Les technologies émergentes permettent la politique et la pratique basées sur les données

En octobre 2017, le Melbourne Institute a publié les conclusions d'une série de documents de travail sur le désavantage intergénérationnel, qui montre que les jeunes ont presque deux fois plus besoin d'aide sociale si leurs parents sont bénéficiaires. Bien que cette conclusion ne soit pas surprenante pour ceux qui ont de l'expérience en protection sociale, il s'agit d'une étude historique en termes de données analysées et d'approche analytique appliquée. En effet, au moment où l'étude a été initiée, les technologies qui faciliteraient finalement l'analyse n'existaient pas encore! Aujourd'hui, avec l'émergence de l'analyse prédictive, de l'apprentissage automatique et des technologies informatiques en temps réel, les politiques et les programmes axés sur les données offrent des possibilités sans précédent d'améliorer les résultats sociaux et économiques

. que l'analyse fournit des preuves irréfutables d'un désavantage intergénérationnel en Australie sur la base que l'étude a été menée contre un ensemble de données complet – pas seulement un échantillon. L'ensemble de données transgénérationnelles (TDS) du Département des services sociaux donne accès aux dossiers de 124 285 Australiens nés entre octobre 1987 et mars 1988, et 98% de ces sujets ont pu être jumelés à leurs soignants primaires, leur permettant ainsi d'être inclus dans l'étude. Une analyse longitudinale est en cours depuis 18 ans et a déjà été appliquée à 126 millions de paiements d'assistance sociale par quinzaine. Les données sur les transactions sont actuellement disponibles pour ces jeunes Australiens jusqu'à l'âge de 26 ans.

L'analyse de Big Data nous permet de remettre en question les idées préconçues qui pourraient avoir été formées par une vision limitée des données. Dans le cas de l'étude de l'Institut de Melbourne, les données plaident contre la notion d'une culture du bien-être généralisée dans laquelle les valeurs sont façonnées et le désavantage devient de plus en plus ancré. Au contraire, les données montrent que le désavantage causé par les circonstances (p. Ex. Invalidité) est beaucoup plus difficile à surmonter que celui causé par un choix personnel.

L'analyse des données massives peut aussi fournir de nouvelles idées sur les ensembles de données. compréhension complète des personnes et de leurs circonstances. Encore une fois, dans le cas de l'étude de l'Institut de Melbourne, les données montrent une forte corrélation entre programmes sur l'ensemble des avantages sociaux. Cela est particulièrement prononcé dans le cas de l'incapacité parentale en santé mentale, dont les conséquences pour les jeunes qui prennent en charge leurs parents sont nombreuses

. comment nous consommons les Big Data et comment nous pourrions appliquer de nouvelles idées pour obtenir de meilleurs résultats sociaux et économiques:

1. Predictive analytics est une forme d'analyse avancée qui utilise des données nouvelles et historiques pour prévoir l'activité future, le comportement et les tendances. . Il englobe une gamme de techniques statistiques utilisées pour prédire la probabilité de certains résultats pour les individus, sur la base des tendances observées dans les données historiques des personnes ayant un profil similaire. Ces prédictions peuvent être appliquées pour informer et influencer les décisions politiques, telles que l'identification des cas à haut risque dans un scénario de protection de l'enfant et l'intervention précoce pour prévenir la maltraitance et la négligence des enfants

2. AI) qui permet aux applications logicielles de prédire plus précisément les résultats sans être explicitement programmées. Il étend l'analyse prédictive à travers l'exploration computationnelle des corrélations entre les entrées d'échantillons et les sorties connues, qui peuvent être utilisées pour affiner les modèles prédictifs dans le temps. Cette approche peut être appliquée pour optimiser les plans de services en découvrant des schémas cachés dans les données et en proposant des interventions avec la plus grande probabilité de produire les résultats souhaités dans une circonstance donnée.

3. L'informatique en temps réel capacité à utiliser, les données et les ressources connexes dès que les données entrent dans le système. Il permet d'appliquer des techniques analytiques au point de service, dans le système opérationnel, réduisant ainsi le temps de latence traditionnellement associé à l'entreposage de données. Cette capacité est essentielle pour rendre les analyses proactives plutôt que réactives, de sorte que, par exemple, de nouveaux clients puissent être segmentés en fonction de leur profil de risque au moment de la prise en charge.

son centre de gestion et de performance (MPH). Le MPH est une plate-forme informatique en temps réel avec des capacités d'analyse prédictive. En 2014-2015, l'État a piloté avec succès le MPH pour quantifier statistiquement l'importance des facteurs de risque entraînant un taux de mortalité infantile constamment élevé. Le projet pilote a appliqué l'analyse prédictive à 9 milliards de rangées de données sur plus de 50 ensembles de données pour établir des corrélations et des causalités entre des facteurs de risque inconnus et leur a permis d'identifier des sous-populations avec des facteurs sous-jacents de mortalité infantile. En conséquence, l'État a obtenu un crédit budgétaire supplémentaire de 13,5 millions de dollars pour de nouveaux programmes ciblant l'intervention précoce pour les cohortes à haut risque. Ayant établi un actif d'analyse de données à l'échelle de l'entreprise, l'État a récemment appliqué le MPH à la lutte contre l'épidémie d'opioïdes et à la réduction de la récidive

. . L'objectif stratégique du gouvernement est de réduire la propension de la dette des citoyens en permettant un préavis plus rapide et des interventions ciblées grâce à une analyse des causes profondes. Le but de l'essai était d'appliquer l'apprentissage automatique à une vaste gamme de données afin de fournir des indicateurs précoces de clients qui n'auraient peut-être pas la capacité de payer des cotisations obligatoires. Lors de l'essai, 187 millions de dossiers de transactions ont été analysés auprès de 97 000 clients, et le prototype a atteint un taux de prédiction de débiteur de 71% après quatre semaines de formation. La mise en œuvre de cette fonctionnalité sur une plate-forme informatique en temps réel permettra à l'agence de créer des profils de risque dynamiques pouvant guider la prise de décision fondée sur des données probantes et la segmentation des clients. L'agence continue de travailler pour perfectionner le modèle d'apprentissage automatique et elle a l'intention d'appliquer cette capacité pour réduire le passif total.

Les technologies émergentes ont le potentiel d'automatiser considérablement et d'améliorer considérablement les processus opérationnels associés à l'analyse des besoins, la planification des services, la prestation des services et le suivi des résultats. Dans certains cas, comme l'a démontré l'étude du Melbourne Institute sur le désavantage intergénérationnel, nous avons déjà les données et la capacité de l'analyser rétrospectivement. L'opportunité est de tirer parti de cela et d'appliquer les technologies émergentes d'aujourd'hui, comme démontré par le Management and Performance Hub aux États-Unis et le prototype d'apprentissage automatique du gouvernement australien, afin d'obtenir de meilleurs résultats sociaux et économiques pour les générations futures

l'aide humanitaire arrive là où c'est nécessaire. Il est temps de réinventer la fourniture de l'aide à l'économie numérique afin de recâbler l'espoir .

<! – Commentaires ->