Utnytte ikke-tradisjonelle data for Covid-19 sosioøkonomisk gjenopprettingsstrategi

Denne artikkelen er medforfatter med Selva Ramachandran, Resident Representative, UNDP Filippinene.

Data er nå anerkjent som den "nye oljen" for den digitale økonomien. Mens utviklingsaktører har vært avhengige av tradisjonelle datakilder, slik som de som er hentet fra offentlige undersøkelser og offentlig administrasjon, er det et stort potensial for å utnytte verdien av ukonvensjonelle eller utradisjonelle kilder som data fra privat sektor, noe som kan bidra til å skape energi. mer kvikk, smidig og inkluderende merkevare for styring.

Faktisk samler private selskaper rutinemessig inn, analyserer og bruker store mengder data – både hentet fra deres egen virksomhet og fra andre firmaer – for å utlede praktisk innsikt og informere forretningsstrategier. Evnen og tempoet som disse dataene utnyttes med ved hjelp av datavitenskap, analyse og kunstig intelligens-verktøy har gjort det mulig for datakyndige bedrifter å lykkes med å navigere gjennom flere former for kriser, inkludert Covid-19-pandemien. I dette dynamiske og usikre miljøet har viktigheten av høyfrekvente, tidsriktige og granulære data for å informere beslutningstaking blitt uvurderlig.

For dette formål er det hensiktsmessig å stille følgende spørsmål: Kan vi utnytte kraften i data som rutinemessig samles inn av selskaper – inkludert transportleverandører, mobilnettverksoperatører, sosiale medier og andre – til allmennhetens beste? Kan vi bygge bro over datagapet for å gi regjeringer tilgang til data, innsikt og verktøy som kan informere nasjonale og lokale respons- og gjenopprettingsstrategier?

Potensialet til ikke-tradisjonelle data

Det er økende erkjennelse av at tradisjonelle og ikke-tradisjonelle data bør sees på som komplementære ressurser. Utradisjonelle data kan gi betydelige fordeler når det gjelder å bygge bro over eksisterende datagap, men må fortsatt kalibreres mot benchmarks basert på etablerte tradisjonelle datakilder. Disse tradisjonelle datasettene er allment sett på som pålitelige ettersom de er underlagt etablerte strenge internasjonale og nasjonale standarder. Imidlertid er de ofte begrenset i frekvens og granularitet, spesielt i lav- og mellominntektsland, gitt kostnadene og tiden som kreves for å samle inn slike data. For eksempel kan offisielle økonomiske indikatorer som BNP, husholdningers forbruk og forbrukertillit være tilgjengelige bare opp til nasjonalt eller regionalt nivå med kvartalsvise oppdateringer.

I mellomtiden kan ikke-tradisjonelle data som markedsundersøkelser som rutinemessig samles inn månedlig fra landsomfattende husholdningsundersøkelser bare være spesifikke for visse produkter og merker, men kan gi hyppigere og mer detaljert informasjon, med oppdeling etter geografisk område, sosioøkonomisk gruppe av husholdninger, kjønn og andre attributter. Videre er data innsamlet fra mobile enheter, internettplattformer og satellittbilder ofte tilgjengelige i sanntid og gir høy detaljert plassering. Disse samsvarer ikke alltid med tradisjonelle statistiske standarder for dataprøvetaking og -innsamling og krever ofte nye «big data»-metoder for å behandle og analysere. Innovative tilnærminger som kombinerer indikatorer fra disse forskjellige typer data kan demonstrere deres konsistens og komplementaritet, utnytte fordelene ved hver og produsere ny innsikt.

Eksempler fra Filippinene

På Filippinene har UNDP, med støtte fra The Rockefeller Foundation og regjeringen i Japan, nylig opprettet Pintig Lab: et tverrfaglig nettverk av dataforskere, økonomer, epidemiologer, matematikere og statsvitere, som har til oppgave å støtte datadrevet kriserespons og utvikling. strategier. Tidlig i 2021 gjennomførte laboratoriet en studie som undersøkte hvordan husholdningers forbruk på forbrukerpakkede varer, eller raske forbruksvarer (FMCG), kan brukes til å vurdere den sosioøkonomiske effekten av Covid-19 og identifisere heterogeniteter i gjenopprettingstakten på tvers av husholdninger på Filippinene. Det filippinske nasjonale byrået for økonomisk utvikling er nå i ferd med å innlemme disse dataene for deres BNP-prognoser, som ekstra input til deres prediktive modeller for forbruk. Videre kan disse dataene kombineres med andre ikke-tradisjonelle datasett som kredittkort- eller mobillommeboktransaksjoner, og maskinlæringsteknikker for høyfrekvent BNP-nåkasting, for å tillate mer kvikk og responsiv økonomisk politikk som både kan absorbere og forutse sjokkene av krise.

Utradisjonelle data har også potensial til å gi innsikt i statusen til sårbare grupper, inkludert den uformelle sektoren, som ikke alltid fanges opp av offisiell statistikk. I erkjennelse av dette har Institutt for informasjonskommunikasjon og teknologi og UNDP begynt å utforske bruken av satellittbilder for å identifisere "last mile"-samfunn som bor i geografisk isolerte og vanskeligstilte områder og forstå deres tilkoblingsnivå når det gjelder WiFi, elektrisitet, veier, utdanning, helsevesen og markeder. Videre har UNDP brukt chatbots på sosiale medieplattformer for raskt å samle informasjon fra vanskeligstilte sektorer og små bedrifter, for å forstå hvordan pandemien har påvirket dem, og i hvilken grad de sosiale forbedringsprogrammene har fungert.

Dette er kraftige eksempler på hvordan utradisjonelle data kan og har kastet lys over vanskeligstilte grupper som tidligere var usynlige, og åpner for mer inkluderende planer og programmer slik at ingen blir etterlatt.

Ikke-tradisjonelle data kan legge til rette for inkludering

Foreløpig er evnen til regjeringer og utviklingsorganisasjoner til å verdsette, få tilgang til og ansvarlig bruke utradisjonelle datakilder fra privat sektor begrenset – dette gjelder globalt, men enda mer i utviklingsland. På tilbudssiden kan det hende at bedrifter ennå ikke fullt ut forstår hvordan dataene deres kan utnyttes for å støtte offentlige behov og utviklingsbehov. Videre er det behov for å harmonisere og operasjonalisere internasjonale og nasjonale standarder for datalisensiering, personvern og sikkerhet for å adressere juridiske og økonomiske bekymringer og senke barrierene for datadeling. I dette arbeidet må det erkjennes at risikoer må identifiseres og en avbøtende strategi på plass – inkludert representasjonsnøyaktighet, digitale sikkerhetsrisikoer, risikoer for konfidensialitet og personvernbrudd, og potensielle brudd på immaterielle rettigheter og andre kommersielle interesser. På etterspørselssiden har offentlige etater og utviklingsorganisasjoner varierende grad av teknisk kapasitet og ressurser for datarelatert arbeid. Dessuten, selv innenfor enheter der det utføres teknisk datarelatert arbeid, kan det fortsatt være behov for å innovere på tilnærminger som inkluderer disse nye typene data for å utvide offisielle datasett og metoder. Eksisterende utfordringer inkludert metodologiske, juridiske, personvern- og sikkerhetsspørsmål må tas opp for å fremme praktisk bruk av utradisjonelle data.

Utvidelse av data for utviklingsfellesskapet

Å låse opp privat sektordata for offentlig beste i stor skala krever etablering av nødvendig markeds-, juridisk og teknisk infrastruktur, som bygger på pilarene i juridisk fundament, datastyring, sikker IT-arkitektur, partnerskapsledelse og tverrfaglige team. Et banebrytende initiativ som har vært banebrytende for dette er Development Data Partnership, et privat-offentlig konsortium grunnlagt av Verdensbanken, IMF og IADB med støtte fra The Rockefeller Foundation. Så langt har det 26 store selskaper som datapartnere – inkludert Google, Facebook, Twitter, Waze og LinkedIn – og 6 utviklingspartnere – nemlig UNDP, IADB, IMF, Verdensbanken, OECD og Rockefeller Foundation. Tverrfaglige team rundt om i verden utnytter de rike utradisjonelle datakildene som tilbys gjennom partnerskapet for å innovere løsninger for å møte Covid-19-pandemien, så vel som store utviklingsutfordringer som omfatter klimaendringer, fattigdom, matsikkerhet, transporttjenester og ulikhet mellom kjønnene.

Bare for å nevne noen få eksempler, blir partnerskapets utradisjonelle data brukt til å spore virkningen av Covid-19-restriksjoner på mobilitet i Vietnam for å vurdere effektiviteten av lokaliserte nedstengninger, kartlegge urban mobilitet i Haiti for å informere transportpolitikk og investeringer og fylle ut datahull om virkningen av økonomisk aktivitet på klimaendringer for å gjøre det mulig for beslutningstakere å gjøre robuste økonomiske og finansielle analyser. Bruken av utradisjonelle data for å støtte overvåkingen av målene for bærekraftig utvikling har også blitt offisielt anerkjent, med FNs ekspertkomité for stordata og datavitenskap for offisiell statistikk^{i oppgave å fremme deres praktiske bruk for SDG-overvåking, inkludert som grunnlag for nye indikatorer eller proxyer for indikatorer, med forbedret aktualitet og granulær sosial og geo-romlig nedbrytning.}

Vi har bare begynt å åpne døren til en parallell verden av utradisjonelle data som har eksistert ved siden av oss i flere tiår nå. Når vi engasjerer oss i offentlig diskurs om ansvaret til selskaper som samler inn og tjener penger på dataene våre og deres positive og negative effekter på samfunnet, er det plass til å vurdere de potensielle fordelene hvis slike kraftige data og verktøy utnyttes til felles beste.

Data er iboende politiske, og å maksimere dens positive virkninger for samfunnet, spesielt når det gjelder å avduke ansiktene til sårbare grupper som tidligere hadde vært usynlige, vil kreve en samlet innsats fra et fellesskap av utøvere og talsmenn innen myndigheter, næringsliv, sivilsamfunn og internasjonale organisasjoner for å forme måtene data blir aksessert, analysert og brukt på utenfor rammen av deres "for-profit" opprinnelse. Å gjøre det kan meget vel frigjøre potensialet for raskere og inkluderende evidensbaserte intervensjoner for de som trenger det mest.