دولت‌ها و تصمیم‌گیری برمبنای تحلیل کلان‌ داده‌

جادوبی هوش تجاری دولت‌ها و تصمیم‌گیری برمبنای تحلیل کلان‌ داده‌
تحلیل کلان‌ داده‌

هوش تجاری

دولت‌ها و تصمیم‌گیری برمبنای تحلیل کلان‌ داده‌

برای خیلی از ما شاید جذاب و حتی قابل الگوبرداری باشد اگر بدانیم که دولت‌های امروزی نیز همانند کسب و کارها تمایل زیادی به تصمیم‌گیری بر مبنای تحلیل کلان‌ داده‌ دارند. برای درک بهتر این موضوع در ابتدا باید به این نکته توجه کنیم که ساختار نهادهای دولتی تا حد زیادی پیچیده است. دولت‌ها چه در سطح محلی، چه در سطح ملی، با حجم زیادی از اطلاعات سروکار داشته و نیاز دارند تا با تصمیم‌­گیری بر مبنای آن، کیفیت خدمت‌رسانی خود را ارتقا دهند. بسیاری از دولت‌ها همانند شرکت‌ها آماده­‌ی تغییر شیوه‌های تحلیل و تصمیم‌گیری برمبنای تحلیل کلان‌ داده‌ هستند. در این نوشتار می‌خواهیم به این موضوع بپردازیم که آن‌ها با استفاده از تحلیل کلان‌ داده‌ ، چگونه و به چه روش‌هایی می‌توانند خدمات خود را بهبود ببخشند. بدین منظور ۴ مورد از مهمترین روش‌هایی که در آنها دولت‌ها امکان تصمیم‌گیری برمبنای تحلیل کلان‌ داده‌ را می‌یابند، انتخاب کرده‌ایم.

۱- خدمات بهتر برای شهروندان

۲- تخصیص بهتر درآمدها (مالیات‌های دولتی)

۳- توانایی بصری‌سازی مسائل پیچیده

۴- کاهش تقلب و سوء استفاده


۱- خدمات بهتر برای شهروندان

هدف نهایی هر دولت ارائه‌ی خدمات با کیفیت برای شهروندان و همچنین تامین امنیت آن‌­ها است. در این راه افکار عمومی خواستار شفافیت بیشتری بوده و بنابراین بسیاری از نهادهای دولتی برای انتقال بهتر اطلاعات به شهروندان جامعه، تحت فشار زیادی قرار دارند. بدین منظور ابزارهای تحلیلی به دولت توانایی تسلط بر داده‌ها و اشتراک‌گذاری آسان آن‌ با اعضا را ‌می‌دهند. اما این موضوع برای پیاده‌سازی یک راه‌حل تحلیلی کافی نیست و آن‌ها نیاز دارند تا خود را به سازمانی کارآمد با نتایجی بهتر تبدیل کنند. داده‌ها نقش کلیدی در این سیستم بازی می‌­کنند. مقامات هر دولت با تحلیل این داده‌ها می‌­توانند آمار و روندها را دنبال کرده و در نتیجه بینش‌ و درک بهتری برای انجام وظایف مدیریتی خود بدست آورند.

نمونه‌هایی از خدمات بهبودیافته بر اساس تحلیل کلان‌ داده‌ :

  • به ادعای وب‌سایت میکرواستراتژی یکی از مشتریان آن‌ها که در بخش حمل­‌ونقل فعالیت می‌کند، داده‌های مربوط به مسافران، زمان انتظار و تجهیزات را جمع­‌آوری نموده و سپس تحلیل می‌کند و گزارش‌هایی از آن تدوین می‌کند. این گزارش­‌ها مبنای تصمیم­‌گیری شده که باعث بهبود بهره‌وری شرکت و صرفه‌جویی تقریباٌ ۱۰۰ میلیون دلار در سال می‌­شود. این آژانس حمل‌­ونقل از یک مرکز کنترل به منظور مقایسه­ اتفاقاتی که در تمامی مراکز حمل­‌ونقل رخ می‌­دهد، استفاده کرده و به آن‌ها این امکان را داده تا در صورت لزوم استراتژی­‌شان را تغییر دهند.
  • سرویس پستی آمریکا از داده‌های لحظه‌ای و بهنگام (real-time data) برای ارتقای عملکرد خود به سطحی بالاتر استفاده می‌­کند. آن‌ها از تحلیل‌های پیشگویانه برای حل کردن مسائل قبل از آنکه بر روی مشتری تاثیر بگذارند، استفاده می‌کنند. برای مثال سرویس پستی آمریکا به‌جای آنکه حجم بارهای پستی را افزایش دهد تا هزینه‌هایش کاهش یابد، می‌­تواند به صورت پویا مسیرها و زمان‌های تحویل را در سرویس پستی تغییر دهد.
  • مسئولان دولتی شهر «آستین» (Austin) در ایالت تگزاس آمارهای جرم و جنایت را به صورت روزانه نظارت، پیگیری و ترسیم می­کنند. داده‌های جغرافیایی (مکانی) که به صورت تصویری توسط اداره پلیس مورد استفاده قرار می­گیرند، مسئولان شهری را قادر می‌­سازد تا تصمیمات هوشمندانه‌­تری بگیرند که استقرار نیروهای پلیس در چه مکانی از شهر می­‌تواند سطح امنیت بیشتر و همچنین صرفه‌جویی مالی را به همراه داشته باشد.

۲- تخصیص بهتر درآمدها (مالیات‌های دولتی)

ابزارهای هوشمند کسب‌وکار به شرکت‌ها این قابلیت را ارائه می‌دهد تا از روش‌هایی استفاده کنند که در هزینه و زمان صرفه‌جویی ‌می‌کند. این ابزارها برای دولت هم کارآمد هستند. یک پتلفرم قوی BI ، برنامه‌ریزی عاقلانه بر روی درآمد حاصل از مالیات است؛ زیرا به توسعه­‌ی درونی چندانی نیازی نداشته و از منابع اندکی استفاده می­‌کند (که این امر باعث می‌­شود منابع برای سایر پروژه‌ها آزاد شود). در نتیجه کارمندان، زمان و هزینه کمتری را صرف تدوین صفحات و گزارش­‌های طولانی و موقتی کرده و منابع مالی بیشتری را برای طرح‌های ابتکاری جدید اختصاص ‌می‌دهند. 

مثال‌های از تخصیص بهتر درآمدها با استفاده از تحلیل کلان‌ داده‌:

  • دولت محلی «آستین» درخواست‌های متعددی را از چندین سازمان مختلف داخلی برای استفاده داده‌های مشابه دریافت می‌­کرد. این مسئله باعث شد تا بخش فناوری اطلاعات تمرکزشان را بر روی مدیریت سیستم‌ها گذاشته تا بتوانند به سوالات متعدد و خسته‌کننده کاربران پاسخ دهند. در حال حاضر با سیستم مناسب BI ، تمامی بخش‌ها می‌توانند سریع و راحت به گزارش‌ها دست­یابی داشته باشند و توجه­ خود را به صورت مستقیم بر روی مسائل با ارزش­تر و پیچیده‌­تری قرار دهند.
  • بسیاری از سازمان‌های بالادستی دولتی، منابع مالی را به صورت کمک بلاعوض و حواله (کوپن) به سازمان‌های زیردست تخصیص ‌می‌دهند. سازمان­های دولتی توسط سیستم هوش تجاری می‌توانند ابزار جامعی را در اختیار داشته تا با استفاده از آن ابزار، شیوه­‌ی تخصیص و توزیع این کمک‌های مالی را بهبود بخشند و طرح‌های آتی را ارزیابی نمایند.

۳- توانایی بصری‌سازی مسائل پیچیده

دولت‌ها که مسئول ارائه‌­ی خدمات به میلیون‌ها شهروند در نقاط مختلف کشور هستند، سیستم‌های پیچیده و بزرگی محسوب می‌­شوند. سازمان‌­های مربوط به آن‌ها باید تعداد زیادی از نیروهای کار را مدیریت کنند، از دارایی‌ها و امکانات انبوه نگهداری کرده و از سیستم‌های قدیمی نیز حفاظت نموده و آن‌ها را ارتقا دهند. با تمام این تفاسیر، سازمان‌های دولتی با این چالش مستمر روبرو هستند که باید تصمیمات آگاهانه­‌ای را برای بسیاری از مسائل پیچیده اتخاذ کنند.

بصری‌سازی اطلاعات، موجب فهم بهتر مسائل پیچیده می‌شود.

با وجود هزاران کارمند، دولت‌ها باید سطوح مختلف نیروی کار را به منظور پاسخگویی به نیازهای فعلی و پیش‌بینی شده، تقویت کرده و بهبود بخشند. آن‌ها مسئول آموزش و تقویت کارمندان دولت‌­ها هستند، در حالی‌که باید از نظر مدیریت نیروی انسانی خود با شرکت‌های خصوصی نیز رقابت کنند.

مسئله دیگری که دولت‌ها با آن مواجهند فشار دائمی برای شتاب بخشیدن به استفاده از تکنولوژی‌های به‌­روز و انطباق با آن است. تلاش‌های مدرن‌سازی از این قبیل به چالشی برای نهادهای عمومی (که به دنبال ارتقاء سیستم‌ها و بهبود قابلیت‌ها هستند) در سراسر جهان تبدیل شده است. اما سازمان‌ها نمی‌توانند به راحتی سرمایه­‌گذاری‌های قبلی یعنی تجهیزات و سیستم‌های اطلاعاتی و داده­‌های قدیمی خود را ترک کنند. لازم به ذکر است که بسیاری از تکنولوژی­‌های جدید BI می­‌تواند به صورت دائم با تکنولوژی‌های قبلی BI سازگاری داشته و باعث شود که سازمان­‌ها از سرمایه­‌گذاری‌ها و تجهیزات قبلی خود محافظت کنند و در عین حال عملکردهای مدرن و جدیدی را هم به وجود آورند.

نمونه‌هایی از مشکلاتی که با بصری‌سازی رفع شده‌اند:

  • سازمان­‌های دولتی شهر «آستین» در بصری‌سازی داده‌ها از دیگر سازمان­‌های دولتی جلوتر هستند. سیستم‌­های اطلاعاتی دید جامعی را از وضعیت نیروی کار سازمان­ به آن‌ها ارائه می‌­دهند. این کار از طریق ترکیب منابع انسانی و داده‌های نهادی از سیستم‌های چندگانه انجام می‌­شود و البته این دید را به واضح­ترین و جامع­ترین روش ممکن ارائه می‌­دهد. تصمیم‌­گیران اصلی با استفاده از نمودارهای مختلف و مناسب می‌­توانند به سرعت شاخص‌های کلیدی عملکرد خود را مشاهده نمایند. این کار به آن‌ها اجازه می‌­دهد تا روندهای ناشناخته قبلی را شناسایی کرده و اقدامات موثری را برای مواجه شدن با آن‌ها انجام دهند.
  • «اداره‌­ی کل خدمات» آمریکا به مانند بسیاری دیگر از سازمان‌های دولتی، از سیستم‌های قدیمی­ برخوردار بوده به طوری که نمی‌تواند به راحتی آن‌ها را تغییر دهد. یک تکنولوژی تحلیلی مدرن از طریق بصری‌سازی به آن‌ها کمک می­‌کند تا سرمایه‌گذاری‌های موجود در سیستم‌های قدیمی‌شان را با در اختیار گرفتن داده‌ها از منابع مختلف به بالاترین حدمطلوب برسانند.

۴- کاهش تقلب و سوء استفاده

تقلب ممکن است در هر معامله‌­ای اتفاق بیفتد. برخورد با چنین رفتارهایی از وظایف دولت بشمار می‌رود. در واقع سازمان‌های دولتی مسئول ایجاد ضوابطی هستند که جلوی تقلب‌­های مالی را بگیرند. اما برای شناسایی تقلب و سوءاستفاده و نیز تحت پیگرد قانونی قرار دادن آن‌ها، بازپرسان دولتی به ابزار و تحلیل‌های قدرتمندی نیاز دارند به طوری که توانایی آن‌ها را در استفاده از داده‌های موجود افزایش دهد. تحلیل داده‌ها این قابلیت را دارد تا سازمان­‌های دولتی را به درک و بینش لازم برای شناسایی موارد تقلب و سوءاستفاده آگاه نماید. برای این مهم، از ترکیب و آنالیز کردن داده‌های برآمده از منابع چندگانه برای کشف روابط پنهان، روندها و رفتارهای مشکوک استفاده می­‌شود.

برای شناسایی تقلب و سوءاستفاده و نیز تحت پیگرد قانونی قرار دادن آن‌ها، بازپرسان دولتی به ابزار و تحلیل‌های قدرتمندی نیاز دارند به طوری که توانایی آن‌ها را در استفاده از داده‌های موجود افزایش دهد. یکی از این ابزارها، ابزارهای تحلیل داده‌ است.

نمونه‌هایی از کشف و کاهش تقلب در فرآیندهای انجام کار:

  • یک سازمان دولتی که از داشبوردهای تحلیلی استفاده کرده، توانسته بر روی شرکت‌هایی که با ناهنجاری‌های آماری مرتبط با بیمه‌­ی بیکاری مواجهه هستند نظارت کرده و گزارش‌های مهمی را تهیه نماید. در ماه اول برنامه، این سازمان بیش از ۲۰۰۰ مورد تخلف را شناسایی کرد. سازمان­‌های دولتی با دریافت هشدارهای تقلب از این سامانه­‌ها می‌­توانند به سرعت رفتارهای نامطلوب خارج از معیار را شناسایی نموده و بی‌درنگ تحقیقات در خصوص تقلب را شروع کنند.
  • کاربرد دیگر BI در این حوزه، پیگیری نتایج بکارگیری سیاست‌ها است. این سیستم­‌ها می‌توانند اطلاعات هدفمندی را به مردم، مجلس­ نمایندگان کشور و رئیس‌­جمهورها در خصوص تاثیر یک سیاست در اکوسیستم مورد نظر ارائه کنند. برای مثال اگر یک قانون درباره­‌ی مسائل مالی در صنعت فولاد وجود داشته باشد، آن­‌ها باید بدانند که این سرمایه‌­گذاری چگونه بر کل بازار فولاد تاثیر خواهد گذاشت. ابزارهای تحلیل داده به آن‌ها برای انجام این کار کمک می­‌کنند.بدین ترتیب زوایای پنهان یک سیاست که می‌تواند دستمایه بروز تقلب شود شناسایی شده و می‌توانند جلوی آن را بگیرند.

مطالب پیشنهادی

برچسب ها : , ,

درج دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*