कोविड -19 सामाजिक आर्थिक सुधार रणनीति के लिए गैर-पारंपरिक डेटा का लाभ उठाना

यह लेख सह-लेखक है सेल्वा रामचंद्रन, रेजिडेंट रिप्रेजेंटेटिव, यूएनडीपी फिलीपींस.

डेटा को अब डिजिटल अर्थव्यवस्था के लिए "नए तेल" के रूप में मान्यता प्राप्त है। जबकि विकास अभिनेताओं ने डेटा के पारंपरिक स्रोतों पर भरोसा किया है, जैसे कि सार्वजनिक सर्वेक्षण और सरकारी प्रशासन से प्राप्त, निजी क्षेत्र से डेटा जैसे अपरंपरागत या गैर-पारंपरिक स्रोतों के मूल्य का दोहन करने की काफी संभावना है, जो ईंधन को बढ़ावा देने में मदद कर सकता है। शासन का अधिक फुर्तीला, फुर्तीला और समावेशी ब्रांड।

वास्तव में, निजी कंपनियां नियमित रूप से बड़ी मात्रा में डेटा एकत्र, विश्लेषण और उपयोग करती हैं - दोनों अपने स्वयं के संचालन से और अन्य फर्मों से - कार्रवाई योग्य अंतर्दृष्टि प्राप्त करने और व्यावसायिक रणनीतियों को सूचित करने के लिए। डेटा साइंस, एनालिटिक्स और आर्टिफिशियल इंटेलिजेंस टूल की सहायता से इस डेटा का उपयोग करने की क्षमता और गति ने डेटा की समझ रखने वाले व्यवसायों को कोविड -19 महामारी सहित कई प्रकार के संकटों के माध्यम से सफलतापूर्वक नेविगेट करने की अनुमति दी है। इस गतिशील और अनिश्चित वातावरण में, निर्णय लेने की सूचना देने के लिए उच्च आवृत्ति, समय पर और बारीक डेटा का महत्व अमूल्य हो गया है।

इसके लिए, निम्नलिखित प्रश्न पूछना उपयुक्त है: क्या हम जनता की भलाई के लिए-परिवहन प्रदाताओं, मोबाइल नेटवर्क ऑपरेटरों, सोशल मीडिया नेटवर्क और अन्य सहित कंपनियों द्वारा नियमित रूप से एकत्र किए गए डेटा की शक्ति का उपयोग कर सकते हैं? क्या हम डेटा अंतर को पाटने के लिए सरकारों को डेटा, अंतर्दृष्टि और टूल तक पहुंच प्रदान कर सकते हैं जो राष्ट्रीय और स्थानीय प्रतिक्रिया और पुनर्प्राप्ति रणनीतियों को सूचित कर सकते हैं?

गैर-पारंपरिक डेटा की क्षमता

यह मान्यता बढ़ती जा रही है कि पारंपरिक और गैर-पारंपरिक डेटा को पूरक संसाधनों के रूप में देखा जाना चाहिए। गैर-पारंपरिक डेटा मौजूदा डेटा अंतराल को पाटने में महत्वपूर्ण लाभ ला सकता है लेकिन फिर भी स्थापित पारंपरिक डेटा स्रोतों के आधार पर बेंचमार्क के खिलाफ कैलिब्रेट किया जाना चाहिए। इन पारंपरिक डेटासेट को व्यापक रूप से विश्वसनीय माना जाता है क्योंकि वे स्थापित कड़े अंतरराष्ट्रीय और राष्ट्रीय मानकों के अधीन हैं। हालांकि, वे अक्सर आवृत्ति और ग्रैन्युलैरिटी में सीमित होते हैं, विशेष रूप से निम्न और मध्यम आय वाले देशों में, इस तरह के डेटा को एकत्र करने के लिए आवश्यक लागत और समय को देखते हुए। उदाहरण के लिए, आधिकारिक आर्थिक संकेतक जैसे कि जीडीपी, घरेलू खपत और उपभोक्ता विश्वास तिमाही अपडेट के साथ केवल राष्ट्रीय या क्षेत्रीय स्तर तक ही उपलब्ध हो सकते हैं।

इस बीच, राष्ट्रव्यापी घरेलू सर्वेक्षणों से नियमित रूप से मासिक रूप से एकत्र किए गए बाजार अनुसंधान जैसे गैर-पारंपरिक डेटा केवल कुछ उत्पादों और ब्रांडों के लिए विशिष्ट हो सकते हैं, लेकिन भौगोलिक क्षेत्र, परिवारों के सामाजिक-आर्थिक समूह, लिंग द्वारा असहमति के साथ अधिक लगातार और बारीक जानकारी प्रदान कर सकते हैं। और अन्य गुण। इसके अलावा, मोबाइल उपकरणों, इंटरनेट प्लेटफॉर्म और उपग्रह छवियों से एकत्र किए गए डेटा अक्सर वास्तविक समय में उपलब्ध होते हैं और स्थान में उच्च ग्रैन्युलैरिटी प्रदान करते हैं। ये हमेशा डेटा सैंपलिंग और संग्रह के पारंपरिक सांख्यिकीय मानकों का अनुपालन नहीं करते हैं और अक्सर प्रक्रिया और विश्लेषण के लिए उपन्यास "बिग डेटा" कार्यप्रणाली की आवश्यकता होती है। इन विभिन्न प्रकार के डेटा से संकेतकों को संयोजित करने वाले अभिनव दृष्टिकोण उनकी स्थिरता और पूरकता प्रदर्शित कर सकते हैं, प्रत्येक के फायदे का फायदा उठा सकते हैं और उपन्यास अंतर्दृष्टि उत्पन्न कर सकते हैं।

फिलीपींस से उदाहरण

फिलीपींस में, यूएनडीपी, द रॉकफेलर फाउंडेशन और जापान सरकार के समर्थन से, हाल ही में पिंटिग लैब की स्थापना की: डेटा वैज्ञानिकों, अर्थशास्त्रियों, महामारी विज्ञानियों, गणितज्ञों और राजनीतिक वैज्ञानिकों का एक बहु-विषयक नेटवर्क, जो डेटा-संचालित संकट प्रतिक्रिया और विकास का समर्थन करने का काम करता है। रणनीतियाँ। 2021 की शुरुआत में, लैब ने एक अध्ययन किया जिसमें यह पता लगाया गया था कि कैसे उपभोक्ता-पैक किए गए सामान, या तेजी से बढ़ते उपभोक्ता सामान (एफएमसीजी) पर घरेलू खर्च का उपयोग कोविड -19 के सामाजिक आर्थिक प्रभाव का आकलन करने और वसूली की गति में विषमताओं की पहचान करने के लिए किया जा सकता है। फिलीपींस में घरों में। फिलीपीन राष्ट्रीय आर्थिक विकास एजेंसी अब इस डेटा को अपने सकल घरेलू उत्पाद के पूर्वानुमान के लिए शामिल करने की प्रक्रिया में है, खपत के लिए उनके भविष्य कहनेवाला मॉडल के अतिरिक्त इनपुट के रूप में। इसके अलावा, इस डेटा को अन्य गैर-पारंपरिक डेटासेट जैसे क्रेडिट कार्ड या मोबाइल वॉलेट लेनदेन, और उच्च आवृत्ति जीडीपी के लिए मशीन लर्निंग तकनीकों के साथ जोड़ा जा सकता है, ताकि अधिक फुर्तीली और उत्तरदायी आर्थिक नीतियों की अनुमति मिल सके जो झटके को अवशोषित और प्रत्याशित दोनों कर सकें। संकट का।

गैर-पारंपरिक डेटा में अनौपचारिक क्षेत्र सहित कमजोर समूहों की स्थिति पर अंतर्दृष्टि प्रदान करने की क्षमता है, जो हमेशा आधिकारिक आंकड़ों द्वारा कैप्चर नहीं किए जाते हैं। इसकी मान्यता में, सूचना संचार और प्रौद्योगिकी विभाग और यूएनडीपी ने भौगोलिक रूप से अलग-थलग और वंचित क्षेत्रों में रहने वाले "अंतिम मील" समुदायों की पहचान करने के लिए उपग्रह इमेजरी के उपयोग का पता लगाना शुरू कर दिया है और वाईफाई, बिजली, सड़कें, शिक्षा, स्वास्थ्य सेवा और बाजार। इसके अलावा, यूएनडीपी ने सोशल मीडिया प्लेटफॉर्म पर चैटबॉट्स का उपयोग वंचित क्षेत्रों और छोटे उद्यमों से सूचनाओं को तेजी से करने के लिए किया है, यह समझने के लिए कि किस तरह से महामारी ने उन्हें प्रभावित किया है, और किस हद तक सामाजिक सुधार कार्यक्रमों ने काम किया है।

ये इस बात के शक्तिशाली उदाहरण हैं कि कैसे गैर-पारंपरिक डेटा पहले से अदृश्य वंचित समूहों पर प्रकाश डाल सकता है और अधिक समावेशी योजनाओं और कार्यक्रमों की अनुमति देता है ताकि कोई भी पीछे न छूटे।

गैर-पारंपरिक डेटा समावेशिता की सुविधा प्रदान कर सकता है

वर्तमान में, सरकारों और विकास संगठनों की निजी क्षेत्र से गैर-पारंपरिक डेटा स्रोतों की सराहना करने, उपयोग करने और जिम्मेदारी से उपयोग करने की क्षमता सीमित है- यह विश्व स्तर पर लागू होता है, लेकिन विकासशील दुनिया में इससे भी ज्यादा। आपूर्ति पक्ष पर, कंपनियां अभी तक पूरी तरह से इस बात की सराहना नहीं कर सकती हैं कि जनता और विकास की जरूरतों का समर्थन करने के लिए उनके डेटा का लाभ कैसे उठाया जा सकता है। इसके अलावा, कानूनी और वित्तीय चिंताओं को दूर करने और डेटा साझा करने के लिए बाधाओं को कम करने के लिए डेटा लाइसेंसिंग, गोपनीयता और सुरक्षा के लिए अंतरराष्ट्रीय और राष्ट्रीय मानकों के सामंजस्य और संचालन की आवश्यकता है। इस कार्य में यह माना जाना चाहिए कि जोखिमों की पहचान करने और एक शमन रणनीति की आवश्यकता है - जिसमें प्रतिनिधित्व सटीकता, डिजिटल सुरक्षा जोखिम, गोपनीयता के जोखिम और गोपनीयता भंग, और बौद्धिक संपदा अधिकारों और अन्य वाणिज्यिक हितों के संभावित उल्लंघन शामिल हैं। मांग पक्ष पर, सरकारी एजेंसियों और विकास संगठनों के पास डेटा से संबंधित कार्यों के लिए तकनीकी क्षमता और संसाधनों के विभिन्न स्तर हैं। इसके अलावा, यहां तक ​​​​कि उन इकाइयों के भीतर भी जहां तकनीकी डेटा-संबंधित कार्य किया जाता है, फिर भी उन दृष्टिकोणों पर कुछ नया करने की आवश्यकता हो सकती है जो आधिकारिक डेटासेट और कार्यप्रणाली को बढ़ाने के लिए इन नए प्रकार के डेटा को शामिल करते हैं। गैर-पारंपरिक डेटा के व्यावहारिक उपयोग को बढ़ावा देने के लिए कार्यप्रणाली, कानूनी, गोपनीयता और सुरक्षा मुद्दों सहित मौजूदा चुनौतियों का समाधान करने की आवश्यकता है।

विकास समुदाय के लिए डेटा का विस्तार

बड़े पैमाने पर जनता की भलाई के लिए निजी क्षेत्र के डेटा को अनलॉक करने के लिए आवश्यक बाजार, कानूनी और तकनीकी बुनियादी ढांचे की स्थापना, कानूनी नींव के स्तंभों पर निर्माण, डेटा शासन, सुरक्षित आईटी वास्तुकला, साझेदारी प्रबंधन और बहु-विषयक टीमों की आवश्यकता होती है। एक अग्रणी पहल जिसने इसे आगे बढ़ाया है, वह है डेवलपमेंट डेटा पार्टनरशिप, द रॉकफेलर फाउंडेशन के समर्थन से विश्व बैंक, आईएमएफ और आईएडीबी द्वारा स्थापित एक निजी-सार्वजनिक संघ। अब तक, इसमें 26 प्रमुख कंपनियां डेटा पार्टनर के रूप में हैं- जिनमें Google, फेसबुक, ट्विटर, वेज़ और लिंक्डइन शामिल हैं- और 6 विकास भागीदार- अर्थात्, यूएनडीपी, आईएडीबी, आईएमएफ, विश्व बैंक, ओईसीडी और द रॉकफेलर फाउंडेशन। दुनिया भर में बहु-विषयक टीमें कोविड -19 महामारी के साथ-साथ जलवायु परिवर्तन, गरीबी, खाद्य सुरक्षा, परिवहन सेवाओं और लैंगिक असमानता सहित प्रमुख विकासात्मक चुनौतियों को संबोधित करने के लिए नवाचारों के समाधान के लिए साझेदारी के माध्यम से पेश किए गए समृद्ध गैर-पारंपरिक डेटा स्रोतों का लाभ उठा रही हैं।

कुछ उदाहरणों का हवाला देते हुए, साझेदारी के गैर-पारंपरिक डेटा का उपयोग वियतनाम में गतिशीलता पर कोविड -19 प्रतिबंधों के प्रभाव को ट्रैक करने के लिए किया जा रहा है ताकि स्थानीय लॉकडाउन की प्रभावशीलता का आकलन किया जा सके, परिवहन नीति और निवेश को सूचित करने और भरने के लिए हैती में शहरी गतिशीलता का नक्शा तैयार किया जा सके। नीति निर्माताओं को मजबूत आर्थिक और वित्तीय विश्लेषण करने में सक्षम बनाने के लिए जलवायु परिवर्तन पर आर्थिक गतिविधि के प्रभाव पर डेटा अंतराल। सतत विकास लक्ष्यों की निगरानी का समर्थन करने के लिए गैर-पारंपरिक डेटा के उपयोग को आधिकारिक तौर पर आधिकारिक सांख्यिकी के लिए बिग डेटा और डेटा विज्ञान पर विशेषज्ञों की संयुक्त राष्ट्र समिति के साथ आधिकारिक तौर पर मान्यता दी गई है।^{एसडीजी निगरानी के लिए उनके व्यावहारिक उपयोग को बढ़ावा देने के लिए काम किया, जिसमें नए संकेतकों या संकेतकों के प्रॉक्सी के आधार के रूप में, बेहतर समयबद्धता और बारीक सामाजिक और भू-स्थानिक टूटने के साथ।}

हमने केवल गैर-पारंपरिक डेटा की समानांतर दुनिया के लिए दरवाजा खोलना शुरू किया है जो दशकों से हमारे साथ मौजूद है। जैसा कि हम उन कंपनियों की जिम्मेदारियों पर सार्वजनिक प्रवचन में संलग्न हैं जो हमारे डेटा और समाज पर उनके सकारात्मक और नकारात्मक प्रभावों को एकत्र और मुद्रीकृत करती हैं, संभावित लाभों पर विचार करने के लिए जगह है यदि ऐसे शक्तिशाली डेटा और उपकरणों का उपयोग सार्वजनिक भलाई के लिए किया जाता है।

डेटा स्वाभाविक रूप से राजनीतिक है और समाज के लिए इसके सकारात्मक प्रभावों को अधिकतम करता है, विशेष रूप से कमजोर समूहों के चेहरों का अनावरण करने में, जो पहले अदृश्य थे, इसे आकार देने के लिए सरकार, व्यवसायों, नागरिक समाज और अंतरराष्ट्रीय संगठनों के भीतर चिकित्सकों और अधिवक्ताओं के एक ठोस प्रयास की आवश्यकता होगी। जिस तरीके से डेटा को उनके "फॉर-प्रॉफिट" मूल की सीमाओं से परे एक्सेस, विश्लेषण और उपयोग किया जाता है। ऐसा करने से उन लोगों के लिए अधिक तेजी से और समावेशी साक्ष्य-आधारित हस्तक्षेप की संभावना को बहुत अच्छी तरह से अनलॉक किया जा सकता है, जिन्हें इसकी सबसे अधिक आवश्यकता है।