Tirer parti des données non traditionnelles pour la stratégie de relance socio-économique de Covid-19

Cet article est co-écrit avec Selva Ramachandran, représentante résidente, PNUD Philippines.

Les données sont désormais reconnues comme le « nouveau pétrole » de l'économie numérique. Alors que les acteurs du développement se sont appuyés sur des sources de données traditionnelles, telles que celles provenant d'enquêtes publiques et de l'administration gouvernementale, il existe un grand potentiel pour exploiter la valeur de sources non conventionnelles ou non traditionnelles telles que les données du secteur privé, qui peuvent contribuer à alimenter une marque de gouvernance plus agile, agile et inclusive.

En effet, les entreprises privées collectent, analysent et utilisent régulièrement de grands volumes de données, provenant à la fois de leurs propres opérations et d'autres entreprises, pour en tirer des informations exploitables et éclairer les stratégies commerciales. La capacité et le rythme auxquels ces données sont exploitées à l'aide d'outils de science des données, d'analyse et d'intelligence artificielle ont permis aux entreprises averties en matière de données de naviguer avec succès à travers plusieurs formes de crise, y compris la pandémie de Covid-19. Dans cet environnement dynamique et incertain, l'importance de données à haute fréquence, opportunes et granulaires pour éclairer la prise de décision est devenue inestimable.

À cette fin, il est opportun de poser les questions suivantes : Pouvons-nous exploiter la puissance des données régulièrement collectées par les entreprises, y compris les fournisseurs de transport, les opérateurs de réseaux mobiles, les réseaux de médias sociaux et autres, pour le bien public ? Pouvons-nous combler le fossé des données pour donner aux gouvernements un accès aux données, aux idées et aux outils qui peuvent éclairer les stratégies nationales et locales de réponse et de rétablissement ?

Le potentiel des données non traditionnelles

Il est de plus en plus reconnu que les données traditionnelles et non traditionnelles doivent être considérées comme des ressources complémentaires. Les données non traditionnelles peuvent apporter des avantages significatifs en comblant les lacunes existantes en matière de données, mais doivent toujours être calibrées par rapport à des références basées sur des sources de données traditionnelles établies. Ces ensembles de données traditionnels sont largement considérés comme fiables car ils sont soumis à des normes internationales et nationales strictes établies. Cependant, leur fréquence et leur granularité sont souvent limitées, en particulier dans les pays à revenu faible ou intermédiaire, compte tenu du coût et du temps nécessaires pour collecter ces données. Par exemple, les indicateurs économiques officiels tels que le PIB, la consommation des ménages et la confiance des consommateurs peuvent n'être disponibles qu'au niveau national ou régional avec des mises à jour trimestrielles.

Dans le même temps, les données non traditionnelles telles que les études de marché régulièrement collectées mensuellement à partir d'enquêtes nationales auprès des ménages peuvent n'être spécifiques qu'à certains produits et marques, mais peuvent fournir des informations plus fréquentes et granulaires, avec une ventilation par zone géographique, groupe socio-économique de ménages, genre et d'autres attributs. De plus, les données collectées à partir d'appareils mobiles, de plates-formes Internet et d'images satellites sont souvent disponibles en temps réel et offrent une grande granularité de localisation. Celles-ci ne sont pas toujours conformes aux normes statistiques traditionnelles d'échantillonnage et de collecte de données et nécessitent souvent de nouvelles méthodologies de « mégadonnées » pour être traitées et analysées. Des approches innovantes qui combinent des indicateurs issus de ces différents types de données peuvent démontrer leur cohérence et leur complémentarité, exploiter les avantages de chacun et produire de nouvelles perspectives.

Exemples des Philippines

Aux Philippines, le PNUD, avec le soutien de la Fondation Rockefeller et du gouvernement japonais, a récemment mis en place le Pintig Lab : un réseau multidisciplinaire de scientifiques des données, d'économistes, d'épidémiologistes, de mathématiciens et de politologues, chargé de soutenir la réponse aux crises et le développement basés sur les données. stratégies. Début 2021, le Lab a mené une étude qui a exploré comment les dépenses des ménages en biens de consommation emballés, ou biens de consommation à rotation rapide (FMCG), peuvent être utilisées pour évaluer l'impact socio-économique de Covid-19 et identifier les hétérogénéités dans le rythme de la reprise dans les ménages aux Philippines. L'Agence nationale philippine de développement économique est actuellement en train d'intégrer ces données dans ses prévisions du PIB, en tant que données supplémentaires dans ses modèles prédictifs de consommation. En outre, ces données peuvent être combinées avec d'autres ensembles de données non traditionnels tels que les transactions par carte de crédit ou portefeuille mobile, et des techniques d'apprentissage automatique pour une prévision immédiate du PIB à plus haute fréquence, afin de permettre des politiques économiques plus agiles et réactives qui peuvent à la fois absorber et anticiper les chocs. de crise.

Les données non traditionnelles ont également le potentiel de fournir des informations sur le statut des groupes vulnérables, y compris le secteur informel, qui ne sont pas toujours pris en compte par les statistiques officielles. Conscients de cela, le Département des technologies de l'information et de la communication et le PNUD ont commencé à explorer l'utilisation de l'imagerie satellitaire pour identifier les communautés du « dernier kilomètre » vivant dans des zones géographiquement isolées et défavorisées et comprendre leur niveau de connectivité en termes de Wi-Fi, d'électricité, les routes, l'éducation, les soins de santé et les marchés. En outre, le PNUD a utilisé des chatbots sur les plateformes de médias sociaux pour rassembler rapidement des informations sur les secteurs défavorisés et les petites entreprises, pour comprendre la manière dont la pandémie les a touchés et dans quelle mesure les programmes d'amélioration sociale ont fonctionné.

Ce sont des exemples puissants de la façon dont les données non traditionnelles peuvent et ont mis en lumière des groupes défavorisés auparavant invisibles, permettant des plans et des programmes plus inclusifs afin que personne ne soit laissé pour compte.

Les données non traditionnelles peuvent faciliter l'inclusivité

Actuellement, la capacité des gouvernements et des organisations de développement à apprécier, accéder et utiliser de manière responsable les sources de données non traditionnelles du secteur privé est limitée - cela s'applique à l'échelle mondiale, mais plus encore dans le monde en développement. Du côté de l'offre, les entreprises ne comprennent peut-être pas encore pleinement comment leurs données peuvent être exploitées pour répondre aux besoins du public et du développement. En outre, il est nécessaire d'harmoniser et d'opérationnaliser les normes internationales et nationales pour l'octroi de licences, la confidentialité et la sécurité des données afin de répondre aux préoccupations juridiques et financières et de réduire les obstacles au partage des données. Dans ce travail, il faut reconnaître que les risques doivent être identifiés et qu'une stratégie d'atténuation doit être mise en place, y compris l'exactitude de la représentation, les risques de sécurité numérique, les risques de violation de la confidentialité et de la vie privée, et la violation potentielle des droits de propriété intellectuelle et d'autres intérêts commerciaux. Du côté de la demande, les agences gouvernementales et les organisations de développement disposent de différents niveaux de capacité technique et de ressources pour le travail lié aux données. De plus, même au sein des unités où des travaux techniques liés aux données sont effectués, il peut être nécessaire d'innover sur les approches qui intègrent ces nouveaux types de données pour compléter les ensembles de données et les méthodologies officielles. Les défis existants, notamment les problèmes méthodologiques, juridiques, de confidentialité et de sécurité, doivent être résolus pour promouvoir l'utilisation pratique des données non traditionnelles.

Élargir la communauté des données pour le développement

Libérer les données du secteur privé pour le bien public à grande échelle nécessite la mise en place de l'infrastructure de marché, juridique et technique nécessaire, en s'appuyant sur les piliers de la base juridique, la gouvernance des données, l'architecture informatique sécurisée, la gestion des partenariats et des équipes multidisciplinaires. Une initiative pionnière qui a ouvert la voie est le Development Data Partnership, un consortium privé-public fondé par la Banque mondiale, le FMI et la BID avec le soutien de la Fondation Rockefeller. Jusqu'à présent, il compte 26 grandes entreprises comme partenaires de données - dont Google, Facebook, Twitter, Waze et LinkedIn - et 6 partenaires de développement - à savoir le PNUD, la BID, le FMI, la Banque mondiale, l'OCDE et la Fondation Rockefeller. Des équipes multidisciplinaires du monde entier exploitent les riches sources de données non traditionnelles offertes par le partenariat pour trouver des solutions innovantes pour faire face à la pandémie de Covid-19 ainsi qu'aux principaux défis de développement englobant le changement climatique, la pauvreté, la sécurité alimentaire, les services de transport et l'inégalité entre les sexes.

Pour ne citer que quelques exemples, les données non traditionnelles du partenariat sont utilisées pour suivre l'impact des restrictions de Covid-19 sur la mobilité au Vietnam afin d'évaluer l'efficacité des verrouillages localisés, cartographier la mobilité urbaine en Haïti pour éclairer la politique et les investissements en matière de transport et remplir les lacunes dans les données sur l'impact de l'activité économique sur le changement climatique pour permettre aux décideurs de faire une analyse économique et financière solide. L'utilisation de données non traditionnelles pour soutenir le suivi des objectifs de développement durable a également été officiellement reconnue, avec le Comité d'experts des Nations Unies sur les mégadonnées et la science des données pour les statistiques officielles.^{chargé de promouvoir leur utilisation pratique pour le suivi des ODD, y compris comme base pour de nouveaux indicateurs ou substituts d'indicateurs, avec une actualité améliorée et une ventilation sociale et géospatiale granulaire.}

Nous avons seulement commencé à ouvrir la porte à un monde parallèle de données non traditionnelles qui existe à nos côtés depuis des décennies maintenant. Alors que nous nous engageons dans un débat public sur les responsabilités des entreprises qui collectent et monétisent nos données et leurs effets positifs et négatifs sur la société, il est possible d'examiner les avantages potentiels si des données et des outils aussi puissants sont exploités pour le bien public.

Les données sont intrinsèquement politiques et maximiser leurs impacts positifs pour la société, en particulier en dévoilant les visages de groupes vulnérables qui étaient auparavant invisibles, nécessitera un effort concerté de la part d'une communauté de praticiens et de défenseurs au sein du gouvernement, des entreprises, de la société civile et des organisations internationales pour façonner les façons dont les données sont consultées, analysées et utilisées au-delà des limites de leurs origines « à but lucratif ». Cela pourrait très bien libérer le potentiel d'interventions plus rapides et inclusives fondées sur des données probantes pour ceux qui en ont le plus besoin.