Utnyttja icke-traditionella data för Covid-19-strategin för socioekonomisk återhämtning

Den här artikeln är författad med Selva Ramachandran, bosatta representant, UNDP Filippinerna.

Data erkänns nu som den "nya oljan" för den digitala ekonomin. Även om utvecklingsaktörer har förlitat sig på traditionella datakällor, såsom de som kommer från offentliga undersökningar och statlig förvaltning, finns det stor potential att utnyttja värdet av okonventionella eller icke-traditionella källor som data från den privata sektorn, vilket kan bidra till att driva på en ett smidigare, smidigare och mer inkluderande varumärke av styrning.

Faktum är att privata företag rutinmässigt samlar in, analyserar och använder stora mängder data – både hämtade från deras egen verksamhet och från andra företag – för att få praktiska insikter och informera affärsstrategier. Förmågan och takten i vilken dessa data utnyttjas med hjälp av datavetenskap, analys och artificiell intelligens har gjort det möjligt för datakunniga företag att framgångsrikt navigera genom flera former av kriser, inklusive Covid-19-pandemin. I denna dynamiska och osäkra miljö har vikten av högfrekventa, aktuella och granulära data för att informera beslutsfattande blivit ovärderlig.

För detta ändamål är det lämpligt att ställa följande frågor: Kan vi utnyttja kraften i data som rutinmässigt samlas in av företag – inklusive transportleverantörer, mobilnätsoperatörer, sociala medier och andra – för allmänhetens bästa? Kan vi överbrygga datagapet för att ge regeringar tillgång till data, insikter och verktyg som kan informera nationella och lokala strategier för svar och återhämtning?

Potentialen hos icke-traditionella data

Det finns en ökad insikt om att traditionella och icke-traditionella data bör ses som kompletterande resurser. Icke-traditionella data kan ge betydande fördelar för att överbrygga befintliga dataluckor men måste fortfarande kalibreras mot riktmärken baserade på etablerade traditionella datakällor. Dessa traditionella datauppsättningar anses allmänt vara tillförlitliga eftersom de är föremål för etablerade stränga internationella och nationella standarder. De är dock ofta begränsade i frekvens och granularitet, särskilt i låg- och medelinkomstländer, med tanke på den kostnad och tid som krävs för att samla in sådana uppgifter. Till exempel kan officiella ekonomiska indikatorer som BNP, hushållens konsumtion och konsumenternas förtroende vara tillgängliga endast upp till nationell eller regional nivå med kvartalsvisa uppdateringar.

Samtidigt kan icke-traditionella data som marknadsundersökningar som rutinmässigt samlas in varje månad från rikstäckande hushållsundersökningar bara vara specifika för vissa produkter och varumärken, men kan ge mer frekvent och detaljerad information, med uppdelning efter geografiskt område, socioekonomisk grupp av hushåll, kön och andra attribut. Vidare är data som samlats in från mobila enheter, internetplattformar och satellitbilder ofta tillgängliga i realtid och erbjuder hög granularitet på plats. Dessa överensstämmer inte alltid med traditionella statistiska standarder för dataurval och insamling och kräver ofta nya "big data"-metoder för att bearbeta och analysera. Innovativa tillvägagångssätt som kombinerar indikatorer från dessa olika typer av data kan visa deras konsekvens och komplementaritet, utnyttja fördelarna med var och en och producera nya insikter.

Exempel från Filippinerna

I Filippinerna har UNDP, med stöd från The Rockefeller Foundation och Japans regering, nyligen startat Pintig Lab: ett multidisciplinärt nätverk av datavetare, ekonomer, epidemiologer, matematiker och statsvetare, med uppgift att stödja datadriven krishantering och utveckling strategier. I början av 2021 genomförde labbet en studie som undersökte hur hushållens utgifter för konsumentförpackade varor, eller snabbrörliga konsumentvaror (FMCG), kan användas för att bedöma de socioekonomiska effekterna av Covid-19 och identifiera heterogeniteter i återhämtningstakten över hushållen i Filippinerna. Filippinernas nationella ekonomiska utvecklingsbyrå håller nu på att införliva dessa data för sina BNP-prognoser, som ytterligare input till sina prediktiva modeller för konsumtion. Vidare kan dessa data kombineras med andra icke-traditionella datauppsättningar som kreditkorts- eller mobilplånbokstransaktioner och maskininlärningstekniker för högre frekvens BNP-nuutsändning, för att möjliggöra en smidigare och mer lyhörd ekonomisk politik som både kan absorbera och förutse stötarna av kris.

Icke-traditionella data har också potential att ge insikter om statusen för utsatta grupper, inklusive den informella sektorn, som inte alltid fångas upp av officiell statistik. Som ett erkännande av detta har avdelningen för informationskommunikation och teknik och UNDP börjat utforska användningen av satellitbilder för att identifiera "last mile"-samhällen som bor i geografiskt isolerade och missgynnade områden och förstå deras anslutningsnivå i termer av WiFi, elektricitet, vägar, utbildning, sjukvård och marknader. Dessutom har UNDP använt chatbotar på sociala medieplattformar för att snabbt samla information från missgynnade sektorer och små företag, för att förstå hur pandemin har påverkat dem och i vilken utsträckning de sociala förbättringsprogrammen har fungerat.

Dessa är kraftfulla exempel på hur icke-traditionell data kan och har kastat ljus över missgynnade grupper som tidigare varit osynliga, vilket möjliggör mer inkluderande planer och program så att ingen hamnar på efterkälken.

Icke-traditionella data kan underlätta inkludering

För närvarande är förmågan för regeringar och utvecklingsorganisationer att uppskatta, komma åt och ansvarsfullt använda icke-traditionella datakällor från den privata sektorn begränsad – detta gäller globalt, men ännu mer i utvecklingsvärlden. På utbudssidan kanske företag ännu inte helt förstår hur deras data kan utnyttjas för att stödja allmänhetens behov och utvecklingsbehov. Vidare finns det ett behov av att harmonisera och operationalisera internationella och nationella standarder för datalicensiering, integritet och säkerhet för att hantera juridiska och ekonomiska problem och minska hindren för datadelning. I detta arbete måste det inses att risker måste identifieras och en begränsningsstrategi på plats – inklusive representationsprecision, digitala säkerhetsrisker, risker för konfidentialitet och integritetsintrång och potentiella kränkningar av immateriella rättigheter och andra kommersiella intressen. På efterfrågesidan har statliga myndigheter och utvecklingsorganisationer olika nivåer av teknisk kapacitet och resurser för datarelaterat arbete. Dessutom, även inom enheter där tekniskt datarelaterat arbete utförs, kan det fortfarande finnas ett behov av att förnya sig på tillvägagångssätt som införlivar dessa nya typer av data för att utöka officiella datauppsättningar och metoder. Befintliga utmaningar inklusive metodologiska, juridiska, integritets- och säkerhetsfrågor måste lösas för att främja praktisk användning av icke-traditionella uppgifter.

Bredda data för utvecklingsgemenskapen

Att låsa upp data från den privata sektorn för allmännytta i stor skala kräver att man upprättar den nödvändiga marknaden, juridisk och teknisk infrastruktur, bygger på pelare av juridisk grund, datastyrning, säker IT-arkitektur, partnerskapshantering och multidisciplinära team. Ett banbrytande initiativ som har varit banbrytande för detta är Development Data Partnership, ett privat-offentligt konsortium grundat av Världsbanken, IMF och IADB med stöd från The Rockefeller Foundation. Hittills har det 26 stora företag som datapartner – inklusive Google, Facebook, Twitter, Waze och LinkedIn – och 6 utvecklingspartners – nämligen UNDP, IADB, IMF, Världsbanken, OECD och The Rockefeller Foundation. Tvärvetenskapliga team runt om i världen utnyttjar de rika icke-traditionella datakällor som erbjuds genom partnerskapet för att innovativa lösningar för att hantera Covid-19-pandemin samt stora utvecklingsutmaningar som omfattar klimatförändringar, fattigdom, livsmedelssäkerhet, transporttjänster och ojämlikhet mellan könen.

Bara för att nämna några exempel används partnerskapets icke-traditionella data för att spåra effekten av Covid-19-restriktioner på rörlighet i Vietnam för att bedöma effektiviteten av lokaliserade nedstängningar, kartlägga rörlighet i städer i Haiti för att informera transportpolitik och investeringar och fylla dataluckor om effekterna av ekonomisk aktivitet på klimatförändringarna för att göra det möjligt för beslutsfattare att göra robusta ekonomiska och finansiella analyser. Användningen av otraditionell data för att stödja övervakningen av målen för hållbar utveckling har också erkänts officiellt, med FN:s expertkommitté för stordata och datavetenskap för officiell statistik^{uppdraget att främja deras praktiska användning för SDG-övervakning, inklusive som grund för nya indikatorer eller proxyservrar för indikatorer, med förbättrad aktualitet och detaljerad social och geospatial uppdelning.}

Vi har bara börjat öppna dörren till en parallell värld av icke-traditionell data som har funnits bredvid oss ​​i decennier nu. När vi engagerar oss i den offentliga diskussionen om ansvarsområden för företag som samlar in och tjänar pengar på vår data och deras positiva och negativa effekter på samhället, finns det utrymme att överväga de potentiella fördelarna om sådana kraftfulla data och verktyg utnyttjas för allmänhetens bästa.

Data är till sin natur politisk och för att maximera dess positiva effekter för samhället, särskilt när det gäller att avslöja ansiktena på utsatta grupper som tidigare varit osynliga, kommer det att kräva en samlad insats från en gemenskap av utövare och förespråkare inom myndigheter, företag, civilsamhället och internationella organisationer för att forma sätten på vilka data nås, analyseras och används utanför gränserna för deras "vinstdrivande" ursprung. Att göra det kan mycket väl frigöra potentialen för snabbare och inkluderande evidensbaserade insatser för dem som behöver det mest.