В статье автор пытается проанализировать сферы и направления использования информационно-аналитических технологий в деятельности органов публичной власти.
Ключевые слова: данные, аналитика, реестр, сервисы, публичный сектор, информация.
Пандемия COVID-19 подчеркнула важность данных в управлении во многих странах. Например, Германия использует данные для отслеживания койко-мест в отделениях интенсивной терапии и всплесков госпитализации. Последнее можно сказать и о Великобритании, Ирландии, Португалии, Южной Корее, где для этого создали специальные дашборды.
Исследователи из Нидерландов [3] предлагают выделить 6 типов аналитики данных в публичном секторе по способам их использования:
- Персонализация публичных сервисов с учетом потребностей индивида;
- Распределение ресурсов — оптимизация логистики;
- Сопровождение/поддержка (maintenance) — выявление потенциальных рисков и плановое обслуживание;
- Контроль и принуждение — предсказывание паттернов/закономерностей (поведения) с целью предотвращения нецелевого расходования бюджетных средств;
- Расследование преступлений — распознавание закономерностей поведения и их предсказывание (например, мошенничество);
- Прогнозирование — предсказывание макроэкономических трендов и переменных.
Интересным примером использования больших данных может быть их использование в статистике цен. Такие проекты были реализованы Евростатом, в Австрии, Бельгии, Дании, Италии, Китае, Канаде, Нидерландах, Норвегии, Корее, Чехии, Венгрии, Швейцарии, США и др. В данном случае основными источниками информации были сканеры в супермаркетах, с которых поступали данные о фактических ценах на потребительские товары, а также данные, взятые с сайтов в интернете [4].
Определенные меры для повышения эффективности деятельности публичных органов были приняты в Эстонии.
В 2000 г. был одобрен Закон о публичной информации, который запретил создание отдельных баз данных для сбора одних и тех же данных. Правительство Эстонии создало уникальные идентификаторы для граждан и компаний и объединило эти реестры с помощью системы обмена данных X-Road, которая обрабатывает почти 1 млрд. запросов в год [2].
Реализуется принцип “только один раз” — данные нужно вводить только один раз, что экономит время и позволяет предлагать услуги проактивно исходя из новых данных. Например, регистрация новорожденных автоматически приводит к предоставлению пособий по уходу за ребенком, причем с помощью данных из налоговой базы данных определяется, сколько средств зачислить на какой счет.
Граждане часто не знают, какая персональная информация о них содержится в базах данных, где она хранится и когда и почему используется. Трекер данных позволяет гражданам Эстонии видеть запросы данных, касающихся из персональных данных, включая причины таких запросов.
Значительные объемы публичных платежей вследствие ошибок или мошенничества отправляются не тому получателю, в некорректном объеме или используются не по назначению. По оценкам, различные агентства США в 2019 г. совершили неправомерных платежей на сумму 175 млрд. долл. Объединенные интероперабельные данные могут позволить снизить риски потерь за счет сокращения количества ошибок из-за ручного ввода и противоречивых данных из разных реестров, а также посредством использования инструментов аналитики для выявления мошенничества. Например, в Эстонии информацию из реестров сельского хозяйства объединяют со спутниковыми изображениями для того, чтобы проанализировать, используется ли по назначению земля, субсидируемая за счет государственных грантов [2].
Департамент государственной инфосистемы Эстонии осуществляет маппинг [1] реестров, включая семантические и технические характеристики. Органы власти могут увидеть, где не хватает критических данных или в каких реестрах дублируются данные. Данный департамент поддерживает функционирование RIHA (каталог ИС органов власти). Каталог содержит информацию из более чем 2600 ИС, предоставляя информации о цели, месте хранения данных и ее управлении [2].
Что касается Германии, то согласно прогнозу 2017 г., полностью интероперабельные и объединенные данные в системе государственного управления позволили бы снизить время на обработку каждого случая предоставления ключевых публичных услуг Германии на 60 % [2]. Позднее федеральное правительство запустило национальную программу модернизации среды данных (data landscape) в публичном секторе.
В Нидерландах в 2003 г. была создана система “Stelsel van Basisregistratie”, которая объединила 12 базовых реестров. Система содержит общую информацию, такую как персональные адреса, фирменные наименования, доход. Это позволило предоставлять гражданам автоматически заполненные формы для подачи налоговых деклараций [2].
Для целей переписи населения Нидерландов данные получают полностью из других баз данных, что позволяет экономить до 99 % затрат по сравнению с традиционным методом [2].
Правительство Дании использует геоданные для для моделирования сценариев наводнений, позволяя осуществлять более эффективный риск-менеджмент и принимать более успешные долгосрочные решения по инвестированию. Для комплексных моделей используют данные нескольких ключевых реестров (кадастров, строений/построек, адресов), которые объединяются с 3D моделью топографических данных [2].
Была внедрена программа “Grunddata” (“основные/базовые данные”) для того, чтобы бесплатно предоставлять властям, бизнесу и гражданам данные о людях, компаниях и сооружениях, а также геоданные и климатические данные. Была определена всеохватывающая модель данных, описывающая, какие данные хранятся в каком формате и как взаимосвязана различная информация из разных источников. Был определен центральный/единый “распространитель данных” (“data distributor”) для предоставления доступа к данным из 11 реестров через стандартизированный интерфейс. Он связан с порталами публичных услуг, позволяя реализовывать принцип “только один раз” [2].
В 2020 г. Великобритания опубликовала Национальную стратегию данных (The National Data Strategy (NDS)), которой миссией объявляется трансформация публичного использования данных для стимулирования эффективности и улучшения публичных сервисов на основе адекватно защищенной, объединенной и интероперабельной информационной инфраструктуры.
Правительство Австрии в 2000 г. приняло решение о том, что последний раз перепись населения будет проводится аналоговыми методами в 2001 г., а 2011 г. было запланировано проведение первой переписи населения в цифровом формате [2].
Согласно данным Управления ООН по наркотикам и преступности (United Nations Office on Drugs and Crime), в 2009 г. преступники «отмыли» более 1,6 млрд долл., что эквивалентно 2,7 % мирового ВВП в 2009 г. Сеть по борьбе с финансовыми преступлениями (ФинСЕН; FinCEN) Казначейства США собирает и анализирует большое количество банковских транзакций с использованием инструментов Big Data. Это помогает более эффективно бороться с отмыванием денег, финансированием террористической деятельности и другими преступлениями [1].
Калифорнийское агентство природных ресурсов (California Natural Resources Agency (CNRA)) создало совместный сервис (shared service) аналитики больших данных. В его основе лежит репозиторий, в котором хранится вся информация, которая может понадобиться другим агентствам в структуре правительства штата. Граждане также имеют доступ к этому информационному ресурсу [1].
Комиссия по ценным бумагам и биржам США также использует в своей деятельности аналитику больших данных для выявления аномальной торговой активности на фондовых биржах (в целях снижения возникновения рисков мошенничества в финансовой сфере). Федеральное агентство жилья США использует большие данные для прогнозирования колебания процентных ставок, построения моделей «поддержания приемлемого уровня рентабельности капитала, активов и инвестиций» в фондах, для прогнозирования поведения денежных потоков [4].
Нидерландские исследователи [3] приходят к ряду выводов применительно к способам использования аналитики данных в публичном управлении. Автор считает, что их выводы применимы, в том числе, и в российских реалиях:
- Во многих случаях аналитика данных используется скорее для повышения продуктивности и эффективности деятельности органов управления, нежели чем в целях повышения прозрачности и содействия разработке научно-обоснованной политики. Кроме того, исследователи отмечают, что использование персональных данных из баз данных органов публичной власти третьими лицами в аналитике данных приводит к проблеме прозрачности этих процессов и проблеме ответственности;
- Чаще всего аналитика данных используется в целях контроля и принуждения в контексте социальных услуг (особенно муниципалитетами), а также соблюдения законодательства. Исследователи отмечают, что использование «больших данных» несет в себе риск стигматизации определенных социальных групп;
- Во многих случаях практические решения на базе аналитики данных не продвигаются дальше экспериментальной стадии в связи с техническими и правовыми барьерами. По их мнению, даже персонализация сервисов все еще нуждается в доработке, и аналитику данных в данном случае все еще сложно применять;
- Многие проекты являются совместными. В таких проектах может происходить смена стейкхолдеров, что выступает дополнительным вызовом. Кроме того, гораздо больше внимания уделяется обмену данными между стейкхолдерами, чем использованию более продвинутых технологий, таких как ИИ.
Таким образом, можно выделить основные сферы и направления использования информационно-аналитических технологий в зарубежном опыте. Это интегрированные базы данных, которые позволяют обмениваться информацией между разными базами данных, что позволяет сократить время получения информации и заполнения документов (например, автоматическое заполнение форм), а также сократить вероятность дублирования данных. Это технологии отслеживания и индивидуальные идентификаторы, особенно интегрированные с геолокационными и иными системами, которые позволяют собирать более точную информацию по сравнению со старыми методами сбора данных.
Аналитика больших данных используется в целях контроля и принуждения правоохранительными органами, для прогнозирования, повышения эффективности деятельности органов власти и в иных целях. Многие проекты являются совместными для нескольких ведомств сразу.
Литература:
- Big Data in the Public Sector: Applications and Benefits. — Текст: электронный // Analytics Steps Blog: [сайт]. — URL: https://www.analyticssteps.com/blogs/big-data-public-sector-applications-and-benefits (дата обращения: 27.04.2023).
- Government data management for the digital age. — Текст: электронный // McKinsey&Company: [сайт]. — URL: https://www.mckinsey.com/industries/public-and-social-sector/our-insights/government-data-management-for-the-digital-age (дата обращения: 10.01.2023).
- The use of public sector data analytics in the Netherlands. — Текст: электронный // Emerald Publishing: [сайт]. — URL: https://www.emerald.com/insight/content/doi/10.1108/TG-09–2019–0095/full/html (дата обращения: 27.04.2023).
- Бондаренко, В. В. Анализ зарубежного опыта цифровизации государственного и муниципального управления в условиях глобализации мировой экономики / В. В. Бондаренко, А. М. Еремеева. — Текст: непосредственный // Сфера услуг: инновации и качество. — 2021. — № 53. — С. 14–25.
[1] Маппинг данных — это процесс сопоставления полей данных (определенных элементов источника или всего источника) и связанных с ними полей данных в другом месте назначения. Источник: https://maddata.agency/blog/data-mapping-luchshie-tekhniki-i-instrumenty.
