En general se habla de los Municipios como un caso especialmente importante de corrupción, al menos en comparación con otros sectores como Gobierno Central. Desde el punto de vista de las compras, me parece que hay que considerar dos cuestiones:
En primer lugar, que los Municipios son organizciones donde, a diferencia de un servicio de Gobierno Central (como el INE, etc.), hay un grupo de personas (los Consejales) que no comulga necesariamente con quien dirige (el Alcalde), que es capaz de realizar denuncias en materias de compra que, en una organización como un servicio público, son impensables1.
Por otra parte, muchas veces se ha dicho que los Municipios son receptores de más reclamos que Gobierno Central, pero hay que mirar esos números en perspectiva, porque, por ejemplo, publican más licitaciones, y transan con ellos más proveedores.
El código básico (perdón por no enviar el Notebook pero tuve problemas con UTF-8):
Reclamos<-sqlQuery(con,"SELECT
cast(year([FechaIngresoreclamo]) as char) as Ano,
count(distinct [IdReclamo]) CantReclamo,
DimSector.Sector
FROM [DM_Reclamos].[dbo].[THReclamo] INNER JOIN
DM_Transaccional.dbo.DimComprador on
DimComprador.orgCode=THReclamo.Orgcodecomprador INNER JOIN
DM_Transaccional.dbo.DimInstitucion ON
DimInstitucion.entCode=DimComprador.entCode INNER JOIN
DM_Transaccional.dbo.DimSector ON
DimInstitucion.IdSector=DimSector.IdSector
where [idMotivoReclamo] not in (18,1)
and year([FechaIngresoreclamo]) !=2020
GROUP BY year([FechaIngresoreclamo]) , Sector")
Licitaciones<-sqlQuery(con," SELECT
cast(year(FechaPublicacion) as char) as Ano,
count(distinct rbhcode) Licitaciones,
DimSector.Sector
FROM DM_Transaccional.[dbo].THOportunidadesNegocio INNER JOIN
DM_Transaccional.dbo.DimComprador on
DimComprador.orgCode=THOportunidadesNegocio.idunidaddecompra INNER JOIN
DM_Transaccional.dbo.DimInstitucion ON
DimInstitucion.entCode=DimComprador.entCode INNER JOIN
DM_Transaccional.dbo.DimSector ON
DimInstitucion.IdSector=DimSector.IdSector
where year(FechaPublicacion) between 2011 and 2019
and idestadoon>=5
GROUP BY year(FechaPublicacion) , Sector")
Proveedores<-sqlQuery(con,"SELECT
cast(year(FechaPublicacion) as char) as Ano,
count(distinct RUTSucursal) Proveedores,
DimSector.Sector
FROM DM_Transaccional.[dbo].THOportunidadesNegocio INNER JOIN
DM_Transaccional.dbo.DimComprador on
DimComprador.orgCode=THOportunidadesNegocio.idunidaddecompra INNER JOIN
DM_Transaccional.dbo.DimInstitucion ON
DimInstitucion.entCode=DimComprador.entCode INNER JOIN
DM_Transaccional.dbo.DimSector ON
DimInstitucion.IdSector=DimSector.IdSector INNER JOIN
DM_Procesos.dbo.THOfertas ON
THOfertas.rbhCode=THOportunidadesNegocio.rbhcode INNER JOIN
DM_Transaccional.dbo.DimProveedor ON
DimProveedor.orgCode=THOfertas.IdSucursal
where year(FechaPublicacion) between 2011 and 2019
and idestadooferta in (3,4,5)
GROUP BY year(FechaPublicacion) , Sector")
Tabla1<-inner_join(inner_join(Reclamos,Licitaciones, by = c('Sector','Ano')),Proveedores, by = c('Sector','Ano')) %>% select(Ano,Sector, CantReclamo, Licitaciones, Proveedores) %>% filter(.,Ano %in% c("2017","2018","2019"))
Tabla2<-inner_join(inner_join(Reclamos,Licitaciones, by = c('Sector','Ano')),Proveedores, by = c('Sector','Ano')) %>% select(Ano,Sector, CantReclamo, Licitaciones, Proveedores) %>% filter(.,Ano %in% c("2017","2018","2019")) %>% group_by(Ano,Sector) %>% summarise(.,Tasa1=format(CantReclamo/Licitaciones*100, decimal.mark = ",", big.mark = ".", digits=3),Tasa2=format(CantReclamo/Proveedores*100, decimal.mark = ",", big.mark = ".", digits=3))
Tabla<-inner_join(Tabla1,Tabla2, by=c('Sector','Ano')) %>% mutate(Ano=as.character(Ano)) %>% format(decimal.mark = ",", big.mark = ".")La siguiente tabla resume lo dicho arriba, mostrando 3 años de historia (esto pueden cambiarlo en los filtros). Tomo sólo reclamos pro probidad (ver anexo), a licitaciones en al menos estado publicado:
| Ano | Sector | CantReclamo | Licitaciones | Proveedores | Tasa1 (%) | Tasa2 (%) |
|---|---|---|---|---|---|---|
| 2017 | FFAA | 1.377 | 15.901 | 8.140 | 8,66 | 16,9 |
| 2018 | FFAA | 1.586 | 13.944 | 7.587 | 11,4 | 20,9 |
| 2019 | FFAA | 1.575 | 14.670 | 8.002 | 10,7 | 19,7 |
| 2017 | Gob. Central, Universidades | 3.515 | 22.365 | 18.790 | 15,7 | 18,7 |
| 2018 | Gob. Central, Universidades | 3.158 | 18.226 | 16.421 | 17,3 | 19,2 |
| 2019 | Gob. Central, Universidades | 3.252 | 18.009 | 15.855 | 18,1 | 20,5 |
| 2017 | Legislativo y judicial | 277 | 1.581 | 2.081 | 17,5 | 13,3 |
| 2018 | Legislativo y judicial | 267 | 1.486 | 1.979 | 18 | 13,5 |
| 2019 | Legislativo y judicial | 218 | 1.357 | 1.834 | 16,1 | 11,9 |
| 2017 | Municipalidades | 8.674 | 94.838 | 32.551 | 9,15 | 26,6 |
| 2018 | Municipalidades | 8.362 | 85.582 | 31.823 | 9,77 | 26,3 |
| 2019 | Municipalidades | 9.282 | 80.937 | 30.964 | 11,5 | 30 |
| 2017 | Obras Públicas | 796 | 7.038 | 5.057 | 11,3 | 15,7 |
| 2018 | Obras Públicas | 929 | 6.328 | 4.694 | 14,7 | 19,8 |
| 2019 | Obras Públicas | 873 | 6.390 | 4.677 | 13,7 | 18,7 |
| 2017 | Otros | 61 | 826 | 1.251 | 7,38 | 4,88 |
| 2018 | Otros | 123 | 1.092 | 1.402 | 11,3 | 8,77 |
| 2019 | Otros | 188 | 1.283 | 1.946 | 14,7 | 9,66 |
| 2017 | Salud | 4.027 | 34.893 | 13.221 | 11,5 | 30,5 |
| 2018 | Salud | 4.096 | 30.097 | 12.748 | 13,6 | 32,1 |
| 2019 | Salud | 4.511 | 26.145 | 11.759 | 17,3 | 38,4 |
| 1 Tasa1= Reclamos / Liciatciones. | ||||||
| 2 Tasa2= Reclamos / Cantidad de Proveedores |
Entre otros motivos, porque no tienen los consejales el mismo tipo de dependencia jerárquica (y económica) que tienen los empleados de un servicio con su Director.↩