美國各地的州長都負責做出對成百上萬居民有影響的決定,從預算分配和公共卫生對教育改革及基建投資的反應。 在日益複雜的挑戰時代,許多州長都轉而依靠數據和分析來導導導自己的選擇。 現代的州長不僅依靠政治直覺或傳聞證據,反而用嚴谨的數據分析來找出問題、評估解決方法及衡量結果。 這種向以數據為主的治理的转变,導致了更有效的政策决策、更強的问责制以及更強的公信度。

文章探索了總督如何利用數據和分析來為政策決定提供資訊, 考察他們所依赖的數據的類型, 所使用的方法, 以及這些方法對世界的影響。 文章也討論了數據使用所带来的挑战和机遇, 展望了以證據为基础的治理的未來。

數據扭曲治理的崛起

使用數據在公共政策中并不完全是新概念,但數據分析的規模、速度和精密度在近些年中大幅擴大。 传统上,總督們都以專家建議、民意、政治計算和歷史先例为基础做出決定。 儘管這些因素仍然重要,但數據分析目前為評估選擇和預測結果提供了更實驗的基礎。

州政府投入了數據基礎,包括集中的數據庫、企業情報平台和分析團體。 根據全國首席資訊官協會(NASCIO)的調查,几乎所有州都實施了某种形式的數據分析程序,以支持政策和操作决策。 很多州政府都建立了專門的數據辦公室或指定了首席數據官監督這些工作。

造成這種趋势的一个关键驱动因素是政府機構記錄、傳感器、衛星影像、社交媒體等各種來源的实时資料的增多。 計算力和儲存的进步使得快速和高成本效益地分析大數據集成为可能。 結果,總督們可以取得經濟潮流、疾病暴發、交通模式等最新消息。

總督使用的数据型態

總督們依靠各種數據來做決定。 需要的具体數據要依政策領域而定, 但有些類別在治理的很多方面都特别重要。

人口数据

人口數據包括人口大小、年龄分布、种族和民族构成、收入水平、教育程度和地理分布。這項資訊對理解不同族群的需求和公平分配資源至关重要。 例如,一位考慮新醫療計畫的州長可能會用人口數據來辨識那些可能需要定向服務的老年人或低收入居民集中的地區。

美國的社會調查是其中許多衡量标准的主要來源, 提供各州和地區的年度估計。 州長也用人口預測來預計未來的需求, 如學校容量或交通基础设施。

經濟資料

經濟資料包括就业率、工資、企業增長、業務成份、國家收入和GDP(GDP ) 。 總督們用此資料來評估本州經濟的健康状况,并設計政策,促进创造就业和经济的回應力。 例如,在衰退期,總督可以分析失业申請和企業停業,以決定如何直接提供工作訓練或小商業貸款。

許多州立工業部和經濟發展機構都提供許多此數據。 此外, 聯邦的勞工統計局(BLS)和经济分析局(BEA)等資源也提供一致、可比對的衡量尺度。 很多州也設立了顯示經濟指示數的儀表,讓州長和員工可以一視觀察趋势。

健康資料

健康資料包括疾病流行、醫院容量、疫苗率、醫療機會、嬰兒死亡率和慢性病等信息。 COVID-19大流行表明,當時的保健資料對各省的州而言至关重要。 很多州都建立了公共保健儀表,以追蹤病例數量、住院和死亡,从而可以采取更有针对性的干预措施。

美國的醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫療醫學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學學

教育資料

教育資料包括學生的成績、畢業率、老師的資金資金水平、學校氣候。 校長們定下教育优先要項,

國家教育機構收集各學區的資料,包括測試分數、逃學率和大學生的入学率。 許多州現在都使用纵向資料系統來追蹤幼稚園到大學的學生,并進入工作大樓。 這項資料有助于州長找出成就差距、評估教育計畫的效能、以及決定課程標準和教師訓練。

基礎與環境資料

交通傳感器和GPS資料也幫助國家交通機構計劃道路改善及管理交通堵塞。 氣質和水质環境資料為清潔能源的規定和投资提供了資訊。 房屋資料如租金空置率和房屋价格等, 幫助州長解決負擔力和无家可归问题。

資料如何影響政策決定

數據分析可以讓總督從反應性决策向积极主动的政策制定進一步。 分析歷史趋势和目前情況,他們可以在新發問題達到危機程度之前找出問題。他們也可以建模不同政策選擇的潛在影響,選擇那些為他們支持者提供最佳結果的選擇。

经济政策

經濟資料在國家預算發展和稅務政策中扮演中心角色。 例如,總督可能會用預測收入來決定是提出減稅還是增加社會計畫的支出。 就业和工業增長的資料可以指导企業激励和勞動員發展的決定。

有些州采取了「以證據为基础的預算法 」 , 要求各机构通过數據分析來展示方案的效果。 這幫助了州長把有限的資源分配给能取得可觀效果的方案。 例如,華盛頓州的成果華盛頓倡议用效绩數據來追蹤教育、健康、經濟增長等重要优先項目的進展。

公共卫生与安全

根據該地區的數據, 總督們利用多個資源的數據來決定封鎖、遮蓋任務和疫苗分配。 數據分析的速度讓他們隨著情況的進展而快速調整政策。 除了大流行, 衛生數據幫助總督們把資金投向最需要的地方, 例如醫療有限等鄉村縣。

包括犯罪數據和服務呼吁在内的公共安全資料為與治安、刑事司法改革和社区安全相關的政策提供了資訊。 如今,很多州都使用預言分析法來找出暴力犯罪高危地區,使執法者能更有效地部署資源。 然而,預言性治安的利用也引起了對偏見和公民自由的關注,而當政府采用此工具時,總督們必須权衡這些因素。

教育改革

以數據為主的教育政策包括以绩效為主的學校资助、识别有失業風險的學生的预警系统以及有针对性地介入困境的區域。 例如俄亥俄州就使用一個分析出勤率、行為和課程表现的预警系统,以標示可能需要更多支持的學生。 這讓學校可以在學生落後太遠之前介入。

總理們也使用教育資料宣傳政策變化, 例如增加幼年教育資金或擴大職業及技術教育計畫。

环境和能源政策

溫室氣候發射、可再生能源生成和极端天氣事件等數據幫助了州長制定氣候行動計畫。 比如,加州州長利用加州空氣資源委員會的數據來追蹤减排目標的進步。 相對地,易發受飓风或野火的州也依靠數據來改善緊急預備和應應。

包括電能消耗和電网容量在内的能源資料, 給可再生能源刺激和基础设施投資的決定提供了資訊。 有些州長在預算的降低成本和在清洁能源领域创造就业机会的基础上, 制定了雄心勃勃的可再生能源目標。

案例研究: 動作中的資料

許多現實世界的例子都說明了總督們如何成功使用資料分析法來為政策決定提供資訊。

答复

美國的COVID-19儀式包括住院率、實驗率、區域案例數據。 數據導引了重開階段和資源分配的決定。 據洛克菲勒政府研究所的報告, 數據導引的方法有助于紐約平穩曲線和管理醫院容量。

俄亥俄州阿片危机

俄亥俄州受到阿片疫情的重创。 州长麥克·德懷恩(Mike DeWine)在2018年推出「Ohio Opioid Data Dashboard 」, 整合了多個來源的資料,包括急診室訪問、過量死亡和處方模式。 儀表板讓州和地方官员可以辨明熱點和目標防疫工作。 該举措被稱為有助于降低一些社区過量死亡。

田纳西教育改革

田納西州長比爾·哈斯拉姆(Bill Haslam)實施了「開到55」計畫, 旨在到2025年將具有大學生證的學生比例提高到55%。 該州使用大學招生、畢業率和勞工等數據來設計方案, 如提供免費社区大學學費的田納西州政府承諾。 資料分析顯示, 經濟障礙是一大障碍, 導致了學士學院的成立。 自此,大學招生率大幅提升。

數據處理的挑戰

總督和他們的員工必須知道這些問題, 才能負責有效地使用數據。

資料隱私與安全

收集分析個人資料, 如健康記錄或學校表現等, 引起隱私問題。 國家必須遵守HIPAA( 醫保可及性與責任法) 和 FERPA( 家庭教育權與隱私法 ) 等法律。 此外, 資料違反會暴露敏感資訊, 削弱公眾信任。 總督們需要投資網路安全, 制定明確的數據收集、共享及保留政策。

資料質量與準確性

數據只有在 准确可靠 的情况下才有用 。 數據不完全或 过时 可能導致 錯誤 。 例如, 在大流行 中, 有些州會在測試數據方面遭遇延遲, 難以估量病毒的真正蔓延。 數據整合跨過多個機構, 也可能很具挑戰性, 因為不同部門可能使用不相容的系統或定義。

公平和偏见

數據分析學學學學學學家在研究中也曾不斷地研究過, 以分析現實的偏見。 例如, 刑事司法中所使用的預測模型可能无意中反映出歷史上在治安方面的差異。 相类似, 教育學學學學學者可能會突出差距, 而不解決如系統不平等等根本原因。 總督們必須確保數據政策不會對边缘化社群造成過大傷害。 吸引不同的利益相关者和進行公平審查可以幫助減低這些風險。

能力和专门知识

實施數據分析需要高技能的人才,包括數據科學家、分析家和IT專業者。 较小的州或那些预算有限的国家可能會努力雇用和保留這些人才。 此外,州長和他們的員工需要了解數據的局限性,避免以質量觀察為代价过度依赖分析。 建立全政府的數據素學是目前的一项努力。

机遇和未来趋势

未來, 數個趋势將进一步加强數據在治理中的作用。 投資這些领域的理事們將更有能力做出明智的決定,改善他們的州產品。

人工智能和机器学习

AI和機器學會可以分析大型數據集, 找出模式, 預測未來的事件。 例如, 部分州會用機器學來預測虐待儿童的報告, 以及預防家访。 其它州會探索AI, 以在福利方案中查清舞弊。 然而, 總督們必須小心翼翼地接近AI, 以确保自動决策的透明性和问责制。

開啟資料倡議

許多州都啟動了开放的資料入口,讓政府資料公開。 透明化讓研究者、記者、公民對政府負責,為政策分析做出贡献。 例如,德克薩斯州開通了德克薩斯州開放資料的门户,其中包括了健康、教育和交通方面的数据集。 開放的資料也可以刺激創新,因为企業家和非營利者會用政府資料來發展新的產品和服务。

基础设施的預期分析

總督們可以使用預測分析來預測基础设施故障及优化維護時間。 例如,桥梁和公路上的感應器能預測到裂痕或腐蚀可能發生的地方, 以便有针对性地修复而不是耗費錢的緊急修補。 這可以省錢,改善安全性。

集成資料系統

打破州政府机构之间的隔阂是日益优先的。 整合的數據系統把教育、健康、社会服务和就业數據联系起来,可以更全面地了解居民的需求。 例如,猶他州的「社会服务整合”計畫就利用多家机构的数据來辨別哪些家庭可能得益于协调支持。 早期的结果显示,這可以減少急症服務的需求,改善長期效果。

結 论

數據和分析已經成為了各州长在做出明智的政策決定的不可或缺的工具。 從經濟發展和公共卫生到教育和基礎建設,數據可以讓州政府高管找出問題、估計選擇、追蹤進步。 私密、公平和能力等相關的挑戰依然存在,但改善的機會很大。

實際上, 國家治理的未來是靠數據為生的,而領導證據的州長最能满足21世紀的复杂需求。 國家治理的未來是靠數據為生的,而領導人靠證據的州長們最能满足21世紀的复杂需求。