在技术飞速发展的数字时代，政府必须采用数据驱动的方法，才能为公民提供价值并提升效率。在一次近期的网络研讨会上，来自澳大利亚悉尼新南威尔士州政府的高级数据科学家 Alex Scriven 分享了他在政府环境中推进数据民主化的见解，介绍了利用政府数据产生积极影响的鼓舞人心的用例，以及在政府机构中培育数据驱动文化的可操作最佳实践。
什么是数据民主化？
数据民主化可被描述为这样一种状态：组织中的每个人（不仅仅是数据专业人士）都具备做出数据驱动决策所需的技能、信心和获取途径。尽管这一定义具有高度的普适性，但在政府语境下有两个特定维度：
- 在政府内部员工之间（即政府机构内部及跨机构）实现数据获取与技能的民主化。
- 通过向所有人开放政府数据来为公民提供透明度——这通常被称为开放数据。
这两个维度彼此相关：当政府内部形成积极的数据文化、实现技能与访问的民主化时，会作为连带效应推动并激励面向公民的开放数据理念。
为何数据民主化对政府机构重要？
在政府领域推进数据民主化有多重理由。以下为五大理由：
1. 人才短缺
众所周知，全球数据人才供不应求，Quanthub 报告称数据科学职位发布数量是求职搜索的三倍。更糟的是，这种紧缺在政府部门尤为明显。Stitch 发布的《数据科学现状》报告显示，只有 1.2% 的数据科学家在政府部门任职，这一比例明显低于众多其他行业。
这意味着不会有足够的数据从业者来支持政府机构内的所有部门。解决之道是通过在更广泛的非技术员工群体中培养数据技能来推进数据民主化，使其能够自信且胜任地发起并开展数据驱动项目。
2. 更好地部署现有人才
鉴于政府部门的数据人才短缺，妥善管理并有效部署现有人才也至关重要。在理想情况下，数据从业者应当运用其专长，为机构与公民创造最大价值。在尚未实现数据民主化的机构中，数据人才往往被局限于制作仪表板，并以描述性分析的形式交付价值（新加坡智慧国与数码政府办公室）。
如果机构专注于民主化数据技能和访问权限，非技术相关方将能够自行完成描述性分析，而数据从业者可将重心从描述性分析转向预测性分析和更高影响力的项目。
此外，必须避免这些人才陷入“数据支撑陷阱”，即面对各种未筛选请求而不断膨胀的工作量。为他们提供最佳的工作环境，也更有利于政府留住这些炙手可热的人才。
3. 更深刻的洞见
不熟悉数据的政府员工往往是各自领域的主题专家，这意味着存在大量可待挖掘的领域专长。与其将领域知识灌输给数据人才，不如培养领域专家的数据技能，使其能够将专业知识与技术能力自然融合。通过利用现有的领域知识，机构可以通过数据驱动的方法提出并回答业务问题，从而获取更深刻的洞见。
4. 突破速度障碍
政府机构传统上与官僚流程和繁文缛节导致的缓慢节奏联系在一起。在与数据从业者协作时，这一问题因涉及数据人才与主题专家之间多轮交互的耗时工作流而进一步加剧。
赋能领域专家后，他们就能立即自行探索数据，并在无需每次都牵涉数据从业者的情况下，找到关键业务问题的答案。
5. 信任与开放数据
如前所述，在政府场景中，数据民主化不仅体现在赋能员工掌握数据技能与访问权限，还体现在向公民开放政府数据。建立开放数据门户能为政府与公民双方带来诸多益处。例如，公民会认可政府提供的更高透明度，而政府则可从公众激发的创新以及跨机构协作中受益。
政府机构中数据民主化的用例
政府机构中数据民主化的用例广泛且众多。总体而言，可归纳为三大类：更快速的危机响应、更高的运营效率，以及更好的公民参与与透明度。
(1) 更优的危机响应
为政府机构配备合适的数据访问与工具，能够使其对重大危机做出快速且最优的响应。在研讨会中，Alex 深入探讨了大量用例，其中一些尤为突出。例如，世界银行与捐助国为2010 年海地地震发起了史上规模最大的救灾行动之一。这得益于开放制图方案下可公开分发和使用的高质量卫星影像。又如，红十字会分析社交媒体数据，识别风暴受灾者的避难地点，以优化救灾响应（经济学人）。
2014 年西非埃博拉危机也包含诸多公共数据创新。例如，Flowminder 使用手机数据预测潜在的疾病传播路径，而“埃博拉开放数据倡议”则使卫生官员能够开发用于埃博拉干预模拟的开源模型。
(2) 更高的运营效率
与任何组织一样，大规模利用数据可显著提升运营效率，政府领域亦是如此。例如，通过更优的人才部署，某机构能够对其数据应用机器学习，自动识别公务员医疗账单中的欺诈行为，从而减少纳税人的资金浪费。
英国政府通过运用描述性分析审视技术供应商支出、避免过度采购，节省了 12.4 亿英镑。此外，在美国，堪萨斯城利用数据为住房检查排定优先级，使检查时间缩短了 11 倍，并改善了公民的服务结果（哈佛阿什中心）。
(3) 更好的公民参与与透明度
有众多数据驱动的解决方案可促进政府与公民之间的互动。例如，突尼斯政府利用社交媒体数据作为代理变量来衡量公民对政府的看法。与传统的住户调查相比，这种方式更廉价且可更频繁地进行。
另一个例子来自墨西哥，在线平台 Mejora Tu Escuela（改善您的学校）向公民提供学校表现数据——让家长能够就孩子就读学校做出明智决定，并参与学校改进。这只是研讨会中涉及的众多开放数据用例之一。
在政府机构推进数据民主化的最佳实践
要在政府机构中实现数据民主化，需要付诸协同努力。Alex 分享了多条关于如何起步并持续推进的宝贵建议。归结起来，就是通过信心、学习、工具、技能与数据访问来赋能人群，凝聚起推动更佳结果的数据文化。
在政府环境中要振兴数据文化，需在基础设施、人员、工具、组织与流程等多方面协同推进。归根结底，政府机构中的人是最关键的要素，他们是自下而上推动民主化的最强力量。通过持续支持并提升他们的技能与信心，联结热情成员担任引领者，可加速数据民主化进程。
如果您希望进一步了解政府机构可采取哪些步骤来实现数据科学的民主化，欢迎观看完整研讨会录播。
在技术飞速发展的数字时代，政府必须采用数据驱动的方法，才能为公民提供价值并提升效率。在一次近期的网络研讨会上，来自澳大利亚悉尼新南威尔士州政府的高级数据科学家 Alex Scriven 分享了他在政府环境中推进数据民主化的见解，介绍了利用政府数据产生积极影响的鼓舞人心的用例，以及在政府机构中培育数据驱动文化的可操作最佳实践。
什么是数据民主化？
数据民主化可被描述为这样一种状态：组织中的每个人（不仅仅是数据专业人士）都具备做出数据驱动决策所需的技能、信心和获取途径。尽管这一定义具有高度的普适性，但在政府语境下有两个特定维度：
这两个维度彼此相关：当政府内部形成积极的数据文化、实现技能与访问的民主化时，会作为连带效应推动并激励面向公民的开放数据理念。
为何数据民主化对政府机构重要？
在政府领域推进数据民主化有多重理由。以下为五大理由：
1. 人才短缺
众所周知，全球数据人才供不应求，Quanthub 报告称数据科学职位发布数量是求职搜索的三倍。更糟的是，这种紧缺在政府部门尤为明显。Stitch 发布的《数据科学现状》报告显示，只有 1.2% 的数据科学家在政府部门任职，这一比例明显低于众多其他行业。
这意味着不会有足够的数据从业者来支持政府机构内的所有部门。解决之道是通过在更广泛的非技术员工群体中培养数据技能来推进数据民主化，使其能够自信且胜任地发起并开展数据驱动项目。
2. 更好地部署现有人才
鉴于政府部门的数据人才短缺，妥善管理并有效部署现有人才也至关重要。在理想情况下，数据从业者应当运用其专长，为机构与公民创造最大价值。在尚未实现数据民主化的机构中，数据人才往往被局限于制作仪表板，并以描述性分析的形式交付价值（新加坡智慧国与数码政府办公室）。
如果机构专注于民主化数据技能和访问权限，非技术相关方将能够自行完成描述性分析，而数据从业者可将重心从描述性分析转向预测性分析和更高影响力的项目。
此外，必须避免这些人才陷入“数据支撑陷阱”，即面对各种未筛选请求而不断膨胀的工作量。为他们提供最佳的工作环境，也更有利于政府留住这些炙手可热的人才。
3. 更深刻的洞见
不熟悉数据的政府员工往往是各自领域的主题专家，这意味着存在大量可待挖掘的领域专长。与其将领域知识灌输给数据人才，不如培养领域专家的数据技能，使其能够将专业知识与技术能力自然融合。通过利用现有的领域知识，机构可以通过数据驱动的方法提出并回答业务问题，从而获取更深刻的洞见。
4. 突破速度障碍
政府机构传统上与官僚流程和繁文缛节导致的缓慢节奏联系在一起。在与数据从业者协作时，这一问题因涉及数据人才与主题专家之间多轮交互的耗时工作流而进一步加剧。
赋能领域专家后，他们就能立即自行探索数据，并在无需每次都牵涉数据从业者的情况下，找到关键业务问题的答案。
5. 信任与开放数据
如前所述，在政府场景中，数据民主化不仅体现在赋能员工掌握数据技能与访问权限，还体现在向公民开放政府数据。建立开放数据门户能为政府与公民双方带来诸多益处。例如，公民会认可政府提供的更高透明度，而政府则可从公众激发的创新以及跨机构协作中受益。
政府机构中数据民主化的用例
政府机构中数据民主化的用例广泛且众多。总体而言，可归纳为三大类：更快速的危机响应、更高的运营效率，以及更好的公民参与与透明度。
(1) 更优的危机响应
为政府机构配备合适的数据访问与工具，能够使其对重大危机做出快速且最优的响应。在研讨会中，Alex 深入探讨了大量用例，其中一些尤为突出。例如，世界银行与捐助国为2010 年海地地震发起了史上规模最大的救灾行动之一。这得益于开放制图方案下可公开分发和使用的高质量卫星影像。又如，红十字会分析社交媒体数据，识别风暴受灾者的避难地点，以优化救灾响应（经济学人）。
2014 年西非埃博拉危机也包含诸多公共数据创新。例如，Flowminder 使用手机数据预测潜在的疾病传播路径，而“埃博拉开放数据倡议”则使卫生官员能够开发用于埃博拉干预模拟的开源模型。
(2) 更高的运营效率
与任何组织一样，大规模利用数据可显著提升运营效率，政府领域亦是如此。例如，通过更优的人才部署，某机构能够对其数据应用机器学习，自动识别公务员医疗账单中的欺诈行为，从而减少纳税人的资金浪费。
英国政府通过运用描述性分析审视技术供应商支出、避免过度采购，节省了 12.4 亿英镑。此外，在美国，堪萨斯城利用数据为住房检查排定优先级，使检查时间缩短了 11 倍，并改善了公民的服务结果（哈佛阿什中心）。
(3) 更好的公民参与与透明度
有众多数据驱动的解决方案可促进政府与公民之间的互动。例如，突尼斯政府利用社交媒体数据作为代理变量来衡量公民对政府的看法。与传统的住户调查相比，这种方式更廉价且可更频繁地进行。
另一个例子来自墨西哥，在线平台 Mejora Tu Escuela（改善您的学校）向公民提供学校表现数据——让家长能够就孩子就读学校做出明智决定，并参与学校改进。这只是研讨会中涉及的众多开放数据用例之一。
在政府机构推进数据民主化的最佳实践
要在政府机构中实现数据民主化，需要付诸协同努力。Alex 分享了多条关于如何起步并持续推进的宝贵建议。归结起来，就是通过信心、学习、工具、技能与数据访问来赋能人群，凝聚起推动更佳结果的数据文化。
在政府环境中要振兴数据文化，需在基础设施、人员、工具、组织与流程等多方面协同推进。归根结底，政府机构中的人是最关键的要素，他们是自下而上推动民主化的最强力量。通过持续支持并提升他们的技能与信心，联结热情成员担任引领者，可加速数据民主化进程。
如果您希望进一步了解政府机构可采取哪些步骤来实现数据科学的民主化，欢迎观看完整研讨会录播。