4

Когда данных для развития достаточно?

НАЙРОБИ – Стремительное развитие технологий резко снизило затраты на сбор данных. Датчики в космосе, в небе, в лабораториях и в полевых экспериментах, а также новообретенные возможности краудсорсинга и широкого распространения Интернета и мобильных телефонов, предоставляют большой объем информации для тех, для кого информация была ранее недосягаема. Например, фермеры в сельских районах Африки теперь могут получать прогнозы погоды и рыночные цены одним нажатием экрана.

Эта революция данных предлагает собой огромный потенциал для совершенствования процесса принятия решений на всех уровнях – от местного фермера до глобальных организаций в сфере развития. Но сбора данных не достаточно. Информацию нужно оценивать и ей нужно управлять, а делать это правильным образом может быть гораздо сложнее и дороже, чем силы потраченные на сбор. Если решения, которые должны быть улучшены в первую очередь не идентифицированы и проанализированы должным образом, то существует высокий риск того, что большая часть усилий на сбор информации может быть потрачена впустую или неправильно направлена.

Chicago Pollution

Climate Change in the Trumpocene Age

Bo Lidegaard argues that the US president-elect’s ability to derail global progress toward a green economy is more limited than many believe.

Этот вывод в свою очередь основан на эмпирическом анализе. Существуют лишь слабые доказательства того, что мониторинг инициатив в сфере сельского хозяйства или экологического менеджмента оказали положительное влияние. Количественный анализ решений во многих областях включая экологическую политику, бизнес инвестиции, и кибер-безопасность, показал, что люди склонны переоценивать количество данных, необходимое для принятия качественного решения или не поняли, какой тип данных требуется.

Кроме того, серьезные ошибки могут возникнуть при сборах больших количеств данных с использованием алгоритмов без того, чтобы предварительно исследовать решение, которое должно быть принято. Есть много примеров случаев, в которых интеллектуальный анализ данных привел к неверному заключению, в том числе в медицинских диагнозах или судебных делах – ведь эксперты в этой области не были проконсультированы и критическая информация осталась вне анализа.

Наука решений, которая сочетает в себе понимание поведения с общечеловеческими принципами согласованного принятия решений, ограничивает эти риски путем сочетания эмпирических данных с экспертными знаниями. Если революция данных может быть использована в интересах устойчивого развития, то лучшая практика в этой области должна быть включена в эти усилия.

Первый шаг – это определение и установление рамок для часто повторяющихся решений. В области развития, к ним относятся масштабные решения, такие как приоритеты расходов – и, таким образом, бюджетные ассигнования – для правительств и международных организаций. Но они также включают в себя выборы сделанные на гораздо меньших масштабах: такие как когда фермеры решают, какие культуры высаживать, сколько вносить удобрений, и когда и где продавать свою продукцию.

Второй шаг – это построение количественной модели для неопределенности в принятии подобных решений, включая различные триггеры, последствия, контрольные факторы и факторы смягчения, а также различные затраты, выгоды и риски. Включение – а не игнорирование – факторов, которые весьма неопределенные и их трудно измерить приводит к лучшим решениям.

Если модель использовать в интересах устойчивого развития, то она будет часто означать прогнозирование последствий интервенций на средства для существования и окружающую среду на протяжении нескольких десятилетий. Этот процесс проходит наиболее успешно, когда заинтересованные стороны, а также эксперты наняты для того, чтобы определить соответствующие переменные и их взаимоотношения. Эти участники должны быть обучены тому, как получать количественную оценку их неопределенности для разных переменных. Например, эксперты могут оценить, с 90% уверенностью, основываясь на имеющиеся данные и на собственные опыт, что средняя урожайность кукурузы фермеров в конкретном регионе составляет 0,5-2 тонн на гектар.

В третьем этапе необходимо вычислить значение получения дополнительной информации – а это возможно только если неопределенности всех переменных были количественно определены. Ценность информации - это сумма, которую целесообразные лица принимающие решения готовы заплатить за нее. Поэтому нам нужно знать где дополнительные данные будут иметь значение для совершенствования решения и сколько мы должны потратить, чтобы получить его. В некоторых случаях, не потребуется никакая дополнительная информация для принятия обоснованного решения; в других, приобретение дополнительных данных может означать прибыль миллионов долларов.

Fake news or real views Learn More

Этот процесс повторяется до того, пока увеличение значения от получения данных не остановится и не будет найдено обоснованное решение: логический вывод, основанный на информации, ценностях и предпочтениях лиц или органа, принимающих решения. Она предоставляет лицам, принимающим решения, и заинтересованным сторонам представление о том, как совершенствовать политику максимального увеличения положительных результатов и снизить риски, такие как возможность низких темпов принятия или ограниченный институциональный потенциал для эффективного осуществления.

Недостаточно просто предположить, что революция данных пойдет на пользу устойчивому развитию. При обеспечение того, что она так и сделает потребует признания важности тщательного анализа в каждом усилии по сбору данных и формирования нового поколения ученых, которые принимают такие решения и работают вместе с политическими лидерами.