4

La quantità di dati per lo sviluppo è abbastanza?

NAIROBI – I rapidi progressi della tecnologia hanno abbassato drasticamente il costo della raccolta dei dati. I sensori nello spazio, il cielo, il laboratorio e il campo, insieme con la recente opportunità di crowdsourcing e l'adozione diffusa di Internet e dei cellulari, rendono disponibili grandi quantità di informazioni a quelli che in precedenza non avevano la possibilità di usufruirne. Un produttore su piccola scala nelle zone rurali dell'Africa, ad esempio, può ora accedere alle previsioni meteo e ai prezzi di mercato semplicemente toccando lo schermo.

Questa rivoluzione dei dati offre un enorme potenziale per migliorare il processo decisionale su tutti i livelli - dal contadino locale alle organizzazioni per lo sviluppo in tutto il mondo. Ma la raccolta di dati non è sufficiente. L'informazione deve essere gestita e valutata - e farlo correttamente può essere molto più complicato e costoso dello sforzo per raccoglierla. Se le decisioni da migliorare non sono subito individuate e analizzate adeguatamente, c'è un rischio elevato che gran parte dello sforzo di raccolta potrebbe essere sprecato o indirizzato male.

Erdogan

Whither Turkey?

Sinan Ülgen engages the views of Carl Bildt, Dani Rodrik, Marietje Schaake, and others on the future of one of the world’s most strategically important countries in the aftermath of July’s failed coup.

Tale conclusione è a sua volta basata sull'analisi empirica. La dimostrazione che le iniziative di monitoraggio in agricoltura o la gestione ambientale hanno avuto un impatto positivo è debole. L'analisi quantitativa delle decisioni attraverso molti ambiti, tra cui politica ambientale, investimenti delle imprese e sicurezza informatica, ha dimostrato che le persone tendono a sovrastimare la quantità di dati necessari a prendere una buona decisione o a fraintendere il tipo di dati che sono necessari.

Inoltre, gli errori seri possono verificarsi quando grandi insiemi di dati sono estratti utilizzando algoritmi senza aver prima correttamente esaminato la decisione che deve essere presa. Ci sono molti esempi di casi in cui il data mining ha portato alla conclusione sbagliata - anche in diagnosi mediche o casi legali - perché gli esperti del settore non sono stati consultati e le informazioni critiche non sono state comprese nell'analisi.

La scienza della decisione, che unisce la comprensione del comportamento con i principi universali di coerenza nell'adozione delle decisioni, limita questi rischi associando dati empirici con conoscenze specifiche. Se la rivoluzione dei dati deve essere posta a servizio di uno sviluppo sostenibile, le migliori pratiche di questo campo devono essere incorporate nello sforzo.

Il primo passo è quello di individuare e inquadrare le decisioni spesso ricorrenti. Nel campo dello sviluppo, queste includono le decisioni su larga scala come le priorità di spesa - e quindi stanziamenti di bilancio - da parte dei governi e delle organizzazioni internazionali. Ma include anche scelte fatte su una scala molto più piccola: gli agricoltori che riflettono su quali coltivazioni piantare, quanto fertilizzante applicare, e quando e dove vendere i loro prodotti.

Il secondo passo è quello di costruire un modello quantitativo delle incertezze in tali decisioni, tra cui le varie cause scatenanti, le conseguenze, i  controlli, nonché i diversi costi, benefici e rischi.

Una volta messo al servizio di uno sviluppo sostenibile, tale modello include spesso la proiezione dell'impatto degli interventi sui mezzi di sussistenza e sull'ambiente nel corso di diversi decenni. Tale processo è più efficace quando le parti interessate e gli esperti sono reclutati per identificare le variabili rilevanti e le loro relazioni. Questi partecipanti devono essere addestrati a fornire stime quantitative della loro incertezza per le diverse variabili. Ad esempio, gli esperti potrebbero stimare con sicurezza al 90%, sulla base dei dati disponibili e della propria esperienza, che i raccolti di mais degli agricoltori in una data regione si aggirano sulle 0,5-2 tonnellate per ettaro.

Il terzo passo è quello di calcolare quanto costa ottenere ulteriori informazioni - cosa che è possibile solo se sono state quantificate le incertezze in tutte le variabili. Il valore delle informazioni è la somma che un decisore razionale sarebbe disposto a pagare per essa. Quindi abbiamo bisogno di sapere dove i dati aggiuntivi avranno valore per migliorare una decisione e quanto dovremmo spendere per ottenerla. In alcuni casi, potrebbero non essere necessarie ulteriori informazioni per prendere una decisione ferma; in altri, l'acquisizione di ulteriori dati potrebbe valere milioni di dollari.

Support Project Syndicate’s mission

Project Syndicate needs your help to provide readers everywhere equal access to the ideas and debates shaping their lives.

Learn more

Questo processo viene ripetuto fino a quando non vi è alcun ulteriore valore ad acquisire dati e una decisione risoluta - una conclusione logica, basata su informazioni, valori e preferenze dei decisori o dell’organo decisionale – non viene raggiunta. Esso fornisce a decisori e stakeholder intuizioni su come migliorare le politiche per massimizzare i risultati positivi e ridurre i rischi, come ad esempio la possibilità di bassi tassi di adozione o di capacità istituzionale limitata per l'effettiva attuazione.

Non basta semplicemente presumere che la rivoluzione dei dati andrà a beneficio dello sviluppo sostenibile. Bisogna assicurare che essa richiederà il riconoscimento dell'importanza dell’analisi rigorosa di ogni sforzo di raccolta dei dati e la formazione di una nuova generazione di scienziati di decisione che lavori a fianco dei politici.