نگاهی به استفاده از کلاندادهها در حکمرانی مدرن
بیلی با همکاری پیتر برند، فارغالتحصیل جوانی که دیدگاه اقتصادی به بیسبال داشت، از تکنیکی بهره برد که بسیاری از مدیران و مربیان بیسبال تا آن زمان نادیده گرفته بودند: تحلیل دادههای آماری بازیکنان. آنها شروع به تحلیل دقیق دادههای مربوط به عملکرد بازیکنان کردند. به جای تکیه بر شهرت یا تجربههای کلیشهای، آنها از معیارهای آماری استفاده کردند که در نگاه اول شاید برای بسیاری از تیمهای دیگر اهمیتی نداشت، اما در عمل میتوانست تعیینکننده باشد. این تیم بر مبنای تحلیل دادهها، بازیکنانی را انتخاب کرد که با وجود اینکه کمتر شناخته شده بودند، میتوانستند با هزینهای کمتر تاثیر بزرگی در نتایج بازیها بگذارند.
این تغییر رویکرد انقلابی، اوکلند را از یک تیم با بودجه محدود به تیمی توانمند تبدیل کرد که توانست به موفقیتهای غیرمنتظره دست یابد. همانطور که بیلی بین توانست از قدرت دادهها برای پیشبرد تیمش استفاده کند، امروزه دولتها و نهادهای حکومتی نیز میتوانند با بهرهگیری از دادههای کلان و یادگیری ماشین، مسائل پیچیده اجتماعی و اقتصادی را حل کنند و تصمیمات هوشمندانهتری بگیرند. جهان اطراف ما بهطور مداوم در حال تولید حجم عظیمی از دادههاست؛ دادههایی که مانند قطعات پازلی میتوانند راهحلهای نوینی را برای بزرگترین چالشهای پیشروی ما ارائه دهند. کلانداده اطلاعات لازم را فراهم میکند و یادگیری ماشین به ما کمک میکند تا این اطلاعات را به راهحلهای عملی تبدیل کنیم.
۱.مدیریت قیمت و مصرف بنزین: موضوع بنزین همیشه یکی از چالشهای اقتصادی و اجتماعی کشور بوده است. ماشین لرنینگ با یادگیری از دادههای گذشته، میتواند به پیشبینی الگوهای مصرف آینده کمک کند و حتی راهکارهایی را برای بهینهسازی سیستمهای توزیع سوخت در مناطق مختلف پیشنهاد دهد.
۲.مدیریت مصرف برق: قطعی برق در سالهای اخیر به صنایع و مشاغل خسارات زیادی وارد کرده است. کلاندادهها میتوانند با جمعآوری و تحلیل دادههای مصرف برق در زمانهای اوج و افت، بینش دقیقی از نیازهای آینده ارائه دهند. این اطلاعات پایهای برای بهبود مدیریت انرژی و کاهش هدررفت برق هستند.
۳.ارتقای سلامت عمومی و پیشبینی بیماریها: دادهها در حوزه سلامت میتوانند نقش محوری در ارتقای سلامت عمومی و پیشگیری از بحرانها ایفا کنند. کلاندادهها با جمعآوری اطلاعات از منابع گوناگون تصویری جامع از وضعیت سلامت افراد و جوامع ارائه میدهند. سپس، یادگیری ماشین میتواند الگوهای پنهان را کشف کند و به پیشبینی بیماریها، شیوعهای احتمالی و حتی درمانهای بهینه برای گروههای مختلف بپردازد. این فناوریها میتوانند بهطور موثر در زمان واقعی ریسکهای احتمالی را شناسایی کرده و سیستمهای درمانی را قادر سازند تا به جای واکنش به بحرانها، بهصورت پیشگیرانه عمل کنند.
چگونه دادههای کلان میتوانند سیاستگذاری را متحول کنند؟
۱. استفاده از دادههای گسترده اداری: دولتها حجم وسیعی از دادهها را از منابع مختلفی مانند سوابق بهداشتی، برنامههای اجتماعی، سیستمهای مالیاتی و سایر حوزهها جمعآوری میکنند. این دادهها با اطلاعاتی از شبکههای اجتماعی، دوربینها و حسگرها تکمیل میشود و نمای جامعتری از وضعیتهای اجتماعی و اقتصادی ارائه میدهد.
۲. پردازش آنی دادهها: فناوریهای پیشرفته دادههای کلان این امکان را فراهم میآورند که دادههاجمعآوری و پردازش شوند. این فرآیند یک چرخه بازخورد را ایجاد میکند که در آن دادهها بهطور مداوم بهروز و تحلیل میشوند و به سیاستگذاریهای سریعتر و دقیقتر کمک میکند.
۳. سیاستگذاری با استفاده از تحلیلهای پیشرفته: بهرهبرداری موثر از دادههای کلان، نیازمند تحلیلهای پیشرفته است تا دادهها بهطور دقیق و مفید آماده شوند. البته جمعآوری دادههای زیاد کافی نیست؛ بلکه باید کارشناسان با دانش عمیق و مهارتهای تحلیل داده وجود داشته باشند تا از این دادهها بینشهای عملی استخراج کنند.
۴. کاربردهای عملی دادههای کلان: پژوهشگران در سراسر جهان از دادههای اداری وسیع برای تحلیل و مقایسه متغیرهایی مانند درآمد، هزینهها و بهرهوری در گروههای کوچک جمعیتی استفاده کردهاند. این تحلیلها به طور قابلتوجهی به هدایت تحقیق و تصمیمگیریهای سیاستی در حوزههای مختلف اقتصادی کمک کرده است.
۵. بهبود کیفیت تصمیمگیری: استفاده از دادههای کلان میتواند کیفیت تصمیمگیری را بهبود بخشد، زیرا اطلاعات دقیقتر و مرتبطتری را در اختیار سیاستگذاران قرار میدهد. این امر به دولتها کمک میکند تا سیاستهایی موثرتر و بهتر برای پاسخگویی به نیازهای واقعی شهروندان تدوین کنند.
۶. فرهنگ دادهها و چارچوبهای قانونی: ایجاد یک فرهنگ مناسب برای استفاده از دادهها و تدوین چارچوبهای قانونی صحیح برای جمعآوری، استفاده و اشتراکگذاری دادههای کلان بسیار حیاتی است. رعایت اصول حریم خصوصی و ملاحظات اخلاقی در کنار استفاده موثر از دادهها، اطمینان میدهد که سیاستگذاریها به استانداردهای لازم پایبند بوده و منافع بهینهای را برای جامعه فراهم کند. با توجه به این عوامل، دادههای کلان میتوانند به طور چشمگیری در تحول سیاستگذاری دولتها موثر واقع شوند و به دولتها کمک کنند تا تصمیمات بهتری برای بهبود کیفیت زندگی شهروندان خود اتخاذ کنند.
حوزههای استفاده از کلاندادهها در سیاستگذاری
در گذشته، دولتها در چرخه سیاستگذاری دسترسی چندانی به منابع اطلاعاتی نداشتند و در هر یک از فرآیندهای سیاستگذاری با کمبودهای اطلاعاتی مواجه بودند. با ظهور علم کلانداده و فنون آن، امکان جمعآوری و تحلیل دادههای مرتبط با انواع سیاستها بهمنظور تولید دانش در هر یک از مراحل سیاستگذاری فراهم شده است. از جمله حوزههای استفاده حکومتها میتوان به موارد زیر اشاره کرد:
پاسخ به مواقع اضطراری: تحلیلها در پاسخ به بلایای طبیعی بزرگ مانند توفان هایان استفاده شدهاند تا مشکلات بهداشتی را شناسایی کنند، هماهنگی هزاران فرد آواره را مدیریت کرده و از بروز بحرانهای آبی جلوگیری کنند. اخیرا، پس از توفان ماریا، از تحلیلها برای شناسایی مناطق نیازمند و تخصیص موثر منابع استفاده شده است.
مبارزه با پولشویی: تحلیلها برای پیشگیری از پولشویی و جرائم مالی استفاده میشوند و به طور مستقیم بر روی سازمانهای تروریستی یا دولتهای خارجی متخاصم که از فعالیتهای مالی غیرقانونی برای تامین مالی عملیاتهای خود استفاده میکنند، تاثیر میگذارند.
تهدیدهای داخلی: با استفاده از تحلیلها برای شناسایی ناهنجاریها و رفتارهای غیرمعمول، سازمانها میتوانند به طور قابل توجهی مقدار دادههایی را که نشت یا دزدیده میشود کاهش دهند. این امر به جلوگیری از تقلب و جرائم سایبری کمک میکند تا منابع و پولی که میتوانست در برنامههای کمک به شهروندان استفاده شود، هدر نرود.
اثربخشی نیروی کار: سازمانها میتوانند شکافهای نیروی کار را که ممکن است با بازنشستگی یا ترک شغل توسط کارکنان به وجود آید، بهتر درک کنند. با اطمینان از اینکه کارکنان جدید میتوانند این شکافها را پر کنند و با معرفی روشهایی برای حفظ کارکنان، سازمانها میتوانند به طور موثر ادامه دهند.
دادههای کلان و تحلیلها به بخش عمومی فواید زیادی ارائه میدهند. علاوه بر این، تحلیلها نتایج را بهبود میبخشند که تاثیر مستقیمی بر شهروندان دارند. چراکه در مبارزه با مسائل دارویی در سطح ملی، پاسخ به بلایای محلی، حفاظت در برابر از دست دادن اطلاعات حساس یا مالکیت فکری یا صرفا بهبود کارآیی دولت، بینشهای تحلیلی که میتوانید از ذخایر دادههای کلان خود به دست آورید، تفاوت ایجاد میکند. در صنعت فینتک، حکمرانی دادهها بهعنوان پایه و اساس عملکردهای حیاتی مختلف عمل میکند. این امر به ارزیابی دقیق ریسک، تقویت قابلیتهای شناسایی تقلب و پشتیبانی از انطباق با مقررات مالی کمک میکند. حکمرانی موثر دادهها خطرات مرتبط با نقض دادهها را کاهش میدهد، از اطلاعات حساس مشتریان محافظت کرده و اعتماد مشتریان را حفظ میکند. با ایجاد چارچوب قوی برای حکمرانی دادهها، شرکتهای فینتک میتوانند از پتانسیل واقعی داراییهای دادهای خود بهرهبرداری کنند.
چالشهای استفاده از کلاندادهها در حکمرانی
دولتهایی که از دادههای کلان برای سیاستگذاری استفاده میکنند، باید سیستمهای نظارتی موثر، رهبری مسوولانه و اصول اخلاقی قوی را ایجاد و اجرا کنند. بهرهمندی از نوآوریهای فناوری میتواند فرصتهای بیشتری برای مشارکت عمومی در فرآیند سیاستگذاری فراهم کند. با این حال، خرد جمعی باید همچنان نقش هدایتگر و تعیینکنندهای در جهتدهی به سیاستها داشته باشد. چالشهای پیادهسازی سیاستهای مبتنی بر دادههای کلان شامل مسائل متعددی است که نهادهای دولتی باید به آنها توجه کنند:
۱.امنیت دادهها و حریم خصوصی: یکی از چالشهای اصلی در استفاده از دادههای کلان، تضمین امنیت و حریم خصوصی اطلاعات است. با توجه به قوانین دادههای باز که در برخی کشورها وجود دارد، سوءاستفاده از دادهها میتواند به مشکلات جدی منجر شود. بنابراین حفظ حریم خصوصی شهروندان در استفاده از دادههای کلان برای اهدافی همچون تصمیمگیری، مبارزه با جرم، کاهش فساد و ارتقای رفاه اجتماعی، از اهمیت زیادی برخوردار است.
۲.تحلیل سریع و بهموقع دادهها: برای اتخاذ تصمیمات موثر و بهموقع، تحلیل دقیق دادهها ضروری است. نهادهای دولتی باید از فرمتهای استاندارد و متادیتا برای حفظ جریان و دسترسی به دادهها استفاده کنند.
۳.زیرساختهای فنی و هزینههای مربوطه: پیادهسازی دادههای کلان نیازمند زیرساختهای فنی قوی از جمله حافظههای کمهزینه، ذخیرهسازی، سرورهای با عملکرد بالا و راهحلهای ابری است. محاسبات ابری امکان تحلیلهای انعطافپذیر را فراهم میکند. همچنین، اطمینان از پهنای باند کافی و قابلیت تحلیل بلادرنگ در محیطهای ابری ضروری است.
۴.کیفیت دادهها و پیشفرضهای تحلیلی: دادههای کلان گاهی ممکن است توهم دقت و بیطرفی ایجاد کنند، اما در واقعیت، پیشفرضهای مختلفی در پردازش دادهها وجود دارد که میتواند تفسیر نهایی را تحتتاثیر قرار دهد.