Table of Contents
მონაცემთა მზარდი გავლენა კონგრესული ზედამხედველობის ფარგლებში.
კონგრესის მოსმენები დიდი ხანია საკანონმდებლო ზედამხედველობის საჯარო სახედ იქცა, უზრუნველყოფს ფორუმს, სადაც კანონმდებლები განიხილავენ პოლიტიკას და აგონებენ ინსტიტუტებს პასუხისმგებლობას. ტრადიციულად, ეს მოსმენები დიდად ეყრდნობოდა მომზადებულ ჩვენებას, პირად ანეკდოტებს და სეზონურ კანონმდებლებს. თუმცა, ციფრული მონაცემების აფეთქებამ და პროგრესული ტრანსფორმაციული ინფორმაციის გაშლამ შეცვალა ზუსტი ინფორმაციის გადაცემა, რაც შეიძლება შეცვალოს ეფექტური ჩარევის საკითხები, დღეს, მხოლოდ მოსმენის პროცესის დამატებითი საფუძველი არ არის;
ეს ცვლილება შემთხვევითი არ არის. ფედერალური მთავრობა აწარმოებს და აგროვებს უზარმაზარ რაოდენობას მონაცემების ეკონომიკური მაჩვენებლებიდან გარემოს მონიტორინგსა და ჯანმრთელობის სტატისტიკამდე, ხოლო კონგრესის კომიტეტებს ახლა აქვთ უნარი, რომ უპრეცედენტო სისწრაფით მიიღონ, შეამოწმონ და დააკვირდნენ ამ ინფორმაციას. როდესაც ანალიტიკური ინსტრუმენტებთან ერთად, რომლებიც ქმნიან მიზნობრივი შედეგების დამუშავებას, რაც უფრო მეტ ეფექტურ საჯარო გამოკვლევას ქმნის, ეს მონაცემები უბრალოდ წარმოუდგენელი ხდება.
მონაცემთა განვითარების როლი კონგრესული ზედამხედველობის ფარგლებში.
როგორც ჩანს, ეს არის მიზეზი, რის გამოც ჩვენ უნდა მივიღოთ გადაწყვეტილებები და მივიღოთ გადაწყვეტილებები, რომლებიც მიმართულია ადამიანის უფლებების დაცვისკენ, და არა მხოლოდ მათი დაცვისკენ, არამედ ასევე, როგორც საზოგადოების წინაშე, და არა მხოლოდ მათი დაცვისკენ, არამედ მათი განხორციელებისკენ.
ეს ევოლუცია შეცვალა კითხვების ბუნება. ღია, ზოგადი კითხვების დასმის ნაცვლად, როგორიცაა "რატომ ვერ მოახერხა ამ პროგრამამ?", კანონშემსრულებლებს ახლა შეუძლიათ დასვან ზუსტი, მონაცემთა ინფორმირებული კითხვები, როგორიცაა "როგორ უნდა შეადაროს ეროვნული საშუალოს 14%-იანი ხარჯი და რა კორექტიული ქმედებები განხორციელდა, შედეგად მიღებული შედეგები, ისტორიული შესრულების პროცესი, რომელიც საშუალებას აძლევს კომიტეტებს მეტი დროის ტენდენციების, მეტი მიმართულების, მეტი მიმართულების, მეტი მიმართულების, მეტი მიმართულების, მეტი, მონიტორინგის დას, მონიტორინგის დას, მონიტორინგის დას.
მონაცემების განხილვა შესაძლებელია ასევე დაგეგმვისთვის. კომიტეტები სულ უფრო ხშირად აჭიანურებენ კვლევის ანგარიშებს და მონაცემთა ანალიზს მოსმენის დაწყებამდე, ამ წინასწარი ანალიტიკოსები იდენტიფიცირებენ საკვანძო პრობლემურ სფეროებს, გამოყოფენ გამოძიებით და სთავაზობენ გამოძიების ხაზებს. პერსონალი იყენებს დაფებს პოლიტიკის შეტანებსა და შედეგებს შორის ურთიერთობების რუკების შესაქმნელად, რაც უზრუნველყოფს, რომ მოსმენის დღის წესრიგი დაფუძნებულია ემპირულ რეალობაში და არა პოლიტიკურ მოხერხებულობაზე. ამ გზით, რაც გარდაქმნის მტკიცებულებებს, რაც იწვევს რეაქციული გამოკვლევების საფუძველზე.
გამოყენებული მონაცემების ტიპები და ანალიტიკური ინსტრუმენტები.
თანამედროვე კონგრესული მოსმენებში გამოყენებული მონაცემების მასშტაბი საოცრად ფართოა. ის მოიცავს ფინანსურ ჩანაწერებს, ოპერატიულ სტატისტიკას, საზოგადოებრივი აზრის გამოკითხვებს, გარემოს გაზომვებს და რეალურ დროში მონიტორინგის საკვებს. ქვემოთ არიან ზოგიერთი ყველაზე ხშირად გამოყენებული კატეგორია, ასევე მაგალითები, თუ როგორ აცნობებენ ისინი მოსმენის მომზადებას და შესრულებას.
ფინანსური და ბიუჯეტური მონაცემები.
ყველა მოსმენა, რომელიც ეხება ფედერალურ ხარჯებს, დამოკიდებულია დეტალურ ბიუჯეტის შესრულების მონაცემებზე. კომიტეტები აანალიზებენ ასიგნებებს ხარჯებთან, ბილეთებთან და ადარებენ სააგენტოს ხარჯვის ნიმუშებს მრავალი ფისკალური წლის განმავლობაში. მაგალითად, თავდაცვის შესყიდვების მოსმენების დროს, თანამშრომლები შეიძლება შეისწავლონ ხაზის პუნქტიანი ხარჯები თავდაცვის დეპარტამენტის ბიუჯეტის ბიუჯეტის ბიუჯეტის მიხედვით, რაც უზრუნველყოფს მათ გეოგრაფიული ბიუჯეტის ხარჯების შეფასებას GO-ს, ხოლო მათი შესრულების მეტრების მართვის მეტრების მიხედვით.
შესრულება და პროგრამის მონაცემები.
სააგენტოები, როგორიცაა GO და კონგრესული კვლევითი სამსახური (CRS) ყოველწლიურად აწარმოებენ ასობით ანგარიშს, რომლებიც აფასებენ ფედერალური პროგრამების ეფექტურობას. ეს ანგარიშები შეიცავს რაოდენობრივ მაჩვენებლებს, როგორიცაა შეცდომების მაჩვენებლები, დროული ზომები და შედეგების მეტრიკა. განათლების პოლიტიკის მოსმენაზე, მაგალითად, კომიტეტის წევრებს შეუძლიათ დაასახელონ ეროვნული შეფასება განათლების პროგრესის (NAEP) შესახებ, გარდა GO-ის დასკვნებისა, რომლებიც განსაზღვრავენ I-ის შედეგებს, რომ პროგრამის რეფორმის პოლიტიკები საჭიროებს სამუშაო კანონმდებლობას.
რეალურ დროში და მონიტორინგის მონაცემებში.
კატასტროფების რეაგირების ზედამხედველობისთვის, კომიტეტებმა შეიძლება გამოიყენონ FEMA-ს სიტუაციის ცნობიერების დაფა, რომელიც აჩვენებს რესურსების განლაგებას, ზარალის შეფასებებს და ამინდის მონაცემებს თითქმის რეალურ დროში. ჯანმრთელობის კრიზისებისთვის, CDC-ის COID-19 მონაცემთა ტრეკერი სენატორებს უზრუნველყოფდა შემთხვევების რაოდენობა, საავადმყოფოების მაჩვენებლები და ვაქცინაციის დაფარვა მიმდინარე მოსმენებზე, ვიდრე მოძველებული ანგარიშების დროს.
საზოგადოებრივი აზრი და სოციალური მონაცემები.
როგორც ჩანს, ეს მონაცემები, რომლებიც შეიძლება იყოს გამოყენებული, აჩვენებს, რომ ზოგიერთი კომიტეტი ცდილობს, რომ საჯარო სექტორის მიერ წარმოდგენილი გადაწყვეტილებების საფუძველზე, რაც შეიძლება იყოს საერთო, უფრო მეტად, ვიდრე უბრალოდ, იყოს გამოყენებული.
ანალიტიკური ინსტრუმენტები და ვიზუალიზაცია.
მონაცემები მხოლოდ იმდენად სასარგებლოა, რამდენადაც ის ინსტრუმენტები, რომლებიც მას განმარტავენ, პროგრამების ფართო სპექტრით, სტანდარტული ფურცლის ანალიზიდან სპეციალიზებულ პლატფორმებამდე, როგორიცაა ტაბლო, ენერგეტიკა ინტერაქტიული რუკები და "კაშტოები" გახდა ძირითადი ინსტრუმენტი, რომელიც საშუალებას აძლევს კანონმდებლებს სწრაფად გაიგონ რთული მონაცემთა დეტალების ანალიზის დეტალებით, რაც შეიძლება იყოს წარმოდგენილი.
ხელშესახები სარგებელი: როგორ აუმჯობესებს ანალიტიკა სმენის შედეგებს.
მონაცემებისა და ანალიტიკის ინტეგრაცია მოსმენებში ოთხი ძირითადი სარგებელი მოაქვს: გაუმჯობესებული სიზუსტე, გაუმჯობესებული ეფექტურობა, მეტი გამჭვირვალობა და უფრო ინფორმირებული გადაწყვეტილებების მიღება. თითოეული მათგანი ხელს უწყობს უფრო ეფექტურ ზედამხედველობის ფუნქციას.
გაუმჯობესებული სიზუსტე.
მონაცემები ამცირებს ანეკდოტური მტკიცებულებებისა და დაუმოწმებელი მტკიცებების დამოკიდებულებას. მაგალითად, 53-ე მოსმენაზე კიბერუსაფრთხოების მოწყვლადობებზე, კომიტეტის თანამშრომლებმა გამოიყენეს დიდი მონაცემები ფედერალური სააგენტოდან კონკრეტული ხარვეზების გამოსავლენად ქსელის დაცვისას, ვიდრე სააგენტოს ოფიციალური პირების ზოგადი გარანტიების საფუძველზე, მონაცემები აჩვენა, რომ კრიტიკული პაქტები შეიძლება დაყოვნდეს მრავალი შემთხვევითი შეფასება, რაც იწვევს მრავალი შემთხვევითი აღმდგენით, რაც იწვევს დეტალურ შეფასებას, რაც იწვევს ხარჯების შეფასებას.
გაუმჯობესებული ეფექტურობა.
დრო ძვირფასი საქონელია კონგრესულ მოსმენაზე, სადაც თითოეულ წევრს შეიძლება ჰქონდეს მხოლოდ ხუთი წუთი მოწმეების დასაკითხად. წინასწარი მოსმენის ანალიზი საშუალებას აძლევს პერსონალს წინასწარ გამოავლინოს ყველაზე მნიშვნელოვანი საკითხები, რათა კითხვები იყოს ფოკუსირებული და თავიდან აიცილოს ზედმეტი ან არარელევანტური გამოძიების ხაზები. მაგალითად, კომიტეტი, რომელიც განიხილავს ადმინისტის მიერ გამოყენებულ ოვერდირებულ სიკვდილის მონაცემებს, რათა მიუთითოს ყველაზე მაღალი დროის დადგენის დროის დროის საკითხები, იმ ქვეყნების მიმართ, რომლებიც მიზნად ისახავენ ზემოქმედების წერტილებს, ვიდრე ეროვნული ტენდენციების მიმართ, ვიდრე ზოგადი კითხვები, შესაძლოა, ეროვნული ტენდენციების შესახებ.
მეტი გამჭვირვალობა.
მონაცემთა ვიზუალურობა და საჯარო მონაცემთა პროტოტალები ზრდის სმენის პროცესის გამჭვირვალობას. კომიტეტები ხშირად აქვეყნებენ მონაცემთა მხარდაჭერილ ანგარიშებს და ინტერაქტიულ გრაფებს მოსმენის შეტყობინებებთან ერთად. ვებსაიტები, როგორიცაა კონგრესი.გოვე და კომიტეტის საიტები, საზოგადოებას საშუალებას აძლევენ იხილონ მონაცემთა წარდგენა და მოწმება მონაცემთა გადაჭარბებით მაგალითად, ეს ქარტია ზრდის ინფლაციას, რომელიც ზრდის საზოგადოებრივი სამართლის გამჩენის კითხვასთან ერთად, რომელიც შეიძლება იყოს ლოგიკაში იყოს.
ინფორმირებული გადაწყვეტილების მიღება.
მონაცემთა ანალიზი, რომელიც განიხილავს ახალ გარემოსდაცვით რეგულაციას, შეიძლება შეცვალოს სხვადასხვა ემისიის ლიმიტების ეკონომიკური გავლენა EPA მონაცემებით, შემდეგ გამოიყენოს ეს პროგნოზები მიზნობრივი კანონმდებლობის დასამუშავებლად. ანალოგიურად, საგადასახადო პოლიტიკის მოსმენები ხშირად ეყრდნობა CBO-ს შემოსავლის შედეგების სიმულაციებს სხვადასხვა სცენარებში. მონაცემთა საფუძველზე მიღებული დასკვნები, რომლებიც უფრო მეტად იცავს მათ სამართლებრივ და პოლიტიკურ გამოწვევას.
რეალური-მსოფლიო საქმეების კვლევა.
იმისათვის, რომ გამოხატოთ მონაცემების პრაქტიკული ძალა მოსმენებში, გაითვალისწინეთ სამი ბოლო მაგალითი, რომლებიც მოიცავს სხვადასხვა პოლიტიკის დარგებს.
CODD-19 ზედამხედველობა: მონაცემები ანგარიშვალდებულების ცენტრში.
პანდემიაზე, სახლის არჩეული ქვეკომიტეტი კორონავირუსის კრიზისის შესახებ იყენებდა მონაცემებს CDC-დან, ჯანმრთელობისა და ადამიანის სერვისების დეპარტამენტიდან, და სახელმწიფო ჯანდაცვის დეპარტამენტებიდან, რათა გაერკვიათ ფონდების განაწილება, ტესტირების მიწოდებები და ვაქცინები. მონაცემთა კომიტეტმა გამოავლინა 15%-იანი განაწილების უფრო დაბალი შეფასება საჭიროების შედარებით. ერთ მოსმენაზე, სადაც მონაცემთა განაწილების განაწილების რაოდენობამ მხოლოდ 30%-იანი წილი აჩვენა.
ტექნოლოგია CEO მოსმენები: ბაზრის მონაცემების გამოყენება ჩარჩო კითხვებზე.
როდესაც მთავარი ტექნოლოგიური კომპანიების გენერალური დირექტორები, რომლებიც სახლის სასამართლო ქვეკომიტეტის წინაშე ანტიმონოპოლიური საკითხების შესახებ იყვნენ შემოწმდნენ, მონაცემები გამოიყენებოდა ბაზრის დომინირების დემონსტრირებისთვის. ბაზრის წილის მონაცემები დამოუკიდებელი კვლევითი ფირმებიდან, როგორიცაა eMerter და Stista, ასევე მათ წარმოადგინეს ქარტია, რომელიც აჩვენებდა, რომ ერთი პლატფორმა აკონტროლებს ამერიკული ონლაინ რეკლამის 90%-ზე 90%-ზე მეტს გარკვეულ კატეგორიაში. ეს მონაცემები პირდაპირ აქვეყნებდა კითხვებს მონოპოლურ აქციის აქტზე და მტაცებლური აქტების აქტზე, როგორც C-ზე დაფუძნებული მიდგომის შესახებ.
ფინანსური ზედამხედველობა: ანომალიების გამოვლენა საბანკო სესხების სფეროში.
სენატის საბანკო კომიტეტმა გამოიყენა მონაცემები ფედერალური ფინანსური ინსტიტუტების შემოწმების საბჭოდან (FIEC) იპოთეკური სესხების ნიმუშების ანალიზისთვის. რასობრივი და ეთნიკური კატეგორიების სესხების დამტკიცების მაჩვენებლების შედარებით, კომიტეტმა გარკვეულ ბანკებში სტატისტიკურად მნიშვნელოვანი განსხვავებები გამოავლინა. მოსმენის დროს, კომიტეტის წევრმა წარმოადგინა სითბოს რუკა, რომელიც აჩვენებდა დიდ მეტროპოლიტურ ზონებში რედატურ მოდელებს, წლების სესხების გაცემისას, რაც მოითხოვდა სამართლიან რეფორმებს, რაც საბოლოოდ გამოიწვია მომხმარებელთა ფინანსური დაცვის ბიუროს გამოძიების გახსნა.
გამოწვევების გადალახვა: კონფიდენციალურობა, ლიტერატურა და ბიასი.
მიუხედავად მისი უპირატესობებისა, კონგრესული მოსმენებში მონაცემების გამოყენება დაბრკოლებების გარეშე არ არის. ამ გამოწვევების მოგვარება აუცილებელია ანალიტიკის სრული პოტენციალის რეალიზაციისთვის.
მონაცემთა კონფიდენციალურობა და უსაფრთხოება.
ბევრი მონაცემი, რომელიც გამოიყენება მოსმენებში, მგრძნობიარეა, მათ შორის ეროვნული უსაფრთხოების ინფორმაცია, პირადი იდენტიფიცირებადი ინფორმაცია (PII) და საკუთრებითი ბიზნეს მონაცემები. კომიტეტებმა უნდა ნავიგაციონ სამართლებრივი შეზღუდვები, როგორიცაა კონფიდენციალურობის აქტი და ინფორმაციის თავისუფლების აქტი (FOIA) მონაცემების მოპოვებისა და გაზიარებისას. თუმცა, მონაცემთა დარღვევების წინააღმდეგ ბრძოლისას საჭიროებს ანალიმინირებული ანგრირებული მონაცემთა დარღვევების შემთხვევაში, ხშირად ხელს უწყობენ მონაცემთა გადაცემის პროცედურებს, რაც ხელს უწყობს მონაცემთა დარღვევებს, რაც ხელს უწყობს ან აჭრებს მონაცემთა დარღვევებს, რაც მოიცავს ან აჭრების და მონაცემთა დარღვევებს, რომლებიც აჭრების, მაგალითად, ხოლო ინდივიდუალური პირების დაცვას.
მონაცემთა სიზუსტე და მთლიანობა.
მონაცემების ხარვეზი, არასრული ან განზრახ მანიპულირება შეიძლება. არასწორი მონაცემების დაყრდნობა ხელს უშლის სმენის სანდოობას და შეიძლება გამოიწვიოს არასწორი პოლიტიკა. კომიტეტები ამას ამცირებენ მრავალი დამოუკიდებელი წყაროს, ჯვარედინი მითითების მონაცემების გამოყენებით და ითხოვენ ორიგინალური დოკუმენტაციას.
მონაცემთა განათლება კანონმდებლებსა და პერსონალს შორის.
ყველა კონგრესის წევრი ან მათი პერსონალი სტატისტიკაში ან მონაცემთა ანალიზში გაწვრთნილია. მონაცემების არასწორი ინტერპრეტაცია შეიძლება გამოიწვიოს მცდარი დასკვნები ან ზედმეტად მარტივი ნარატივი. ამის საპასუხოდ, კონგრესის კვლევითი სამსახური სთავაზობს მომხმარებლური ბრიფინგებს და სემინარებს მონაცემთა წიგნიერებაზე. ასევე, კომიტეტები დაეყრდნობიან ექსპერტულ მოწმეებს - სტატისტიკების, ეკონომისტების, რომლებიც სავარაუდოდ მდიდრული მონაცემების გაჯერებენ მონაცემთა გაჯერებულ მონაცემთა ბაზას, რათა ახსნანებენ რთულ მონაცემთა ბაზას და სხვა რთულ მონაცემთა ბაზათა გარღვევებს, მონაცემთა ბაზათა შორის.
რაოდენობრივი მონაცემების ზედმეტი დამოკიდებულების თავიდან აცილება.
ადამიანური ისტორიები, ხარისხობრივი კონტექსტი და ადგილზე გამოცდილება ასევე მნიშვნელოვანია ზედამხედველობისთვის. ზედმეტი დამოკიდებულება რიცხვებზე შეიძლება გამოიწვიოს ისეთი ფაქტორების უგულებელყოფა, რომლებიც ადვილად არ არის რაოდენობრივად განსაზღვრული, როგორიცაა მორალი ფედერალურ სააგენტოში ან სარგებლის მიმღების ცოცხალი გამოცდილება. ეფექტური სმენები და ნარატივული ჩვენებები. მაგალითად, ვეტერანების ჯანმრთელობის დაცვის მოსმენამ შეიძლება მეტი მონაცემები სრული დროით დაელოს ელოს დონ.
მომავალი პერსპექტივები: AI, მანქანათმშენებლობა და პროგნოზების ანალიტიკა
შემდეგი საზღვარი მონაცემთა მოსმენისთვის მოიცავს ხელოვნურ ინტელექტსა და მანქანის სწავლებას. ეს ტექნოლოგიები ჰპირდებიან მონაცემთა ანალიზის მრავალი შრომატევადი ასპექტის ავტომატიზაციას და იმ შეხედულებების მიწოდებას, რომლებიც ამჟამად ადამიანის შესაძლებლობების მიღმაა.
ავტომატიზირებული დოკუმენტის მიმოხილვა და თემათა მოპოვება.
დიდი მასშტაბის გამოძიებების დროს, კომიტეტებს შეუძლიათ მიიღონ მილიონობით გვერდი დოკუმენტები. AI-ის მიერ მართული ბუნებრივი დამუშავების ინსტრუმენტები შეიძლება დააბანდოს ეს დოკუმენტები, რათა გამოავლინონ ძირითადი თემები, ურთიერთობები და მოდელები. მაგალითად, შიდა ვაჭრობის მოსმენაზე, მანქანის სწავლება შეიძლება გამოყენებულ იქნას საეჭვო კომუნიკაციების ანალიზისთვის, რომლებიც შეესაბამება ბაზრის მოძრაობებს. ეს მკვეთრად ამცირებს დროის ხარჯვას დოკუმენტების განხილვაზე და აძლევს მათ საშუალებას, რომ კონცენტრირდნენ ყველაზე აქტუალურ მტკიცებულ მტკიცებულებებზე.
პოლიტიკის გავლენის წინასწარ მოდელირება.
მანქანური სწავლების მოდელები შეიძლება სიმულაცია მოახდინონ შემოთავაზებული კანონმდებლობის შედეგებზე, სანამ ის ამოქმედდება. კომიტეტებმა შეიძლება გამოიყენონ პროგნოზირებადი ანალიტიკა იმის შესაფასებლად, თუ როგორ იმოქმედებს სამედიცინო ანაზღაურების განაკვეთების ცვლილება საავადმყოფოების დახურვაზე სოფლის რეგიონებში, ან როგორ იმოქმედებს ნახშირბადის გადასახადი ენერგიის ფასებზე. მიუხედავად იმისა, რომ ეს მოდელები არ არის სრულყოფილი, ისინი უზრუნველყოფენ სცენარების მნიშვნელოვან სპექტრს, რომლებიც შეიძლება ინფორმირება და დაეხმარონ უფრო ჭკვიანი პოლიტიკის შემუშავებაში.
სენტიმენტალური ანალიზი და საზოგადოებრივი ჩართულობა.
AI ინსტრუმენტები ასევე შეიძლება გაანალიზონ საჯარო კომენტარები, სოციალური მედია პოსტები და ახალი ამბების სტატიები, რომლებიც საკითხის გარშემო განცდებს განსაზღვრავენ. ეს შეიძლება დაეხმაროს კომიტეტებს გაიგონ, რომელი პოლიტიკის ასპექტები ყველაზე საკამათო ან პოპულარულია. თუმცა, ეთიკური მოსაზრებები როგორიცაა მანიპულაცია ბოთების ან მიკერძოებული ნიმუშების უნდა იყოს ფრთხილად მართული.
ეთიკური და მმართველობის გამოწვევები.
როგორც კომიტეტები იღებენ AI-ს, მათ უნდა გაუმკლავდნენ მიკერძოების, ანგარიშვალდებულებისა და მონაცემთა მფლობელობის საკითხებს. ალგორითმი, რომელიც შემთხვევით დისკრიმინაციას უწევს გარკვეულ ჯგუფებს, შეიძლება გამოიწვიოს არასწორი ზედამხედველობა. კომიტეტებმა უნდა შეიმუშაონ მკაფიო სახელმძღვანელო მითითებები, როდის და როგორ გამოიყენონ AI, და უზრუნველყონ, რომ გადაწყვეტილებები დარჩეს ადამიანის ხელში.
დასკვნა: მონაცემთა-დამზადებული ზედამხედველობის ინფრასტრუქტურის მშენებლობა.
მონაცემთა და ანალიტიკის გამოყენებამ უკვე გააძლიერა კონგრესიული მოსმენების ეფექტურობა და ტენდენცია მხოლოდ დააჩქარებს. ამ პოტენციალის სრულად გამოყენებისთვის, კონგრესმა უნდა ჩადოს ინვესტიცია მონაცემთა ინფრასტრუქტურაში, პერსონალის მომზადებაში და ეთიკურ სახელმძღვანელოებში. კომიტეტებმა უნდა გააგრძელონ თანამშრომლობა ანალიტიკური მხარდაჭერის სააგენტოებთან, როგორიცაა GO და CRS, ასევე შეისწავლონ აკადემიური ინსტიტუტები და დამოუკიდებელი კვლევითი ორგანიზაციები. საბოლოო მიზანია არა მხოლოდ უფრო პასუხისმგებლობის პროცესის უზრუნველყოფა, არამედ უფრო მეტი ფაქტობრივი და უფრო მეტად, რაც უზრუნველყოფს მის პასუხისმგებლობის საჭიროებებს.
მონაცემთა მართვის შემდგომი წაკითხვისთვის, იხილეთ FLT:0-ის მოწინავე ანალიტიკური გვერდი FLT:1 და FLT:2 CBO-ს ბიუჯეტის მონაცემთა ინსტრუმენტები FLT:3.