Udnyttelse af ikke-traditionelle data til Covid-19 socioøkonomisk genopretningsstrategi

Denne artikel er skrevet sammen med Selva Ramachandran, beboerrepræsentant, UNDP Filippinerne.

Data er nu anerkendt som den "nye olie" til den digitale økonomi. Mens udviklingsaktører har været afhængige af traditionelle datakilder, såsom dem, der stammer fra offentlige undersøgelser og regeringsadministration, er der et stort potentiale for at udnytte værdien af ​​ukonventionelle eller utraditionelle kilder såsom data fra den private sektor, som kan hjælpe med at brænde en mere adræt, smidig og inkluderende styringsmærke.

Faktisk indsamler, analyserer og bruger private virksomheder rutinemæssigt store mængder data – både hentet fra deres egne operationer og fra andre virksomheder – til at udlede handlingsorienteret indsigt og informere forretningsstrategier. Evnen og tempoet, hvormed disse data udnyttes ved hjælp af datavidenskab, analyse og kunstig intelligens-værktøjer, har gjort det muligt for datakyndige virksomheder med succes at navigere gennem flere former for kriser, herunder Covid-19-pandemien. I dette dynamiske og usikre miljø er vigtigheden af ​​højfrekvente, rettidige og granulære data til at informere beslutningstagning blevet uvurderlig.

Til dette formål er det opportunt at stille følgende spørgsmål: Kan vi udnytte kraften i data, der rutinemæssigt indsamles af virksomheder – inklusive transportudbydere, mobilnetværksoperatører, sociale medier og andre – til offentlighedens bedste? Kan vi bygge bro over datagabet for at give regeringer adgang til data, indsigt og værktøjer, der kan informere nationale og lokale reaktions- og genopretningsstrategier?

Potentialet ved ikke-traditionelle data

Der er en stigende erkendelse af, at traditionelle og ikke-traditionelle data skal ses som komplementære ressourcer. Ikke-traditionelle data kan give betydelige fordele ved at bygge bro over eksisterende datahuller, men skal stadig kalibreres mod benchmarks baseret på etablerede traditionelle datakilder. Disse traditionelle datasæt anses generelt for at være pålidelige, da de er underlagt etablerede strenge internationale og nationale standarder. De er dog ofte begrænset i frekvens og granularitet, især i lav- og mellemindkomstlande, i betragtning af de omkostninger og den tid, der kræves for at indsamle sådanne data. For eksempel kan officielle økonomiske indikatorer såsom BNP, husholdningernes forbrug og forbrugertillid kun være tilgængelige op til nationalt eller regionalt niveau med kvartalsvise opdateringer.

I mellemtiden kan ikke-traditionelle data såsom markedsundersøgelser, der rutinemæssigt indsamles månedligt fra landsdækkende husstandsundersøgelser, kun være specifikke for visse produkter og mærker, men kan give mere hyppige og detaljerede oplysninger med opdeling efter geografisk område, socioøkonomisk gruppe af husstande, køn og andre egenskaber. Yderligere er data indsamlet fra mobile enheder, internetplatforme og satellitbilleder ofte tilgængelige i realtid og tilbyder høj detaljeret placering. Disse er ikke altid i overensstemmelse med traditionelle statistiske standarder for datasampling og -indsamling og kræver ofte nye "big data"-metoder til at behandle og analysere. Innovative tilgange, der kombinerer indikatorer fra disse forskellige slags data, kan demonstrere deres sammenhæng og komplementaritet, udnytte fordelene ved hver enkelt og producere ny indsigt.

Eksempler fra Filippinerne

I Filippinerne har UNDP, med støtte fra The Rockefeller Foundation og Japans regering, for nylig oprettet Pintig Lab: et tværfagligt netværk af datavidenskabsmænd, økonomer, epidemiologer, matematikere og politologer, der har til opgave at støtte datadrevet kriserespons og udvikling strategier. I begyndelsen af ​​2021 gennemførte laboratoriet en undersøgelse, der undersøgte, hvordan husholdningernes udgifter til forbrugspakkede varer eller hurtige forbrugsvarer (FMCG'er) kan bruges til at vurdere den socioøkonomiske virkning af Covid-19 og identificere heterogeniteter i genopretningstempoet på tværs af husstande i Filippinerne. Det filippinske Nationale Økonomiske Udviklingsagentur er nu i gang med at inkorporere disse data til deres BNP-forudsigelser som yderligere input til deres forudsigelsesmodeller for forbrug. Yderligere kan disse data kombineres med andre ikke-traditionelle datasæt såsom kreditkort- eller mobil tegnebogstransaktioner og maskinlæringsteknikker til højere frekvens BNP nowcasting for at give mulighed for mere smidige og lydhøre økonomiske politikker, der både kan absorbere og forudse stødene af krise.

Ikke-traditionelle data har også potentiale til at give indsigt i status for sårbare grupper, herunder den uformelle sektor, som ikke altid fanges af officielle statistikker. I erkendelse af dette er afdelingen for informationskommunikation og teknologi og UNDP begyndt at udforske brugen af ​​satellitbilleder til at identificere "sidste mile"-samfund, der bor i geografisk isolerede og ugunstigt stillede områder, og forstå deres tilslutningsniveau i form af WiFi, elektricitet, veje, uddannelse, sundhedsvæsen og markeder. Ydermere har UNDP brugt chatbots på sociale medieplatforme til hurtigt at samle information fra dårligt stillede sektorer og små virksomheder for at forstå, hvordan pandemien har påvirket dem, og i hvilket omfang de sociale forbedringsprogrammer har virket.

Disse er kraftfulde eksempler på, hvordan utraditionelle data kan og har kastet lys over dårligt stillede grupper, der tidligere var usynlige, hvilket giver mulighed for mere inkluderende planer og programmer, så ingen bliver efterladt.

Ikke-traditionelle data kan lette inklusivitet

I øjeblikket er regeringers og udviklingsorganisationers evne til at værdsætte, få adgang til og ansvarligt bruge ikke-traditionelle datakilder fra den private sektor begrænset – dette gælder globalt, men endnu mere i udviklingslandene. På udbudssiden forstår virksomhederne måske endnu ikke fuldt ud, hvordan deres data kan udnyttes til at understøtte offentlige behov og udviklingsbehov. Yderligere er der behov for at harmonisere og operationalisere internationale og nationale standarder for datalicens, privatliv og sikkerhed for at imødegå juridiske og økonomiske problemer og sænke barriererne for datadeling. I dette arbejde skal det erkendes, at risici skal identificeres og en afbødningsstrategi på plads – herunder repræsentationsnøjagtighed, digitale sikkerhedsrisici, risici for fortrolighed og brud på privatlivets fred og potentiel krænkelse af intellektuelle ejendomsrettigheder og andre kommercielle interesser. På efterspørgselssiden har offentlige myndigheder og udviklingsorganisationer varierende niveauer af teknisk kapacitet og ressourcer til datarelateret arbejde. Desuden kan der, selv inden for enheder, hvor der udføres teknisk data-relateret arbejde, stadig være behov for at innovere på tilgange, der inkorporerer disse nye typer data for at udvide officielle datasæt og metoder. Eksisterende udfordringer, herunder metodologiske, juridiske, privatlivs- og sikkerhedsspørgsmål, skal løses for at fremme praktisk brug af ikke-traditionelle data.

Udvidelse af data til udviklingsfællesskabet

Oplåsning af data fra den private sektor til offentligt gode i stor skala kræver etablering af den nødvendige markedsmæssige, juridiske og tekniske infrastruktur, der bygger på søjler i juridisk grundlag, datastyring, sikker it-arkitektur, partnerskabsstyring og tværfaglige teams. Et banebrydende initiativ, der har været banebrydende for dette, er Development Data Partnership, et privat-offentligt konsortium grundlagt af Verdensbanken, IMF og IADB med støtte fra The Rockefeller Foundation. Indtil videre har det 26 store virksomheder som datapartnere – inklusive Google, Facebook, Twitter, Waze og LinkedIn – og 6 udviklingspartnere – nemlig UNDP, IADB, IMF, Verdensbanken, OECD og The Rockefeller Foundation. Tværfaglige teams rundt om i verden udnytter de rige utraditionelle datakilder, der tilbydes gennem partnerskabet, til at innovere løsninger til at håndtere Covid-19-pandemien samt store udviklingsmæssige udfordringer, der omfatter klimaændringer, fattigdom, fødevaresikkerhed, transporttjenester og ulighed mellem kønnene.

For blot at nævne nogle få eksempler, bliver partnerskabets utraditionelle data brugt til at spore virkningen af ​​Covid-19-restriktioner på mobilitet i Vietnam for at vurdere effektiviteten af ​​lokaliserede nedlukninger, kortlægge bymobilitet i Haiti for at informere transportpolitik og investeringer og udfylde datahuller om virkningen af ​​økonomisk aktivitet på klimaændringer for at sætte politikere i stand til at lave robuste økonomiske og finansielle analyser. Brugen af ​​utraditionelle data til støtte for overvågningen af ​​målene for bæredygtig udvikling er også blevet officielt anerkendt med FN's ekspertkomité for big data og datavidenskab for officiel statistik^{til opgave at fremme deres praktiske anvendelse til SDG-overvågning, herunder som grundlag for nye indikatorer eller proxyer for indikatorer, med forbedret aktualitet og detaljeret social og geospatial opdeling.}

Vi er kun begyndt at åbne døren til en parallel verden af ​​utraditionelle data, som har eksisteret ved siden af ​​os i årtier nu. Når vi engagerer os i den offentlige diskurs om ansvar for virksomheder, der indsamler og tjener penge på vores data og deres positive og negative virkninger på samfundet, er der plads til at overveje de potentielle fordele, hvis sådanne kraftfulde data og værktøjer udnyttes til offentlighedens bedste.

Data er i sagens natur politiske og maksimering af dets positive virkninger for samfundet, især ved afsløring af ansigter på sårbare grupper, som tidligere havde været usynlige, vil kræve en samlet indsats fra et fællesskab af praktikere og fortalere inden for regering, virksomheder, civilsamfund og internationale organisationer for at forme de måder, hvorpå data tilgås, analyseres og bruges uden for rammerne af deres "for-profit" oprindelse. At gøre det kunne meget vel frigøre potentialet for hurtigere og inkluderende evidensbaserede interventioner for dem, der har mest brug for det.