街のマネージャーは、今日の急速に進化する都市環境において、時間と効率性の両方の決定を行うため、都市のマネージャーは密接な圧力下にあります。 交通混雑と公共の安全性からインフラの維持と経済発展に至るまで、都市のリーダーが直面する重要な分野として、直感的または伝統以上の要求を要求しています。 データ主導の意思決定(DDDM)は、都市のリーダーが、スマート、安全、そしてより持続可能なコミュニティを作成するために情報の力を活用することができます。 組織的に、透明性を高め、データ分析、都市の効率性を高め、都市の効率性を高め、そして、都市の効率性を向上させることができます。

データ駆動の意思決定とは?

データ主導の意思決定は、逸話証拠、腸感情、または政治的なexpediencyではなく、データ分析に関する政策、リソース割り当て、および運用行動を削減する慣行です。 都市管理者にとって、これはリアルタイムセンサーフィード、管理レコード、市民フィードバックプラットフォーム、および外部データベースを含む、さまざまなデータソースを活用し、予算計画から緊急対応まですべてを通知することを意味します。

プロセスは通常、明確な目的を定義し、関連するデータソースを特定し、データを収集し、クリーニングし、インサイトを抽出し、それらのインサイトを実用的な戦略に翻訳するといういくつかのステップを含みます。 重要なのは、DDDMは1回限りのイベントではなく、測定、学習、適応の継続的なサイクルです。 都市がより接続されるにつれて、利用可能なデータ量と多様性は指数関数的に成長し、強力なツールと効果的に管理するための重要な課題の両方を生じます。

都市管理のためのコアメリット

データ主導のアプローチを採用することで、都市生活の質に直接影響する多くの利点があります。以下は、現実世界の例でサポートされている、最も説得力のある利点のいくつかです。

運用効率の向上

データは、都市管理者がボトルネックを特定し、廃棄物を削減し、限られた資源の使用を最適化するのに役立ちます。例えば、廃棄物収集経路を分析し、パターンを充填することにより、都市は燃料を節約し、排出を削減するためのスケジュールを調整することができます。 []]の市サンディエゴ[[]]]は、トラフィックと駐車を監視するためのスマート街路灯を使用して、モビリティを改善しながらエネルギーコストの10%削減につながる。

公共安全の強化

犯罪パターンの分析、緊急対応時間、インシデントデータにより、法執行機関および第一次応答者が、より効果的にリソースを割り当てることができるようになります。予測的な政治モデルは、例えば、[によって使用されるもののような、ロサンゼルス警察署]を、リアルタイムで高リスク領域を特定することにより、プロパティ犯罪を減らすのに役立ちました。同様に、火災部門は、検査を優先するために、建物の年齢、材料、および過去の事故に関するデータを使用することができます。

インフラ計画の改善

トラフィックフロー、水使用量、人口増加に関するデータでは、都市が最も必要なインフラに投資することができます。 []Barcelona]は、センサーのネットワークを使用して、駐車、騒音、および空気の品質を監視し、道路修理から緑の宇宙開発に至るまでの決定を通知します。 このターゲットのアプローチは、コストの過剰構築を防ぎ、公共資金が賢明に費やされていることを保証します。

透明性と信頼の向上

市がデータを公開する際は、オープンデータポータル、ダッシュボード、パブリックレポートなど、住民の信頼関係を築きます。市民は、都市プロジェクトの進捗状況を把握し、公式アカウントを把握することができます。]Chicago]やといったCitiesは、ジャーナリスト、研究者、自治体のグループに関与する強力なオープンデータイニシアチブを長期的に維持しています。

積極的なサービス配達

問題に反応するよりも、データでは、都市管理者が課題を予測し、早期に介入することを可能にします。例えば、ソーシャルメディアと311の呼び出しを監視することで、公式は、エスカレーションの前に、ポットホールの発生や不正なダンプなどの新興問題を検出することができます。このリアクティブからプロアクティブな管理への移行は、成熟したデータ主導型の組織の観点です。

主要ツールとテクノロジー

都市管理者は、データを収集、統合、分析するためのツールの成長したエコシステムに依存しています。 単一のプラットフォームがすべてのニーズに適合するわけではありませんが、いくつかの技術カテゴリは不可欠です。

地理情報システム(GIS)

GISは空間分析の基礎であり、管理者は人口統計、犯罪、環境被害、輸送に関連するデータを視覚化し、マップできるようにします。 のようなツールは、EsriのArcGIS[]は、チームが部門間でコラボレーションするのに役立つ一般的な操作画像を提供します。 例えば、都市は、脆弱なコミュニティにおける災害の準備を優先する貧困データを持つ洪水ゾーンをオーバーレイすることができます。

モノのインターネット(IoT)センサー

IoTデバイス(スマートメーター、エア品質モニター、トラフィックカメラ、ノイズセンサーを含む)は、分析モデルにフィードをリアルタイムのデータストリームを生成します。 ] Singapore]は、都市全体の数千のセンサーをデプロイし、廃棄物のビンレベルから歩行者のフットフォールまですべてを監視し、都市サービスの高度に粒状管理を可能にします。

データ統合プラットフォーム

さまざまな部署や外部フィードから情報を発信、クリーン、そして統一できる、都市管理者は、データソースを分散させるためのプラットフォームが必要です。 Directus]]は、例えば、都市がデータベース、API、ファイルシステムに接続し、カスタムコードを必要としない単一のソースを作成することを可能にするオープンソースのデータプラットフォームです。 このようなツールを使用することにより、都市はトラフィックデータ、天気予報、スケジュール、および単一のスケジュールを組み合わせることができます。

予測分析とAI

マシン学習モデルは、ハウジングコード違反と火災リスク間の相関のような人間が見逃す可能性があるパターンを検出することができます。 []Chicagoの「物事の配列」]プロジェクトは、AIを使用してセンサーデータを分析し、空気の品質レベルを予測し、公衆衛生当局がタイムリーに警告を発症するのを支援します。 しかし、これらの高度な分析は、偏見や不正確な予測を回避するために慎重なガバナンスが必要です。

パブリックダッシュボードと可視化

意思決定者や市民が理解できる場合にのみ、データが便利です。 ] のようなツールで構築されたインタラクティブダッシュボード ]、 パワーBI、またはカスタムWebアプリケーションは、チャート、マップ、スコアカードに生番号を翻訳します。 多くの都市は、911コール応答時間からライブラリー使用状況まですべてを表示するリアルタイムダッシュボードを提供し、オープンカルチャーの状況を把握します。

都市機能を渡る実用的な適用

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.

交通・交通管理

混雑は、テキサスA&M運輸研究所によると、年間で$ 87億を超える米国の経済を削減します。 都市はデータと戦う。 Los Angelesは、ループ検出器とトラフィックカメラのネットワークを使用して、いくつかの回廊上の最大15%の信号時間を節約します。 UberやLyftなどの企業からのライドハイリングデータも、プランナーが旅行の需要を理解し、公共の方向に通知し、自転車の決定を通知するのに役立ちます。

公共安全・緊急対応

予測の政治を超えて、データが火災反応、EMSの操作、および災害の準備を改善します。 []ニューヨーク市の消防局]]は、建物の特性と過去の事故を分析し、火災安全チェックを優先するリスクベースの検査システムを使用しています。 COVID-19の流行中、多くの都市は、ケース番号、病院の容量、および予防接種率を追跡するためにデータダッシュボードを使用して、リアルタイムのリソース割り当てを有効にします。

インフラ整備・資産運用

水道の主な休憩、ポットホール、電気の停電は、チェックを外すと費用がかかります。 DDDMは、条件に基づくメンテナンスを可能にします:橋のセンサーは、構造的なストレスを監視します。スマート水道メーターは漏れを検出します。 [フィラデルフィア[]]]は、舗装条件、交通量、および公共フィードバックに基づいて道路の修理を優先するデータ主導的なアプローチを使用して、道路の品質に関する苦情の20%削減につながります。

環境のサステナビリティ

データは都市が大気の質を監視し、温室効果ガス排出量を追跡し、エネルギー消費量を管理するのに役立ちます。 []]Oslo、ノルウェー]]]は、交通制限や公衆衛生警告を通知し、リアルタイムで汚染レベルを測定する都市センサーをデプロイしました。 多くの都市は、建物のエネルギーデータを使用して、レトロフィット、全体的なカーボンフットプリントを減らすことができる構造を識別しています。

市民サービス・エンゲージメント

311システム、ソーシャルメディア、およびオンラインポータルからのデータが、市役所のマネージャーが常駐する問題に直面するような問題をもたらします。 []ボストンの「CityScore」ダッシュボードは、応答時間からライブラリ訪問まで、さまざまなパフォーマンス指標を集計し、一般に共有される単一のスコアにまとめました。 このアプローチは、会計性を向上させるだけでなく、スコアが低下したときに部門間でのコラボレーションを奨励するだけでなく、そのアプローチを促進します。

課題とテーマの対処方法

明確な利点にもかかわらず、スケールでDDDMを実装することは障害物なしではいません。 市役職員は、データイニシアチブの潜在的なフル可能性を実現するために、いくつかの重要な課題をナビゲートする必要があります。

データプライバシーとセキュリティ

市民に関する詳細なデータ収集は、監視、誤用、および侵害に関する正当な懸念を提起しています。スマートシティテクノロジーの採用は、「ビッグブラザー」効果の恐れによって、一部のコミュニティで遅くなっています。これに対処するためには、都市は、データにアクセスできる強力なデータガバナンスフレームワークを採用し、どのように使用できるか、そしてそれが永続的に保持されるかを規定しなければなりません。 Torontoのウォーターフロントプロジェクトをサイドボードにプッシュバック]。

データ品質と統合

生データは、しばしば混乱、矛盾、または不完全です。異なる部門は、異なるシステムを使用しており、統一されたビューを作成するのは困難です。データ統合プラットフォームと標準化されたメタデータスキーマに投資することは助けることができます。多くの都市は、オープンデータ標準を、このような]プロジェクトオープンデータメタデータスキーマを採用して、相互運用性を確保しています。定期的なデータ監査ワークフローと清掃も不可欠です。

スキルと能力ギャップ

市役職員は、データ解釈や高度な分析ツールを使用するために必要なトレーニングを欠くかもしれません。 []]による2021調査では、国際都市/郡管理協会(ICMA)は、地方政府の半分が専用のデータ分析を持っていることが少ないことがわかりました。 このギャップを閉じるために、都市は、大学と提携したり、データ仲間を雇ったり、専門的な開発プログラムを提供したりすることができます。 「データリテレーション」の労働力は、リーダーにとって最も優先すべきです。

変化への抵抗

従来の慣行からデータ主導のワークフローにシフトすると、多くの場合、文化的抵抗を満たします。従業員は、新しい技術によって脅迫されたデータや感触を不信することができます。成功した移行には、強力な執行機関のスポンサーシップ、利点に関する明確なコミュニケーション、および価値を実証する初期の勝利が必要です。JANITORIALスケジュールの最適化や公園のメンテナンスの改善など、低リスク領域でのパイロットプロジェクトは、勢力を構築することができます。

コストとサステナビリティ

センサー、ソフトウェア、および分析プラットフォームの展開は、先行投資を必要とし、継続的な運用コストは、地方自治体の予算を負担することができます。しかし、投資に対するリターンは、多くの場合、かなり重要です。例えば、Esri[による研究では、GISベースの資産管理だけでは、メンテナンスコストで都市10〜30%を節約できるというショーが示されています。スマートシティイニシアティブなどの連邦政府からの助成金は、初期費用をオフセットするのに役立ちます。

市政府のデータ主導型文化の構築

テクノロジーだけでは不十分です。 成功したDDDM戦略は、組織内の文化的シフトを必要とします。 市役職員は、戦略的資産としてデータをチャンピオンし、実験が奨励される環境を育成しなければなりません。

リーダーシップとガバナンス

強力な執行機関のスポンサーシップは重要である。チーフデータオフィサー(CDO)やデータガバナンス協議会を設計することで、データのイニシアチブが都市優先事項と整合することを確認します。サンフランシスコ市市]は、各部門の代表者で構成されたデータコリションを確立し、データ共有と衝突を解決します。

トレーニングとエンパワーメント

スタッフ全員が、データリテラシープログラムに投資すると、配当が支払われます。ダッシュボードへのアクセスと解釈方法を理解したフロントラインの従業員は、より良い一日から決定することができます。 ]Python[]または[]のような領域でアナリストのための高度なトレーニングは、予測モデリング機能のロックを解除することができます。 C]]]:[FLT:]]]または[R]]などのいくつかのオンラインプラットフォームは、分析機能を提供します。[FLT:[FLT:[FLT:[F]:[FLT:[F]:[F]:[FLT:[FLT:[FLT:[F]:[FLT:[F]:[F]:[F]:[FLT:[FLT:[F]:[F]:[F]:[F]:[F]:[FLT:[F]:[FLT:[F]:[F]:]:[FLT:[F

クロス・デパートメント・コラボレーション

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.

公共のエンゲージメントと共同創造

市民は、データ主導の政策の受動者ではないはずです。 多くの人々の都市は、住民がコミュニティの問題を解決するアプリを構築するためにオープンデータを使用するハッカソンやシビックテックのミートアップをホストしています。 []Helsinki]]]]は、スマートシティソリューションを設計する市民を含む「サービスとしての都市」プログラムがあり、データが単に運用上の利便性ではなく、公益を享受することを確認します。

コンテンツ

データの主導的な意思決定は、もはや未来的な概念ではありません。それは、ますます複雑に世界で効果的に規制することを目指している都市管理者にとって不可欠の実践です。 トラフィックの混雑を減らし、透明性と持続可能性を促進するために公共の安全を向上させることから、利点は明確で、測定可能である。 しかし、これらの結果を達成することは単なる技術よりも多く必要です。 それは、データの品質、プライバシー、継続的な学習、文化的変化に対するコミットメントを要求します。

センサー、GIS、インテグレーションプラットフォームなどの適切なツールに投資する都市は、Directus、および分析ソフトウェアのようなもので、同時に、自分の労働力の能力を構築し、都市化の課題をナビゲートするために最善を尽くします。 データ主導の考え方を取り入れることで、都市管理者は、生情報を実用的なインテリジェンスに変え、よりスマートで、より応答性の高いサービスを配信することができます。 都市ガバナンスの未来は、データ主導であり、開始までの時間は現在です。