evidoria

← Volver al listado

Buena práctica Importada

El Ministerio de Mano de Obra de Singapur Usa Análisis de Datos para Priorizar Inspecciones de Seguridad Laboral

Singapur · Singapore · Ver el perfil de Singapur · Ver el perfil de Singapore

Evidencia: Observacional / pre-post Top 66% 53/100 · Pregunte a Evidence Copilot sobre esta práctica

Singapur usó análisis de datos para señalar empresas de construcción de alto riesgo: 600 empresas señaladas en 2019 tuvieron una tasa de infracción del 90% al ser inspeccionadas, y una auditoría comparable de 2018 ahorró 20.000 horas de inspectores.

600 firms
Empresas de construcción de alto riesgo identificadas (2019)
90 %
Tasa de infracción entre las empresas identificadas tras la inspección (2019)
650 firms
Empresas verificadas en la auditoría de cumplimiento (2018)
20,000 fewer inspector man-hours
Reducción en horas-hombre de inspector frente al método anterior (2018)
six times fewer formal enforcement actions
Reducción en acciones formales de fiscalización (ensayo piloto de seguridad laboral) (not specified)
15 %
Reducción en recursos gastados por el ministerio (ensayo piloto de seguridad laboral) (not specified)
over a third of fatalities
Proporción de muertes laborales en Singapur en la construcción (2007-2016)
El Ministerio de Mano de Obra de Singapur Usa Análisis de Datos para Priorizar Inspecciones de Seguridad Laboral

Detalles

Madurez
Consolidada
Promotor
Ministry of Manpower (MOM), Singapore
Período
2013–2019
Palabras clave
labour inspection, workplace safety, construction, enforcement analytics

Contexto

El Ministerio de Mano de Obra (MOM) de Singapur utiliza analítica de datos desde principios/mediados de la década de 2010 para ayudar a decidir qué lugares de trabajo priorizar para inspecciones de seguridad y cumplimiento laboral, en lugar de depender únicamente de quejas o calendarios fijos de rotación.

Objetivos

Dirigir las inspecciones hacia las empresas de construcción de mayor riesgo para mejorar las tasas de detección de la fiscalización y reducir el esfuerzo de inspección por empresa verificada.

Actividades

En 2019, el trabajo de analítica de datos del MOM identificó 600 empresas de construcción como de alto riesgo. Un ejercicio de cumplimiento independiente en 2018, dirigido a la contratación ilegal de trabajadores extranjeros, verificó 650 empresas utilizando alrededor de 20.000 horas-hombre de inspector menos que el método anterior del ministerio, sin analítica. Un ensayo piloto relacionado sobre seguridad laboral combinó analítica de datos, información conductual y design thinking para dirigir a las empresas de mayor riesgo hacia la inspección.

Resultados

Cuando las 600 empresas identificadas como de alto riesgo en 2019 fueron posteriormente inspeccionadas, nueve de cada diez (90%) presentaron infracciones, incluido el impago de salarios y horas extra. Un ensayo piloto relacionado sobre seguridad laboral requirió seis veces menos acciones formales de fiscalización (como cartas de advertencia) y redujo los recursos gastados por el ministerio en alrededor del 15%, en un sector -la construcción- que representó más de un tercio de las muertes laborales en Singapur entre 2007 y 2016.

Conclusiones

Los informes públicos sobre el programa no divulgan el modelo subyacente, sus variables, ni una evaluación formal de precisión, y el MOM no ha publicado la metodología para una auditoría externa; las cifras reportadas provienen de periodismo que describe la práctica interna de ciencia de datos del ministerio, y no de un informe técnico oficial del MOM ni de un estudio revisado por pares.

Implementación

Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Largo (> 3 años) — Analytics-driven inspection targeting used since the early-to-mid 2010s; cited results from a 2018 compliance audit and 2019 high-risk-firm flagging.
Personal y competencias
Ministry of Manpower (MOM) internal data-analytics function

Condiciones para el éxito

  • Combining data analytics with behavioural insights and design thinking to target higher-risk companies (per GovInsider reporting)

Modos de fallo comunes

  • No model methodology, variables or algorithm name have been publicly disclosed by MOM
  • No independent audit of the analytics has been published

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles