Trong những năm gần đây, các thống đốc bang đang sử dụng dữ liệu hạt để nhắm tới các nguồn lực phẫu thuật chính xác. bằng cách khai thác thông tin về thu nhập, việc làm, sức khỏe, và nhà ở, thống đốc có thể xác định những người dễ bị tổn thương nhất và can thiệp vào nơi mà sự can thiệp sẽ có tác động lớn nhất. sự thay đổi này không đơn thuần là một sự suy nghĩ cơ bản về cách chính phủ chống lại nghèo đói. di chuyển từ chính sách trực giác đến những chiến lược có tính toán dựa trên những bằng chứng minh bạch bạch, và hiệu quả.

Các khoản chi tiêu tài chính cao. các chi phí tài chính chung hàng năm cho phép các bang để đo lường kết quả, điều chỉnh theo thời gian thực, và đảm bảo rằng mỗi đồng đô la đóng thuế được sử dụng để đạt hiệu quả tối đa. kết quả là, các thống đốc từ cả hai bên đầu tư vào các đơn vị dữ liệu, đối tác với các trường đại học, và mở rộng dữ liệu chính phủ cho phép các bang tìm hiểu về cách các nhà lãnh đạo sử dụng dữ liệu để chống lại sự nghèo đói và chính sách xã hội có nghĩa là gì trong tương lai.

Vai trò của dữ liệu trong việc hiểu sự nghèo khổ

Dữ liệu đóng vai trò quan trọng trong việc chuyển đổi nghèo đói từ việc gây ra phản ứng tích cực. thay vì chờ đợi gia đình rơi vào khủng hoảng, thống đốc có thể sử dụng dữ liệu để dự đoán và cung cấp dịch vụ sớm. ví dụ, bằng cách phân tích hồ sơ và dữ liệu bảo hiểm sức khỏe của trường học, một bang có thể nhận diện trẻ em có nguy cơ rơi vào cảnh nghèo đói trước khi gia đình họ bị sụp đổ tài chính.

Nhận ra nguyên nhân căn bản

Sự nghèo đói hiếm khi là kết quả của một nhân tố đơn lẻ. nó là một mạng lưới phức tạp của các vấn đề liên kết -- lương thấp, thiếu khả năng chăm sóc trẻ em, sức khỏe kém, sự phân biệt đối xử và địa lý. dữ liệu giúp thống đốc phân tách những yếu tố này và hiểu những yếu tố nào là áp lực nhất trong bang của họ. ví dụ, một thống đốc ở một bang nông thôn có thể thấy rằng thiếu phương tiện giao thông là rào cản chính của công việc, trong khi một thống đốc trong một bang có thể đối mặt với một cuộc khủng hoảng nhà đất có khả năng mua nhà không có dữ liệu, những tính chất này vẫn còn tồn tại và các chính sách không thể bị đánh dấu.

Nhắm vào dân số dễ bị tấn công

Dữ liệu cũng tiết lộ nhóm nào bị ảnh hưởng không cân xứng bởi nghèo đói. Sự suy yếu về hình học là nhóm tuổi tác thường sống trong sự nghèo đói ở nhiều quốc gia. Qua việc xem xét dữ liệu nghèo trẻ em có thể hỗ trợ các chương trình trước khi trẻ em nhập học ở khu vực lân cận cần thiết. Tương tự, những dữ liệu cho thấy tỷ lệ nghèo đói trong số các bà mẹ đơn thân có thể dẫn đến việc tăng tỉ lệ chăm sóc gia đình và để lại cho trẻ em được trả tiền.

Những điểm nóng địa lý nổi bật

Hệ thống thông tin địa lý (GIS) đã trở thành công cụ thiết yếu cho thống đốc. Bằng cách lập kế hoạch tỷ lệ nghèo đói trên bản đồ theo các dữ liệu ở trường học, bệnh viện, cửa hàng tạp hóa, và giao thông công cộng, những người lập chính sách có thể thấy chính xác nơi nào sự nghèo đói tập trung và tài nguyên nào còn thiếu. Một số quốc gia, như [FLT: 0]CA [FLT: 1], đã tạo bảng điều khiển sự nghèo nàn công cộng cho thấy mức độ thống kê của thông tin về số lượng dân số. Những công cụ này trao quyền cho các viên chức địa phương và các tổ chức địa phương để hợp tác với chính phủ về giải pháp đích.

Nguồn dữ liệu và thước đo khóa

Một số trong số đó là những cuộc khảo sát truyền thống của chính phủ, trong khi những người khác đến từ hồ sơ hành chính hoặc các mối quan hệ khu vực tư nhân dưới là những loại dữ liệu thường được sử dụng nhất và cách họ thông báo chính sách.

  • Thống kê [FLT: 0] về thu nhập và nhân viên ) – Cuộc khảo sát cộng đồng Hoa Kỳ tại Cục Nghiên cứu Cộng đồng Hoa Kỳ (ACS) cung cấp dữ liệu hằng năm về thu nhập, tình trạng nghèo đói và việc làm.
  • Dữ liệu thực hiện – Bộ Giáo dục thu thập dữ liệu về điểm thi, tỷ lệ tốt nghiệp và kỷ luật giáo dục. Bằng cách liên kết dữ liệu này với dữ liệu thu nhập, thống đốc có thể xác định khoảng cách thành công và đầu tư vào trường học phục vụ học sinh thu nhập thấp. Các chương trình như ) là mục tiêu của việc phân tích đó.
  • Thông tin về sức khỏe và chăm sóc sức khỏe ) – xác nhận dữ liệu, hồ sơ xuất viện, và khảo sát như Hệ thống giám sát Hệ thống Nguy hiểm Hành vi (BIS) giúp thống đốc hiểu được tác động của nghèo đói. Ví dụ, các bang với tỷ lệ tiểu đường cao trong số dân số thu nhập thấp có thể mở rộng quyền tiếp cận để ngăn ngừa sự chăm sóc và dinh dưỡng.
  • Khuyến khích Affordability and Homeless Data ) – Bộ Phát triển và đô thị cung cấp dữ liệu về gánh nặng thuê, việc đuổi nhà, và việc vô gia cư. Thống đốc có thể so sánh dữ liệu này với dữ liệu thu nhập để phân bổ bảo hiểm nhà ở và nơi trú ẩn khẩn cấp trong những cộng đồng căng thẳng nhất.
  • Thông tin địa lý – Tuổi tác, chủng tộc, sắc tộc và sự tàn tật là thiết yếu để bảo đảm tính công bằng. Nhiều thống đốc đã thiết lập ) bảng [FLT:] để theo dõi xem nỗ lực giảm nghèo có đạt đến mọi dân số bằng nhau hay không.

Các bang cũng dùng hệ thống dữ liệu tích hợp [IDS] [FLT:] để liên kết các thông tin với nhau trên các cơ quan.

Quan tổng đốc hành động như thế nào

Việc thu thập dữ liệu chỉ là bước đầu tiên. thử thách thực sự là dịch những hiểu biết sâu sắc về các chính sách thực sự thay đổi cuộc sống. các thống đốc bang đang thí nghiệm với nhiều cơ chế để nối kết khoảng cách giữa phân tích dữ liệu và thực hiện chương trình.

Thiết lập các đơn vị phân tích dữ liệu

Nhiều thống đốc đã tạo ra các nhóm phân tích học tập trung trong văn phòng hoặc dưới sự kiểm soát của họ. Những đơn vị này được các nhà khoa học dữ liệu, thống kê, và các nhà phân tích chính sách trực tiếp với các nhà lãnh đạo của cơ quan để thiết kế các chương trình dựa trên bằng chứng. Tình trạng [FLT: 0]Wash [FLT: 1], dưới quyền thống đốc Jay Inslee, đã khởi xướng [FT: 2] các nhà lãnh đạo [FL: 2] Phản ứng [FL:] của dữ liệu [FL], dùng các bảng dữ liệu để theo dõi sự giảm nghèo và các mục tiêu khác. Tương tự, [FLT] [FM:] [FMT] [FLT] [FT] [T]

Dùng sự tiên đoán về việc can thiệp vào thời kỳ đầu

Dự đoán tính chất phân tích là một trong những công cụ mạnh nhất trong kho dữ liệu. Bằng cách đưa dữ liệu lịch sử vào mô hình học máy, các bang có thể dự đoán gia đình nào có nguy cơ rơi vào nghèo hoặc thiếu vắng nhà ở. Ví dụ, tình trạng [FLT: 0] Massusets [FLT: 1]] điều khiển một mô hình sử dụng dữ liệu từ chăm sóc nuôi dưỡng trẻ em, phúc lợi trẻ em, và TNF (người ủng hộ việc sử dụng máy vi phạm pháp luật cho các gia đình cần thiết) để xác định các gia đình có thể hưởng lợi từ trường hợp quản lý. Chương trình giảm khả năng trẻ em vào và giảm tỷ lệ trẻ em được nuôi dưỡng 20% chi phí trong cuộc khủng hoảng chăm sóc và giảm thiểu các chi phí trong trường hợp của nhà nước.

Liên kết dữ liệu với quyết định của ngân sách

Một số thống đốc đang đưa dữ liệu trực tiếp vào tiến trình ngân sách. Thay vì chỉ đề nghị những mục trong các chương trình nghèo, họ yêu cầu các cơ quan đưa ra bằng chứng về sự hữu hiệu. Trong [FLT: 0] Ohio [FLT: 1], Văn phòng Thống đốc của Budget và Quản lý (SP) sử dụng một phương pháp tiếp cận có tính chất chống lại, yêu cầu các cơ quan quốc gia phải cho thấy rằng chương trình của họ đã được đánh giá bằng những phương pháp kiểm soát ngẫu nhiên. Các chương trình không thể chứng minh bị mất nguồn tài chính, trong khi các chương trình hỗ trợ hỗ trợ cho các chương trình khác.

Bảng công cộng và việc khai trình cộng đồng

Tờ trong suốt là một phần quan trọng của quản lý dữ liệu. Nhiều bang hiện nay xuất bản bảng điều khiển trực tuyến (FLT:0) ) tạo [FLT: 1] bộ điều khiển nghèo trong thời gian thực. Những bảng này cho phép công dân, nhà báo, nhà báo, và các nhóm ủng hộ quyết định [FLT], chương trình này bao gồm sự nghèo đói công. Khi tôi cho thấy sự giảm công việc trong phạm vi công ty thấp đến, có thể điều chỉnh chương trình quản lý lao động.

Nghiên cứu: Giảm nghèo bằng dữ liệu

California: Mục tiêu trẻ em nghèo khổ với dữ liệu tích hợp

Vào năm 2021, chính quyền của ông đã thiết lập Điều luật chống nghèo đói trẻ em , đặt mục tiêu cắt giảm trẻ em nghèo đến 50% đến năm 2030. để theo dõi tiến trình tiến bộ, chính quyền đã xây dựng một hệ thống thống thống thống thống thống thống thống thống thống thống kết nối Bộ dịch vụ xã hội, Bộ Giáo dục và Trung tâm Chăm sóc Sức khỏe Sức khỏe Sức khỏe (FLT:1), theo dữ liệu này, tình trạng này, việc phát triển trường hợp của bang này, tăng thuế thu nhập (CITT) và CalFN) có lợi ích lớn nhất trong 20% ở California, tức là giảm bớt đi 15 phần trăm số liệu có thể gây ra sự nghèo đói nghèo khổ.

Michigan: Dùng GIS để hỗ trợ tài chính cho các quỹ

Chính quyền Michigan (MHDA) phân tích thêm 100 triệu đô la cho những người muốn được trợ giúp và phát triển nhà ở, và phương pháp này đã thành công đến độ giờ đây MSHA đã dùng cùng một mô hình để nhắm vào tất cả các nhà ở của chính phủ.

Texas: Khóa đào tạo nhân lực từ dữ liệu lao động

Khi dữ liệu cho thấy khu vực Houston thiếu trợ lý y tế (CNA) nhưng một số lượng lớn nhân viên bán lẻ, chính phủ đã tài trợ một chương trình đào tạo miễn phí cho các nhân viên bán lẻ, và chương trình đã đặt hơn 1.200 người trong các công việc CA trong vòng sáu tháng, với 90% số lượng lưu giữ sau một năm.

Vượt qua thử thách: sự riêng tư, chính xác và tính kiên cường

Bất chấp lời hứa của nó, giảm thiểu sự nghèo đói do dữ liệu dẫn đến không phải là không có trở ngại. và sự kháng cự thể chế.

Sự riêng tư và việc dùng thực phẩm

Thông tin từ nhiều cơ quan đã đưa ra những mối quan tâm nghiêm trọng về sự riêng tư và lạm dụng tiềm năng. Các cơ sở gia đình nghèo sẵn có khả năng bị tổn thương, và sự giám sát của chính phủ có thể ngăn cản họ tìm kiếm sự giúp đỡ. Để giải quyết điều này, nhiều quốc gia đã chấp nhận [FLT: 0] [FLT: 0] [FLT: 0] theo thiết kế [FTT: 1], mà [TTT: 1], như vậy, [FL: 2] cần phải có thông tin thống kê rõ ràng để xác định [FL:] [FL:] [FLL: T] [FL:]] kiểm tra về hệ thống thống thống thống thống xã hội] đã được xác định hoặc xác định lại để đảm bảo không có khả năng gây ra sự rủi ro về mặt kinh tế và lợi ích về mặt kinh tế.

Bảo vệ tính chính xác và tính đúng giờ

Dữ liệu chỉ có ích nếu nó chính xác và hiện tại. Nhiều cơ quan chính phủ đang dựa vào phương pháp thu thập dữ liệu đã lỗi thời, như hình thức giấy hoặc cơ sở dữ liệu có chứa giấy (FLT: 1), bao gồm các thiết bị lưu trữ, lưu trữ và dữ liệu thời gian thực. Ví dụ, [FL: T2] T: T [L:] đang đầu tư vào [FT: 0] cơ sở dữ liệu hiện đại [FLT: 0], trong đó có thông tin cập nhật gần nhà nước.

Xây dựng tính thiết thực

Nhiều chính phủ thiếu chuyên môn khoa học dữ liệu trong nhà để chạy phân tích phức tạp. hấp dẫn và giữ tài năng dữ liệu là một thách thức kéo dài hàng năm, đặc biệt khi mức lương cá nhân , dưới quyền thống đốc Kathy Hochul, đã khởi động giao tác [FLT: 0] [FLT: 1] và liên kết với các trường đại học. New York [FLT:], [FLT:],], [Các công ty tư vấn về sự nghèo đói đã đưa ra những dự án liên quan đến các dự án hơn 50 năm].

Tương lai của việc giảm nghèo bằng dữ liệu

Một số xu hướng có thể định hình cách mà thống đốc chống lại đói nghèo trong thập kỷ tới.

Kiến thức trí tuệ nhân tạo và máy móc

Al và máy học sẽ cho phép các nhà nước chuyển từ mô phỏng phân tích (điều gì xảy ra) sang việc biên soạn phân tích (những gì chúng ta nên làm). Ví dụ, một mô hình máy học tập có thể phân tích hàng ngàn biến số để khuyến khích sự kết hợp tối ưu của chương trình cho mỗi gia đình - việc huấn luyện, chăm sóc trẻ em, hoặc tiền mặt dựa trên kết quả đã dự đoán. Các phi công đầu tiên [FL: 0] Alabma [FL: 1) đã chỉ ra rằng quản lý A-I có thể giảm bớt thời gian cho gia đình dành cho 18 tháng tuổi.

Dữ liệu thời gian thực và vòng lặp ngược liên tục

Thay vì báo cáo hàng năm, chương trình tương lai sẽ sử dụng dữ liệu thời gian thực để điều chỉnh nhanh chóng. Mạng của mọi thứ (IOT), dữ liệu điện thoại di động, và chuyển giao lợi ích điện tử (EBT) có thể cung cấp chỉ thị thời gian lên đến phút của sự đau khổ kinh tế. Một thống đốc có thể thấy sự gia tăng trong việc sử dụng tem thức ăn trong một hạt cụ thể và ngay lập tức triển khai quần đảo thực phẩm di động hoặc điều chỉnh mức độ lợi ích SNP.

Chia sẻ dữ liệu và sự hợp tác chéo State

Sự nghèo đói không quan tâm đến đường biên giới quốc gia, sự di cư liên bang, thị trường lao động địa phương và sự gián đoạn chuỗi cung cấp đều ảnh hưởng đến sự nghèo đói.

Kết thúc

Việc sử dụng dữ liệu một cách chiến lược bởi các thống đốc bang đang biến đổi những nỗ lực giảm nghèo từ việc dự đoán thành một khoa học bằng cách xác định những nguyên nhân gốc, nhắm vào những dân số dễ bị tổn thương và đo lường kết quả trong thời gian thực, các thống đốc có thể thiết kế những biện pháp hiệu quả hơn và hiệu quả hơn trong khi thách thức xung quanh sự riêng tư, sự chính xác và khả năng tồn tại, quỹ đạo là rõ ràng: tương lai của chính sách chống lại sự vượt quá mức là những dữ liệu được điều khiển bởi những tiến bộ và sự hợp tác sâu sắc hơn, những phương pháp này sẽ trở nên phức tạp hơn, dẫn tới những giải pháp công bằng hơn và lâu dài hơn cho cộng đồng trên khắp đất nước. những người thống đốc sẽ chấp nhận sự biến đổi này sẽ là những người làm giảm thiểu đi những người nghèo đói nghèo nhất và những người chịu trách nhiệm cho những người quản lý trong thế kỷ 21