En los expedientes de contratación pública todo lo que puede estar mal, en algún expediente acaba estando mal: fechas imposibles, órganos de contratación con faltas de ortografía, NIF erróneos… Llevo unos meses compartiendo aquí los ejemplos que encuentro en mi camino. 
El tipo de error que he encontrado hoy es muy sutil. Veámoslo con un ejemplo: el mantenimiento de este ascensor en Cantabria:
✅ ZARDOYA OTIS, S.A. 👈 Contratista habitual
✅ B39511134 👈 NIF válido
El problema es que ese NIF no es de esa empresa.
🔗 contrataciondelestado.es/wps/poc?uri=de…
✅ ZARDOYA OTIS, S.A. 👈 Contratista habitual
✅ B39511134 👈 NIF válido
El problema es que ese NIF no es de esa empresa.
🔗 contrataciondelestado.es/wps/poc?uri=de…
Los datos son válidos de forma independiente, pero así relacionados son incoherentes. Solo hay tres opciones:
1⃣ El NIF está mal
2⃣ El nombre de la empresa está mal
3⃣ Tanto el NIF como la empresa están mal
1⃣ El NIF está mal
2⃣ El nombre de la empresa está mal
3⃣ Tanto el NIF como la empresa están mal
Lo sucedido aquí parece ser el caso 1⃣: han consignado correctamente el nombre del contratista (ZARDOYA OTIS, S.L), pero le han atribuido el NIF de una empresa diferente, llamada SETELSA SECURITY, S.L.
¿Y por qué es importante esto? 👇
¿Y por qué es importante esto? 👇
Cualquier análisis de los datos públicos de contratación ha de hacerse por vías informáticas («big data»), pues hablamos de 1,9 millones de contratos. El problema de estos errores es que distorsionan el análisis.
Porque, ¿a qué empresa ha de atribuirle el análisis este contrato?
Porque, ¿a qué empresa ha de atribuirle el análisis este contrato?
Si el algoritmo se fia del NIF este contrato sería erróneamente atribuido a SETELSA. Y del nombre no nos podemos fiar, porque como vimos en los fascículos anteriores de «Jaime y los contratos: la muerte a pellizcos», en cada aldea los escriben diferente.
https://twitter.com/JaimeObregon/status/1482469602395402242
Una posible solución es probabilística: «clusterizar» los nombres que cada organismo público asigna a cada NIF, y sospechar de los clústeres menos poblados. En este ejemplo, se observa que «SETELSA» y «SUPPORT» son denominaciones frecuentes para este NIF, pero «ZARDOYA OTIS», no.
Como siempre, hubiera sido más sencillo que el dato erróneo no llegara a entrar en el sistema cántabro de contratación, desde donde luego se ha propagado a la base de datos estatal (PLCSP)… y a cualquier análisis que posteriormente se haga con ellos.
Por cosas como esta son *tan* importantes los interfaces de entrada de datos. Y es por esto que tanto las empresas tecnologícas como las AAPP a cargo de servicios digitales deberían tener en sus equipos diseñadores de experiencia de usuario (UX) que diseñen interfaces eficaces.
• • •
Missing some Tweet in this thread? You can try to
force a refresh
