Datos estructurados e interoperables de beneficiarios finales

Beneficios de los datos estructurados e interoperables

Recopilar, almacenar y hacer que la información de BO esté disponible como datos estructurados tiene una serie de ventajas y beneficios en cuanto al uso de la información. En términos generales:

  • mejora la funcionalidad de la información de BO;
  • reduce el costo de producción, uso y mantenimiento de la información de BO; y
  • tiene más posibilidades de cumplir los objetivos de la política de BOT que los datos no estructurados.

Mejora de la funcionalidad

Cuadro 2: Búsqueda y exploración de los datos de beneficiarios finales en el Registro de Open Ownership

El Registro de Open Ownership (Registro de OO) permite a las personas buscar a los beneficiarios finales y a las personas jurídicas, y explorar las conexiones de titularidad entre jurisdicciones combinando los datos de BO de múltiples registros. [E] Las estructuras de titularidad pueden visualizarse mediante herramientas integradas, y pueden descargarse datos sobre personas o entidades.

No es necesario que los usuarios tengan conocimientos técnicos para hacerlo. El Registro de OO proporciona esta funcionalidad mediante la incorporación de fuentes de datos de diferentes jurisdicciones que publican información de BO como datos estructurados.

Debido a que los datos están estructurados, el Registro de OO es capaz de proporcionar una funcionalidad que los propios portales en línea de algunas jurisdicciones no ofrecen. Por ejemplo, una de las jurisdicciones de las que el Registro de OO incorpora datos de BO es el Reino Unido (UK). En el registro de BO del Reino Unido, es posible buscar nombres de empresas, números de empresas y nombres de directivos, pero no beneficiarios finales. En el Registro de OO, es posible buscar los datos del Reino Unido, junto con los de otras jurisdicciones, por los nombres de los beneficiarios finales.

La estructuración de los datos crea información predecible: al tener una estructura predefinida, los usuarios saben qué esperar de los datos. Esto facilita el trabajo con ellos. Los usuarios no técnicos pueden beneficiarse de los datos estructurados sin tener que utilizarlos directamente. A través de sitios web, aplicaciones y otras herramientas, las personas pueden acceder, visualizar e interactuar con la información relevante de diversas formas no técnicas. Los datos estructurados pueden integrarse en procesos dirigidos tanto por personas como por máquinas que son difíciles o imposibles de realizar con datos no estructurados. Entre ellos se encuentran:

  • la búsqueda y la consulta de datos de BO para encontrar registros relacionados con personas físicaso jurídicas conocidas, o para encontrar personas desconocidas que coincidan con determinados criterios (por ejemplo, una dirección o una nacionalidad) (consulte el Cuadro 2);
  • el análisis masivo de conjuntos de datos individuales o combinados para encontrar patrones o señales de alerta relacionadas con beneficiarios finales, o para evaluar y mejorar la calidad de los datos (consulte el Cuadro 3);
  • la automatización de procesos que implican información sobre la titularidad de la empresa, (por ejemplo, la incorporación de proveedores y la diligencia debida de los clientes) (consulte el Cuadro 4);
  • la conversión de información compleja en formatos fáciles de usar y apropiados para un contexto y una audiencia determinados (por ejemplo, una visualización o una tabla de datos resumidos) (consulte el Cuadro 5).

Los estándares de datos facilitan el logro de todos los beneficios de esta mayor funcionalidad, ya que los datos de BO son predecibles independientemente de su origen. Esto facilita la colaboración y el uso de los datos en múltiples organizaciones.

Cuadro 3: Análisis masivo de los datos de beneficiarios finales en el Reino Unido

En 2016, el Reino Unido se convirtió en uno de los primeros países en crear un registro público de beneficiarios finales de empresas. El registro del Reino Unido, denominado Registro de Personas con Control Significativo (PSC) fue pionero; publicó datos abiertos y estructurados, lo que permitió a otros analizar los datos en bloque. En noviembre de 2016, un consorcio de organizaciones no gubernamentales realizó un análisis masivo. [6] Se aprendió mucho de este análisis, tanto para mejorar el registro del Reino Unido como para otros que consideren o establezcan registros públicos de BO.

El análisis identificó una serie de problemas con la calidad de los datos. Por ejemplo, se observó que si se permitía a las personas escribir su nacionalidad en el campo correspondiente, aparecían más de 500 grafías de "británico", y 10 beneficiarios finales indicaban que su nacionalidad era la de Cornualles (un condado de Inglaterra). [7] El análisis también reveló que 2160 beneficiarios finales indicaron que su fecha de nacimiento era 2016, y otros declararon que la suya se remontaba al año 9988. A raíz de las conclusiones del ejercicio de análisis de datos de2016, el Registro de Sociedades Mercantiles (CH) incluyó un aviso dentro del Registro de PSC cuando los usuarios proporcionan una fecha de nacimiento inferior a los 16 años o superior a los 100, e impide que las personas introduzcan una edad superior a los 110 años. [8]

Del mismo modo, en 2017, Transparency International y Bellingcat llevaron a cabo un análisis masivo sobre las Sociedades Limitadas Escocesas (SLP), un tipo societario oscuro que inicialmente no estaba incluido dentro de los requisitos de divulgación. Descubrieron que el 71 % de todas las SLP registradas en 2016 estaban controladas por empresas con sede en jurisdicciones secretas. [9] Este análisis, combinado con la información sobre los abusos a gran escala que involucran a las SLP, [10] llevó al Reino Unido a incluir a las SLP en el ámbito desus requisitos de divulgación. Los análisis masivos posteriores mostraron un descenso en el registro de SLP, lo que sugiere un efecto disuasorio de la transparencia. [11]

Cuadro 4: YouControl: combinación de datos estructurados de beneficiarios finales con otras fuentes de datos para la diligencia debida de los clientes en Ucrania [12]

YouControl es una empresa ucraniana comprometida con la transparencia empresarial que ha desarrollado un "sistema analítico para el cumplimiento, el análisis de mercado, la inteligencia empresarial y la investigación". [13] YouControl combina datos agregados de 180 fuentes, incluidos los datos estructurados del registro de BO de Ucrania, con su propio análisis para ofrecer perfiles de empresas con una cantidad sustancial de información, que incluye todo lo que debería generar señales de alerta, como los impuestos no pagados, los juicios pendientes y la no presentación de declaraciones. Utiliza sus propios algoritmos para calcular las puntuaciones de estabilidad financiera y el riesgo de que la empresa esté operando desde una ubicación ficticia.

Una serie de estudios de caso en el sitio web ofrecen ejemplos en los que las empresas han ahorrado cientos de miles de dólares al utilizar YouControl como parte de los procesos de diligencia debida para identificar empresas fraudulentas antes de hacer negocios con ellas. [14]

Reducción de costos

Los datos de BO interoperables y estructurados tienen importantes ventajas en cuanto a costos con respecto a la información no estructurada a lo largo de su ciclo de vida, ya que reducen los siguientes costos:

  • la publicación, el mantenimiento y la actualización de los datos de BO;
  • el uso de los datos de BO;
  • el logro de los beneficios esperados; y
  • el cumplimiento de los requisitos de divulgación.

Publicación, mantenimiento y actualización de los datos de beneficiarios finales

La decisión de estructurar los datos de BO suele suponer un mayor costo inicial que se amortiza con el tiempo gracias a la reducción de los costos operativos. La estructuración de los datos requiere la documentación y resolución de la ambigüedad subyacente. La documentación garantiza que los datos sean comprensibles e interpretables por cualquier usuario, explicando la estructura de los datos y su contenido. Por ejemplo, la documentación puede dejar claro que los campos de fecha siguen un formato específico. Saber que, por ejemplo, se sigue el formato de fecha de la Organización Internacional de Normalización (ISO) 8601 (AAAA-MM-DD), significa que está claro que 2022-07-11 es el 11 de julio de 2022 y no el 7 de noviembre de 2022. [15]

Una documentación inequívoca reduce los costos de mantenimiento continuo, así como las fricciones asociadas al uso de los datos. Esto también se aplica cuando es necesario cambiar la estructura de los datos como parte de un proceso de actualización. La predictibilidad de los datos estructurados permite una obtención más precisa de los costos en curso, así como una planificación y documentación claras de las actualizaciones de los datos y los procesos. [16] Si los datos se publican conforme a un estándar de datos, ya se habrán tenido en cuenta muchas de las complejidades de la implementación, lo que reducirá los costos de desarrollo iniciales. Los datos publicados también se beneficiarán de un conjunto existente de documentación y herramientas técnicas.

Por ejemplo, en Eslovaquia, uno de los primeros en implementarla, por lo que no se benefició de las lecciones aprendidas de las prácticas establecidas, "el desarrollo de un nuevo registro costó alrededor de 330 000 euros", y "los costos operativos anuales se estiman en alrededor de 33 000 euros". [17] Del mismo modo, un estudio realizado en la Unión Europea estimó que los costos operativos de los estados miembros para hacer que los datos de BO estén disponibles como datos estructurados eran de 50 000 euros y de 4 a 10 empleados a tiempo completo al año. [18] Para contextualizar estos costos, una valoración posterior a la implementación de los beneficios para el usuario enel Reino Unido concluye que "en conjunto, los beneficios anuales para el usuario de los datos del CH se estiman entre 1000 y 3000 millones de libras al año. Es probable que se trate de una subestimación, ya que solo incluye los beneficios para los usuarios del Servicio del Registro de Sociedades Mercantiles (CHS)". Se observó que los diferentes modos de acceso que posibilita la publicación de la información como datos estructurados son los que generan mayor valor para el usuario. [19]

Uso de los datos de beneficiarios finales

Los datos estructurados de BO son más rápidos y económicos de usar para el sector público y privado, ya que reducen los costos de acceso a la información crítica y de vinculación de la información de BO con otros conjuntos de datos y sistemas. A modo de ejemplo, el costo que representa para las fuerzas del orden el acceso a la información no estructurada se señaló como una motivación importante para el aumento de la BOT en Canadá. [20] Cuando los datos estructurados de BO están disponibles, estos pueden integrarse fácilmente, por ejemplo, en los servicios internos o externos de onboarding, diligencia debida o tecnología normativa. En una investigación realizada por OO sobre el uso de los datos de BO por parte de las instituciones financieras, un banco estimó que el costo de manejar los informes no estructurados de BO en PDF de una jurisdicción era de "7 euros más por revisión" para los procesos de diligencia debida de los clientes, en comparación con una jurisdicción que hace que su información de BO esté disponible como datos abiertos y estructurados. Se observó que esto suponía "un gran costo para el banco", ya que este realiza miles de revisiones al año. [21]

Logro de los beneficios esperados

Los datos estructurados de BO también pueden reducir el costo del logro de los beneficios esperados al facilitar la interoperabilidad. Por ejemplo, cuando los datos se estructuran según el mismo estándar de datos, se proporciona un lenguaje común que permite a los diferentes sistemas comunicarse entre sí y puede reducir el costo del logro de los objetivos. Además, estos objetivos pueden generar beneficios económicos. [22] Estos beneficios suelen ser ajenos a la agencia responsable de la implementación y, por tanto, requieren un enfoque holístico para evaluar los costos y beneficios de la estructuración de datos y la elaboración del presupuesto. [23]

Los datos estructurados facilitan la interoperabilidad de múltiples maneras. En primer lugar, la interoperabilidad técnica, por ejemplo, el uso de un estándar de datos para publicar datos de BO, puede permitir que las herramientas y los análisis creados en un contexto se reutilicen en otro, reduciendo los costos y los tiempos de desarrollo. Al publicar los datos en el BODS, Armenia pudo utilizar la biblioteca de visualización del BODS de OO para generar automáticamente diagramas de estructuras de titularidad, lo que permitió implementar con rapidez una funcionalidad avanzada en la primera versión de su registro (consulte el Cuadro 5). [24] Del mismo modo, Bluetail, un prototipo de herramienta para vincular los datos de beneficiarios finales y la contratación pública, está disponible en varios idiomas y se ha utilizado en Indonesia, Kenia y Sudáfrica (consulte la Figura 3). [25]

Cuadro 5: Estructuración de los datos de beneficiarios finales en Armenia

En su implementación de un registro central de BO, Armenia ha pasado de recopilar y publicar datos no estructurados de BO a publicar datos estructurados en línea con el BODS para su uso en todo el gobierno y más allá.

La implementación en Armenia comenzó con un programa piloto de requisitos de divulgación de datos de BO para las empresas que operaban en el sector extractivo. Este programa piloto se utilizó para desarrollar y probar sistemas de recopilación y publicación de datos de un sector de alto riesgo antes de ampliar gradualmente los requisitos a las empresas de todos los sectores de la economía para finales de 2023.

Para agilizar la recopilación de datos y la publicación para el proyecto piloto de 2020, Armenia optó por recopilar la información de BO a través de formularios en papel como paso intermedio mientras se ultimaban las actualizaciones de su software de registro. Estos formularios en papel se convirtieron en formato PDF y se publicaron en línea. Aunque esto permitió un análisis limitado de las divulgaciones por parte de las organizaciones de medios de comunicación, la ausencia de datos estructurados limitó su utilidad e hizo que la realización de cualquier comprobación de la información divulgada fuera significativamente más laboriosa.

En septiembre de 2021, Armenia publicó sus primeros datos estructurados, convirtiéndose en uno de los primeros países en publicar datos utilizando el BODS al incorporar el estándar en el diseño de su software de registro. [26]

Aunque Armenia todavía tiene que hacer frente a algunos problemas iniciales, la adopción del estándar de datos posibilitará nuevos usos de sus datos de BO y permitirá al país incorporar diferentes herramientas desarrolladas para el BODS directamente en su registro. Por ejemplo, la biblioteca de visualización de datos del BODS permite a los usuarios elaborar con facilidad gráficos de titularidad a partir de los datos y facilita la comprensión y el análisis de las estructuras empresariales. [27] A partir de finales de 2023, Armenia también tiene previsto incorporar los datos estructurados de BO del Registro del Estado a sus sistemas de contratación pública como medio para hacer frente a la corrupción, la colusión y la manipulación de ofertas durante los procesos de licitación del gobierno.

Figura 2. Una declaración de beneficiarios finales no estructurada de 2018 (izquierda) frente a una declaración estructurada como se muestra a través del visualizador de datos del Estándar de Datos sobre Beneficiarios Finales en el portal de datos de beneficiarios finales de Armenia en 2022 (derecha) Fuente:
Datos estructurados y datos no estructuados

Fuente: www.e-register.am [28]

Figura 3. Bluetail: combinación de datos estructurados de beneficiarios finales y datos estructurados de contratación
Figura 3. Bluetail – combinación de datos estructurados de beneficiarios finales y datos estructurados de contratación (Datos estructurados e interoperables de beneficiarios finales)

OO se ha basado en un prototipo desarrollado por mySociety y Spend Network llamado Bluetail, que muestra cómo los datos estructurados publicados en el BODS y los datos publicados en el Estándar de Datos para las Contrataciones Abiertas son interoperables. Estos conjuntos de datos pueden combinarse para generar automáticamente señales de alerta ante riesgos de corrupción y colusión cuando los funcionarios de contratación pública examinan las licitaciones. [29] Fuente: bluetail.herokuapp.com.

Los datos estructurados también mejoran la interoperabilidad contextual. Por ejemplo, aunque un único identificador global para las personas jurídicas puede mejorar la interoperabilidad técnica, la adopción de un método común para asignar y desambiguar los identificadores de las empresas, como el enfoque desarrollado por org-id.guide [30], puede resultar más pragmático y dar lugar a conjuntos de datos más interoperables en la práctica. El Estándar Común de Reporte (ECR) para información fiscal de la Organización para la Cooperación y el Desarrollo Económicos es otro ejemplo con un alto nivel de interoperabilidad contextual. [31] Disponer de altos niveles de interoperabilidad contextual permite que los recursos que, de otro modo se dedicarían a la limpieza de datos, se empleen en su análisis. La mayor parte del esfuerzo de la inteligencia artificial en datos corporativos se dedica actualmente a desambiguar datos. Los responsables de la elaboración de políticas deberían trabajar en el problema de la coordinación, lo que haría que esto fuera menos necesario. Los campos más maduros y establecidos, pero estrechamente relacionados, proporcionan un modelo útil para construir una infraestructura compartida utilizando datos interoperables y estructurados como base.

Cumplimiento de los requisitos de divulgación

Los datos estructurados son más económicos para la declaración de los beneficiarios finales de las empresas y los registros centrales. Un registro central puede proporcionar una forma estandarizada de declarar la información, por ejemplo, en un formulario en línea, en torno a la cual las empresas pueden estandarizar los procesos y procedimientos internos. Para facilitar la carga y reducir la comisión de errores, Armenia también utiliza la biblioteca de visualización del BODS en su proceso de declaración (consulte el Cuadro 5). Los datos no estructurados, por el contrario, pueden recopilarse en una variedad de formatos, utilizando una variedad de procesos no estandarizados que pueden requerir conocimientos especializados. Los registros que verifican la información entrante pueden utilizar los datos estructurados para cruzarlos con otros conjuntos de datos en lugar de depender únicamente de costosas comprobaciones manuales, como ocurre con la información no estructurada. [32]

Mayor impacto

Los datos estructurados de BO tienen más probabilidades que la información no estructurada de alcanzar los objetivos de la política de BOT, ya que las ventajas comentadas anteriormente los convierten en una mejor opción para conseguir resultados. La información sobre beneficiarios finales rara vez se utiliza de forma aislada para lograr objetivos específicos, y suele ser más valiosa cuando se combina con otros conjuntos de datos. Para ser útiles, los datos de beneficiarios finales deben estar contextualizados con datos sobre las identidades o las actividades de las empresas o las personas físicas. Los datos estructurados permiten vincular la información de BO con otros conjuntos de datos mediante la unión en campos comunes.

Los datos de BO pueden vincularse a otros conjuntos de datos de BO de otras jurisdicciones para ofrecer una visión más completa de las estructuras de titularidad transnacionales. La titularidad efectiva puede ejercerse a través de estructuras complejas que incluyen múltiples jurisdicciones, especialmente en casos de corrupción y blanqueo de dinero. En un estudio del Banco Mundial sobre unos 150 casos de corrupción a gran escala, casi todos se basaban en vehículos corporativos para ocultar la titularidad, y la mayoría presentaban estructuras transnacionales. [33] Los detalles de estas estructuras no siempre estarán disponibles en las divulgaciones de una sola jurisdicción. Además, para dar sentido a la naturaleza transjurisdiccional de la titularidad de las empresas a menudo es necesario unir múltiples conjuntos de datos de BO de diferentes jurisdicciones o combinar los datos de BO con los datos sobre la titularidad legal. Los datos interoperables permiten combinar fácilmente la información de múltiples registros. En el estudio del Banco Mundial, las investigaciones transnacionales y la creación de casos transnacionales se señalaron como dos prioridades para combatir el uso indebido de vehículos corporativos: "Resolver un esquema de uso indebido de vehículos corporativos transnacionales es como armar un rompecabezas, con investigadores en diferentes jurisdicciones, cada uno con piezas separadas del rompecabezas. Para completar el rompecabezas, un investigador necesita tener acceso a todas las piezas". [34] Obtener visibilidad sobre las estructuras de titularidad transnacionales ahorrará recursos que pueden reorientarse a otras áreas de investigación (consulte, por ejemplo, Cuadro 6).

Los datos de BO también pueden combinarse con otros conjuntos de datos sobre personas físicas o jurídicas para otros fines. Por ejemplo, los conjuntos de datos relativos a la contratación pública y a los beneficiarios finalespueden vincularse mediante el uso de identificadores comunes para las personas jurídicas. [35] Además, los datos de BO pueden combinarse con los datos de financiación de campañas políticas para salvaguardar los procesos electorales. [36] Aunque los conjuntos de datos también pueden vincularse sin identificadores compartidos, será necesario conciliar los datos para distinguir qué registros se refieren a la misma persona jurídica o física, un proceso lento e incierto. [37] Los identificadores para las entidades del mundo real son, por tanto, un requisito esencial para la implementación eficaz de los datos estructurados (consulte, por ejemplo, Cuadro 6)

Cuadro 6: OpenSanctions y OpenScreening: combinación de datos de beneficiarios finales y de sanciones mediante identificadores del mundo real

Las sanciones contra personas o empresas que figuran en la lista de la Oficina de Control de Activos Extranjeros de los Estados Unidos (EE. UU.) se aplican no solo a la propia entidad, sino también a todas las empresas de propiedad mayoritaria o controladas por esa entidad. [38] Esta disposición, adoptada también por algunas otras autoridades, hace que la visibilidad de las estructuras completas de las empresas y los beneficiarios finales sea una parte esencial del sistema de sanciones.

OpenSanctions es una base de datos internacional que combina información sobre personas físicas y jurídicas procedente de múltiples fuentes, incluidos los registros nacionales de BO, y la vincula con las listas de sanciones y personas políticamente expuestas. El proyecto combina esta información en un único conjunto de datos para ayudar a cruzar las bases de datos, detectar conflictos de intereses e indicios de actividad ilícita, así como el cumplimiento de la diligencia debida de los clientes en las transacciones internacionales, y seguir los conflictos políticos y las políticas de sanciones en todo el mundo. [39] Para ello es necesario eliminar las duplicaciones y garantizar que solo haya una entrada consolidada para cada persona jurídica y persona física basada en identificadores y campos de datos descriptivos. [40] Dependiendo de la información disponible, esto puede requerir un trabajo manual. [41]

OpenSanctions compara su conjunto de datos con los datos de referencia del Identificador de personas jurídicas (LEI) publicados por la Global Legal Entity Identifier Foundation (GLEIF). La GLEIF ha desarrollado una base de datos mundial [42] de empresas a las que se les ha emitido un LEI, y también publica información sobre las relaciones de titularidad entre empresas. [43] Esto permite a OpenSanctions enriquecer sus datos e identificar relaciones adicionales. [44]

Para el proyecto OpenScreening, OpenSanctions ha asignado los datos de BO de la base de datos Offshore Leaks publicada por el Consorcio Internacional de Periodistas de Investigación (ICIJ) al modelo de datos FollowTheMoney utilizado por OpenSanctions y el Proyecto de Reporte sobre Crimen Organizado y Corrupción. [45] A continuación, estos datos se combinan con la propia base de datos de OpenSanctions, se cargan en una base de datos gráfica de Neo4J y se publican en una plataforma de visualización de datos proporcionada por Linkurious, para que la gente pueda explorar y visualizar las conexiones entre las personas sancionadas o políticamente expuestas y los datos de BO filtrados utilizando datos abiertos. [46]

Figura 4. OpenScreening
OpenScreening

Un ejemplo visual de los datos gráficos de OpenSanctions combinados con el software de investigación de Linkurious, que también planea incorporar datos del Registro de OO. [47] Fuente: resources.linkurious.com/openscreening.

Las necesidades específicas de la política de BOT también implican que los datos estructurados tienen una ventaja significativa sobre los no estructurados. La información no estructurada de BO crea rápidamente limitaciones de recursos que actúan como una barrera para la acción y la ambición, mientras que la estructuración de los datos de BO abre nuevos tipos de análisis y posibilidades (consulte la Figura 4). La información no estructurada tiende a crear análisis que requieren muchos recursos y son de pequeña escala, lo que es viable solo en algunos contextos, como las investigaciones relacionadas con grandes casos de corrupción. Los datos estructurados permiten un análisis a macroescala y experimental de conjuntos enteros de datos de BO a bajo costo. Esto permite diferentes tipos de impacto que son imposibles sin datos estructurados, por ejemplo: el examen de los riesgos para la seguridad nacional relacionados con la BOT en sectores específicos de la economía; el análisis estadístico de la eficacia de las intervenciones; o el desarrollo de procedimientos para generar señales de alerta para orientar mejor las investigaciones manuales. En el Reino Unido, la Autoridad de Competencia y Mercados ha empezado a utilizar los datos de BO para analizar la concentración de la propiedad en sectores específicos una vez que se tiene en cuenta la titularidad y el control comunes. [48] En otro ejemplo, los investigadores utilizaron un conjunto de datos sobre la titularidad de empresas comerciales (que incluye los beneficiarios finales) para trazar un mapa de los activos de combustibles fósiles abandonados para comprender el riesgo de mercado en la transición energética. [49]

Los datos estructurados también permiten acceder oportunamente a información auditable. Esto es especialmente importante para las fuerzas del orden y la seguridad nacional, ya que elimina la necesidad de realizar búsquedas y solicitudes manuales, que corren el riesgo de alertar a los sospechosos o retrasar las investigaciones. Los controles automatizados y los registros de acceso pueden garantizar que la información confidencial o restringida se utilice adecuadamente.

Por último, los datos estructurados crean la posibilidad de obtener datos más confiables y sistemas más resistentes mediante la verificación y el análisis de todo el registro. Esto puede incluir la verificación automatizada de los datos enviados al registro; comprobaciones e impugnaciones a partir de pruebas basadas en umbrales; y la recopilación y el análisis de metadatos sobre las presentaciones (por ejemplo, el uso de ciertos agentes de creación de empresas) que pueden revelar vulnerabilidades en áreas concretas del sistema. Esto también significa que la información personal puede compartirse de una manera que se ajuste a la legislación sobre privacidad y protección de datos mediante la incorporación de diferentes permisos para diferentes campos de datos para usuarios de datos específicos. Por ejemplo, un persona/funcionario a cargo/responsable del registro que consulte un número de pasaporte con una agencia gubernamental diferente con fines de verificación de la identidad podría simplemente recibir información sobre si los valores coinciden o no con los registros existentes, sin compartir información personal adicional. [50]

Nota al pie

[E] El registro de OO ingiere datos de cuatro registros nacionales de BO. Consulte: “Open Ownership Register – Data Sources”, Open Ownership, n.d., https://register.openownership.org/data_sources.

Notas finales

[6] “The companies we keep: What the UK’s open data register actually tells us about company ownership”, Global Witness, n.d., https://www.globalwitness.org/en/campaigns/corruption-and-money-laundering/anonymous-company-owners/companies-we-keep.

[7] “Learning the lessons from the UK’s public beneficial ownership register”, Global Witness y Open Ownership, noviembre de 2017, 8, https://www.openownership.org/en/publications/learning-the-lessons-from-the-uks-public-beneficial-ownership-register.

[8] “Learning the lessons from the UK’s public beneficial ownership register”, Global Witness y Open Ownership, 8.

[9] Ben Cowdock, “Tackling abuse of the Scottish Limited Partnerships needs a UK-wide money laundering reform”, Transparency International UK, 3 de mayo de 2018, https://www.transparency.org.uk/tackling-abuse-scottish-limited-partnerships-needs-uk-wide-money-laundering-reform.

[10] Consulte, por ejemplo: David Leask and Richard Smith, “Scots shell companies used to launder £4 billion out of Russia”, The Herald, 27 de marzo de 2017, https://www.heraldscotland.com/news/15183346.scots-shell-companies-used-to-launder-4-billion-out-of-russia/; Jaccy Gascoyne, “The Use of Scottish Limited Partnerships in Money laundering Schemes”, MLROs.com, n.d., https://mlros.com/the-use-of-scottish-limited-partnerships-in-money-laundering-schemes/.

[11] Chinwe Ekene Ezeigbo, Tymon Kiepe, y Louise Russell-Prywata, “Early impacts of public registers of beneficial ownership: United Kingdom”, Open Ownership, 1 de abril de 2021, https://www.openownership.org/en/publications/early-impacts-of-public-registers-of-beneficial-ownership-uk/.

[12] Para ver el estudio de caso completo, consulte: Alanna Markle, “Early impacts of public beneficial ownership registers: Ukraine”, Open Ownership, 1 de febrero de 2022, https://www.openownership.org/en/publications/early-impacts-of-public-beneficial-ownership-registers-ukraine.

[13] YouControl, “About us”, n.d., https://youcontrol.com.ua/en/about_us/#about-system.

[14] Consulte: YouControl, “Case Studies”, n.d., https://youcontrol.com.ua/en/cases/.

[15] “ISO 8601 – Date and time format”, Organización Internacional de Normalización, n.d., https://www.iso.org/iso-8601-date-and-time-format.html.

[16] Para obtener más información sobre los sistemas y procesos empresariales en BOT, consulte: “Guide to implementing beneficial ownership transparency”, Open Ownership, julio de 2021, 13, https://www.openownership.org/en/publications/guide-to-implementing-beneficial-ownership-transparency/.

[17] Juraj Labant y Gabriel Šípoš, “The Register of Beneficial Ownership in Slovakia: Revolutionary transparency, questionable implementation, unsure benefits”, Transparency International Slovakia, junio de 2017, http://transparency.sk/wp-content/uploads/2017/06/Register-of-beneficial-ownership_study2017.pdf.

[18] “Impact Assessment study on the list of High Value Datasets to be made available by the Member States under the Open Data Directive”, Deloitte, Dirección General de Redes de Comunicación, Contenido y Tecnología, 30 de diciembre de 2020, 128, https://doi.org/10.2759/493091.

[19] “Valuing the user benefits of Companies House data – Report 2: Direct Users”, BEIS, documento de investigación número 2019/015, septiembre de 2019, 24, https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/833767/valuing-benefits-companies-house-data-report-2-direct-users.pdf. Para obtener más información sobre la medición de los beneficios económicos de las reformas de BOT, consulte: “Measuring the economic impact of beneficial ownership transparency”, Lateral Economics, Open Ownership y Oxford Insights, mayo de 2022, https://www.openownership.org/en/publications/measuring-the-economic-impact-of-beneficial-ownership-transparency-summary-report/.

[20] “B.C. Consultation on a Public Beneficial Ownership Registry”, provincia de Columbia Británica, Ministerio de Finanzas, enero de 2020, 12, https://engage.gov.bc.ca/app/uploads/sites/121/2020/01/386142-BCABO-Consultation-Document-For-Release.pdf.

[21] Paul May, “The use of beneficial ownership data by a financial service institution”, Open Ownership, no publicado.

[22] Para obtener más información sobre la cuantificación de los beneficios económicos de BOT, consulte: “Measuring the economic impact of beneficial ownership transparency”, Lateral Economics et al.

[23] Tymon Kiepe, “Making central beneficial ownership registers public”, Open Ownership, 4, https://www.openownership.org/en/publications/making-central-beneficial-ownership-registers-public.

[24] “openownership/visualisation-tool: A visualisation library for beneficial ownership structures”, GitHub, n.d., https://github.com/openownership/visualisation-tool.

[25] Steve Day, “Transforming procurement systems, one prototype at a time”, Open Ownership, 18 de diciembre de 2020 , https://www.openownership.org/blogs/tps-prototyping.

[26] “Armenia and Latvia become first countries to publish data in line with the Beneficial Ownership Data Standard”, Open Ownership, 15 deseptiembre de 2021, https://www.openownership.org/en/blog/armenia-and-latvia-become-first-countries-to-publish-data-in-line-with-the-beneficial-ownership-data-standard.

[27] “openownership/visualisation-tool”, GitHub.

[28] “Sagamar CJSC – Electronic Register”, Gobierno de Armenia, 2018, https://www.e-register.am/am/companies/1267708/beneficiary.pdf; “BOR declarations: «ԶԱՆԳԵԶՈՒՐԻ ՊՂՆՁԱՄՈԼԻԲԴԵՆԱՅԻՆ ԿՈՄԲԻՆԱՏ» ՓԲԸ – Electronic Register”, Gobierno de Armenia, 25 de junio de 2021, https://www.e-register.am/en/companies/1340197/declaration/c51e08a7-6fdb-4ab7-a55c-c74a68a8f54c?diagram=1.

[29] Para obtener más información, consulte: Day, “Transforming procurement systems, one prototype at a time”. Para obtener más información sobre el uso de los datos de BO en la contratación pública, consulte: Tymon Kiepe y Eva Okunbor, “Beneficial ownership data in procurement”, Open Ownership, 11 de marzo de 2021, www.openownership.org/en/publications/beneficial-ownership-data-in-procurement.

[30] “org-id.guide – list locator (Alpha)”, org-id.guide, n.d., https://org-id.guide/about.

[31] Consulte: “Common Reporting Standard (CRS)”, OECD, n.d., https://www.oecd.org/tax/automatic-exchange/common-reporting-standard/.

[32] Para obtener más información sobre cómo los datos estructurados pueden ayudar con varios enfoques de verificación, consulte: Tymon Kiepe, “Verification of beneficial ownership data”, Open Ownership, 7 de mayo de 2020, https://www.openownership.org/en/publications/verification-of-beneficial-ownership-data.

[33] Emile van der Does de Willebois, Emily M. Halter, Robert A. Harrison, Ji Won Park, and J.C. Sharman, The Puppet Masters: How the Corrupt Use Legal Structures to Hide Stolen Assets and What to Do About It (Washington DC: The World Bank, 2011), 52, 121, https://star.worldbank.org/sites/star/files/puppetmastersv1.pdf.

[34] Van der Does de Willebois et al., The Puppet Masters: How the Corrupt Use Legal Structures to Hide Stolen Assets and What to Do About It, 9.

[35] “Beneficial ownership information”, Open Contracting Data Standard, n.d., https://standard.open-contracting.org/latest/en/guidance/map/beneficial_ownership.

[36] Tymon Kiepe, “Using beneficial ownership data for national security”, Open Ownership, 17 de diciembre de 2021, 18-19, https://www.openownership.org/en/publications/using-beneficial-ownership-data-for-national-security.

[37] Steve Day, “Reconciling beneficial ownership data”, Open Ownership, 17 de agosto de 2020, https://www.openownership.org/blogs/reconciling-beneficial-ownership-data; Jason Arterburn, Erin D. Dumbacher, y Page O. Stoutland, “Signals in the Noise: Preventing Nuclear Proliferation with Machine Learning & Publicly Available Information”, Nuclear Threat Initiative and Center for Advanced Defense Studies,12 de enero de 2021, https://www.nti.org/analysis/reports/signals-in-the-noise.

[38] “Revised Guidance on Entities Owned by Persons Whose Property and Interests in Property Are Blocked”, Departamento del Tesoro de EE. UU., 13 de agosto de 2014, https://home.treasury.gov/system/files/126/licensing_guidance.pdf.

[39] “About this project”, OpenSanctions, n.d., https://www.opensanctions.org/docs/about.

[40] “Identifiers and de-duplication”, OpenSanctions, n.d., https://www.opensanctions.org/docs/identifiers.

[41] “How we deduplicate companies and people across data sources”, OpenSanctions, 11 de noviembre de 2021, https://www.opensanctions.org/articles/2021-11-11-deduplication/.

[42] “Global LEI Index”, Global Legal Entity Identifier Foundation, n.d., https://www.gleif.org/en/lei-data/global-lei-index.

[43] “Level 2 Data: Who Owns Whom”, Global Legal Entity Identifier Foundation, n.d., https://www.gleif.org/en/lei-data/access-and-use-lei-data/level-2-data-who-owns-whom.

[44] “Legal Entity Identifier (LEI) Reference Data”, OpenSanctions, n.d., https://www.opensanctions.org/datasets/gleif/.

[45] “opensanctions/icij-offshoreleaks: Converter for ICIJ Offshore Leaks data into FollowTheMoney format used by OpenSanctions”, GitHub, n.d., https://github.com/opensanctions/icij-offshoreleaks.

[46] “OpenScreening”, Linkurious, n.d., https://resources.linkurious.com/openscreening; “opensanctions/offshore-graph: Loading OpenSanctions into Neo4J and Linkurious”, GitHub, n.d., https://github.com/opensanctions/offshore-graph.

[47] En el momento de escribir este artículo, OO estaba colaborando con el equipo de OpenSanctions para incluir los datos de BO del Registro de OO en este proyecto.

[48] Open Ownership, “Open Ownership technology showcase #4”, YouTube video, 1:03:14, publicado el 18 de mayo de 2022, https://www.youtube.com/watch?v=ipKkRX8vpZg.

[49] Gregor Semieniuk et al., “Stranded fossil-fuel assets translate to major losses for investors in advanced economies”, Nature Climate Change 12, (26 May 2022): 532-538, https://doi.org/10.1038/s41558-022-01356-y.

[50] Para obtener más detalles sobre la creación de datos de BO de confianza a través de la verificación, consulte: Kiepe, “Verification of beneficial ownership data”.

Next page: Implementación de datos estructurados sobre beneficiarios finales