استفاده از داده های غیر سنتی برای استراتژی بازیابی اجتماعی-اقتصادی کووید-۱۹

این مقاله با نویسنده مشترک است سلوا راماچاندران، نماینده مقیم، UNDP فیلیپین.

داده ها اکنون به عنوان "نفت جدید" برای اقتصاد دیجیتال شناخته می شوند. در حالی که بازیگران توسعه بر منابع سنتی داده‌ها، مانند منابعی که از نظرسنجی‌های عمومی و مدیریت دولتی به دست می‌آیند، تکیه کرده‌اند، پتانسیل زیادی برای استفاده از ارزش منابع غیرمتعارف یا غیرسنتی مانند داده‌های بخش خصوصی وجود دارد که می‌تواند به تقویت نام تجاری چابک تر، چابک تر و فراگیرتر از حکومت.

در واقع، شرکت‌های خصوصی به طور معمول حجم زیادی از داده‌ها را جمع‌آوری، تجزیه و تحلیل و استفاده می‌کنند - هم از عملیات خود و هم از سایر شرکت‌ها - برای به دست آوردن بینش‌های عملی و اطلاع‌رسانی استراتژی‌های تجاری. توانایی و سرعتی که این داده‌ها با کمک علم داده، تجزیه و تحلیل و ابزارهای هوش مصنوعی به کار گرفته می‌شوند، به کسب‌وکارهای باهوش داده این امکان را می‌دهد تا با موفقیت در چندین اشکال بحران از جمله همه‌گیری کووید-۱۹ حرکت کنند. در این محیط پویا و نامطمئن، اهمیت داده‌های با فرکانس بالا، به‌موقع و جزئی برای اطلاع‌رسانی در تصمیم‌گیری بسیار ارزشمند شده است.

برای این منظور، مناسب است که سؤالات زیر را بپرسیم: آیا می‌توانیم از قدرت داده‌هایی که به‌طور معمول توسط شرکت‌ها - از جمله ارائه‌دهندگان حمل‌ونقل، اپراتورهای شبکه تلفن همراه، شبکه‌های رسانه‌های اجتماعی و دیگران - جمع‌آوری می‌شوند، برای منافع عمومی استفاده کنیم؟ آیا می‌توانیم شکاف داده‌ها را پر کنیم تا دولت‌ها به داده‌ها، بینش‌ها و ابزارهایی دسترسی داشته باشند که می‌توانند پاسخ‌های ملی و محلی و استراتژی‌های بازیابی را اطلاع دهند؟

پتانسیل داده های غیر سنتی

به رسمیت شناخته شده است که داده های سنتی و غیر سنتی باید به عنوان منابع مکمل دیده شوند. داده‌های غیرسنتی می‌توانند مزایای قابل‌توجهی در پر کردن شکاف‌های داده‌های موجود داشته باشند، اما همچنان باید بر اساس معیارهای مبتنی بر منابع داده سنتی تثبیت شوند. این مجموعه داده‌های سنتی به طور گسترده قابل اعتماد هستند زیرا مشمول استانداردهای سختگیرانه بین‌المللی و ملی هستند. با این حال، با توجه به هزینه و زمان مورد نیاز برای جمع آوری چنین داده هایی، اغلب از نظر فراوانی و جزئیات محدود هستند، به ویژه در کشورهای با درآمد کم و متوسط. برای مثال، شاخص‌های رسمی اقتصادی مانند تولید ناخالص داخلی، مصرف خانوار و اعتماد مصرف‌کننده ممکن است تنها تا سطح ملی یا منطقه‌ای با به‌روزرسانی‌های فصلی در دسترس باشند.

در همین حال، داده‌های غیر سنتی مانند تحقیقات بازار که به طور معمول ماهانه از نظرسنجی‌های خانوار در سراسر کشور جمع‌آوری می‌شود، ممکن است فقط مختص محصولات و برندهای خاص باشد، اما می‌تواند اطلاعات متداول‌تر و دقیق‌تری را با تفکیک منطقه جغرافیایی، گروه اجتماعی-اقتصادی خانوارها، جنسیت ارائه دهد. و سایر صفات علاوه بر این، داده‌های جمع‌آوری‌شده از دستگاه‌های تلفن همراه، پلت‌فرم‌های اینترنتی و تصاویر ماهواره‌ای اغلب در زمان واقعی در دسترس هستند و جزئیات بالایی را در مکان ارائه می‌دهند. اینها همیشه با استانداردهای آماری سنتی نمونه‌گیری و جمع‌آوری داده‌ها مطابقت ندارند و اغلب برای پردازش و تحلیل به روش‌های جدید «داده‌های بزرگ» نیاز دارند. رویکردهای نوآورانه‌ای که شاخص‌هایی را از این انواع مختلف داده‌ها ترکیب می‌کنند، می‌توانند سازگاری و مکمل بودن آن‌ها را نشان دهند، از مزایای هر یک استفاده کنند و بینش‌های جدیدی ایجاد کنند.

نمونه هایی از فیلیپین

در فیلیپین، UNDP، با حمایت بنیاد راکفلر و دولت ژاپن، اخیرا آزمایشگاه پینتیگ را راه اندازی کرد: شبکه ای چند رشته ای از دانشمندان داده، اقتصاددانان، اپیدمیولوژیست ها، ریاضیدانان و دانشمندان علوم سیاسی، که وظیفه پشتیبانی از واکنش و توسعه مبتنی بر داده به بحران را بر عهده دارند. استراتژی ها. در اوایل سال 2021، آزمایشگاه مطالعه‌ای انجام داد که نشان می‌دهد چگونه هزینه‌های خانوار برای کالاهای بسته‌بندی مصرف‌کننده یا کالاهای مصرفی با حرکت سریع (FMCG) می‌تواند برای ارزیابی تأثیر اجتماعی-اقتصادی کووید-19 و شناسایی ناهمگونی‌ها در سرعت بهبود استفاده شود. در میان خانواده ها در فیلیپین آژانس توسعه اقتصادی ملی فیلیپین اکنون در حال ترکیب این داده ها برای پیش بینی تولید ناخالص داخلی خود، به عنوان ورودی اضافی به مدل های پیش بینی خود برای مصرف است. علاوه بر این، این داده ها را می توان با سایر مجموعه داده های غیر سنتی مانند تراکنش های کارت اعتباری یا کیف پول تلفن همراه و تکنیک های یادگیری ماشینی برای پخش تولید ناخالص داخلی با فرکانس بالاتر ترکیب کرد تا سیاست های اقتصادی چابک تر و پاسخگوتری را که هم می توانند شوک ها را جذب و هم پیش بینی کنند. از بحران

داده‌های غیرسنتی همچنین پتانسیل ارائه بینشی در مورد وضعیت گروه‌های آسیب‌پذیر، از جمله بخش غیررسمی را دارد که همیشه توسط آمارهای رسمی ثبت نمی‌شود. با توجه به این موضوع، وزارت ارتباطات و فناوری اطلاعات و UNDP شروع به بررسی استفاده از تصاویر ماهواره ای برای شناسایی جوامع "آخرین مایل" ساکن در مناطق منزوی و محروم جغرافیایی و درک سطح اتصال آنها از نظر WiFi، برق، کرده اند. جاده ها، آموزش، مراقبت های بهداشتی و بازارها. علاوه بر این، UNDP از ربات‌های چت در پلتفرم‌های رسانه‌های اجتماعی برای جمع‌آوری سریع اطلاعات از بخش‌های محروم و شرکت‌های کوچک، برای درک راه‌هایی که همه‌گیری بر آن‌ها تأثیر گذاشته است، و میزان تأثیرگذاری برنامه‌های بهبود اجتماعی استفاده کرده است.

اینها نمونه‌های قدرتمندی هستند که نشان می‌دهد چگونه داده‌های غیرسنتی می‌توانند بر روی گروه‌های محروم که قبلاً نامرئی بوده‌اند، روشن کند و امکان طرح‌ها و برنامه‌های فراگیرتر را فراهم می‌کند تا هیچ‌کس عقب نماند.

داده‌های غیرسنتی می‌توانند فراگیری را تسهیل کنند

در حال حاضر، توانایی دولت‌ها و سازمان‌های توسعه‌ای برای ارزیابی، دسترسی و استفاده مسئولانه از منابع داده‌های غیرسنتی از بخش خصوصی محدود است - این در سطح جهانی اعمال می‌شود، اما در کشورهای در حال توسعه حتی بیشتر از آن صدق می‌کند. در سمت عرضه، شرکت ها ممکن است هنوز به طور کامل درک نکنند که چگونه داده های آنها می تواند برای حمایت از نیازهای عمومی و توسعه استفاده شود. علاوه بر این، نیاز به هماهنگ‌سازی و عملیاتی‌سازی استانداردهای بین‌المللی و ملی برای صدور مجوز، حریم خصوصی و امنیت داده‌ها برای رسیدگی به نگرانی‌های قانونی و مالی و کاهش موانع برای اشتراک‌گذاری داده‌ها وجود دارد. در این کار باید تشخیص داده شود که خطرات باید شناسایی شوند و یک استراتژی کاهش ایجاد شود - از جمله دقت نمایش، خطرات امنیت دیجیتال، خطرات مربوط به محرمانگی و نقض حریم خصوصی، و نقض احتمالی حقوق مالکیت معنوی و سایر منافع تجاری. در سمت تقاضا، سازمان‌های دولتی و سازمان‌های توسعه‌ای دارای سطوح مختلفی از ظرفیت فنی و منابع برای کارهای مرتبط با داده‌ها هستند. علاوه بر این، حتی در واحدهایی که کار مرتبط با داده‌های فنی انجام می‌شود، ممکن است هنوز نیاز به نوآوری در رویکردهایی وجود داشته باشد که این نوع جدید داده‌ها را برای تقویت مجموعه داده‌ها و روش‌های رسمی ترکیب می‌کنند. چالش‌های موجود از جمله مسائل روش‌شناختی، حقوقی، حریم خصوصی و امنیتی باید برای ترویج استفاده عملی از داده‌های غیر سنتی مورد توجه قرار گیرد.

گسترش جامعه داده ها برای توسعه

باز کردن قفل داده‌های بخش خصوصی برای کالاهای عمومی در مقیاس، مستلزم راه‌اندازی بازار لازم، زیرساخت‌های قانونی و فنی، استقرار بر پایه‌های قانونی، حاکمیت داده‌ها، معماری امن فناوری اطلاعات، مدیریت مشارکت و تیم‌های چند رشته‌ای است. یک ابتکار پیشگام که در این زمینه پیشگام بوده است، مشارکت داده های توسعه است، یک کنسرسیوم خصوصی-عمومی که توسط بانک جهانی، صندوق بین المللی پول و IADB با حمایت بنیاد راکفلر تأسیس شده است. تا کنون، 26 شرکت بزرگ به عنوان شریک داده - از جمله گوگل، فیس بوک، توییتر، Waze و LinkedIn - و 6 شریک توسعه - یعنی UNDP، IADB، IMF، بانک جهانی، OECD و بنیاد راکفلر دارد. تیم‌های چند رشته‌ای در سراسر جهان از منابع غنی داده غیرسنتی ارائه شده از طریق این مشارکت برای نوآوری راه‌حل‌هایی برای مقابله با همه‌گیری کووید-۱۹ و همچنین چالش‌های عمده توسعه‌ای شامل تغییرات آب و هوا، فقر، امنیت غذایی، خدمات حمل‌ونقل و نابرابری جنسیتی استفاده می‌کنند.

فقط برای ذکر چند مثال، داده‌های غیر سنتی این مشارکت برای ردیابی تأثیر محدودیت‌های کووید-19 بر تحرک در ویتنام برای ارزیابی اثربخشی قرنطینه‌های محلی، نقشه تحرک شهری در هائیتی برای اطلاع‌رسانی به سیاست‌های حمل‌ونقل و سرمایه‌گذاری و تکمیل استفاده می‌شود. شکاف داده‌ها در مورد تأثیر فعالیت‌های اقتصادی بر تغییرات آب‌وهوایی به سیاست‌گذاران امکان می‌دهد تحلیل‌های اقتصادی و مالی قوی انجام دهند. استفاده از داده های غیر سنتی برای حمایت از نظارت بر اهداف توسعه پایدار نیز با کمیته کارشناسان سازمان ملل متحد در زمینه کلان داده ها و علم داده برای آمار رسمی به رسمیت شناخته شده است.^{وظیفه ترویج استفاده عملی آنها برای نظارت بر SDG، از جمله به عنوان مبنایی برای شاخص‌های جدید یا نمایه‌های شاخص‌ها، با به‌موقع‌بودن بهبود یافته و تجزیه اجتماعی و جغرافیایی-فضایی ریز.}

ما تازه شروع به باز کردن دری به روی دنیای موازی داده‌های غیرسنتی کرده‌ایم که ده‌ها سال است در کنار ما وجود داشته است. از آنجایی که ما درگیر گفتمان عمومی در مورد مسئولیت‌های شرکت‌هایی هستیم که داده‌های ما را جمع‌آوری و درآمدزایی می‌کنند و اثرات مثبت و منفی آن‌ها بر جامعه، فضایی برای در نظر گرفتن مزایای بالقوه در صورت استفاده از چنین داده‌ها و ابزارهای قدرتمند برای منافع عمومی وجود دارد.

داده‌ها ذاتاً سیاسی هستند و به حداکثر رساندن تأثیرات مثبت آن برای جامعه، به‌ویژه در آشکار کردن چهره گروه‌های آسیب‌پذیر که قبلاً نامرئی بوده‌اند، برای شکل‌دهی به تلاشی هماهنگ از سوی جامعه‌ای از دست اندرکاران و مدافعان داخل دولت، مشاغل، جامعه مدنی و سازمان‌های بین‌المللی نیاز دارد. روش‌هایی که در آن داده‌ها فراتر از محدودیت‌های منشأ «انتفاعی» آن‌ها دسترسی، تحلیل و استفاده می‌شوند. انجام این کار به خوبی می تواند پتانسیل مداخلات مبتنی بر شواهد سریعتر و فراگیر را برای کسانی که بیشتر به آن نیاز دارند، باز کند.