行业洞察-从数据分析到人工智能：政府该如何利用数据？（上）

本文为Eddie Copeland在2018年3月22日于爱丁堡数据峰会上发表的演讲内容，首发于Nesta网站。

在过去的五年中，我一直在和一些人探讨公共部门组织该如何更好地使用他们自身的数据以获得更多的好处。

我强调了“使用他们自己的数据”，因为英国似乎采取了一种不同的数据处理方式。

一方面，我们一直是开放数据的有力拥护者：我们希望在公共部门组织发布他们的数据集后，其他人可以在这些数据的基础上发现一些有趣的结果。

另一方面，我们对智慧城市充满热情，在可以为城市提供更多数据的新技术上投入数百万英镑，但公共部门组织的人员却完全不知道如何使用这些数据。

现在，我承认，在这些领域中有不少成功的故事和经验。

但是中间还缺失了一部分内容。

缺失的部分是公共部门组织的广泛认可，即他们应该是自己数据的主要消费者。

多年来，记者和评论员们在纠结用什么词来形容数据，是新的石油、燃料？还是促进创新的种子茁壮成长的肥沃土壤？不管将数据比作什么，其核心都是要表现出数据是有价值的。对公共部门组织来说，如果不能从数据中获得好处，那么数据就没有价值可言。

那么，我提到的数据的价值到底指什么？

我花了相当多的时间来研究公共部门组织如何改善自身，以及如何应对他们所面临的压力，然后突然醒悟，数据能够推动人们不断尝试和检验更好的工作方式。

目前的问题是，该行业目前的数据处理方式阻碍了工作人员从中获得好处。具体来说，这是一种“拼图”问题：每个团队都有自己的小数据拼图，但没有人能把这些碎片拼在一起，看看图片会显示什么。

这就是问题所在。

例如，我们知道共享服务可以产生价值，前提是设计和执行环节都没有出现问题。但是，如果相关组织既没有大量的数据，又无法把握问题、需求和发展机会，那么组织该如何与其他机构分享更多的数据、团队和资源呢？

我们知道，如果组织资源稀缺，就有必要重点面向需求最大的领域。如果公共部门组织不能获取那些能够显示需求量的数据集，那就很难继续深入发展了。

我们也知道，一些最复杂和最费钱的公共服务，比如成人和儿童社会关怀，可能需要多达三十个组织共同努力来提供一个家庭所需的服务。如果这些组织没有彼此之间的相关数据，他们如何高效智能地协调工作？

公共服务改革的最高目标是：预测和预防，或者说是预测和早期干预。很简单，我们知道在问题还没产生严重后果的时候，或者已经造成了最小危害时，或者更直白地说，就是解决问题的成本还不高的时候，进行干预是合情合理的。公共部门组织可以做到这一点，但前提是他们能够汇总和分析预测未来风险的数据集。

导致拼图难以成形的原因是众所周知的。在我们成功地解决这些问题之前，我们需要反复分析数据。

目前存在一些技术问题。多年来，每个公共部门组织都购买或开发了自己的IT系统，其中许多系统很难互通和共享数据。更糟糕的是，一些IT供应商甚至向公共部门客户索取相关数据。

数据方面也存在问题。即使这些组织之间可以访问数据集，但这些数据往往是根据不同的格式和约定进行记录的，比对数据就像是在比较苹果和橘子一样。

法律上也存在着一些问题。有一些做法是法律不允许的，因此禁止此类做法是合情合理的。但是，对于另外一些数据方面的做法，普通公共部门的工作人员并不确定这些做法是否符合数据保护立法，所以这些做法也没有继续下去了。他们需要谨慎行事，这是可以理解的。

最后是组织方面的问题。每个公共部门组织都是在过去的某个时候建立起来的，并且以某种方式服务于某个社区。这些组织需要在精神上，组织结构上和文化上形成系统合作的理念。

他们必须要进行合作。

数据分析办公室

为了帮助这些组织克服其中的一些障碍，两年前，Nesta推出了数据分析项目办公室，帮助城市和地区对数据进行分析，并采取相关措施促进公共服务改革。

到目前为止，我们已经直接参与了三个试点项目的工作，在每一个项目案例中，我们都发现以下四个问题可以帮助工作人员确定一个特定的公共服务挑战是否可以用数据来解决。

1 - 我们的问题是否足够具体、足够有影响力？运用数据需要时间、金钱和政策的支持。除非要解决的问题能够激发所有的相关人员参与进来，否则很难确保数据可以解决问题。

2 - 我们知道要采取怎样的干预措施吗？给这个问题一个很好的答案是非常重要的：“如果你有关于这个问题所需的所有信息，你会做出怎样不同的选择？”。数据并不是一种干预，数据是一种推动力，所以我们想要做什么？

3 - 我们知道需要什么样的信息产品吗？一线工作人员或服务经理应该在纸上或平板电脑屏幕上看到哪些相关信息？是地图，热点图，优先列表，仪表板，警报等信息吗？

4 - 创建信息产品所需的数据是否可用？数据是否可以用于此类目的？

在这些问题的基础上，我们与伦敦十二个行政区、GLA和ASI数据科学开展合作，共同发展伦敦数据分析办公室的试点项目，该项目旨在开发一种预测算法，以发现未知的HMO。 （关于该试点的全面报告将很快公布）

我们还与数字弹射中心（Digital Catapult），英国东北部地区的地方当局、警察和卫生组织进行合作，收集有关酒精危害问题的数据，探索这些问题的性质和影响程度。(该试点项目最终失败了，因为我们未能清楚地回答上面提到的第2个问题，也未能明确更好的信息将会带来什么样的影响。）

目前，我们在与埃塞克斯郡的警方、当地议会和公共部门进行合作，应用数据分析技术来识别企业是否苛待劳工。

后续内容请见本期第二篇文章：从数据分析到人工智能：政府接下来会怎样运用数据？（下）

公众号背景

全球智慧城市联盟是由TM Forum主办的微信公众号，该公众号旨在报道全球智慧城市建设最新进展，分享全球智慧城市最佳实践和案例，介绍全球智慧城市解决方案优秀案例，展示全球智慧城市城市风采。

全球智慧城市联盟旨在引入TM Forum原创文章和全球智慧城市领域顶级文章，分享给全国智慧城市管理者、设计者和建设者。同时，我们也积极推广来自中国的建设经验并翻译成英文，以电子周刊方式通过TM Forum官方渠道分享给全球读者。

如何把这篇文章分享给好友？‍

如何能收到来自TMForum中国的最新资讯？‍