves en preguntas

12 1. ¿Qué es el Score de Riesgo?
¿CON QUÉ HERRAMIENTAS MONITOREAMOS? 1. ¿Qué es el Score de Riesgo? ¿Cómo usamos el Score de Riesgo? CLASIFICACIÓN DISTRIBUCIÓN HALLAZGOS A 15% 18% B 21% 22% C 37% D 17% 14% E 11% El 78% de los hallazgos realizados, corresponden a licitaciones clasificadas como A, B y C.

13 Watson Explorer Content Analytics Problema a resolver
¿CON QUÉ HERRAMIENTAS MONITOREAMOS? Watson Explorer Content Analytics Problema a resolver Adjuntos no Machine Readable Text mining y Enterprise Search

14 Watson Explorer Content Analytics
¿CON QUÉ HERRAMIENTAS MONITOREAMOS? Watson Explorer Content Analytics Utilidad Ahorro de Horas/analista: Monitoreo de adquisiciones Investigación de Casos / Informes Efecto Multiplicador: Búsqueda de patrones en documentos de compra Descubrir patrones textuales en adquisiciones

15 Watson Explorer Content Analytics
¿CON QUÉ HERRAMIENTAS MONITOREAMOS? Watson Explorer Content Analytics Utilidad Monitoreo adquisiciones Hasta 30% más rápido Texto buscable, anotaciones Watson, Investigación Caso / Informe Hasta 50% más rápido Búsqueda de casos similares Patrones Cláusulas Inmensurable Acceso al contenido de documentos de adquisición, antes inasequibles

16 Motor de Análisis Textual (UIMA)
¿CON QUÉ HERRAMIENTAS MONITOREAMOS? Watson Explorer Content Analytics Vista General OCR (DATACAP) Motor de Análisis Textual (UIMA)

17 DATOS NO ESTRUCTURADOS
¿CON QUÉ HERRAMIENTAS MONITOREAMOS? 2. Watson Explorer Content Analytics Uso: Buscador DATOS NO ESTRUCTURADOS Texto legible para Máquinas 17

18 2. Watson Explorer Content Analytics
¿CON QUÉ HERRAMIENTAS MONITOREAMOS? 2. Watson Explorer Content Analytics Uso: Investigación Permite buscar expresiones en texto antes no disponible, por ej. "juicios pendientes" Documentos a analizar 229 en lugar de , destacando el texto relevante 18

19 OBSERVATORIO DE EFICIENCIA Objetivo
Generar información respecto de la eficiencia en los procesos de compra -entendida como ahorro en precio- para que los organismos públicos analicen esta información e implementen medidas en esta línea de trabajo. 19

20 VISUALIZACIÓN DE MONITOREO DE EFICIENCIA

21 Jefe División Convenios Marco
Observatorio de Compras Públicas Dora Ruiz Madrigal Jefe División Convenios Marco