주지사 사용 데이터 구동 접근법은 Combat Poverty에

미국 전역의 주정부기구는 점점 더 커지고 있는 데이터 중심의 접근 방식에 따라 커다란 영향을 미쳤습니다. 이 리더들은 광범위한, 1사이즈-fits-all 프로그램에 의존하는 것보다 더 많은 정보를 통해 수술 정밀도를 가진 대상 리소스에 대한 알갱이 데이터를 사용하고 있습니다. 소득, 고용, 교육, 건강 및 주거에 대한 정보를 활용함으로써, 주정부는 가장 취약한 인구와 상호간을 식별할 수 있습니다. 이 변화는 대중적인 영향을 미칠 수 있는 가장 중요한 지표입니다. 이 변화는 정부의 정책과 비교할 수 있는 가장 중요한 지표인 정부의 정책에 대한 자세한 내용이 아닙니다.

금융 지분은 높은. 미국은 공동으로 현금 지원 및 음식 스탬프에서 일 훈련 및 저렴한 주택에 이르기까지 매년 수십억 달러를 지출합니다. 그러나 강력한 데이터가없는 예, 그 돈은 잘못 될 수 있습니다. 데이터 중심 지분은 실제 시간에 과정을 측정하고 모든 납세자가 최대 효과에 사용되도록합니다. 결과적으로, 두 당사자의 지배자는 데이터 분석 단위에 투자하고, 공공 기관의 공공 기관과 정부의 공공 기관을 통해 공공 기관을 찾는 방법을 모색하는 것입니다. 이 기사는 공공 기관과 공공 기관을 통해 공공 기관의 공공 기관을 통해 공공 기관을 통해 공공 기관의 정치 기관을 어떻게 활용하는지에 대한 정보를 제공합니다.

Poverty를 이해하는 데이터의 역할

데이터는 비활성화에 민감하는 이동 빈곤 감소 노력에 중요한 역할을합니다. 가족이 위기로 떨어지는 동안 대기 중에는, 통치자는 필요성을 주장하고 서비스를 일찍 전달할 수 있습니다. 예를 들어, 학교 출석 기록 및 건강 주장 자료 분석에 따르면, 국가는 가족 경험 재정 붕괴 전에 빈곤으로 떨어지는 위험에 어린이를 식별 할 수 있습니다. 이러한 종류의 초기 개입은 다른 기관의 데이터가 통합되고 분석 될 때만 가능합니다.

뿌리 원인을 식별

Poverty는 단 하나 요인의 결과로 희소합니다. 그것은 일반적으로 저 임금의 복잡한 웹, 적당한 육아, 빈약한 건강, 차별 및 지리적 고립의 부족입니다. 자료는 지배인이 이 요인을 분리하고 그들의 국가에서 가장 누르는 것을 이해하는 것을 돕습니다. 예를 들면, 농촌 국가의 지배인은 수송의 부족이 고용하는 것을 찾아낼지도 모르다 것을 찾아낼지도 모르다, 도시 국가에 있는 지배인은 주거에 직면할지도 모르다 그러나, 이 정책은 이 정책에 남아 있을 것입니다.

목표 취약 인구

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

Geographic 핫스팟을 덮기

Geographic 정보 시스템 (GIS)는 지배인에 필수적인 도구가되었습니다. 학교, 병원, 식료품점 및 공공 교통 수단에 대한 데이터와 함께 지도에 대한 poverty 비율을 그리기 위해 정책 제작자는 집중적이고 자원이 누락되는지 정확히 볼 수 있습니다. 일부 주, ]California]와 같은, 공공 교통 대시보드를 생성하여 인구 통계 수준에 대한 정보를 보여줍니다. 이러한 지역 사회의 주요 도구와 함께 이러한 지역 사회의 발전에 기여할 수 있습니다.

핵심 자료 및 미터

국가 지배자는 광범위한 데이터 소스에 의존하여 빈곤 감소 전략을 알 수 있습니다. 이러한 중 일부는 전통적인 정부 조사이며 다른 사람들이 관리 기록 또는 민간 부문 파트너십에서 왔습니다. 아래는 데이터의 가장 일반적으로 사용되는 유형이며, 정책에 대한 정보를 알려줍니다.

소득 및 고용 통계 – 미국 Census Bureau’s American Community Survey (ACS)는 소득, 빈곤 상태 및 고용에 대한 연간 데이터를 제공합니다. 주지사는 Medicaid 및 SNAP과 같은 프로그램에 대한 자격 결정하기 위해 이러한 수치를 사용하고 국가의 경제가 합리적으로 성장한다는 것을 평가합니다.
교육 성과 데이터 – 교육의 주 부서는 시험 점수, 졸업율 및 학교 분야의 데이터를 수집합니다. 이 데이터를 활용하여 소득 데이터에 대한 링크로, 주관자는 성과 간격을 식별하고 저소득 학생을 봉사하는 학교에 투자 할 수 있습니다. 프로그램은 장학금 미시간에 따라 대상이됩니다.
Health and Healthcare Access Information – Claims data, 병원 방전 레코드 및 Behavioral Risk Factor Monitoring System (BRFSS)와 같은 설문 조사는 포로의 건강 영향을 이해합니다. 예를 들어, 저소득 인구 중 높은 비율을 가진 국가는 예방 및 영양 프로그램에 액세스 할 수 있습니다.
Housing Affordability and Homelessness Data – 주택 및 도시 개발부(HUD)는 임대 부담, 퇴치, 주택비수 계산에 대한 데이터를 제공합니다. 이 주지는 가장 스트레인 커뮤니티에서 주택 배지 및 기금 비상 대피소를 할당하기 위해 소득 데이터와 교차 참조할 수 있습니다.
Demographic Information[ – Age, race, 민족성, 장애 데이터는 평등한 지위를 보장하기 위해 필수적입니다. 많은 거버넌스들이 equity 대쉬보드]를 설치하여 빈곤 감소 노력이 모든 인구에 도달하는지 추적합니다.

이 시스템은 모든 종류의 데이터 시스템(IDS)]를 사용하여, 주는 기관에 대한 레코드를 연결하는 것입니다. 예를 들어, Oregon의 Integrated Client Data System]는 인간 서비스, 교육 및 인력 기관의 데이터를 연결하여 각 가족의 요구에 대한 전체적인 전망을 제공합니다. 이러한 시스템은 거버넌스를 사용하여 여러 프로그램 및 관리에 대한 통합적인 영향을 평가할 수 있습니다.

Data를 Action으로 번역하는 방법

수집 데이터는 첫 단계만 이다. 실제 도전은 실제로 삶을 변화 하는 정책에 통찰력을 번역에 속한다. 주정부기구는 데이터 분석과 프로그램 구현 사이의 간격을 브리핑하는 여러 메커니즘을 실험한다.

Data Analytics Units 구축

많은 주관자들은 사무실 내에서 전용 데이터 분석 팀을 만들거나 통제하에. 이 단위는 데이터 과학자, 통계학자 및 정책 분석가에 의해 직원을 맡고 있으며, 기관 지도자들과 직접 협력하여 증거 기반 프로그램을 설계합니다. Washington], 주지사 Jay Inslee에서 Results Washington 이니셔티브를 시작으로, 데이터 분석가에 대한 데이터 분석가]]]의 데이터 분석가를 통해 데이터 분석가를 생성하고 있습니다.]

초기 발명에 대한 예측 모델링

데이터 수집 예산 결정

일부 주관자는 예산 프로세스에 직접 데이터를 삽입하고 있습니다. 빈곤 프로그램의 선 항목보다 오히려, 그들은 효율성을 증명하기 위해 기관을 요구합니다. Ohio에서, 예산 및 관리의 주관자는 "결과 - 첫째" 접근 방식을 사용하여, 해당 프로그램의 엄격한 방법을 사용하여 평가 된 것으로 표시하는 것을 보여주기 위해 주 기관을 필요로하는 것은 무작위 통제 시험과 같은 엄격한 방법을 사용하여 평가되었습니다. 프로그램에서는 추가적인 평가를 받을 수 없습니다.

공공 대시보드 및 커뮤니티 책임

Transparency는 데이터 중심 지배의 핵심 부분입니다. 많은 국가들은 현재 실시간 빈 메트릭을 추적하는 온라인 대시보드를 게시합니다. 이 대시보드는 시민, 기자, 그리고 대시 그룹을 허용하여 주관자가 회계를 잡아줍니다. 예를 들어, Nevada]는 Nevada Data-Driven Decision-Making 프로그램 중 낮은 노동력에 대한 이해를 갖추는 것을 포함합니다.

사례 연구: Data-Driven Poverty Reduction in Action

California: 통합 데이터로 아동의 Poverty 대상

가빈 Newsom은 특히 어린이들에게 가장 큰 가치를 갖게 된 빈곤을 만들어 왔습니다. 2021년에는 "]California Child Poverty Reduction Act]를 시작으로 2030년까지 50 %의 어린이 빈곤을 절단하는 목표를 설정했습니다. 진행 상황을 추적하려면, 국가는 사회 서비스 부서, 교육 부서 및 건강 관리 서비스 부서를 연결하는 통합 데이터 시스템을 구축했습니다. 이 데이터를 사용하여 캘리포니아 주 캘리포니아 주에서 가장 큰 이익을 얻는 것으로 나타났습니다. (Charminty)는 캘리포니아 주에서 가장 큰 이익을 얻는 것으로 나타났습니다.

미시간: GIS를 사용하여 저렴한 주택 기금을 할당

주지사 Gretchen Whitmer의 관리는 연방 공군 구호 기금을 주택에 할당하기 위해 사용되는 데이터입니다. 미시간 주 주택 개발 기관 (MSHDA) 분석 된 퇴치 데이터, 임대 부담 및 카운티 수준에 주택 수. 그들은 4 군이 국가 주택 불안정의 60 % 이상 차지했다고 발견했습니다. 그 데이터를 사용하여, 주지사는 임대 지원 및 저렴한 주택 개발을 위해 해당 카운티에 추가 $ 100 백만을 지시했습니다. 이 접근법은 이제 MSHDA가 동일한 투자 모델을 사용하여 동일한 모델을 사용하여 동일한 모델을 사용하여 동일한 모델을 사용하여 MSHDA를 사용하는 것이 성공했습니다.

Texas: 노동 데이터의 개인화 인력 교육

텍사스 노동법은 연방 정부의 고용인으로서, 연방 정부의 고용인으로서, 연방 정부의 고용인과의 협력을 통해, 연방 정부의 고용인과의 협력을 통해, 연방 정부의 고용인과의 협력을 통해, 연방 정부의 고용인과의 협력을 통해, 연방 정부의 고용인과의 협력을 통해, 연방 정부의 고용인과의 협력을 통해, 연방 정부의 고용인과의 협력을 통해, 연방 정부의 고용인과의 협력을 통해, 연방 정부의 고용인과의 협력을 통해, 연방 정부의 고용인과의 협력을 촉진하는 데 기여하고 있습니다.

극복 도전: 개인 정보 보호, 정확도, 및 용량

약속에도 불구하고 데이터 구동 빈곤 감소는 장애물없이하지 않습니다. 주지사는 개인 정보 보호 문제, 데이터 품질 문제 및 기관 저항의 광경을 탐색해야합니다.

Data 개인 정보 및 윤리적 사용

여러 기관의 데이터 통합은 프라이버시 및 잠재적 인 오용에 대한 심각한 우려를 제기합니다. 빈곤에 대한 가족은 이미 취약하며 정부 감시의 검찰은 도움을 찾는 데 사용될 수 있습니다. 이 주소를 위해 여러 주가 채택되었습니다 privacy-by-design] 기구. 예를 들어, Connecticut]는 ] 개인 정보 보호 정책 및 법적 고지의 위험에 대한 법적 고지를 결정하는 것이 필요한 모든 것을 고려해야 합니다.

Data 정확도 및 Timelines를 관리

데이터는 정확하고 현재 경우에만 유용합니다. 많은 국가 기관은 다른 하나와 통신하지 않는 서류 형태 또는 실로즈 데이터베이스와 같은 아웃 데이터 수집 방법에 의존합니다. 주관자의 데이터 중심 이니셔티브는 나쁜 데이터에 의해 중단 될 수 있습니다. 이 전투에 따르면, 주는 ]에 투자됩니다.], API, 클라우드 스토리지 및 실시간 데이터 파이프라인을 포함한, API를 포함한]. 예를 들어, [FLT:]에 대한 최신 뉴스는 다음과 같습니다.[FLT:]

건축 기술적인 수용량

많은 국가 정부는 정교한 분석 실행을 위해 사내 데이터 과학 전문 지식을 부족합니다. 데이터 재능을 추적하고 유지하고 개인 부문 급여가 높을 때 특히 다년생 도전입니다. 주지는 data 교과서]를 작성하여 응답하고 대학과의 파트너입니다. New York], Kathy Hochul 아래 :]:2]의 정책은 뉴욕에 따라 두 번째 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램에서 두 프로그램.

Data-Driven Poverty Reduction의 미래

데이터 중심의 지배의 풍경은 빠르게 진화하고 있습니다. 몇 가지 추세는 오는 10 년 동안 거버넌스 전투 포로를 어떻게 형성 할 수 있습니다.

인공지능과 기계 학습

AI 및 기계 학습은 사전 작성 분석 (무엇이 된)에 대한 설명 분석 (무엇이되는)에서 이동할 수 있습니다. 예를 들어, 기계 학습 모델은 각 가족-작업 훈련, 육아, 식품 지원, 또는 현금에 대한 프로그램의 최적의 혼합을 권장하는 수천 개의 변수를 분석 할 수 있습니다. 예측 된 결과에 근거하여 초기 파일럿. Alabama]에서 초기 파일럿은 AI 기반 케이스 관리가 18 개월에서 최대 18 개월까지 소비를 줄일 수 있음을 보여주었습니다.

실시간 데이터 및 지속적인 피드백 루프

연간 보고서 대신, 미래 프로그램은 실시간 데이터를 빠르게 조정할 것입니다. IoT (Internet of Things) 장치, 휴대 전화 데이터 및 전자 이득 전송 (EBT) 거래 기록은 경제적인 경감의 최대 분 지표를 제공 할 수 있습니다. 주관자는 특정 카운티의 식품 우표 사용에서 스파이크를 볼 수 있으며 즉시 모바일 식품 팬트리를 배치하거나 SNAP 혜택을 조정할 수 있습니다.

Cross-State 협업 및 데이터 공유

Poverty는 국가 라인을 존중하지 않습니다. Interstate 마이그레이션, 지역 노동 시장 및 공급망 중단은 모든 poverty에 영향을 미칩니다. 주지사는 ]국지사 협회의 주 혁신 네트워크와 같은 컴팩트 한 경계를 통해 데이터를 공유하기 시작합니다. 이것은 동료 주에 대한 그들의 빈곤 감소 노력과 다른 곳에서 입증 된 모범 사례를 채택 할 수 있습니다.