Lograr que las políticas públicas se conviertan realmente en resultados que mejoren la calidad de vida de las personas, es un tema que siempre ha preocupado a los decisores públicos y más aún en un contexto de restricciones presupuestales como el que la mayoría de países atraviesa o atravesará en una situación de post pandemia. Por otro lado, la ciencia de datos, la inteligencia artificial, los datos abiertos y en general las tecnologías impulsadas por las grandes cantidades de datos; cada día van ganando terreno en el ámbito de la gestión pública. El presente artículo tiene por objetivo conocer el estado actual de las investigaciones llevadas a cabo acerca de la interacción entre estas dos diciplinas, tomando como objeto de estudio la aplicación de la ciencia de datos a la evaluación de impacto de políticas públicas, a fin de identificar cuáles son las brechas de investigación existente. Luego de una revisión sistemática de literatura, se encontró que el objeto de estudio propuesto no ha estado en el centro de la investigación académica, sino lo que se ha investigado es el ciclo completo de desarrollo de políticas o la gestión pública en general; además, se verificó que esta interacción entre la cosa pública y la ciencia de datos aun es un campo emergente y a opinión de muchos académicos hace falta investigaciones con una visión holística y con una mirada más allá de la eminentemente técnica.

Los bancos usan el telemarketing para contactar directamente con los clientes potenciales para sus productos. Este canal de venta es complejo, pues requiere de grandes bases de datos de posibles prospectos y está sujeto a restricciones de tiempo y personal. Este artículo tiene tres objetivos: comparar cinco modelos de predicción basados en algoritmos de aprendizaje automático para encontrar el que ofrezca la mejor precisión predictiva; desplegar un piloto de este modelo; y recomendar una hoja de ruta para la futura arquitectura que lo soporte. Se encontró que el algoritmo seleccionado mejora considerablemente la eficacia de la identificación de clientes que aceptan el producto, que pasó de 11 % a 94 %, por lo que su implementación puede contribuir a la competitividad de estas organizaciones.