Издательство «Альпина PRO» представляет книгу Бет Новек «Как сделать, чтобы государство работало для граждан? Практическое руководство по решению общественных проблем и изменению мира» (перевод Марии Кармановой).
Законы, политика и организации играют ключевую роль в облегчении наших жизней, но инициаторами перемен всегда являются граждане. Среди нас нет равнодушных людей, которые не мечтали бы о мире во всем мире и о счастливой беззаботной жизни для отдельно взятого человека. Но почему тогда на одного успешного общественного предпринимателя приходятся тысячи бездействующих граждан? Не хватает людей, которые готовы брать на себя инициативу и преодолевать пропасть между идеей и ее воплощением. Мы все способны добиваться эффективности, равенства и законности всех общественных институтов, но зачастую просто не знаем, какими способами мы можем достичь желаемого.
Бет Новек, консультант десятков правительств и государственных учреждений, акцентирует внимание читателя на общественных проблемах, которые не имеют очевидного ответа или универсального решения, — расовая несправедливость, неразвитая медицина или ее недоступность, безработица, колоссальный разрыв между богатыми и бедными, изменившийся климат, — а справиться с подобным в одиночку просто невозможно. Еще одна важная тема, которую поднимает Бет Новек, — огромная пропасть между несостоятельными государственными институтами и социальными предпринимателями по всему миру, совершающими невероятные вещи. Она предлагает радикальное переосмысление роли государственного служащего и его навыков и анализирует способы преодоления этой пропасти. Книга изобилует практическими советами для должностных лиц, общественных деятелей и просто активных граждан, как стать более продуктивными и справедливыми лидерами, привлечь людей к решению глобальных проблем, предоставить им больше власти и исправить, наконец, беспокойный мир XXI века.
Предлагаем прочитать один из разделов книги.
Понимание проблемы с помощью статистических данных
Не всё, что можно посчитать, считается важным, и не всё, что считается важным, можно посчитать.
Уильям Брюс Кэмерон. Неформальная социология
Методы работы, основанные на анализе данных
На пресс-конференции 6 апреля 2020 года губернатор Нью-Джерси Фил Мерфи говорил о ключевой роли, которую статистические данные играют для реагирования на пандемию коронавируса в штате.
Когда мы начали наши первые дискуссии о том, как реагировать на эту экстренную ситуацию, еще давно, в январе, кстати сказать, более чем за месяц до того, как у нас был подтвержден первый случай COVID-19, мы знали, что наш лучший шанс вырваться вперед и оставаться впереди — использовать подход, основанный на статистических данных… Мы не могли оставлять что-то на волю случая или полагаться на частные свидетельства, какими бы широкими возможностями мы ни обладали. Мы знали, что только объективный, опирающийся на факты и, как я уже сказал, основанный на статистике, как в фильме Moneyball, подход поможет нам с этим справиться. И именно благодаря этому подходу сформировалась наша жесткая позиция по социальному дистанцированию. Здесь очень важно это отметить. Мы выбрали социальное дистанцирование не просто потому, что нам показалось, что это хорошая идея, которую стоит попробовать. Мы сделали это, основываясь на фактах, основываясь на исторических и современных фактах… Мы создали мощную программу моделирования, которую мы можем использовать с огромной и всё возрастающей уверенностью.
Поскольку в отделе эпидемиологии штата Нью-Джерси не хватало сотрудников, владеющих навыками исследования данных, за исключением нескольких человек (хотя и очень талантливых), штат обратился к университетским волонтерам — специалистам по исследованию данных, с тем чтобы они дополнили имеющуюся команду.
Благодаря публикации и визуализации данных, а также предиктивному анализу, становится возможным со всей очевидностью осознать отличия между теми регионами, которые быстро и своевременно отреагировали на вспышку заболевания, и теми, которые этого не сделали. Когда видишь, как кривая поднимается или выравнивается, отчетливо понимаешь, какое влияние социальное дистанцирование оказывает на скорость распространения инфекции. Моделирование путей распространения вируса и новых заражений позволило принимать решения о том, когда и как снова открывать коммерческие учреждения и публичные места, куда отправлять аппараты искусственной вентиляции легких и респираторы. Сотрудничество с университетскими экспертами по науке о данных и машинному обучению позволило оценить колоссальное воздействие пандемии на людей с небелым цветом кожи и на медицинские учреждения долгосрочного пребывания и соответствующим образом отреагировать (и осознать, насколько сильно нам не хватает данных, чтобы понимать условия на местах).
Чтобы можно было принимать решения, например, о том, где располагать пункты тестирования на коронавирус или сколько сотрудников нанять для отслеживания контактов, нужны статистические данные. Если есть набор точных данных, становится возможным целенаправленно вводить меры, принимать необходимые решения и тем самым минимизировать количество заболеваний и смертей.
Однако недостаточно просто иметь доступ к данным: необходимо использовать достоверные данные и убедительные модели как часть более широкого процесса решения проблемы, в котором будут учитываться и условия на местах. Методики анализа данных — принципиально важный метод разработки доказательной базы, позволяющей добиться конкретного определения и понимания проблемы. Вне зависимости от того, идет ли речь об оценке влияния «менструальной бедности»» (когда женщина настолько бедна, что не может позволить себе средства гигиены) в Джайпуре на образование девочек или последствий использования детского труда для уровня общественного здоровья в Мехико, или об отслеживании уровня заболеваемости коронавирусом в Нью-Джерси — без статистических данных (в сочетании с активными действиями), вы не сможете понять, решаете ли вы проблему.
Хотя в итоге отдельные штаты приняли основанный на статистических данных подход к борьбе с COVID-19, первоначально они действовали по образцу федерального правительства, т. е. не учитывали статистику. Хотя президент Трамп получил первые сводки по COVID-19 еще в январе, он не предпринял по их поводу никаких действий до марта. Фактически исследование, проведенное Колумбийским университетом в мае 2020 года, выявило, что, если бы меры социального дистанцирования были введены на неделю раньше, это могло бы спасти жизни 36 000 американцев, а введение мер на две недели раньше спасло бы 54 000. Также федеральное правительство сфабриковало ложные прогнозы, чтобы оправдать свою позицию. Совет экономических консультантов даже разработал «модель» — которую опровергли и экономисты, и эпидемиологи, — дававшую ложное предсказание, что количество умерших упадет до нуля к 15 мая. Белый дом многократно обвинялся в манипулировании данными в период пандемии.
Хотя пандемия коронавируса со всей очевидностью показала важность принятия решений, основанных на фактических данных, — стало ясно, что действия без фактических данных ничего не стоят, — также она стала убедительным свидетельством и того, что цифры сами по себе не панацея. Данные без действий тоже ничего не стоят. Например, даже в Нью- Джерси, где у нас были данные о непропорционально высоком уровне смертности в медицинских учреждениях долгосрочного пребывания, индустрия и чиновники системы здравоохранения не предприняли адекватных действий, и из-за этого, вероятно, погибли люди, которых можно было спасти. Таким образом, анализ данных должен рассматриваться как невероятно важный инструмент, но только один из инструментов в процессе решения проблемы, в ходе которого (обоснованный) анализ (достоверных) данных комбинируется с человекоориентированным подходом. Существуют хорошие примеры, особенно в отношении городов, которые показывают, как партиципаторные стратегии и анализ данных согласованно используются для решения проблем.
Новый Орлеан — город с одним из самых высоких количеств убийств на душу населения в стране. Стремясь изменить этот ужасающий показатель, уже бывший мэр города М. Лэндрю создал в 2012 году при городском правительстве подразделение, которое получило название «Группы инноваций» или i- Team. Используя данные более чем за 50 лет, сгруппированные по районам и количеству убийств и других преступлений, а также уровню образования, безработицы и рецидивизма, команда обнаружила яркую взаимосвязь между безработицей и насильственными преступлениями (а следовательно, и рецидивизмом). Данные показали, что небольшая группа людей, состав которой можно было установить, совершила большинство убийств в нескольких районах, обычно в результате бытовых конфликтов.
Понимание этого повлекло за собой существенные изменения. Муниципальные органы власти ввели в действие различные программы, чтобы дать тем, кто раньше нарушал закон, образование и работу, снизив таким образом вероятность повторных преступлений среди бывших заключенных. Использовался целый ряд стратегий, от широкого спектра социальных услуг и доступных вакансий до угрозы судебным преследованием; при этом статистические данные использовались, чтобы определить, где какой подход применять. В первый год количество убийств снизилось на 19 % по сравнению с 2012-м. Через два года оно снизилось на 25 %. За период с 2018 по 2019 год падение этого показателя составило еще 18 %. В 2019 уровень убийств в Новом Орлеане, хотя по-прежнему остается в числе самых высоких в стране (30,7 на 100 000), оказался самым низким за период в почти 50 лет. (К несчастью, в 2020 году в большинстве крупных городов наблюдался всплеск.)
В 2015 году в Бостоне время реагирования скорой помощи было неприемлемо долгим. Как и в Новом Орлеане, государственные служащие стали изучать данные, чтобы понять суть проблемы и ее причины. Проанализировав типы несчастных случаев, маршруты и время реагирования на вызовы по телефону 911, они обнаружили, что за последние 10 лет объем звонков вырос на 20 %, и это сместило медианное время реагирования экстренных бригад в самых серьезных случаях с 5,5 минуты в 2009 до 6,8 минуты в 2015. Чтобы сократить время реагирования, мэр М. Уолш, опираясь на собранные данные, запустил инициативу, которая должна была изменить то, как именно машины скорой помощи отправляются на вызов. Количество скорых было увеличено, а также была создана местная группа добровольцев, которая должна была снять нагрузку со служб скорой помощи, помогая тем, кто злоупотребляет наркотическими веществами или находится в кризисном состоянии, получить помощь социальных служб, вместо того чтобы просто доставлять их в больницу. Уже через год время реагирования сократилось до 6,3 минуты.
Проведя количественные исследования, города смогли улучшить показатели. Эти примеры — лишь несколько из тысяч недавних историй о том, как власти использовали количественный анализ и обработку недавно ставших доступными данных, чтобы улучшить процесс выработки решений и предоставления государственных услуг. Государственные органы, коммерческие и некоммерческие организации, а также те, кто занимается решением общественных проблем, используют данные, чтобы обнаруживать неэффективность или замечать позитивные отклонения — примеры того, что работает в особенности хорошо, — того, что они могут воспроизвести.
Государство всегда собирало данные, и даже в первой статье Конституции США закреплено право на сбор данных в ходе переписи. Тем не менее использование практик, основанных на данных, — это сравнительно новый способ работы, отражающий стремление собирать, анализировать, использовать и делать публичными данные не просто в ходе выполнения определенных требований, а для проведения в жизнь быстрых изменений и увеличения продуктивности.
Если наша цель — решение проблем, то нужно признать, насколько важную роль играют статистические данные, а также то, как они могут помочь нам в определении проблемы. Если мы — общественные предприниматели и используем статистику, «результатом станет более умное и гибкое правительство, которое будет лучше распоряжаться своими ресурсами и своим вниманием», — пишут профессора Гарварда С. Голдсмит и С. Кроуфорд в своей книге «Отзывчивый город: Привлечение граждан к управлению с помощью работы с данными» (The Responsive City: Engaging Communities through Data-Smart Governance). Процесс решения проблем всё сильнее требует непрерывного сбора и анализа больших данных, необходимого, чтобы добиться более точного определения проблемы.
Однако, хотя программы, посвященные науке о данных, в избытке присутствуют во множестве университетов, учебные заведения, которые обычно обучают сотрудников административных органов, — школы государственного управления и государственной политики — не обучают своих выпускников этой дисциплине на постоянной основе. Из 25 школ государственной политики, занявших верхние позиции в рейтинге U. S. News and World Report в 2019 году, ни одна не требовала от своих студентов выполнения хотя бы базовой курсовой работы по исследованию данных. Предлагая создать программу по изучению науки о данных для будущих сотрудников государственных органов в Корнельском институте государственного управления, авторы Элизабет Дэй, Мария Фитцпатрик и Томас О’Тул заявляют: «Если политические аналитики не смогут работать над созданием систем, адекватных политическим потребностям, совместно со специалистами по исследованию данных, такие системы никогда не будут созданы. Чтобы эффективно создавать и реализовывать принятые решения, нам нужно, чтобы все государственные служащие и те, кто работают в сферах, связанных с государственным администрированием, понимали возможности и риски работы со статистическими данными и знали, как их эффективно использовать».
И неудивительно, что в 2014 году опрос 283 госслужащих федерального уровня показал следующее: 78 % опрошенных отметили, что статистика имеет принципиальное значение для их должности, но больше 60 % сказали, что органы, в которых они работают, используют ее либо неэффективно, либо лишь отчасти эффективно.
В 2019 году мы с коллегами провели в США опрос 400 государственных служащих местного уровня. Только треть из них отметили, что использовали подходы, основанные на данных, в своей работе. Еще треть опрошенных сказали, что могут объяснить, в чем заключаются эти подходы, но не использовала их. Также я сотрудничала с австралийской коллегой из университета Монаша. Мы работали над опросом австралийских государственных служащих и обнаружили, что, хотя 59 % отметили, что использовали навыки анализа данных, а 25 % сообщили, что прошли официальное обучение этим навыкам, только 60 % из тех, кто утверждал, что использовал их, отметили, что сумеют сформулировать гипотезу, — а это первый этап анализа данных. Еще 68 % сказали, что знают, как идентифицировать данные, нужные для проверки гипотезы. Другими словами, у них подозрительные провалы в знаниях. Отчет LinkedIn о состоянии рынка труда (LinkedIn Workforce Report) в 2018 году показывает, что потребность в специалистах по исследованию данных «зашкаливает», и что по всей территории США незаполненными оставались более 150 000 вакансий для специалистов этого профиля.
В этой главе мы углубимся в изучение того, как ответственно и критично использовать статистические данные, сделав это частью вашего процесса решения проблемы.
Источник:
