Viimastel aastatel on osariigi kubernerid üle kogu Ameerika Ühendriikide üha enam pöördunud andmepõhiste lähenemisviiside poole vaesusega tegelemiseks. Selle asemel, et tugineda laiadele, kõigile sobivatele programmidele, kasutavad need juhid nüüd granuleeritud andmeid, et suunata ressursse kirurgiliselt täpselt. Sissetuleku, tööhõive, hariduse, tervise ja eluaseme kohta käiva teabe kasutamisel saavad kubernerid tuvastada kõige haavatavamad elanikkonnarühmad ja sekkuda, kus sekkumistel on suurim mõju. See nihe ei ole pelgalt trend – see on põhimõtteline ümbermõtestamine, kuidas riigi valitsused võitlevad vaesusega, liikudes intuitsioonipõhiselt poliitikakujundamiselt läbipaistvamale, vastutustundlikumale ja tõhusamale.

Rahalised panused on suured. Riigid kulutavad vaesusevastastele programmidele igal aastal miljardeid dollareid, alates sularahaabist ja toidumärkidest kuni tööalase koolituse ja taskukohase eluasemeni. Kuid ilma usaldusväärsete andmeteta võib suur osa sellest rahast olla valesuunaline. Andmepõhine valitsemine võimaldab riikidel mõõta tulemusi, kohandada kurssi reaalajas ja tagada, et iga maksumaksja dollar oleks maksimaalselt ära kasutatud. Selle tulemusena investeerivad mõlema poole kubernerid andmeanalüüsi üksustesse, teevad koostööd ülikoolidega ja avavad valitsuse andmed avalikkusele. Käesolevas artiklis uuritakse, kuidas riigijuhid kasutavad andmeid vaesuse vastu võitlemiseks ja mida see tähendab sotsiaalpoliitika tuleviku jaoks.

Andmete roll vaesuse mõistmisel

Andmetel on oluline roll vaesuse vähendamise püüdluste liigutamisel reaktiivselt ennetavale. Selle asemel, et oodata perede kriisisituatsiooni, saavad kubernerid kasutada andmeid, et ennetada vajadusi ja osutada teenuseid varakult. Näiteks kooliõpingute ja tervisenõuete andmete analüüsimisega saab riik tuvastada lapsed, keda ähvardab vaesus enne, kui nende pered satuvad finantskrahhi. Selline varajane sekkumine on võimalik ainult siis, kui erinevate asutuste andmed on integreeritud ja neid analüüsitakse koos.

Juure põhjuste tuvastamine

Vaesus on harva ühe teguri tagajärg. Tavaliselt on tegemist omavahel seotud teemade kompleksse võrgustikuga – madalad palgad, taskukohase lastehoiu puudumine, halb tervis, diskrimineerimine ja geograafiline isoleeritus. Andmed aitavad kuberneridel neid tegureid lahti jaotada ja mõista, millised neist on oma riigis kõige pakilisemad. Näiteks maavanem võib leida, et transpordi puudumine on peamine takistus tööhõivele, samas kui linnaosa kuberneril võib tekkida eluaseme taskukohasuse kriis. Ilma andmeteta jääksid need nüansid nähtamatuks ja poliitika jätaks märgi.

Haavatavate elanikkonnarühmadega tegelemine

Andmed näitavad ka seda, millised rühmad on vaesusest ebaproportsionaalselt mõjutatud. Demograafilised jaotused vanuse, rassi, soo ja puude staatuse järgi võimaldavad kuberneridel kavandada sihipäraseid sekkumisi. Näiteks ] alla 5-aastased lapsed on paljudes riikides kõige tõenäolisemalt vaesuses elavad vanuserühmad. Ristvides laste vaesuse andmeid alushariduse registreerimisega, võib kuberner eraldada K-eelsetele programmidele vahendeid naabruskondades, kus neid kõige rohkem vajatakse. Samamoodi võivad andmed, mis näitavad suuremat vaesust üksikemade seas, viia algatusteni, mis laiendavad lastetoetusi ja tasulist perepuhkust.

Geograafiliste valupunktide kaardistamine

Geograafilised infosüsteemid (GIS) on muutunud kuberneride jaoks olulisteks vahenditeks.Vaesuse määra kaardistamisel kaardil koos koolide, haiglate, toidukaupluste ja ühistranspordi andmetega näevad poliitikakujundajad täpselt, kuhu vaesus on koondunud ja millised ressursid puuduvad. Mõned riigid, näiteks California, on loonud avalikud armatuurlauad, mis näitavad vaesuse andmeid rahvaloenduse tasandile. Need vahendid annavad kohalikele ametnikele ja kogukonnaorganisatsioonidele võimaluse teha riigi valitsusega koostööd sihitud lahenduste leidmiseks.

Peamised andmeallikad ja metrika

Osariikide juhid kasutavad vaesuse vähendamise strateegiate tutvustamiseks mitmesuguseid andmeallikaid.Mõned neist on traditsioonilised valitsuse uuringud, teised aga haldusandmetest või erasektori partnerlusest. Allpool on esitatud kõige sagedamini kasutatavad andmetüübid ja poliitikateavitamise viisid.

  • Tulude ja tööhõive statistika – USA rahvaloenduse büroo Ameerika kogukonna uuring (ACS) annab iga-aastaseid andmeid sissetuleku, vaesuse seisundi ja tööhõive kohta.Juhatajad kasutavad neid näitajaid, et määrata kindlaks abikõlblikkus programmidele nagu Medicaid ja SNAP ning hinnata, kas riigi majandus kasvab kaasavalt.
  • Hariduse tulemuslikkuse andmed] – riiklikud haridusasutused koguvad andmeid testitulemuste, lõpetamismäärade ja koolidistsipliini kohta.Seoses nende andmetega sissetulekuandmetega saavad kubernerid tuvastada saavutuslünki ja investeerida koolidesse, mis teenindavad madala sissetulekuga õpilasi. Sellise analüüsi põhjal on suunatud sellised programmid nagu Lubadus stipendiumid] Michiganis.
  • ]Tervise ja tervishoiu kättesaadavuse teave ] – väidete andmed, haiglast väljakirjutamise andmed ja uuringud, nagu käitumisriski tegurite seire süsteem (BRFSS), aitavad kuberneridel mõista vaesuse mõju tervisele.Näiteks madala sissetulekuga elanikkonna hulgas kõrge diabeediga riigid võivad laiendada juurdepääsu ennetavale ravile ja toitumisprogrammidele.
  • Eluaseme taskukohasuse ja kodutuse andmed – Eluaseme- ja linnaarengu osakond (HUD) annab andmeid üürikoormuse, väljatõstmiste ja kodutute arvu kohta.Juhatajad saavad seda võrrelda sissetulekuandmetega, et eraldada eluasemevautšereid ja rahastada hädavarjendeid kõige pingelisemates kogukondades.
  • Demograafiline teave – andmed vanuse, rassi, rahvuse ja puude kohta on õigluse tagamiseks hädavajalikud. Paljud kubernerid on loonud omakapitali armatuurlauad , mis jälgivad, kas vaesuse vähendamise jõupingutused jõuavad võrdselt kõikide elanikkonnarühmadeni.

Üha enam kasutavad riigid ka integreeritud andmesüsteeme (IDS) ], mis seovad andmeid asutuste vahel.Näiteks Oregoni integreeritud kliendiandmete süsteem ] ühendab inimteenuste, hariduse ja tööjõuagentuuride andmeid, et anda terviklik ülevaade iga perekonna vajadustest.Sellised süsteemid võimaldavad kuberneridel hinnata mitme programmi kombineeritud mõju ja vähendada halduskoormust perekondadele.

Kuidas keskpangad andmeid tegudeks muudavad

Andmete kogumine on alles esimene samm. Tõeline väljakutse seisneb selles, et tõlgendada poliitikaid, mis tegelikult elusid muudavad. Osariikide juhid katsetavad mitmeid mehhanisme, et ületada lõhe andmete analüüsi ja programmi rakendamise vahel.

Andmeanalüüsi üksuste loomine

Paljud kubernerid on loonud spetsiaalsed andmeanalüüsi meeskonnad oma kontorites või nende kontrolli all. Nendes üksustes töötavad andmeteadlased, statistikud ja poliitikaanalüütikud, kes töötavad otse koos agentuuri juhtidega tõenditel põhinevate programmide kavandamiseks. ]Washington ] kuberner Jay Inslee juhtimisel käivitas Tulemused Washington ] algatus, mis kasutab andmearmastikke, et jälgida edusamme vaesuse vähendamisel ja muudel olulistel eesmärkidel. Samamoodi lõi ]Colorado ] Andmete analüüsi osakondade juhataja büroo[7].

Prognoositav modelleerimine varajaseks sekkumiseks

Ennustav analüüs on üks võimsamaid vahendeid andmepõhises arsenalis. Ajalooliste andmete masinõppe mudelitesse sisestamisega saavad riigid ennustada, millistel peredel on suurim oht vaesusse langeda või kodutust kogeda. Näiteks ] Massachusetts katsetas mudelit, mis kasutab kasuperede, laste heaolu ja TANF-i (ajutine abivajavate perede) andmeid, et tuvastada peresid, kes võiksid saada kasu vabatahtlikust juhtumite haldamisest. Programm vähendas lapse kasuperede hooldusse asumise tõenäosust 20% võrra ja säästis riigi miljoneid kriisidele reageerimise kuludes.

Andmete sidumine eelarveotsustega

Selle asemel, et esitada eelarvepunkte vaesuse programmide jaoks, nõuavad nad, et asutused esitaksid tõendeid tõhususe kohta.]Ohio], kuberneri eelarve- ja juhtimisbüroo kasutab "Tulemusi-esimest" lähenemisviisi, nõudes riigiasutustelt, et nad oleksid hinnanud oma programme rangete meetoditega, nagu randomiseeritud kontrollitud uuringud. Programmid, mis ei suuda näidata mõju, on defundeeritud, samas kui tõenditega tagatud programmid saavad lisavahendeid.

Avalikud juhtpaneelid ja ühenduse vastutus

Läbipaistvus on andmepõhise valitsemise võtmeelement. Paljud riigid avaldavad nüüd veebis armatuurlaudu, mis jälgivad vaesuse mõõdikuid reaalajas. Need armatuurlauad võimaldavad kodanikel, ajakirjanikel ja huvigruppidel oma juhte vastutusele võtta. Näiteks ]Nevada [[ FLT: 1]] lõi [[FLT: 2]]Nevada Data- Drive Decision- Make[[ FLT: 3]] programmi, mis sisaldab avalikku vaesuse armatuurlauda. Kui mõõdik näitab tööhõive vähenemist madala sissetulekuga inimeste seas, võivad kogukonna sidusrühmad sundida kuberneri kohandama tööjõu koolitusprogramme.

Juhtumiuuringud: andmed vaesuse vähendamise kohta

California: laste vaesuse vastu võitlemine integreeritud andmetega

Kuberner Gavin Newsom on seadnud vaesuse vähendamise keskseks prioriteediks, eriti laste jaoks. 2021. aastal käivitas tema administratsioon ]California laste vaesuse vähendamise seaduse ], milles seati eesmärgiks vähendada laste vaesust 2030. aastaks 50%.Edu jälgimiseks ehitas riik integreeritud andmesüsteemi, mis ühendab sotsiaalteenuste osakonna, haridusministeeriumi ja tervishoiuteenuste osakonna. Nende andmete abil tuvastas riik, et riigi teenitud tulumaksukrediidi (CalEITC) laiendamine ja CalFresh (SNAP) hüvitiste suurendamine avaldas suurimat mõju laste vaesusele. 2022. aastal laiendas California mõlemat programmi, mis viis otseselt laste vaesusele omistatavale 15% langusele.

Michigan: GIS-i kasutamine taskukohaste eluasemefondide eraldamiseks

Kuberner Gretchen Whitmeri administratsioon kasutas andmeid föderaalsete pandeemiaabifondide ümberjaotamiseks eluasemete jaoks.Michigani osariigi elamumajanduse arendamise amet (MSHDA) analüüsis väljatõstmise esitamise andmeid, üürikoormuse määrasid ja kodutuse arvu maakonna tasandil. Nad leidsid, et neli maakonda moodustasid üle 60% osariigi eluasemete ebastabiilsusest. Nende andmete abil suunas kuberner neile maakondadele täiendavat 100 miljonit dollarit rendiabi ja taskukohase eluasemearenduse jaoks. Lähenemisviis oli nii edukas, et MSHDA kasutab nüüd sama andmemudelit, et suunata kõik oma eluasemeinvesteeringud.

Texas: Personaliseeritud Tööjõu Koolitus Tööandmetest

Kuberner Greg Abbotti tööjõukomisjon Texas Workforce Solutions kasutab andmeid kohaliku töötuse määra, tööstuse kasvuprognooside ja individuaalsete oskuste puudujääkide kohta, et pakkuda personaalset tööalast koolitust. Kui andmed näitasid, et Houstoni piirkonnas oli puudus sertifitseeritud õendusabi assistendid (CNA), kuid jaemüügitöötajate ülejääk, rahastas riik tasuta koolitusprogrammi ümberasustatud jaemüügitöötajatele. Programm pani üle 1200 inimese CNA töökohtadele kuue kuu jooksul, kusjuures ühe aasta pärast oli see 90% säilitamise määr. kuberneri büroo arvestab programmi kulutasuvuse andmepõhist lähenemisviisi, märkides, et see maksis keskmiselt 3000 dollarit praktika kohta, võrreldes sarnaste riiklike programmidega.

Ületamine väljakutsed: privaatsus, täpsus ja suutlikkus

Vaatamata lubadusele ei ole andmetest lähtuv vaesuse vähendamine takistusteta.Juhatajad peavad navigeerima eraelu puutumatusega seotud probleemide, andmete kvaliteedi probleemide ja institutsioonilise vastupanu miiniväljal.

Andmete privaatsus ja eetiline kasutamine

Mitmete asutuste andmete integreerimine tekitab tõsist muret privaatsuse ja võimaliku väärkasutuse pärast.Vaesuses olevad perekonnad on juba haavatavad ja valitsuse järelevalve tont võib neid abi otsimisest heidutada.Selle lahendamiseks on mitmed riigid võtnud vastu privaatsuse disaini järgi] raamistikud. Näiteks ]Connecticut [ lõi ]Connecticut Data Collaborative[[[, mis kasutab mitteidentifitseeritud andmeid ja nõuab selgesõnalist nõusolekut mis tahes andmetega, mis on seotud üksikisikutega. Juhamehidajad peavad tagama, et ennustavad mudelid ei tugevdaks laste ja heaoluga seotud riski.

Andmete täpsuse ja õigeaegsuse tagamine

Andmed on kasulikud ainult siis, kui need on täpsed ja ajakohased. Paljud riigiasutused tuginevad aegunud andmekogumismeetoditele, näiteks pabervormidele või siloed-andmebaasidele, mis ei suhtle üksteisega. Maavanema andmepõhist algatust võivad õõnestada halvad andmed. Selle vastu võitlemiseks investeerivad riigid ] kaasaegsesse andmetaristusse ], sealhulgas API-desse, pilvesalvestusse ja reaalajas andmejuhtmetesse. Näiteks ehitas ]Tennessee [ üleriigilise andmejärve, mis võimaldab agentuuridel andmeid reaalajas jagada. Riik uuendab nüüd oma vaesuse armatuurlauda kord kuus, mitte kord aastas, andes täpsema pildi kubernerile.

Tehnilise suutlikkuse suurendamine

Paljudel osariikide valitsustel puudub ettevõttesisene andmeteaduslik ekspertiis keerukate analüüside tegemiseks. Andmetalendi ligimeelitamine ja säilitamine on mitmeaastane väljakutse, eriti kui erasektori palgad on kõrgemad.Juhatajad on vastanud luues andmete stipendiumid] ja partnerlussuhted ülikoolidega.] New York[ kuberner Kathy Hochuli juhtimisel käivitas New Yorgi kodanikuanalüüsi programmi, mis kaasab doktorandid SUNYst riigiasutustesse vaesusega seotud projektidega tegelemiseks. Programm on andnud üle 50 tõenduspõhise poliitikasoovituse kahe aasta jooksul.

Andmetest lähtuv vaesuse vähendamise tulevik

Andmepõhise valitsemise maastik areneb kiiresti.Eeloleval kümnendil kujundavad mitmed suundumused tõenäoliselt seda, kuidas kubernerid vaesuse vastu võitlevad.

Tehisintellekt ja masinõpe

AI ja masinõpe võimaldavad riikidel liikuda kirjeldavalt analüüsilt (mis juhtus) ettekirjutava analüüsini (mida peaksime tegema). Näiteks masinõppe mudel võiks analüüsida tuhandeid muutujaid, et soovitada optimaalset programmide kombinatsiooni iga pere jaoks - töökoolitus, lastehoid, toiduabi või raha - prognoositud tulemuste põhjal. ]Alabama[[ FLT:1] varajased piloodid on näidanud, et AI-põhine juhtumihaldus võib vähendada perede vaesuses veedetud aega kuni 18 kuu võrra.

Reaalajas andmed ja pidev tagasiside

Aastaaruannete asemel kasutavad tulevased programmid kiireks kohandamiseks reaalajas andmeid. Asjade interneti (IoT) seadmed, mobiiltelefoni andmed ja elektroonilise hüvede ülekande (EBT) tehingute kirjed võivad pakkuda ajakohaseid majandusraskuste näitajaid. Maavanem võib näha toidumarkide kasutamise suurenemist konkreetses maakonnas ja kohe kasutusele võtta mobiilsed toidusahvelarvutid või kohandada SNAP- i kasulikkuse taset.

Riikidevaheline koostöö ja andmete jagamine

Riikidevaheline ränne, piirkondlikud tööturud ja tarneahela häired mõjutavad vaesust.Juhatajad hakkavad jagama piiriüleseid andmeid kokkulepete kaudu, nagu ]Riiklike Juhatajate Liidu riiklik innovatsioonivõrgustik . See võimaldab neil võrrelda oma vaesuse vähendamise jõupingutusi teiste riikide suhtes ja võtta kasutusele mujal tõestatud parimad tavad.

Järeldus

Andmete strateegiline kasutamine riigijuhtide poolt muudab vaesuse vähendamise jõupingutused arvamistest teaduseks. Tuvastades algpõhjuseid, keskendudes haavatavatele elanikkonnarühmadele ja mõõtes tulemusi reaalajas, saavad kubernerid kavandada sekkumisi, mis on nii tõhusamad kui ka tõhusamad. Kuigi privaatsuse, täpsuse ja suutlikkusega seotud väljakutsed jäävad, on trajektoor selge: vaesusevastase poliitika tulevik on andmetepõhine. Tehnoloogia arengu ja koostöö süvenedes muutuvad need lähenemisviisid veelgi keerukamaks, mis toob kaasa õiglasemad ja püsivamad lahendused kogukondadele kogu riigis. Selle ümberkujundamise omaks võtavad kubernerid, kes teevad vaesuses kõige sügavama mõlga ja kes kehtestavad standardi vastutustundlikuks, tulemustele orienteeritud valitsemisele 21. sajandil.