Negli ultimi anni, i governatori statali in tutti gli Stati Uniti hanno sempre più rivolto agli approcci basati sui dati per affrontare la povertà. Piuttosto che affidarsi a programmi a scala larga e a misura unica, questi leader stanno ora utilizzando dati granulari per indirizzare le risorse con precisione chirurgica.

Gli Stati spendono collettivamente miliardi di dollari ogni anno sui programmi anti-povertà che vanno dall'assistenza in contanti e dai francobolli alimentari alla formazione professionale e all'alloggio a prezzi accessibili. Tuttavia, senza dati robusti, gran parte di questi soldi possono essere errati. La governance basata sui dati consente agli Stati di misurare i risultati, regolare il corso in tempo reale, e garantire che ogni dollaro fiscale sia utilizzato per il massimo effetto.

Il ruolo dei dati nell'intenzione della povertà

I dati svolgono un ruolo fondamentale nel favorire gli sforzi di riduzione della povertà da reattivi a proattivi, invece di aspettare che le famiglie cadano in crisi, i governatori possono utilizzare i dati per anticipare la necessità e fornire i servizi in anticipo. Ad esempio, analizzando i dati di frequenza scolastica e di richiesta di salute, uno stato può identificare i bambini a rischio di cadere nella povertà prima che le loro famiglie si verifichino collassi finanziari.

Identificare le cause della radice

La povertà è raramente il risultato di un singolo fattore: è in genere una complessa rete di questioni interconnesse: bassi salari, mancanza di assistenza all'infanzia a prezzi accessibili, scarsa salute, discriminazione e isolamento geografico. I dati aiutano i governatori a disavere questi fattori e comprendono quali sono più pressanti nel loro stato.

Obiettivo delle popolazioni vulnerabili

I dati rivelano anche quali gruppi sono sproporzionati dalla povertà. I demographic-disfunzioni per età, razza, genere e stato di disabilità permettono ai governatori di progettare interventi mirati. Ad esempio, i bambini sotto i 5 sono il gruppo di età più probabile per vivere nella povertà in molti stati.

Mapping punti vendita geografici

I sistemi informativi geografici (GIS) sono diventati strumenti essenziali per i governatori. Tracciando i tassi di povertà su una mappa insieme ai dati sulle scuole, ospedali, negozi di alimentari e di transito pubblico, i politici possono vedere esattamente dove la povertà è concentrata e quali risorse mancano. Alcuni Stati, come ]California]], hanno creato dashboard di pubblico-facing che mostrano dati di povertà verso il livello di organizzazioni mirate.

Fonti di dati chiave e metriche

I governatori di stato si affidano a una vasta gamma di fonti di dati per informare le loro strategie di riduzione della povertà. Alcuni di questi sono indagini governative tradizionali, altri provengono da registri amministrativi o da partenariati del settore privato.

  • Statistiche sul reddito e sull’occupazione[ – L’American Community Survey (ACS) del Census Bureau (US Census Bureau) fornisce dati annuali sul reddito, sullo stato della povertà e sull’occupazione.
  • Istruzione Performance Data – I dipartimenti di stato dell'istruzione raccolgono dati sulle valutazioni di prova, sui tassi di laurea e sulla disciplina scolastica. Collegando questi dati ai dati sul reddito, i governatori possono identificare le lacune di realizzazione e investire nelle scuole che servono studenti a basso reddito.
  • Informazioni di accesso alla salute e alla salute[[[] – Prememoria dati, registri di scarico ospedaliero e sondaggi come il sistema di sorveglianza del fattore di rischio comportamentale (BRFSS) aiutano i governatori a comprendere gli impatti sanitari della povertà.
  • I dati sulla convenienza e sulla mancanza di casa[ – Il Dipartimento di Housing e sviluppo urbano (HUD) fornisce dati su oneri di affitto, sgomberi e conteggi di assenza di casa. I governatori possono cross-reference questo con i dati di reddito per assegnare i voucher di alloggio e finanziare i rifugi di emergenza nelle comunità più sollecitate.
  • Informazioni demografiche[[ – I dati di età, razza, etnia e disabilità sono essenziali per garantire l'equità. Molti governatori hanno stabilito dashboard equity che tracciano se gli sforzi di riduzione della povertà stanno raggiungendo tutte le popolazioni allo stesso modo.

Sempre più spesso, gli stati utilizzano anche sistemi di dati integrati (IDS)[]] che collegano i record tra le agenzie. Ad esempio, l'Oregon ] Sistema di dati clienti integrato[]]] collega i dati da servizi umani, istruzione e agenzie di forza lavoro per fornire una visione olistica delle esigenze di ogni famiglia.

Come i Governatori Traducono i Dati in Azione

La vera sfida consiste nel tradurre intuizioni politiche che realmente cambiano vite. I governatori di stato stanno sperimentando diversi meccanismi per colmare il divario tra l'analisi dei dati e l'implementazione del programma.

Creazione di unità di analisi dati

Molti governatori hanno creato team di analisi dei dati dedicati all’interno dei loro uffici o sotto il loro controllo. Queste unità sono dipendenti da scienziati di dati, statistici e analisti di politica che lavorano direttamente con i leader dell’agenzia per progettare programmi basati sulle prove.

Utilizzo di Modelli Predittivi per l'intervento precoce

L'analisi predittiva è uno degli strumenti più potenti dell'arsenale data-driven. Dando dati storici ai modelli di machine learning, gli stati possono prevedere quali famiglie sono al massimo rischio di cadere nella povertà o di vivere l'assenza di casa. Ad esempio, lo stato di Massachusetts] ha pilotato un modello che utilizza i dati da assistenza adottiva, il benessere dei bambini e i costi di TANFMI (ri) hanno ridotto il 20% di crisi (C)

Collegamento dei dati alle decisioni di bilancio

Alcuni governatori stanno incorporando i dati direttamente nel processo di bilancio. Piuttosto che semplicemente proponendo articoli di linea per i programmi di povertà, richiedono alle agenzie di presentare prove di efficacia. In [ Ohio[[], l'Ufficio del Governatore di Budget e Gestione utilizza un approccio "Risultati-Primo", che richiede alle agenzie statali di dimostrare che i loro programmi sono stati valutati utilizzando metodi rigorosi come test controllati.

Dashboards pubblici e responsabilità comunitaria

Molti Stati pubblicano ora dashboard online che tracciano metriche di povertà in tempo reale. Queste dashboard permettono ai cittadini, ai giornalisti e ai gruppi di advocacy di tenere conto dei loro governatori. Ad esempio, Nevada]] ha creato il ]Nevada Data-Driven Decision-Making programmi di formazione [FLT]

Case Studies: Riduzione della povertà in azione

California: Povertà infantile mirata con dati integrati

Nel 2021, la sua amministrazione ha lanciato il [California Child Poverty Reduction Act, che ha fissato l’obiettivo di ridurre la povertà infantile entro il 50% entro il 2030.

Michigan: Utilizzo del GIS per la Allocate fondi abitativi accessibili

L’amministrazione del governatore Gretchen Whitmer ha usato i dati per la realizzazione di fondi di soccorso pandemici federali per l’alloggio. L’Autorità per lo sviluppo immobiliare del Michigan (MSHDA) ha analizzato i dati di deposito delle evizioni, i tassi di oneri di affitto e la mancanza di casa conta a livello della contea.

Texas: Personalized Workforce Training da Labor Data

La commissione del governatore Greg Abbott, Texas Workforce Solutions, utilizza i dati sui tassi di disoccupazione locale, le proiezioni di crescita del settore e le lacune individuali per offrire formazione professionale personalizzata.Quando i dati hanno dimostrato che la zona di Houston aveva una carenza di assistenti di cura certificati (CNA) ma un surplus di lavoratori al dettaglio, lo stato ha finanziato un programma di formazione gratuita per lavoratori dislocati al dettaglio.

Sfide superanti: privacy, precisione e capacità

Nonostante la sua promessa, la riduzione della povertà basata sui dati non è senza ostacoli, i governatori devono navigare in un campo di attività di protezione della privacy, problemi di qualità dei dati e resistenza istituzionale.

Privacy e utilizzo etico

L'integrazione dei dati da parte di più agenzie solleva gravi preoccupazioni circa la privacy e il potenziale uso improprio. Le famiglie nella povertà sono già vulnerabili, e lo spettatore della sorveglianza governativa può scoraggiare dalla ricerca di aiuto. Per affrontare questo, diversi stati hanno adottato ]

Garantire l'accuratezza e la tempestività dei dati

Molti enti statali si affidano a metodi di raccolta dati obsoleti, come moduli di carta o database siloed che non comunicano tra loro. Un'iniziativa data-driven del governatore può essere sottovalutata da dati cattivi.Per combattere questo, gli stati stanno investendo in moderna infrastruttura di dati, compresi gli aggiornamenti API, cloud storage data, e dati in tempo reale.

Capacità tecnica di costruzione

Molti governi statali non hanno la competenza in-house data science per eseguire analisi sofisticate.Attrazione e mantenimento del talento dei dati è una sfida perenne, soprattutto quando gli stipendi del settore privato sono più alti. Governatori hanno risposto creando azioni di partenariato dati e partner con le università. New York, sotto il governatore di stato Kathy HochulNY,

Il futuro della riduzione della povertà Data-Driven

Il panorama della governance basata sui dati si sta evolvendo rapidamente, e molte tendenze sono in grado di plasmare come i governatori combattono la povertà nel prossimo decennio.

Intelligenza artificiale e apprendimento automatico

AI e machine learning permetteranno agli stati di passare da analisi descrittive (cosa è successo) a analisi prescrittive (cosa dovremmo fare). Ad esempio, un modello di machine learning potrebbe analizzare migliaia di variabili per raccomandare il mix ottimale di programmi per ogni famiglia—addestramento del lavoro, assistenza all'infanzia, assistenza alimentare o denaro—basato sui risultati predetti.

Dati in tempo reale e Loops di feedback continuo

I dispositivi Internet of Things (IoT), i dati del telefono cellulare e i record di transazione elettronica di trasferimento dei benefici (EBT) possono fornire indicatori di stress economico aggiornati al minuto. Un governatore potrebbe vedere un picco nell'uso del timbro alimentare in una specifica contea e distribuire immediatamente pantofole alimentari mobili o regolare i livelli di beneficio SNAP.

Collaborazione e condivisione dei dati

La povertà non rispetta le linee di stato. La migrazione interstatale, i mercati del lavoro regionali e le interruzioni della catena di fornitura influenzano tutti la povertà. I governatori stanno iniziando a condividere i dati attraverso i confini attraverso i compatti come il [[]]]] Network Nazionale per l’Innovazione di Stato[]]].

Conclusioni

L'uso strategico dei dati da parte dei governatori statali sta trasformando gli sforzi di riduzione della povertà da parte di un'ipotesi in una scienza. Identificare cause radicali, mirare a popolazioni vulnerabili e misurare i risultati in tempo reale, i governatori possono progettare interventi che siano entrambi più efficaci e più efficienti.