Nos últimos anos, governadores estaduais dos Estados Unidos têm se voltado cada vez mais para abordagens orientadas por dados para lidar com a pobreza, em vez de confiarem em programas amplos e unidimensionais, esses líderes estão usando dados granulares para direcionar recursos com precisão cirúrgica, aproveitando informações sobre renda, emprego, educação, saúde e habitação, governadores podem identificar as populações mais vulneráveis e intervir onde intervenções terão maior impacto, não é apenas uma tendência, é uma reflexão fundamental sobre como os governos estaduais combatem a pobreza, passando da formulação de políticas baseadas em intuição para estratégias baseadas em evidências mais transparentes, responsáveis e eficazes.

Os Estados gastam bilhões de dólares por ano em programas antipobreza, que vão desde assistência em dinheiro e vales de alimentos até treinamento de emprego e moradia acessível, mas sem dados robustos, muito desse dinheiro pode ser desviado, a governança orientada por dados permite que estados meçam os resultados, ajustem o curso em tempo real e assegurem que cada dólar do contribuinte seja usado para o máximo efeito, como resultado, governadores de ambas as partes estão investindo em unidades de análise de dados, fazendo parceria com universidades e abrindo dados do governo para o público, este artigo explora como líderes estaduais estão usando dados para combater a pobreza e o que isso significa para o futuro da política social.

O papel dos dados na compreensão da pobreza

Os dados desempenham um papel fundamental na mudança dos esforços de redução da pobreza de reativos para proativos, em vez de esperarem que as famílias caiam em crise, os governadores podem usar dados para antecipar a necessidade e prestar serviços precocemente, por exemplo, analisando registros de atendimento escolar e dados de alegações de saúde, um estado pode identificar crianças em risco de cair na pobreza antes que suas famílias sofram colapso financeiro, este tipo de intervenção precoce só é possível quando dados de diferentes agências são integrados e analisados juntos.

Identificando as Causas Raízes

A pobreza é geralmente resultado de um único fator, é uma complexa rede de questões interligadas, baixos salários, falta de serviços de acolhimento de crianças, saúde precária, discriminação e isolamento geográfico, os dados ajudam os governadores a desagregar esses fatores e entender quais são os mais urgentes em seu estado, por exemplo, um governador em um estado rural pode descobrir que a falta de transporte é a principal barreira ao emprego, enquanto um governador em um estado urbano pode enfrentar uma crise de acessibilidade de moradias, sem dados, essas nuances permaneceriam invisíveis e políticas perderiam o alvo.

Abordando populações vulneráveis

Os dados revelam também que grupos são desproporcionalmente afetados pela pobreza, as desagregações demográficas por idade, raça, gênero e condição de deficiência permitem que os governadores desenhem intervenções direcionadas, por exemplo, crianças menores de 5 anos, são a faixa etária mais provável de viver em pobreza em muitos estados, cruzando dados de pobreza infantil com matrículas de educação infantil, um governador pode alocar fundos para programas pré-K em bairros onde são mais necessários, e dados que mostram maiores taxas de pobreza entre mães solteiras podem levar a iniciativas que ampliam subsídios de assistência à infância e licenças familiares pagas.

Mapeando Hotspots geográficos

Alguns estados, como Califórnia, criaram painéis voltados para o público que mostram dados de pobreza até o nível do setor censitário, que capacitam funcionários locais e organizações comunitárias a colaborar com o governo do estado em soluções direcionadas.

Fontes de dados e métricas chave

Os governadores do estado dependem de uma ampla gama de fontes de dados para informar suas estratégias de redução da pobreza, algumas delas são pesquisas tradicionais do governo, enquanto outras vêm de registros administrativos ou parcerias do setor privado, abaixo estão os tipos de dados mais usados e como eles informam a política.

  • O inquérito da Comunidade Americana (ACS) fornece dados anuais sobre renda, pobreza e emprego, os governadores usam esses números para determinar a elegibilidade para programas como o Medicaid e o SNAP e avaliar se a economia do estado está crescendo inclusive.
  • Os departamentos estaduais de educação coletam dados sobre notas de teste, taxas de graduação e disciplina escolar, ligando esses dados aos dados de renda, os governadores podem identificar lacunas de realização e investir em escolas que servem estudantes de baixa renda, programas como bolsas de estudo em Michigan são direcionados com base em tal análise.
  • Informações sobre saúde e acesso à saúde, dados de reclamações, registros de alta hospitalar e pesquisas como o Behavioral Risk Factor Surveillance System (BRFSS) ajudam os governadores a entender os impactos da pobreza na saúde.
  • O Departamento de Habitação e Desenvolvimento Urbano (HUD) fornece dados sobre os encargos de aluguel, despejos e contagens de sem-teto.
  • Muitos governadores estabeleceram painéis de capital que rastreiam se os esforços de redução da pobreza estão atingindo todas as populações igualmente.

Cada vez mais, os estados também estão usando sistemas integrados de dados (IDS) que conectam registros entre agências, por exemplo, o Sistema de Dados Integrados de Clientes (FLT:3] do Oregon conecta dados de serviços humanos, educação e agências de força de trabalho para fornecer uma visão holística das necessidades de cada família.

Como os governadores traduzem dados em ação

O verdadeiro desafio reside em traduzir insights em políticas que realmente mudam vidas.

Estabelecendo unidades de análise de dados

Muitos governadores criaram equipes dedicadas de análise de dados dentro de seus escritórios ou sob seu controle. Essas unidades são compostas por cientistas de dados, estatísticos e analistas de políticas que trabalham diretamente com líderes de agências para projetar programas baseados em evidências. O estado de Washington , sob o governo do governador Jay Inslee, lançou a iniciativa Resultados Washington , que usa painéis de dados para rastrear o progresso na redução da pobreza e outros objetivos fundamentais. Da mesma forma, ]Colorado criou o Governor’s Office of Data Analytics para coordenar o compartilhamento de dados entre departamentos.

Usando modelos preditivos para intervenção precoce

O programa reduziu a probabilidade de uma criança entrar em um cuidado de adoção em 20% e salvou milhões de estados em custos de resposta a crises.

Ligando dados às decisões do orçamento

Alguns governadores estão incorporando dados diretamente no processo orçamentário, ao invés de simplesmente propor itens de linha para programas de pobreza, eles exigem que as agências apresentem evidências de eficácia, em Ohio, o Escritório de Orçamento e Gestão do governador usa uma abordagem "Resultados Primeiro", exigindo que as agências estaduais mostrem que seus programas foram avaliados usando métodos rigorosos como ensaios controlados randomizados, programas que não podem demonstrar impacto são desfinanciados, enquanto programas apoiados por evidências recebem recursos adicionais.

Painel Público e Responsabilidade Comunitária

Muitos estados agora publicam painéis online que rastreiam métricas de pobreza em tempo real, esses painéis permitem que cidadãos, jornalistas e grupos de defesa defendam seus governadores, por exemplo, o programa Nevada criou o Nevada Data-Driven Decision-Making , que inclui um painel público de pobreza, quando uma métrica mostra um declínio no emprego entre os moradores de baixa renda, as partes interessadas da comunidade podem empurrar o governador para ajustar os programas de treinamento de força de trabalho.

Estudos de caso: redução da pobreza em ação conduzida por dados

Califórnia: direcionando a pobreza infantil com dados integrados

Em 2021, sua administração lançou a Lei de Redução da Pobreza Infantil (FLT:0), que estabeleceu uma meta de reduzir a pobreza infantil em 50% até 2030. Para acompanhar o progresso, o estado construiu um sistema de dados integrado que liga o Departamento de Serviços Sociais, o Departamento de Educação e o Departamento de Serviços de Saúde. Usando esses dados, o estado identificou que expandir o Crédito de Imposto de Renda (CalEITC) do Estado e aumentar os benefícios do CalFresh (SNAP) tiveram o maior impacto na pobreza infantil. Em 2022, a Califórnia expandiu ambos os programas, levando a uma queda de 15% na pobreza infantil, resultado diretamente atribuível à análise de dados.

Usando o SIG para alocar fundos de habitação acessíveis

A administração do governador Gretchen Whitmer usou dados para reapropriar fundos federais de ajuda à pandemia para habitação, a Autoridade Estadual de Desenvolvimento de Habitação de Michigan (MSHDA) analisou dados de despejo, taxas de carga de aluguel e contagens de sem-teto no nível do condado, e descobriram que quatro municípios representavam mais de 60% da instabilidade habitacional do estado, usando esses dados, o governador dirigiu mais US$ 100 milhões para esses condados para assistência de aluguel e desenvolvimento habitacional acessível, a abordagem foi tão bem sucedida que o MSHDA agora usa esse mesmo modelo de dados para atingir todos os seus investimentos habitacionais.

Treino personalizado de força de trabalho de dados trabalhistas

O governo do Texas Workforce Solutions usa dados sobre taxas de desemprego locais, projeções de crescimento da indústria e lacunas de habilidades individuais para oferecer treinamento personalizado de emprego.

Vencendo Desafios: Privacidade, Precisão e Capacidade

Apesar de sua promessa, a redução da pobreza baseada em dados não é sem obstáculos, os governadores devem navegar em um campo minado de preocupações com privacidade, problemas de qualidade de dados e resistência institucional.

Privacidade de dados e uso ético

A integração de dados de várias agências levanta sérias preocupações sobre privacidade e potencial uso indevido. Famílias em situação de pobreza já estão vulneráveis, e o espectro de vigilância do governo pode impedi-los de procurar ajuda.Para resolver isso, vários estados adotaram frameworks ]privacy-by-design. Por exemplo, Connecticut[] criou o Connecticut Data Collaborative[, que usa dados desidentificados e requer consentimento explícito para quaisquer dados ligados a indivíduos.Governadores também devem garantir que os modelos preditivos não reforçam os preconceitos raciais ou econômicos - um risco documentado em sistemas de justiça criminal e previdenciária.

Garantindo precisão e pontualidade dos dados

Muitas agências estaduais dependem de métodos de coleta de dados ultrapassados, como formulários em papel ou bases de dados de silos que não se comunicam entre si, incluindo APIs, armazenamento em nuvem e oleodutos de dados em tempo real, por exemplo, ] Tennessee construiu um lago de dados em todo o estado que permite que as agências compartilhem dados em tempo real, o estado atualiza seu painel de pobreza mensalmente, em vez de anualmente, dando ao governador uma imagem mais precisa da necessidade.

Capacidade Técnica de Construção

Muitos governos estaduais não têm a experiência em ciências de dados para executar análises sofisticadas, atrair e manter talentos de dados é um desafio perene, especialmente quando os salários do setor privado são mais altos, os governadores responderam criando bolsas de dados e parcerias com universidades, Nova York, sob a Governadora Kathy Hochul, lançou o programa de análise cívica de Nova Iorque, que incorpora estudantes de doutorado da SUNY em agências estaduais para trabalhar em projetos relacionados à pobreza, o programa produziu mais de 50 recomendações políticas baseadas em evidências em dois anos.

O Futuro da Redução da Pobreza Dirigida por Dados

A situação da governança orientada por dados está evoluindo rapidamente, várias tendências provavelmente moldarão como os governadores combatem a pobreza na próxima década.

Inteligência Artificial e Aprendizagem de Máquina

AI e aprendizado de máquina permitirão que estados passem de análise descritiva (o que aconteceu) para análise prescritiva (o que devemos fazer). Por exemplo, um modelo de aprendizado de máquina poderia analisar milhares de variáveis para recomendar a combinação ideal de programas para cada família - treinamento de trabalho, assistência de crianças, alimentos ou dinheiro - com base em resultados previstos.

Dados em tempo real e comentários contínuos.

O governo pode ver um pico no uso de senhas de alimentos em um condado específico e imediatamente implantar despensas de alimentos móveis ou ajustar os níveis de benefícios da SNAP.

Colaboração entre Estados e compartilhamento de dados

A pobreza não respeita as linhas estaduais, a migração interestadual, os mercados de trabalho regionais e as rupturas na cadeia de suprimentos afetam a pobreza, os governadores estão começando a compartilhar dados através de compactas como a Rede de Inovação Estadual da Associação Nacional de Governadores, que permite avaliar seus esforços de redução da pobreza contra os estados de pares e adotar as melhores práticas que foram comprovadas em outros lugares.

Conclusão

O uso estratégico de dados por governadores estaduais está transformando esforços de redução da pobreza de suposições em ciência. Identificando causas profundas, visando populações vulneráveis e medindo resultados em tempo real, os governadores podem projetar intervenções que são tanto mais eficazes quanto mais eficientes. Enquanto desafios em torno da privacidade, precisão e capacidade permanecem, a trajetória é clara: o futuro da política antipobreza é impulsionado por dados. À medida que os avanços tecnológicos e a colaboração se aprofundam, essas abordagens se tornarão ainda mais sofisticadas, levando a soluções mais equitativas e duradouras para as comunidades em toda a nação.Os governadores que abraçarem essa transformação serão os que mais profundos na pobreza - e que definirão o padrão para uma governança responsável e orientada para resultados no século XXI.