Memanfaatkan Data Non-Tradisional Untuk Strategi Pemulihan Sosial Ekonomi Covid-19

Artikel ini disusun bersama Selva Ramachandran, Resident Representative, UNDP Filipina.

Data sekarang diakui sebagai “minyak baru” untuk ekonomi digital. Sementara pelaku pembangunan mengandalkan sumber data tradisional, seperti yang bersumber dari survei publik dan administrasi pemerintah, ada potensi besar untuk memanfaatkan nilai dari sumber non-tradisional atau non-tradisional seperti data dari sektor swasta, yang dapat membantu merek pemerintahan yang lebih gesit, gesit, dan inklusif.

Memang, perusahaan swasta secara rutin mengumpulkan, menganalisis, dan menggunakan data dalam jumlah besar—baik yang bersumber dari operasi mereka sendiri maupun dari perusahaan lain—untuk memperoleh wawasan yang dapat ditindaklanjuti dan menginformasikan strategi bisnis. Kemampuan dan kecepatan pemanfaatan data ini dengan bantuan ilmu data, analitik, dan alat kecerdasan buatan telah memungkinkan bisnis yang paham data untuk berhasil menavigasi beberapa bentuk krisis, termasuk pandemi Covid-19. Dalam lingkungan yang dinamis dan tidak pasti ini, pentingnya data berfrekuensi tinggi, tepat waktu, dan terperinci untuk menginformasikan pengambilan keputusan menjadi sangat berharga.

Untuk tujuan ini, adalah tepat untuk mengajukan pertanyaan berikut: Bisakah kita memanfaatkan kekuatan data yang dikumpulkan secara rutin oleh perusahaan—termasuk penyedia transportasi, operator jaringan seluler, jaringan media sosial, dan lainnya—untuk kepentingan publik? Bisakah kita menjembatani kesenjangan data untuk memberi pemerintah akses ke data, wawasan, dan alat yang dapat menginformasikan strategi respons dan pemulihan nasional dan lokal?

Potensi Data Non-Tradisional

Ada pengakuan yang meningkat bahwa data tradisional dan non-tradisional harus dilihat sebagai sumber daya yang saling melengkapi. Data non-tradisional dapat membawa manfaat yang signifikan dalam menjembatani kesenjangan data yang ada tetapi masih harus dikalibrasi terhadap tolok ukur berdasarkan sumber data tradisional yang sudah ada. Kumpulan data tradisional ini secara luas dipandang dapat diandalkan karena tunduk pada standar internasional dan nasional yang ketat. Namun, mereka sering terbatas dalam frekuensi dan perincian, terutama di negara-negara berpenghasilan rendah dan menengah, mengingat biaya dan waktu yang dibutuhkan untuk mengumpulkan data tersebut. Misalnya, indikator ekonomi resmi seperti PDB, konsumsi rumah tangga, dan kepercayaan konsumen mungkin hanya tersedia hingga tingkat nasional atau regional dengan pembaruan triwulanan.

Sementara itu, data non-tradisional seperti riset pasar yang dikumpulkan secara rutin setiap bulan dari survei rumah tangga nasional mungkin hanya spesifik untuk produk dan merek tertentu, tetapi dapat memberikan informasi yang lebih sering dan terperinci, dengan pemilahan berdasarkan wilayah geografis, kelompok sosial ekonomi rumah tangga, jenis kelamin. dan atribut lainnya. Lebih lanjut, data yang dikumpulkan dari perangkat seluler, platform internet, dan citra satelit seringkali tersedia secara real-time dan menawarkan perincian lokasi yang tinggi. Ini tidak selalu sesuai dengan standar statistik tradisional pengambilan sampel dan pengumpulan data dan seringkali memerlukan metodologi "data besar" baru untuk memproses dan menganalisis. Pendekatan inovatif yang menggabungkan indikator dari berbagai jenis data ini dapat menunjukkan konsistensi dan saling melengkapi, memanfaatkan keunggulan masing-masing dan menghasilkan wawasan baru.

Contoh Dari Filipina

Di Filipina, UNDP, dengan dukungan dari The Rockefeller Foundation dan pemerintah Jepang, baru-baru ini mendirikan Pintig Lab: jaringan multidisiplin ilmuwan data, ekonom, ahli epidemiologi, matematikawan, dan ilmuwan politik, yang bertugas mendukung respons dan pengembangan krisis berbasis data strategi. Pada awal tahun 2021, Lab melakukan penelitian yang mengeksplorasi bagaimana pengeluaran rumah tangga untuk barang-barang kemasan konsumen, atau barang-barang konsumen yang bergerak cepat (FMCG), dapat digunakan untuk menilai dampak sosial ekonomi dari Covid-19 dan mengidentifikasi heterogenitas dalam laju pemulihan. di seluruh rumah tangga di Filipina. Badan Pengembangan Ekonomi Nasional Filipina sekarang sedang dalam proses memasukkan data ini untuk perkiraan PDB mereka, sebagai masukan tambahan untuk model prediksi konsumsi mereka. Lebih lanjut, data ini dapat digabungkan dengan kumpulan data non-tradisional lainnya seperti transaksi kartu kredit atau dompet seluler, dan teknik pembelajaran mesin untuk siaran sekarang PDB frekuensi tinggi, untuk memungkinkan kebijakan ekonomi yang lebih gesit dan responsif yang dapat menyerap dan mengantisipasi guncangan. dari krisis.

Data non-tradisional juga berpotensi memberikan wawasan tentang status kelompok rentan, termasuk sektor informal, yang tidak selalu terekam oleh statistik resmi. Menyadari hal ini, Departemen Komunikasi dan Teknologi Informasi dan UNDP telah mulai mengeksplorasi penggunaan citra satelit untuk mengidentifikasi komunitas “last mile” yang tinggal di daerah terpencil dan tertinggal secara geografis dan memahami tingkat konektivitas mereka dalam hal WiFi, listrik, jalan, pendidikan, kesehatan dan pasar. Selain itu, UNDP telah menggunakan chatbots di platform media sosial untuk mengumpulkan informasi dari sektor dan usaha kecil yang kurang beruntung, untuk memahami dampak pandemi terhadap mereka, dan sejauh mana program perbaikan sosial telah berhasil.

Ini adalah contoh yang kuat tentang bagaimana data non-tradisional dapat dan telah menjelaskan kelompok yang kurang beruntung yang sebelumnya tidak terlihat, memungkinkan rencana dan program yang lebih inklusif sehingga tidak ada yang tertinggal.

Data Non-Tradisional Dapat Memfasilitasi Inklusivitas

Saat ini, kemampuan pemerintah dan organisasi pembangunan untuk menghargai, mengakses, dan secara bertanggung jawab menggunakan sumber data non-tradisional dari sektor swasta terbatas—ini berlaku secara global, tetapi terlebih lagi di negara berkembang. Di sisi penawaran, perusahaan mungkin belum sepenuhnya menghargai bagaimana data mereka dapat dimanfaatkan untuk mendukung kebutuhan publik dan pembangunan. Selanjutnya, ada kebutuhan untuk menyelaraskan dan mengoperasionalkan standar internasional dan nasional untuk lisensi data, privasi dan keamanan untuk mengatasi masalah hukum dan keuangan dan menurunkan hambatan untuk berbagi data. Dalam pekerjaan ini harus diakui bahwa risiko perlu diidentifikasi dan strategi mitigasi diterapkan—termasuk akurasi representasi, risiko keamanan digital, risiko pelanggaran kerahasiaan dan privasi, dan potensi pelanggaran hak kekayaan intelektual dan kepentingan komersial lainnya. Di sisi permintaan, lembaga pemerintah dan organisasi pembangunan memiliki berbagai tingkat kapasitas teknis dan sumber daya untuk pekerjaan terkait data. Selain itu, bahkan di dalam unit di mana pekerjaan terkait data teknis dilakukan, mungkin masih ada kebutuhan untuk berinovasi pada pendekatan yang menggabungkan jenis data baru ini untuk menambah kumpulan data dan metodologi resmi. Tantangan yang ada termasuk metodologi, hukum, privasi dan masalah keamanan perlu ditangani untuk mempromosikan penggunaan praktis data non-tradisional.

Perluasan Data Untuk Pembangunan Komunitas

Membuka kunci data sektor swasta untuk kepentingan publik dalam skala besar memerlukan pengaturan pasar yang diperlukan, infrastruktur hukum dan teknis, membangun pilar landasan hukum, tata kelola data, arsitektur TI yang aman, manajemen kemitraan, dan tim multidisiplin. Inisiatif perintis yang telah memelopori ini adalah Development Data Partnership, sebuah konsorsium swasta-publik yang didirikan oleh Bank Dunia, IMF dan IADB dengan dukungan dari The Rockefeller Foundation. Sejauh ini, ia memiliki 26 perusahaan besar sebagai mitra data—termasuk Google, Facebook, Twitter, Waze, dan LinkedIn—dan 6 mitra pembangunan—yaitu UNDP, IADB, IMF, Bank Dunia, OECD, dan The Rockefeller Foundation. Tim multidisiplin di seluruh dunia memanfaatkan sumber data non-tradisional yang kaya yang ditawarkan melalui kemitraan untuk berinovasi solusi untuk mengatasi pandemi Covid-19 serta tantangan pembangunan utama yang meliputi perubahan iklim, kemiskinan, ketahanan pangan, layanan transportasi, dan ketidaksetaraan gender.

Hanya untuk mengutip beberapa contoh, data non-tradisional kemitraan digunakan untuk melacak dampak pembatasan Covid-19 pada mobilitas di Vietnam untuk menilai efektivitas penguncian lokal, memetakan mobilitas perkotaan di Haiti untuk menginformasikan kebijakan transportasi dan investasi dan mengisi kesenjangan data tentang dampak kegiatan ekonomi terhadap perubahan iklim untuk memungkinkan pembuat kebijakan melakukan analisis ekonomi dan keuangan yang kuat. Penggunaan data nontradisional untuk mendukung pemantauan tujuan pembangunan berkelanjutan juga telah diakui secara resmi, dengan Komite Ahli PBB tentang Big Data dan Ilmu Data untuk Statistik Resmi^{ditugaskan untuk mempromosikan penggunaan praktisnya untuk pemantauan SDG, termasuk sebagai dasar untuk indikator baru atau proksi indikator, dengan ketepatan waktu yang lebih baik dan perincian sosial dan geo-spasial yang terperinci.}

Kami baru mulai membuka pintu ke dunia paralel data non-tradisional yang telah ada bersama kami selama beberapa dekade sekarang. Saat kita terlibat dalam wacana publik tentang tanggung jawab perusahaan yang mengumpulkan dan memonetisasi data kita serta efek positif dan negatifnya terhadap masyarakat, ada ruang untuk mempertimbangkan potensi manfaat jika data dan alat canggih tersebut dimanfaatkan untuk kepentingan publik.

Data secara inheren bersifat politis dan memaksimalkan dampak positifnya bagi masyarakat, terutama dalam mengungkap wajah kelompok rentan yang sebelumnya tidak terlihat, akan membutuhkan upaya bersama dari komunitas praktisi dan advokat di dalam pemerintahan, bisnis, masyarakat sipil, dan organisasi internasional untuk membentuknya. cara-cara di mana data diakses, dianalisis, dan digunakan di luar batas asal “untuk mencari laba”. Melakukan hal itu dapat membuka potensi intervensi berbasis bukti yang lebih cepat dan inklusif bagi mereka yang paling membutuhkannya.