در محیط های شهری به سرعت در حال تحول، مدیران شهر تحت فشار زیادی برای تصمیم گیری هستند که به موقع و موثر هستند. پیچیدگی شهرهای مدرن - از ترافیک و ایمنی عمومی به تعمیر و نگهداری زیرساخت ها و توسعه اقتصادی - تقاضا بیش از شهود یا سنت تصمیم گیری مبتنی بر داده ها (DDDM) به عنوان یک نظم و انضباط حیاتی ظهور کرده است، رهبران شهر را قادر می سازد تا از اطلاعات دقیق تر، و قابل اعتماد به طور سیستماتیک استفاده از طریق تجزیه و تحلیل دقیق تر، و تحلیل بهتر از داده های پایدار، و تحلیل، و اجرای پایدار، استفاده از دانش آموزان، و اجرای پایدار، و مدیریت پایدار، استفاده کنند.

تصمیم گیری داده ها-محور چیست؟

تصمیم گیری مبتنی بر داده ها، عمل سیاست های حوضه ای، تخصیص منابع و اقدامات عملیاتی بر تجزیه و تحلیل داده ها است، نه بر شواهد آماری، احساسات روده یا اجماع سیاسی.برای مدیران شهر، این بدان معنی است که استفاده از یک آرایه گسترده از منابع داده - از جمله فیدهای سنسور زمان واقعی، سوابق اداری، سیستم عامل های بازخورد شهروندی و پایگاه های داده های خارجی - برای اطلاع رسانی از همه چیز برای پاسخ اضطراری.

این فرآیند معمولا شامل چندین مرحله است: تعریف اهداف روشن، شناسایی منابع داده مربوطه، جمع آوری و تمیز کردن داده ها، تجزیه و تحلیل آن برای استخراج بینش و سپس ترجمه آن بینش ها به استراتژی های عملی مهم، DDDM یک رویداد یک بار نیست، بلکه یک چرخه مداوم اندازه گیری، یادگیری و سازگاری است.

مزایای اصلی برای مدیریت شهر

اتخاذ یک رویکرد مبتنی بر داده مزایای متعددی را ارائه می دهد که به طور مستقیم بر کیفیت زندگی شهری تأثیر می گذارد.در زیر برخی از قانع کننده ترین مزایا، هر کدام با نمونه های دنیای واقعی پشتیبانی می شوند.

بهبود کارایی عملیاتی

داده ها به مدیران شهر کمک می کند تا تنگناها را شناسایی کنند، زباله ها را کاهش دهند و استفاده از منابع محدود را بهینه سازی کنند.برای مثال، با تجزیه و تحلیل مسیر جمع آوری زباله و الگوهای پر کردن، شهرها می توانند برنامه هایی را برای صرفه جویی در سوخت و کاهش انتشار گازهای گلخانه ای تنظیم کنند. San دیگو از چراغ های هوشمند با سنسورهای برای نظارت بر پارکینگ ترافیک و منجر به کاهش 10٪ در هزینه های تحرک در حالی که در حال بهبود تحرک انرژی هستند.

افزایش امنیت عمومی

تجزیه و تحلیل الگوهای جرم، زمان پاسخ اضطراری و داده های حادثه، اجرای قانون و پاسخ دهندگان اول را قادر می سازد تا منابع را به طور مؤثرتری تخصیص دهند.مدل های پیش بینی شده مانند کسانی که توسط وزارت پلیس لس آنجلس استفاده می شوند [FLT 1]، به کاهش جرایم اموال با شناسایی مناطق پرخطر بالا در زمان واقعی کمک کرده اند.

برنامه ریزی زیرساخت های بهتر

داده ها در جریان ترافیک، استفاده از آب و رشد جمعیت اجازه می دهد تا شهرها در زیرساخت هایی که بیشتر مورد نیاز است سرمایه گذاری کنند. بارسلونا از شبکه ای از سنسورها برای نظارت بر پارکینگ، سر و صدا و کیفیت هوا استفاده می کند، و تصمیم گیری در مورد همه چیز از تعمیرات جاده به توسعه فضای سبز را مشخص می کند.

افزایش شفافیت و اعتماد

هنگامی که شهرها داده های خود را به صورت عمومی در دسترس قرار می دهند – از طریق پورتال های داده باز، داشبوردها یا گزارش های عمومی – آنها اعتماد به نفس را در میان ساکنان ایجاد می کنند، شهروندان می توانند ببینند که چگونه دلار مالیات آنها مورد استفاده قرار می گیرد، پیشرفت پروژه های شهری را پیگیری می کنند و مقامات را پاسخگو می کنند (FLT:0Chicago و [F:2 نیویورک [تحرکدۀ طولانی]، و قوی دارند که به محققان محلی، و روزنامه نگاران را توانمند می کنند.

تحویل خدمات فعال

به جای واکنش به مشکلات پس از وقوع، داده ها به مدیران شهر اجازه می دهد تا چالش ها را پیش بینی کنند و به عنوان مثال، با نظارت بر رسانه های اجتماعی و 311 تماس، مقامات می توانند مسائل نوظهور مانند شیوع سفال یا دفع غیرقانونی را قبل از افزایش این تغییر از واکنش به مدیریت فعال، نشانه ای از یک سازمان داده محور بالغ است.

ابزار کلیدی و تکنولوژی

مدیران شهر به یک اکوسیستم در حال رشد از ابزار برای جمع آوری، ادغام و تجزیه و تحلیل داده ها متکی هستند، در حالی که هیچ پلت فرم واحدی متناسب با هر نیاز نیست، چندین دسته تکنولوژی ضروری شده اند.

سیستم های اطلاعات جغرافیایی (GIS)

GIS برای تجزیه و تحلیل فضایی پایه گذاری شده است، اجازه می دهد مدیران به تجسم و نقشه برداری داده های مربوط به جمعیت شناسی، جرم، خطرات زیست محیطی و ابزارهای حمل و نقل مانند ArcGIS ArcGIS ArcGIS [FLT 1] ارائه یک تصویر عملیاتی مشترک است که به تیم ها کمک می کند تا در سراسر بخش ها همکاری کنند.

اینترنت اشیا (IoT) Sensors

دستگاه های IoT – از جمله متر های هوشمند، مانیتور کیفیت هوا، دوربین های ترافیک و سنسورهای سر و صدا – جریان های داده های زمان واقعی را که به مدل های تحلیلی تغذیه می کنند، تولید می کنند. هزاران سنسور را در سراسر کشور شهر-دولت برای نظارت بر همه چیز از سطح زباله تا سقوط پیاده، مدیریت بسیار دقیق خدمات شهری را فراهم می کند.

پلتفرم های ادغام داده ها

برای درک منابع داده های مختلف، مدیران شهر به سیستم عامل هایی نیاز دارند که بتوانند اطلاعات را از بخش های مختلف و فیدهای خارجی دریافت کنند. Directus ، به عنوان مثال، یک پلت فرم داده منبع باز است که به شهرها اجازه می دهد تا یک منبع حقیقت را با اتصال به پایگاه های داده، API، و سیستم های فایل بدون نیاز به استفاده از یک ابزار عملیاتی، با استفاده از یک رویداد ترافیک شهری، ترکیب کنند.

پیش بینی و AI

مدل های یادگیری ماشین می توانند الگوهایی را که انسان ممکن است از دست بدهد، مانند همبستگی بین نقض کد مسکن و خطر آتش نشانی، شناسایی کنند. "Array of Things" پروژه از AI برای تجزیه و تحلیل داده های سنسور و پیش بینی سطح کیفیت هوا استفاده می کند، و به مقامات بهداشت عمومی هشدار به موقع کمک می کند، این تجزیه و تحلیل های پیشرفته نیاز به مراقبت از پیش بینی های نادرست یا پیش بینی نادرست دارند.

داشبورد عمومی و Visualization

داده ها تنها مفید هستند اگر بتوان آن را توسط تصمیم گیرندگان و شهروندان به طور یکسان درک کرد. داشبورد تعاملی با ابزارهایی مانند Tableau] ، Power BI ، یا برنامه های سفارشی وب ترجمه اعداد خام به نمودار، نقشه ها و کارت امتیاز. بسیاری از شهرها در حال حاضر داشبورد واقعی ارائه می دهند که نشان می دهد همه چیز از فرهنگ، و یا باز کردن آن ها، پاسخ به یک فرهنگ پاسخ می دهد.

برنامه های کاربردی در سراسر توابع شهر

The theoretical benefits of DDDM become tangible when applied to specific urban challenges. Below are several areas where data-driven approaches have produced measurable outcomes.

ترافیک و مدیریت حمل و نقل

هزینه های اقتصادی ایالات متحده بیش از 87 میلیارد دلار در سال در بهره وری از دست رفته، با توجه به موسسه حمل و نقل تگزاس A & M. شهرها با داده ها مبارزه می کنند. لس آنجلس [FLT 1] از شبکه ای از آشکارسازها و دوربین های ترافیک برای تنظیم زمان سیگنال پویا، کاهش زمان سفر تا 15٪ در برخی از مسیرهای دوچرخه سواری و برنامه ریزان سفر استفاده می کنند.

امنیت عمومی و پاسخ اضطراری

فراتر از پیش بینی پلیس، داده ها پاسخ آتش سوزی، عملیات EMS و آمادگی فاجعه را بهبود می بخشد. اداره آتش شهر نیویورک از یک سیستم بازرسی مبتنی بر ریسک استفاده می کند که ویژگی های ساختمانی و حوادث گذشته را تجزیه و تحلیل می کند تا بررسی ایمنی آتش را اولویت بندی کند.

مدیریت زیرساخت و دارایی

شکاف های اصلی آب، سفال و قطع برق زمانی پر هزینه هستند که بدون کنترل باقی مانده اند. DDDM امکان نگهداری مشروط را فراهم می کند: سنسورهایی بر روی پل ها استرس ساختاری را نظارت می کنند، در حالی که متر آب هوشمند نشت های آب را تشخیص می دهد. از یک رویکرد مبتنی بر داده برای اولویت بندی تعمیرات خیابانی بر شرایط پیاده رو، حجم ترافیک و بازخورد عمومی تا کاهش کیفیت جاده ای در حدود 20٪.

پایداری زیست محیطی

داده ها به شهرها کمک می کند تا کیفیت هوا را کنترل کنند، گازهای گلخانه ای را ردیابی کنند و مصرف انرژی را مدیریت کنند. Oslo، نروژ سنسورهای شهری را که سطح آلودگی را در زمان واقعی اندازه گیری می کنند، در اطلاع رسانی محدودیت های ترافیکی و هشدارهای عمومی بهداشت، بسیاری از شهرها از ساخت داده های انرژی برای شناسایی ساختارهایی که می توانند از عقب مانده بهره مند شوند، کاهش کل کربن.

خدمات شهروندی و مشارکت

داده های 311 سیستم، رسانه های اجتماعی و پورتال های آنلاین، مدیران شهری را به یک خط مستقیم از نگاه به نگرانی های ساکن می دهد. "CityScore" (FLT:1) داشبورد جمع آوری ده ها شاخص عملکرد - از زمان پاسخ به بازدید از کتابخانه - به یک امتیاز که به طور عمومی به اشتراک گذاشته شده است، این رویکرد نه تنها بهبود می یابد، بلکه همچنین زمانی که در بخش های همکاری تشویق می شود.

چالش ها و چگونگی رسیدگی به Them

علی رغم مزایای روشن، اجرای DDDM در مقیاس بدون موانع نیست.مدیران شهر باید چندین چالش مهم را برای درک پتانسیل کامل ابتکارات داده های خود هدایت کنند.

حریم خصوصی داده ها و امنیت

جمع آوری اطلاعات دقیق درباره شهروندان نگرانی های مشروع در مورد نظارت، سوء استفاده و نقض را افزایش می دهد.[۵] پذیرش فن آوری های شهر هوشمند در برخی جوامع با ترس از "برادر بزرگ" اثر، شهرها باید چارچوب های قوی مدیریت داده را اتخاذ کنند که تعریف می کنند که چه کسی می تواند به داده ها دسترسی داشته باشد، چگونه می تواند مورد استفاده قرار گیرد و برای مدت طولانی آن را حفظ کند.

کیفیت داده ها و ادغام

داده های خام اغلب آشفته، متناقض یا ناقص است.بخش های مختلف ممکن است از سیستم های مختلف استفاده کنند، و ایجاد یک دیدگاه یکپارچه را دشوار می کند.سرمایه گذاری در سیستم عامل های ادغام داده و طرح های متاداده استاندارد می تواند کمک کند. بسیاری از شهرها از طریق استفاده از (FLT:0 استانداردهای داده باز مانند طرح داده های متا داده باز برای اطمینان از پردازش اطلاعات منظم و پردازش داده های ضروری است.

مهارت ها و شکاف های ظرفیت

کارکنان شهر ممکن است فاقد آموزش لازم برای تفسیر داده ها یا استفاده از ابزارهای تجزیه و تحلیل پیشرفته باشند. A 2021 توسط بین المللی شهر / انجمن مدیریت کشور (ICMA) دریافت که کمتر از نیمی از دولت های محلی یک تحلیلگر داده اختصاصی دارند.

مقاومت در برابر تغییر

تغییر از شیوه های میراث به جریان کار مبتنی بر داده ها اغلب با مقاومت فرهنگی مطابقت دارد. کارکنان ممکن است به داده ها بی اعتماد باشند یا احساس تهدید از طریق تکنولوژی جدید، انتقال موفق نیاز به حمایت اجرایی قوی، ارتباط روشن در مورد مزایا و پیروزی های اولیه که نشان می دهد پروژه های خلبان در مناطق کم خطر - مانند بهینه سازی برنامه های آموزشی و یا بهبود نگهداری پارک - می تواند حرکت کند.

هزینه و پایداری

نصب سنسورها، نرم افزار و سیستم عامل های تجزیه و تحلیل نیاز به سرمایه گذاری پیش رو دارد و هزینه های عملیاتی مداوم می تواند بودجه های شهری را تحت فشار قرار دهد، با این حال، بازگشت سرمایه گذاری اغلب قابل توجه است. تحقیق توسط Esri [FLT 1] نشان می دهد که مدیریت دارایی مبتنی بر GIS به تنهایی می تواند شهرها را 10 تا 30٪ صرفه جویی در هزینه های نگهداری صرفه جویی کند.

ایجاد یک فرهنگ مبتنی بر داده در دولت شهر

فناوری به تنهایی کافی نیست؛ یک استراتژی موفق DDDM نیازمند تغییر فرهنگی در داخل سازمان است.مدیران شهر باید از داده ها به عنوان یک دارایی استراتژیک دفاع کنند و محیطی را پرورش دهند که در آن آزمایش تشویق می شود.

رهبری و حکومت

حمایت اجرایی قوی بسیار مهم است.طراحی یک افسر داده ارشد (CDO) یا یک شورای مدیریت داده ها، پاسخگویی را متمرکز می کند و تضمین می کند که ابتکارات داده با اولویت های شهر هماهنگ است. [FLT: 1] شهر سان فرانسیسکو [FLT 1] یک ائتلاف داده متشکل از نمایندگان از هر بخش برای هماهنگ کردن اشتراک گذاری داده ها و حل اختلافات.

آموزش و توانمندسازی

سرمایه گذاری در برنامه های سواد داده برای تمام سطوح کارکنان سود سهام را می پردازد. [۱] کارکنان خط مقدم که درک می کنند چگونه به دسترسی و تفسیر داشبورد می توانند تصمیمات روز به روز بهتر بگیرند، آموزش پیشرفته برای تحلیلگران در زمینه هایی مانند Python یا [F:2R می تواند دوره های مدل سازی آنلاین را باز کند.

همکاری متقابل-Department

Silos are the enemy of data-driven governance. Encouraging departments to share data and work on joint projects can yield insights that no single unit could achieve alone. For example, combining health department data on asthma rates with transportation department data on traffic corridors can identify areas where air quality improvements are most needed.

مشارکت عمومی و مشارکت مشترک

شهروندان نباید گیرندگان منفعل سیاست های مبتنی بر داده باشند، بسیاری از شهرها میزبان هکت ها یا دیدار های فناوری مدنی هستند که ساکنان از داده های باز برای ساخت برنامه هایی استفاده می کنند که مشکلات جامعه را حل می کنند. Helsinki دارای یک برنامه "City به عنوان یک سرویس" است که شهروندان در طراحی راه حل های شهری هوشمند، اطمینان از اینکه داده ها به جای عملیات، به راحتی عمومی خدمت می کنند.

نتیجه گیری

تصمیم گیری مبتنی بر داده ها دیگر یک مفهوم آینده نگر نیست – این یک عمل ضروری برای مدیران شهری است که قصد دارند به طور موثر در یک جهان به طور فزاینده پیچیده حکومت کنند، از کاهش ترافیک و بهبود ایمنی عمومی برای تقویت شفافیت و پایداری، مزایای آن روشن و قابل اندازه گیری است، با این حال، دستیابی به این نتایج نیاز به بیش از تکنولوژی دارد؛ آن نیاز به تعهد به کیفیت داده ها، حفظ حریم خصوصی، یادگیری مداوم و تغییر فرهنگی دارد.

شهرهایی که در ابزارهای درست سرمایه گذاری می کنند – مانند سنسورها، GIS، سیستم های ادغام مانند Directus و نرم افزار تجزیه و تحلیل – در حالی که به طور همزمان ظرفیت نیروی کار خود را ایجاد می کنند، بهترین مکان برای حرکت چالش های شهرنشینی خواهند بود.با در نظر گرفتن ذهنیت مبتنی بر داده ها، مدیران شهر می توانند اطلاعات خام را به هوش عملی تبدیل کنند، ارائه خدمات دقیق تر و پاسخگوتر به جوامعی که در آینده خدمت می کنند، زمان مدیریت شهری است و زمان شروع به زمان است.