Table of Contents

ბოლო წლებში, შეერთებული შტატების სახელმწიფო მმართველები უფრო მეტად მიმართავენ მონაცემებზე დაფუძნებულ მიდგომას სიღარიბის დასაძლევად. ნაცვლად იმისა, რომ დაეყრდნონ ფართო, ერთნაირ პროგრამებს, ეს ლიდერები ახლა იყენებენ რეგულარულ მონაცემებს რესურსების მიმართვით, რათა მიზნად დაისახონ რესურსების შესახებ ინფორმაცია, დასაქმების, ჯანმრთელობის და საცხოვრებლის შესახებ, მმართველები შეძლებენ გამოავლინონ ყველაზე დაუცველი მტკიცებულებები და ჩაერიონ, სადაც ინტერვენციები ყველაზე ფუნდამენტური პოლიტიკის ცვლილებები ყველაზე მეტად იმოქმედებს, ეს ცვლილება კი არ არის ის, რაც შეიძლება იყოს.

სახელმწიფოები ყოველწლიურად მილიარდობით დოლარს ხარჯავენ სიღარიბის საწინააღმდეგო პროგრამებზე, დაწყებული ნაღდი ფულის დახმარებით და საკვები მარკებით, მაგრამ მყარი მონაცემების გარეშე, ამ ფულის დიდი ნაწილი შეიძლება არასწორად იყოს მიმართული. მონაცემთა მართვა საშუალებას აძლევს სახელმწიფოებს გაზომონ შედეგები, რეალურ დროში მოარგონ კურსი და უზრუნველყონ, რომ ყოველი გადასახადის გადამხდელი სახელმწიფო სახელმწიფო იყენებს მონაცემთა ბაზას, რომელიც იყენებს მონაცემებს, რაც ორივე მხარის მიერ მონაცემების გაზიარებას. შედეგად, მმართველები ახორციელებენ მონაცემებს.

მონაცემთა როლი სიღარიბის გაგებაში.

მონაცემები მნიშვნელოვან როლს თამაშობს სიღარიბის შემცირების მცდელობების რეაქტიული მდგომარეობიდან პროაქტიულად გადასვლაში. ნაცვლად იმისა, რომ ოჯახები კრიზისამდე დაეცნენ, გუბერნატორებს შეუძლიათ გამოიყენონ მონაცემები საჭიროებების წინასწარ წინასწარ პროგნოზირებისთვის და მომსახურების მიწოდებისთვის. მაგალითად, სკოლის დასწრების ჩანაწერებისა და ჯანმრთელობის პრეტენზიების მონაცემების ანალიზით, სახელმწიფოს შეუძლია განსაზღვროს ბავშვები, რომლებიც საფრთხეში არიან, სანამ მათი ოჯახები ფინანსურ კოლაფს განიცდიან.

ფესვური მიზეზების იდენტიფიცირება.

სიღარიბე იშვიათად არის ერთადერთი ფაქტორი. ეს არის ურთიერთდაკავშირებული საკითხების რთული ქსელი, რომელიც მოიცავს ბავშთა მოვლის ნაკლებობას, ცუდ ჯანმრთელობას, დისკრიმინაციას და გეოგრაფიულ იზოლაციას. მონაცემები ეხმარება გუბერნატორებს ამ ფაქტორების დამახასიათებლად და გაგებაში, რომელი ფაქტორები ყველაზე მეტად არის აქტუალური მათ სახელმწიფოში. მაგალითად, სოფლის სახელმწიფოს გუბერნატორმა შეიძლება აღმოაჩინოს, რომ ტრანსპორტირების ნაკლებობა არის დასაქმების მთავარი ბარიერი, ხოლო ურბანული სახელმწიფოს გუბერნატორი შეიძლება დარჩეს საცხოვრებელი მონაცემების გარეშე უვარგისი პოლიტიკა, ხოლო ურბანული სახელმწიფოს შემთხვევაში დარჩება საცხოვრებელი მონაცემების გარეშე.

მოწყვლადი მოსახლეობის მიზნობრივი გამოყენება.

მონაცემები ასევე აჩვენებს, რომელი ჯგუფები არიან არაპროპორციულად დაზარალებულნი სიღარიბით, რასით, სქესით და შეზღუდული შესაძლებლობების სტატუსით, რომლებიც საშუალებას აძლევს გუბერნატორებს, დააპროექტონ მიზნობრივი ჩარევები. მაგალითად, FLT:0 ბავშვები 5FLT-ის ფარგლებში 1 ასაკის ჯგუფი ყველაზე მეტად არიან, რომლებიც ხშირად ცხოვრობენ სიღარიბეში. ბავშვთა სიღარიბის მაღალი დონის სუბსიდიებით, რაც ყველაზე მეტად იწვევს ბავშვთა განათლების ადრეული განათლების განათლების რეგისტრაციის მქონე ბავშვთა განათლებას, რაც ზრდის მქონე ბავშვთა განათლებისთვის, რაც შეიძლება გამოიწვიოს ბავშვთა განათლების პროგრამების პროგრამების წინასწარ პროგრამის ფარგლებში.

გეოგრაფიული ცხელი წერტილების რუკა.

გეოგრაფიული საინფორმაციო სისტემები (GIS) მმართველებისთვის აუცილებელი ინსტრუმენტები გახდა. სკოლის, საავადმყოფოების, საწყობების და საზოგადოებრივი ტრანზიტის მონაცემებთან ერთად სიღარიბის შემცირების გზით, პოლიტიკის შემქმნელები ზუსტად ხედავენ, სად არის კონცენტრირებული სიღარიბე და რა რესურსები აკლია. ზოგიერთმა სახელმწიფომ, როგორიცაა FLT:0ClifornFAL, შექმნა მიზნობრივი სამთავრობო უფლებამოსილებები, მიზნობრივი წყობების ინსტრუმენტები, რომლებიც განსაზღვრავენ სიღარიბის დონის მონაცემებს, რომლებიც სიღარიბის შემცირების დონემდე.

ძირითადი მონაცემთა წყაროები და მეტრიკა.

სახელმწიფო მმართველები დამოკიდებულნი არიან მონაცემთა წყაროების ფართო სპექტრზე, რათა აცნობონ თავიანთი სიღარიბის შემცირების სტრატეგიები. ზოგიერთი მათგანი ტრადიციული სამთავრობო კვლევებია, ხოლო სხვები ადმინისტრაციული ჩანაწერებიდან ან კერძო სექტორის პარტნიორობებიდან მოდიან. ქვემოთ არის ყველაზე ხშირად გამოყენებული ტიპის მონაცემები და როგორ აცნობებენ პოლიტიკას.

  • FLT:0 შემოსავლისა და დასაქმების სტატისტიკა FLT:1 – აშშ-ის აღწერის ბიუროს ამერიკული საზოგადოებრივი კვლევა (ACS) უზრუნველყოფს წლიურ მონაცემებს შემოსავლის, სიღარიბის სტატუსისა და დასაქმების შესახებ. გუბერნატორები იყენებენ ამ ციფრებს, რათა განსაზღვრონ უფლებამოსილება პროგრამებისთვის, როგორიცაა მედიკამენტი და SNAP და შეფასება, რათა შეაფასონ, არის თუ არა სახელმწიფოს ეკონომიკა ინკლუზიური.
  • FLT:0 განათლების შესრულების მონაცემები FFLT:1 – განათლების სახელმწიფო დეპარტამენტები აგროვებენ მონაცემებს ტესტირების ქულების, კურსის და სკოლის დისციპლინის შესახებ. ამ მონაცემების შემოსავლის მონაცემებთან დაკავშირებით, გუბერნატორებს შეუძლიათ გამოავლინონ მიღწევების ხარვეზები და ინვესტიცია მოახდინონ სკოლებში, რომლებიც ემსახურებიან დაბალი შემოსავლის სტუდენტებს. პროგრამები, როგორიცაა FLT, რომლებიც ასეთ სამიზნე ანალიზზეა დაფუძნებული, MF:3, Michigan.
  • FLT:0 ჯანმრთელობისა და ჯანდაცვის წვდომის ინფორმაცია FLT:1 – მოთხოვნები, საავადმყოფოს განტვირთვის ჩანაწერები და გამოკითხვები, როგორიცაა ქცევითი რისკის ფაქტორის მონიტორინგის სისტემა (BRFSS), ეხმარება გუბერნატორებს სიღარიბის ჯანმრთელობის ზემოქმედების გაგებაში. მაგალითად, დაბალი შემოსავლის მქონე მოსახლეობის მაღალი დიაბეტის მქონე სახელმწიფოები შეიძლება გააფართოვონ წვდომა პრევენციულ ზრუნვისა და კვების პროგრამებზე.
  • FLT:0 საცხოვრებელი და უსახლკარო მონაცემები FFLT:1 – საცხოვრებელი და ურბანული განვითარების დეპარტამენტი (HUD) უზრუნველყოფს მონაცემებს ქირის ტვირთებზე, გამოსახლებებზე და უსახლკაროდ ითვლება. გუბერნატორებს შეუძლიათ გადაამოწმონ ეს შემოსავლის მონაცემებით, რათა გამოყონ საცხოვრებელი ვაუჩერები და და დააფინანსონ საგანგებო თავშესაფრები ყველაზე დაძაბულ საზოგადოებებში.
  • ბევრი გუბერნატორი ადგენს FLT:0 დემოგრაფიული ინფორმაციის FLT:1 – ასაკი, რასა, ეთნიკურობა და შეზღუდული შესაძლებლობების მონაცემები აუცილებელია სამართლიანობის უზრუნველსაყოფად.

სულ უფრო ხშირად, სახელმწიფოები იყენებენ FLT:0 ინტეგრირებულ მონაცემთა სისტემებს AIDS) ILT, რომლებიც სააგენტოებს შორის ჩანაწერებს აერთიანებენ. მაგალითად, ორეგონის F ინტეგრირებული კლიენტის მონაცემთა სისტემა FLTTD3 აკავშირებს თითოეული ოჯახის საჭიროებების ჰოლის ხედვას. ასეთი სისტემები საშუალებას აძლევს მმართველებს შეამცირონ ადმინისტრაციული გავლენა მრავალ პროგრამაზე.

როგორ ნერგავენ გუბერნატორები მონაცემებს ქმედებაში.

მონაცემების შეგროვება მხოლოდ პირველი ნაბიჯია. რეალური გამოწვევა მდგომარეობს იმაში, რომ ხედვების თარგმნა ისეთ პოლიტიკაში, რომელიც რეალურად ცვლის ცხოვრებას. სახელმწიფო მმართველები ცდის რამდენიმე მექანიზმით, რათა დაძლიონ მონაცემთა ანალიზსა და პროგრამის განხორციელებას შორის არსებული ხარვეზი.

მონაცემთა ანალიტიკის ერთეულების შექმნა.

ბევრმა გუბერნატორმა შექმნა სპეციალური მონაცემთა ანალიტიკის ჯგუფები თავიანთ ოფისებში ან მათ კონტროლში. ეს ერთეულები პერსონალირდებიან მონაცემთა მეცნიერებით, სტატისტიკოსებით და პოლიტიკის ანალიტიკოსებით, რომლებიც უშუალოდ მუშაობენ სააგენტოს ლიდერებთან მტკიცებულებაზე დაფუძნებული პროგრამების დიზაინზე. FLTFFFoverdFaltaltddddddaltaldalments of fors of fors of of of of of of of of of of of ofthalding ofthing ofthald 1, გუბერნატორები: tardt Falments, გუბერნატორები, გუბერნატორები, გუბერნატორები, გუბერნატორები, გუბერნატორები, გუბერნატორები, გუბერნატორები, გუბერნატორი, გუბერნატორი, dddardardagdddd dagorddddd, dddddddardsdded

წინასწარი მოდელირების გამოყენებით ადრეული ჩარევისათვის.

პრაქტიკული ანალიტიკა ერთ-ერთი ყველაზე ძლიერი ინსტრუმენტია მონაცემებზე ორიენტირებულ არსენალში. ისტორიული მონაცემების მანქანებში მიწოდებით, სახელმწიფოებს შეუძლიათ პროგნოზირება, რომელი ოჯახები არიან ყველაზე მაღალი რისკის ქვეშ სიღარიბეში ჩავარდნის ან უსახლკარობის გამო. მაგალითად, FLT:0Masusutests 1-ის პილოტიტურის, რომელიც ხელს უწყობს ბავშვების მიერ მოზრდილი ოჯახების მიერ მოზრდილი ოჯახების მიერ მოზრდილი მენეჯმენტის მონაცემების გამოყენებას, რომელიც ამცირებს, ბავშვთა მოვლის, ბავშვთა დახმარების, ბავშვთა დახმარების, ბავშვთა დახმარების და TNTET, და TNFETiededededededededed in, და TNFryed.

მონაცემების დაკავშირება ბიუჯეტის გადაწყვეტილებებთან.

ზოგიერთი გუბერნატორი პირდაპირ ბიუჯეტის პროცესში მონაცემებს ათავსებს. ნაცვლად იმისა, რომ მხოლოდ სიღარიბის პროგრამებისთვის ხაზის ნივთები შესთავაზოს, მათ სჭირდებათ სააგენტოები, რომ წარმოადგინონ ეფექტურობის მტკიცებულება. FLT:0OHoiFLT/1-ში, მმართველის ბიუჯეტისა და მართვის ოფისი იყენებს შედეგების-პირველ მიდგომას, რაც მოითხოვს სახელმწიფო სააგენტოებს, რათა აჩვენონ, რომ მათი პროგრამები ვერ იღებენ უკუქმედებით გამოწვეულ გავლენას, ხოლო დამატებითი რესურსების გამოყენებით, ხოლო შემთხვევითი პროქტორდიდებული პროცესები ვერ იღებენ, რომლებიც შემთხვევით კონტროლირდება.

საჯარო დაფები და საზოგადოების ანგარიშვალდებულება.

ბევრი სახელმწიფო ახლა რეალურ დროში აქვეყნებს ონლაინ დაფებს, რომლებიც სიღარიბის მეტრებს ამუშავებენ. ეს დაფა საშუალებას აძლევს მოქალაქეებს, ჟურნალისტებს და ადვოკატურ ჯგუფებს, რომ მათი გუბერნატორები პასუხისმგებლობა აიღონ. მაგალითად, FLT NvadFAL-ის DFoverd1Deg-ის Degergenerederglegleglegleglegleglegetors -ის ecedinginging gegegede eglec,, ec ek,,, ,,,,,,,,,,,,,,,,,,,,, , terterd ,

შემთხვევების კვლევა: მონაცემთა საფუძველზე მართული სიღარიბის შემცირება ქმედებაში.

კალიფორნია: ბავშვთა სიღარიბის სამიზნე ინტეგრირებული მონაცემებით.

2021 წელს მისმა ადმინისტრაციამ დაიწყო FLT:0 კალიფორნიის ბავშვთა სიღარიბის შემცირების აქტი FLT:1, რომელიც მიზნად ისახავდა ბავშვთა სიღარიბის შემცირებას 2030 წლისთვის 50%-ით A2-ის გავრცელებისთვის, რომელიც პირდაპირ აერთიანებდა მონაცემთა სახელმწიფოს განვითარებისთვის განკუთვნილ -ს, რომელიც აფართოებდა სოციალური მომსახურების დეპარტამენტს (განათლების მონაცემთა სახელმწიფოს (ს დეპარტამენტს), განათლების დეპარტამენტს), ასევე ჯანდაცვის სერვისების დეპარტამენტს.

მიჩიგანი: GIS-ის გამოყენება ხელმისაწვდომი საცხოვრებელი ფონდების განაწილებისთვის

მმართველი გრეჩენ უიტმერის ადმინისტრაციამ გამოიყენა მონაცემები ფედერალური პანდემიის დახმარების ფონდების საცხოვრებლისთვის გადანაწილებისთვის. მიხეილ სახელმწიფოს საცხოვრებელი განვითარების ორგანომ (MSHDA) გაანალიზა გამოფენის ფაილების მონაცემები, ქირაობის ტვირთის განაკვეთები და უსახლკარობა ქვეყნის დონეზე ითვლის, რომ ოთხი ქვეყანა, რომლებიც ამჟამად სახელმწიფო საცხოვრებელი დახმარების 60%-ზე მეტს შეადგენს, ამ მონაცემების გამოყენებისას, რომლის საცხოვრებელი დახმარების მიზნით, ასევე შეადგენს 1 მილიონს.

ტეხასი: პერსონალიზებული მუშახელის ტრენინგი ლაბორატორიის მონაცემებიდან.

მთავრობის მმართველმა გრაგ ბოტსის სამუშაო ძალის ოფისის კომისიამ, ტეხასის სამუშაო ძალის გადაწყვეტილებებმა, ადგილობრივი უმუშევრობის მაჩვენებლების, ინდუსტრიის ზრდის პროგნოზების და ინდივიდუალური უნარების ხარვეზების მონაცემები პერსონალიზებული სამუშაო ადგილების შესაქმნელად. როდესაც ჰუსტონის ტერიტორიამ სერტიფიცირებული მედკერდიანი ასისტენტების (CNAs) საშუალო განაკვეთის 1000-დან საშუალო განაკვეთში, სახელმწიფო, რომელიც შეადგენს დაახლოებით 1000-დან საშუალო ადგილს, სახელმწიფო, რომელმაც დააქცია, დაა, დაათა დაა, დაათა მაქსიმალური საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო შტატების საშუალო განაკვეთში, ნახევარრიცხური რაოდენობა C-დან, რომლის საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო საშუალო განაკვეთში, რომლის განმავლობაში, რომლის განმავლობაში, რომლის განმავლობაში, რომლის განმავლობაში, 6-დან, ნახევარრიცხული სახელმწიფო ღირებულებაც კი, ნახევარრიცხული სახელმწიფო, რომლის განმავლობაში, 6-დან, 6-დან, 6-დან, დაფინანსებულია, 6 200-დან, 6-დან, 6-დან, 6-დან, ექვსი დანად, 6-დან, რომელიც მართავს C, რომელიც მართავს CDed, რომელიც მართავს CDed, ექვსი ტრანს, რომელიც მართავს CDecდიანი სამუშაო ადგილის

გამოწვევების გადალახვა: კონფიდენციალურობა, სიზუსტე და შესაძლებლობა.

მიუხედავად მისი დაპირებისა, მონაცემთა საფუძველზე გამოწვეული სიღარიბის შემცირება დაბრკოლებების გარეშე არ არის. გუბერნატორებმა უნდა ნავიგაციონ კონფიდენციალურობის საკითხების, მონაცემთა ხარისხის საკითხებისა და ინსტიტუციური წინააღმდეგობის საბადო.

მონაცემთა კონფიდენციალურობა და ეთიკური გამოყენება.

მრავალი სააგენტოს მონაცემების ინტეგრაცია სერიოზულ შეშფოთებას იწვევს კონფიდენციალურობისა და პოტენციური ბოროტად გამოყენების შესახებ. სიღარიბის მქონე ოჯახები უკვე დაუცველნი არიან, და მთავრობის მეთვალყურეობის მაყურებელმა შეიძლება შეაჩეროს ისინი დახმარების ძიებისგან. ამის მისამართად, რამდენიმე სახელმწიფომ მიიღო FLT-ის მიერ შემუშავებული FDDelddadericateds ddadelments alments ads adeleds ads ads ds ads alments almentsssss deds alcats alments almentars alcarcatarss,,,,,,,,,,,, ,,,, , ,

მონაცემთა სიზუსტისა და ტაისლის უზრუნველყოფა.

ბევრი სახელმწიფო სააგენტო ეყრდნობა მოძველებულ მონაცემთა შეგროვების მეთოდებს, როგორიცაა ქაღალდის ფორმები ან იზოლირებული მონაცემთა ბაზები, რომლებიც ერთმანეთთან არ ურთიერთობენ. გუბერნატორის მონაცემთა ინიციატივა შეიძლება დასუსტდეს ცუდი მონაცემებით. ამის წინააღმდეგ საბრძოლველად, სახელმწიფოები ინვესტირებენ FLT-ის უფრო თანამედროვე მონაცემთა ინფრასტრუქტურაში, რომელიც ყოველწლიურად ზრდის FLT-ის ან 1-ს, მათ შორის, დაახლოებით F, რომელიც მოიცავს NP3-ის მონაცემთა შენახვის, ღრუბლის შენახვას, და რეალურ მონაცემთა მილსადენებს, და რეალურ დროში დაფუძნებულ მონაცემთა მილსადენებს.

ტექნიკური შესაძლებლობების შექმნა.

ბევრი სახელმწიფო მთავრობა არ ფლობს შიდა მონაცემთა მეცნიერების ექსპერტიზას დახვეწილი ანალიზების ჩასატარებლად. მონაცემთა ნიჭის მოზიდვა და შენარჩუნება მუდმივი გამოწვევაა, განსაკუთრებით მაშინ, როდესაც კერძო სექტორის ხელფასები უფრო მაღალია. გუბერნატორებმა პასუხი გასცეს FLT:1 მონაცემთა სტიპენდიების შექმნა და უნივერსიტეტებთან პარტნიორობა: FDFAmact-F-F-F-F-ის სტუდენტებისთვის განკუთვნილი DDDD-ის წლიური ანგარიშები: - - - DDDDDDDDDDDD-ის კვლევა-ის კვლევა-ის კვლევა

მონაცემთა მომავლის მართული სიღარიბის შემცირების მომავალი.

მონაცემთა მართვის ლანდშაფტი სწრაფად ვითარდება. რამდენიმე ტენდენცია სავარაუდოდ განსაზღვრავს, როგორ ებრძვიან გუბერნატორები სიღარიბეს მომავალ ათწლეულში.

ხელოვნური ინტელექტი და მანქანის სწავლება.

AI და მანქანების სწავლება საშუალებას მისცემს სახელმწიფოებს გადავიდნენ აღწერითი ანალიტიკიდან (რაც უნდა გავაკეთოთ). მაგალითად, მანქანის სწავლების მოდელი შეიძლება გაანალიზოს ათასობით ცვლადი, რათა რეკომენდაცია გაუწიოს თითოეული ოჯახის სამუშაო ადგილის მართვის ოპტიმალურ კომბინაციას, ბავშვთა მოვლა, საკვები დახმარება ან ნაღდი ფულის რაოდენობა, რომელიც დაფუძნებულია პროგნოზირებად შედეგებზე:

რეალური დროის მონაცემები და უწყვეტი ფედეკობრის ლუპები.

მომავალი პროგრამები რეალურ დროში მონაცემების სწრაფად რეგულირებისთვის გამოიყენებენ. ნივთების (OT) მოწყობილობების, მობილური ტელეფონის მონაცემების და ელექტრონული სარგებლის გადაცემის (EBT) ტრანზაქციების ჩანაწერები შეიძლება ეკონომიკური ტანჯვის უახლესი მაჩვენებლებით იყოს უზრუნველყოფილი. გუბერნატორი შეიძლება დაინახოს საკვების შტამპის გამოყენების ზრდა კონკრეტულ ქვეყანაში და დაუყოვნებლივ გამოიყენოს მობილური საკვების მოდელები ან შეცვალოს SNAP-ის სარგებლის დონეები.

სახელმწიფოთაშორისი თანამშრომლობა და მონაცემთა გაზიარება.

სახელმწიფოებრივი მიგრაციის, რეგიონალური შრომის ბაზრების და მიწოდების ჯაჭვის დარღვევები ყველა გავლენას ახდენს სიღარიბეზე. გუბერნატორები იწყებენ მონაცემების გაზიარებას საზღვრებს შორის ისეთი შეთანხმებების მეშვეობით, როგორიცაა FLT:0 ეროვნული გუბერნატორთა სახელმწიფო ინოვაციის ქსელი FLT:1. ეს მათ საშუალებას აძლევს, რომ განსაზღვრონ სიღარიბის შემცირების ძალისხმევა თანატოლი სახელმწიფოების წინააღმდეგ და მიიღონ საუკეთესო პრაქტიკები, რომლებიც სხვაგან დამტკიცებულია.

დასკვნა.

სახელმწიფო მმართველების მიერ მონაცემების სტრატეგიული გამოყენება სიღარიბის შემცირების მცდელობებს მეცნიერებაში გარდაქმნის. ძირითადი მიზეზების, მოწყვლადი მოსახლეობის მიზნობრივი და რეალურ დროში შედეგების გაზომვით, გუბერნატორებს შეუძლიათ შექმნან ჩარევები, რომლებიც უფრო ეფექტური და უფრო ეფექტურია. მიუხედავად იმისა, რომ კონფიდენციალურობის, სიზუსტისა და შესაძლებლობების გამოწვევები კვლავ რჩება, მიმართულებად არის: