34 Informe económico y financiero #29 | A debate Además de los datos referentes al historial de cada demandante, el perfilado también ha de incorporar información sobre la evolución predicha del mercado de trabajo por ocupaciones y para distintos ámbitos territoriales. En función de la disponibilidad de los datos, el modelo estadístico sobre el que se basa el perfilado se puede orientar directamente a obtener un indicador de empleabilidad global para cada demandante, independientemente del tipo de ocupación, o a obtener indicadores de empleabilidad ocupacional, es decir para cada una de las ocupaciones deseadas o a su alcance. Los datos y los modelos Los datos usados en el perfilado estadístico son de dos tipos: datos internos o datos administrativos registrados por las oficinas de empleo, y datos externos, procedentes, por ejemplo, de los portales de empleo. Ente los datos administrativos están principalmente los que se hayan registrado a partir de la información proporcionada por los propios demandantes (titulaciones y certificaciones, experiencia laboral previa, tipos de ocupaciones deseadas, etc.), los datos sobre contratos registrados, las ofertas de empleo gestionadas por los servicios de empleo y los historiales de los servicios o acciones de empleo y formación. Estos datos permiten construir los historiales de cada demandante necesarios para estimar el modelo econométrico de perfilado. No obstante, las probabilidades de transición no dependen únicamente de los historiales. El perfilado también ha de incorporar información sobre la evolución predicha del mercado de trabajo por ocupaciones y para distintos ámbitos territoriales. Es decir, al modelo econométrico de perfilado se han de incorporar indicadores generados por otros modelos de flujos agregados de vacantes o contratos, y de altas de demandas. Estos modelos de predicción se pueden obtener con las series de contratos y también con la información disponible en los portales de empleo. Estos portales proporcionan información en tiempo real e incluso adelantada sobre las vacantes y sobre las cualificaciones y competencias requeridas. El perfilado, que ya se implantó en el siglo xx en Estados Unidos, se ha realizado tradicionalmente mediante una modelización econométrica que ha ido incorporando progresivamente técnicas de estimación de transiciones, basadas, entre otros, en modelos de duración. La introducción de técnicas de big data y machine learning han permitido realizar importantes avances, mejorando la calidad de las predicciones y, más recientemente, la estimación de relaciones causales, necesaria para la evaluación de los efectos de los servicios y otras políticas activas. La evaluación de las políticas activas Con la obtención de los indicadores individuales se pueden identificar los perfiles de los beneficiarios para los que las acciones de empleo y formación son más eficaces. El diseño de programas que persigan ser eficaces y eficientes debe considerar que se tienen que asignar condiciones de elegibilidad y cuantías acordes con la heterogeneidad de partida dentro de cada colectivo. Por ello, en la modelización individual, una vez estimados los indicadores de empleabilidad a partir de las probabilidades de transición, se procede a segmentar las personas incluidas en cada colectivo. La caracterización de estos segmentos y la presentación de los principales resultados de la evaluación en función de dicha caracterización deberá facilitar la formulación de las recomendaciones para mejorar el diseño de futuros programas basados en la evidencia. Este análisis de desempeño de los demandantes de empleo beneficiarios de las acciones de empleo y formación se realiza en la literatura económica mediante técnicas de evaluación causal. Estas técnicas se han desarrollado dentro de una literatura de evaluación de políticas públicas en creciente expansión en los últimos años. Esta área de investigación persigue la obtención de información útil para valorar la racionalidad, coherencia, eficacia, idoneidad e impacto de las intervenciones públicas. Como herramienta al servicio del gestor público, la utilización de técnicas de evaluación mejora la intervención pública y aumenta su utilidad social; no solo por la información que suministra a todos aquellos interesados en conocer los resultados de las políticas evaluadas, sino por la posibilidad de aplicar sus conclusiones para retroalimentar y mejorar el diseño y elaboración de nuevas intervenciones, y así mejorar los resultados finales y sus impactos. Concretamente, la metodología de evaluación en el contexto del perfilado estadístico de demandantes de empleo, donde se divide a los mismos en segmentos en función de su empleabilidad, se define de la siguiente manera: tras distinguir dentro de cada segmento entre colectivos elegibles y no elegibles de cada uno de los servicios a considerar, se analiza, mediante técnicas de emparejamiento o de análisis de discontinuidad, si se observan efectos significativos en cada segmento para colectivos elegibles o tratados por dichos servicios frente a los colectivos no elegibles o no tratados por los mismos. El objetivo último es identificar el efecto de cada uno de los servicios analizados sobre el colectivo elegible o tratado por los mismos, comparando el impacto en su nivel de empleabilidad con dicho nivel, caso de no haber sido tratados o de no ser elegibles. Para ello se utiliza como elemento de comparación el nivel de empleabilidad en cada segmento de los demandantes incluidos en el mismo y que no han recibido dicha política o servicio, o bien no son elegibles para el mismo. Estos demandantes dentro de cada segmento de empleabilidad se usan para construir lo que en la literatura de evaluación causal de políticas se conoce como el contrafactual, esto es, la mejor predicción de cuál hubiera sido, en nuestro caso, la probabilidad de salida del desempleo de los individuos tratados por el servicio Como herramienta al servicio del gestor público, la utilización de técnicas de evaluación mejora la intervención pública y aumenta su utilidad social.