حکمرانی داده در عصر بحران

جهان صنعت _ سیاستگذاری اجتماعی بیش‌از هرحوزه دیگری به‌شناخت دقیق جامعه نیاز دارد. تصمیم‌گیری درباره فقر، رفاه، حمایت اجتماعی، اشتغال، آسیب‌های اجتماعی، سلامت، آموزش یا توزیع منابع، بدون آنکه تصویر نسبتا روشنی از وضعیت گروه‌های مختلف جامعه وجود داشته باشد عملا به‌تصمیم‌گیری در تاریکی شبیه است. سیاستگذار زمانی می‌تواند درباره یک مساله اجتماعی مداخله کند که بداند مساله دقیقا چیست، چه ابعادی دارد، چه گروه‌هایی را درگیر کرده، شدت آن در میان مناطق و گروه‌های مختلف چگونه است و یک مداخله مشخص چه پیامدی بر جای خواهد گذاشت. از همین منظر داده دیگر یک ابزار جانبی در سیاستگذاری نیست بلکه بخشی از زیرساخت اصلی تصمیم‌گیری عمومی است.

گزارش «چالش‌های کاربست داده در سیاستگذاری اجتماعی» مرکز پژوهش‌های مجلس نیز از همین نقطه آغاز می‌کند و تاکید دارد که سیاستگذاری اجتماعی کارآمد به‌شناخت دقیق واقعیت‌های اجتماعی و تصمیم‌گیری مبتنی بر داده و شواهد وابسته است. این گزارش در عین حال نشان می‌دهد که مساله ایران صرفا کمبود داده نیست بلکه بخش مهمی از مشکل به‌کیفیت داده‌ها، نحوه تولید و گردآوری آنها، نبود استانداردهای مشترک، جزیره‌ای بودن پایگاه‌های اطلاعاتی، دشواری دسترسی، ضعف تحلیل و فاصله میان تولید داده و تصمیم سیاستی بازمی‌گردد. درواقع ایران طی سال‌های گذشته به‌شکل قابل‌توجهی به‌سمت تولید و انباشت داده حرکت کرده است. سامانه‌های متعدد اداری، اطلاعات بیمه‌ای، مالیاتی، اقتصادی، خانوادگی، آموزشی، درمانی و رفاهی شکل گرفته‌اند و در برخی حوزه‌ها تلاش‌هایی برای اتصال این پایگاه‌ها به‌یکدیگر انجام شده است. با این حال میان «داشتن داده» و «توانایی استفاده از داده» فاصله بزرگی وجود دارد. یک کشور ممکن است میلیون‌ها رکورد اطلاعاتی در اختیار داشته باشد اما اگر این داده‌ها استاندارد نباشند، به‌موقع به‌روزرسانی نشوند میان دستگاه‌ها قابل تبادل نباشند یا تیم کارشناسی توان تبدیل آنها به‌شواهد و تصمیم را نداشته باشد انباشت داده الزاما به‌سیاستگذاری بهتر منجر نخواهد شد. مساله مهم‌تر این است که سیاستگذاری اجتماعی صرفا با داده‌های عددی قابل فهم نیست. جامعه مجموعه‌ای از اعداد و متغیرهای اقتصادی نیست بلکه انسان‌ها، تجربه‌ها، نگرش‌ها، روابط اجتماعی، هنجارها، ترجیحات و شرایط نهادی نیز بخشی از واقعیت اجتماعی هستند بنابراین سیاستگذار در کنار آمارهای ثبتی و سامانه‌ای، به‌پژوهش‌های کیفی، داده‌های میدانی و شناخت تجربه ذی‌نفعان نیز نیاز دارد. گزارش نیز بر همین نکته تاکید می‌کند که غلبه نگاه کمی و کمبود پژوهش‌های کیفی می‌تواند شناخت مسائل پیچیده اجتماعی و طراحی راه‌حل‌های مناسب را محدود کند.

داده خام سیاست آماده نیست

یکی از خطاهای رایج در مواجهه با مساله داده این است که تصور شود هرچه حجم اطلاعات بیشتر باشد سیاستگذاری نیز الزاما دقیق‌تر خواهد شد. چنین تصوری با واقعیت سیاستگذاری اجتماعی سازگار نیست. داده خام تنها نقطه شروع است. داده باید در یک فرآیند مشخص پردازش، دسته‌بندی، اعتبارسنجی، تحلیل و تفسیر شود تا به‌اطلاعات تبدیل شود و سپس در ترکیب با دانش تخصصی و شناخت زمینه اجتماعی بتواند به‌شواهد سیاستی تبدیل شود. در ادبیات مربوط به‌مدیریت اطلاعات، سلسله‌مراتب داده، اطلاعات، دانش و خرد نشان می‌دهد که هر یک از این مفاهیم کارکرد متفاوتی دارند. داده در ابتدایی‌ترین سطح قرار دارد و زمانی ارزش سیاستی پیدا می‌کند که در یک زمینه مشخص معنا پیدا کند. اطلاعات به‌داده‌ای گفته می‌شود که در یک چارچوب معنادار قرار گرفته است. دانش حاصل ترکیب اطلاعات با تجربه و زمینه نهادی است و شواهد نیز اطلاعاتی است که می‌تواند در حمایت یا رد یک گزاره یا تصمیم مورد استفاده قرار گیرد بنابراین حتی اگر دستگاه‌های اجرایی به‌حجم زیادی از داده دسترسی داشته باشند بدون فرآیند تحلیل و تبدیل آن به‌شواهد هنوز یک گام اساسی تا سیاستگذاری داده‌محور فاصله وجود دارد. این تفاوت در سیاستگذاری اجتماعی اهمیت بیشتری دارد. برای مثال دانستن تعداد خانوارهای یک منطقه یک داده است اما شناخت نسبت خانوارهای کم‌درآمد، ترکیب سنی آنها، وضعیت اشتغال، میزان دسترسی به‌خدمات، وضعیت مسکن و روند تغییر شرایط اقتصادی آنها اطلاعاتی بسیار متفاوت با یک عدد خام ایجاد می‌کند. در مرحله بعد اگر سیاستگذار بتواند براساس این مجموعه اطلاعات، گروه‌های در معرض آسیب را شناسایی کند و بفهمد چه نوع مداخله‌ای در شرایط مشخص اثربخش‌تر بوده داده به‌شواهد سیاستی نزدیک شده است.

از این منظر مساله اصلی کشور نباید صرفا «تولید داده بیشتر» باشد بلکه باید «تولید داده مناسب، باکیفیت، قابل اتصال و قابل تحلیل» باشد. داده‌ای که برای حل یک مساله سیاستی هیچ کاربردی ندارد حتی اگر دقیق و پرحجم باشد ارزش محدودی برای سیاستگذار خواهد داشت. گزارش نیز میان داده‌های موجود و داده‌های مورد نیاز برای حل مساله تفاوت می‌گذارد و تاکید می‌کند که داده مطلوب باید بتواند یک گره ذهنی یا سیاستی را باز کند و در توصیف یا تبیین مساله نقش داشته باشد.

از سیاستگذاری مبتنی بر شواهد تا سیاستگذاری داده‌محور

در چند دهه گذشته مفهوم «سیاستگذاری مبتنی بر شواهد» در بسیاری از نظام‌های حکمرانی مورد توجه قرار گرفته است. ایده اصلی این رویکرد آن است که تصمیمات عمومی نباید صرفا بر حدس، شهود یا برداشت‌های غیرقابل ارزیابی استوار باشند بلکه باید تاحد امکان از بهترین شواهد موجود استفاده کنند. با این حال تجربه سیاستگذاری نشان داده است که رابطه میان شواهد و تصمیم به‌سادگی رابطه‌ای خطی نیست.

شواهد به‌تنهایی سیاست را تعیین نمی‌کنند. تصمیم‌گیرنده در یک محیط نهادی، سیاسی، اقتصادی و اجتماعی مشخص عمل می‌کند و در کنار داده، با محدودیت‌های اجرایی، منابع مالی، اولویت‌های عمومی و ملاحظات مختلف مواجه است. به‌همین دلیل در ادبیات جدیدتر از سیاستگذاری «آگاه از شواهد» نیز سخن گفته می‌شود یعنی داده و شواهد یکی از ورودی‌های مهم تصمیم هستند نه فقط ورودی آن. گزارش نیز همین تمایز را مورد توجه قرار می‌دهد و نشان می‌دهد که سیاستگذاری اجتماعی به‌دلیل ماهیت چندبازیگری و ارزش‌آلود خود به‌سختی می‌تواند کاملا «هدایت‌شده با داده» باشد.

با گسترش فناوری‌های دیجیتال مفهوم سیاستگذاری داده‌محور نیز در کنار سیاستگذاری مبتنی بر شواهد اهمیت بیشتری پیدا کرده است. تفاوت مهم این دو رویکرد در آن است که سیاستگذاری داده‌محور توجه ویژه‌ای به‌داده‌های اداری، سامانه‌ای، برخط و کلان دارد. چنین داده‌هایی امکان رصد مستمر و نسبتا سریع تحولات را فراهم می‌کنند و می‌توانند در مراحل مختلف چرخه سیاستگذاری مورد استفاده قرار گیرند

اما در اینجا نیز یک خطر وجود دارد: تصور اینکه داده‌های دیجیتال و سامانه‌های هوشمند به‌خودی خود سیاستگذاری را هوشمند می‌کنند. چنین نتیجه‌ای از متن گزارش به‌دست نمی‌آید. داده‌های جدید می‌توانند ظرفیت تصمیم‌گیری را افزایش دهند اما چالش‌های نهادی، حقوقی، فنی و کارشناسی همچنان پابرجاست بنابراین فناوری باید بخشی از زنجیره سیاستگذاری باشد و نه جایگزین دانش کارشناسی و قضاوت سیاستی.

داده در تمام مراحل سیاستگذاری حضور دارد

اگر سیاستگذاری را چرخه‌ای شامل مساله‌یابی، تدوین سیاست، تصمیم‌گیری، اجرا و ارزیابی بدانیم در هر مرحله نوع خاصی از داده مورد نیاز است. در مرحله مساله‌یابی داده‌های توصیفی کمک می‌کنند اندازه و شدت یک مساله مشخص شود. در مرحله تدوین سیاست، داده‌های تبیینی و تطبیقی برای شناخت علل و بررسی گزینه‌های مختلف اهمیت پیدا می‌کنند. در مرحله تصمیم‌گیری داده‌های تحلیلی در کنار قضاوت کارشناسی قرار می‌گیرند. در مرحله اجرا، داده‌های پایشی امکان رصد روند اجرای سیاست را فراهم می‌کنند و در مرحله ارزیابی داده‌های مربوط به‌نتایج و پیامدها نشان می‌دهند که سیاست مورد نظر تا چه اندازه به‌هدف خود نزدیک شده است.

این نکته اهمیت زیادی دارد زیرا یکی از مشکلات سیاستگذاری در ایران این است که گاهی داده تنها برای آغاز یک سیاست مورد استفاده قرار می‌گیرد و پس از اجرای آن سازوکار منظم و مستقلی برای ارزیابی نتایج وجود ندارد. در چنین شرایطی سیاست به‌جای آنکه یک فرآیند یادگیرنده باشد به‌اقدامی یک‌باره تبدیل می‌شود. اگر نتایج آن موفق نباشد، معلوم نیست دقیقا کدام فرضیه اشتباه بوده، کدام مرحله اجرایی دچار مشکل شده یا چه تغییری باید در سیاست ایجاد شود.

سیاستگذاری داده‌محور در معنای کامل خود باید امکان یادگیری از اجرا را نیز فراهم کند. داده صرفا برای اثبات ضرورت یک سیاست در ابتدای کار نیست بلکه باید در پایان مسیر نیز بتواند نشان دهد که سیاست چه کرده است.

مشکل نخست؛ کیفیت داده

یکی از بنیادی‌ترین چالش‌ها، کیفیت و اعتبار داده‌هاست. در سیاستگذاری اجتماعی، دقت، صحت و روایی داده اهمیت همزمان دارند. ممکن است داده‌ای از نظر ثبت و پردازش کاملا دقیق باشد، اما در نهایت آن چیزی را اندازه‌گیری نکند که سیاستگذار تصور می‌کند. در این حالت داده دقیق است اما تصویر اجتماعی ارائه‌شده از طریق آن دقیق نیست.

این تفاوت اهمیت زیادی دارد. سیاستگذار ممکن است براساس یک شاخص آماری تصمیمی اتخاذ کند اما اگر تعریف شاخص از ابتدا با واقعیت مساله اجتماعی منطبق نباشد افزایش دقت در اندازه‌گیری نیز مشکل را حل نمی‌کند. به‌همین دلیل کیفیت داده از مرحله تعریف مساله و طراحی شاخص آغاز می‌شود و به‌مرحله ورود، پاکسازی، تجمیع و تحلیل اطلاعات ادامه پیدا می‌کند. داده‌های اجتماعی نیز برخلاف بسیاری از داده‌های آزمایشگاهی، همواره با احتمال خطا و تغییر همراهند. جامعه درحال تغییر است و رفتار افراد و گروه‌ها به‌شرایط اقتصادی، فرهنگی و سیاسی واکنش نشان می‌دهد بنابراین انتظار از داده اجتماعی نباید رسیدن به‌قطعیت مطلق باشد بلکه باید تلاش کرد معتبرترین تصویر ممکن از واقعیت در یک زمان مشخص به‌دست آید.

مشکل دوم؛ فرهنگ اداری

حتی اگر بهترین داده‌ها در اختیار دولت قرار گیرد تا زمانی که فرهنگ استفاده از داده در نظام اداری نهادینه نشود اثرگذاری آن محدود خواهد بود. یکی از چالش‌هایی که گزارش بر آن تاکید دارد، نبود فرهنگ اداری استفاده از داده و استناد به‌آن است. در چنین شرایطی ممکن است گزارش‌های آماری و پژوهشی تولید شوند اما تصمیم‌گیری همچنان براساس رویه‌های سنتی، برداشت‌های فردی یا ملاحظات کوتاه‌مدت انجام شود.

فرهنگ داده‌محور صرفا به‌معنای آموزش نرم‌افزار یا افزایش تعداد متخصصان داده نیست. این فرهنگ زمانی شکل می‌گیرد که در فرآیند تصمیم‌گیری پاسخ به‌این پرسش که «داده چه می‌گوید؟» به‌یک ضرورت سازمانی تبدیل شود. مدیر و کارشناس باید بدانند تصمیم پیشنهادی آنها بر چه شواهدی استوار است و پس از اجرا نیز بتوانند درباره نتایج آن پاسخگو باشند. این موضوع با ساختار سازمانی نیز ارتباط دارد. اگر داده در یک دستگاه تولید شود اما ارزش آن در دستگاه دیگر مورد استفاده قرار گیرد همکاری بین‌سازمانی ضروری خواهد بود بنابراین فرهنگ داده‌محور بدون تغییر در قواعد همکاری و تبادل اطلاعات به‌نتیجه کامل نمی‌رسد.

مشکل سوم؛ داده‌های جزیره‌ای

شاید یکی از شناخته‌شده‌ترین مشکلات نظام داده‌ای کشور جزیره‌ای‌بودن اطلاعات باشد. دستگاه‌های مختلف هر یک بخشی از واقعیت اجتماعی را در اختیار دارند. یک نهاد اطلاعات بیمه‌ای دارد، دیگری اطلاعات مالیاتی، دستگاهی دیگر اطلاعات آموزشی یا درمانی و نهاد دیگری اطلاعات مربوط به‌حمایت‌های اجتماعی را نگهداری می‌کند. مساله زمانی ایجاد می‌شود که این داده‌ها نتوانند در یک چارچوب استاندارد و قانونی با یکدیگر ارتباط برقرار کنند. در سیاستگذاری اجتماعی بسیاری از مسائل ذاتا میان‌بخشی هستند. وضعیت اقتصادی یک خانوار ممکن است به‌اشتغال، مسکن، سلامت، آموزش و حمایت اجتماعی وابسته باشد بنابراین اگر هر یک از این حوزه‌ها جداگانه دیده شود تصویر به‌دست‌آمده ناقص خواهد بود. در چنین شرایطی مساله فقط نبود تبادل اطلاعات نیست بلکه مساله انباشت دانش سیاستی نیز مطرح است. اگر داده‌های یک دوره زمانی در اختیار سیاستگذار دوره بعد قرار نگیرد هر تغییر مدیریتی می‌تواند بخشی از تجربه قبلی را از بین ببرد. گزارش از همین منظر بر مساله مالکیت داده و ضرورت انباشت مستمر، طولی و ساختاریافته اطلاعات تاکید دارد.

استانداردسازی؛ پیش‌شرط اتصال داده‌ها

حتی اگر دستگاه‌ها حاضر به‌تبادل اطلاعات باشند بدون استانداردهای مشترک، اتصال داده‌ها دشوار خواهد بود. استانداردسازی به‌معنای ایجاد قواعد مشترک برای تعریف، ثبت، دسته‌بندی، انتقال و استفاده از داده است. زمانی که یک مفهوم در دو دستگاه با دو تعریف متفاوت ثبت شود تجمیع اطلاعات آن دو دستگاه ممکن است به‌تولید یک تصویر ظاهرا منسجم اما در واقع نادرست منجر شود.

از این رو تعامل‌پذیری صرفا مساله فنی نیست. تعامل‌پذیری به‌استاندارد، شناسه‌های مشترک، قواعد روشن تبادل اطلاعات و سازوکارهای نظارت نیاز دارد. در قوانین و مقررات سال‌های اخیر نیز تلاش‌هایی برای حرکت به‌سمت اتصال پایگاه‌های اطلاعاتی و استفاده از شناسه‌های یکتا انجام شده است، اما گزارش همچنان نبود یک چارچوب جامع و یکپارچه را یکی از مسائل اساسی حکمرانی داده می‌داند.

محرمانگی در برابر دسترسی

یکی دیگر از چالش‌های مهم، مساله محرمانگی است. داده‌های اجتماعی اغلب شامل اطلاعات هویتی، اقتصادی، خانوادگی، درمانی و رفاهی افراد هستند و طبیعی است که حفاظت از آنها ضرورت داشته باشد. بنابراین، راه‌حل مساله نمی‌تواند انتشار بدون ضابطه اطلاعات باشد. اما از سوی دیگر، محرمانه ماندن گسترده داده‌ها می‌تواند استفاده پژوهشی و سیاستی از آنها را محدود کند. مساله اصلی ایجاد توازن میان حفاظت از حقوق افراد و امکان استفاده مشروع و کنترل‌شده از داده‌هاست. گزارش نیز بر ضرورت ایجاد سازوکاری برای دسترسی کنترل‌شده، استفاده پژوهشی و مسوولیت‌پذیری نهادی تاکید می‌کند. این موضوع در شرایطی اهمیت بیشتری دارد که پایگاه‌های رفاهی حجم زیادی از اطلاعات حساس را در خود جای داده‌اند. هرچه تمرکز داده بیشتر شود، اهمیت امنیت سایبری، کنترل دسترسی و حفاظت از اطلاعات نیز افزایش پیدا می‌کند. بنابراین، سیاستگذاری داده‌محور باید همزمان با سیاست حفاظت از داده پیش برود.

داده زیاد اما نه لزوما داده مساله‌محور

یکی از نکات مهم گزارش آن است که هر داده‌ای برای سیاستگذاری مفید نیست. ممکن است دستگاه‌ها حجم زیادی از اطلاعات تولید کنند اما این اطلاعات پاسخگوی پرسش‌های اصلی سیاستگذار نباشد. مساله‌محوربودن داده به‌این معناست که تولید اطلاعات از ابتدا با نیازهای تصمیم‌گیری ارتباط داشته باشد.

این موضوع در پژوهش نیز صدق می‌کند. اگر پژوهش‌ها صرفا برای تولید مقاله یا گزارش انجام شوند و پرسش سیاستی مشخصی پشت آنها وجود نداشته باشد، فاصله میان پژوهش و سیاستگذاری افزایش پیدا می‌کند. سیاستگذار به‌شواهدی نیاز دارد که بتواند در تصمیم مشخصی از آنها استفاده کند و نه صرفا مجموعه‌ای از آمار و تحلیل‌های پراکنده. به‌همین‌دلیل ارتباط میان نهادهای تولیدکننده دانش و نهادهای تصمیم‌گیر اهمیت پیدا می‌کند. اگر پژوهشگر نداند سیاستگذار با چه مساله‌ای مواجه است و سیاستگذار نیز نداند چه شواهدی در دسترس است، حتی تولید پژوهش‌های باکیفیت نیز الزاما به‌تصمیم بهتر منجر نمی‌شود.

چرا پژوهش کیفی ضروری است؟

یکی دیگر از ضعف‌های مورد اشاره گزارش غلبه رویکردهای کمی و کمبود پژوهش‌های کیفی است. آمار به‌ما می‌گوید چه تعداد از افراد در یک وضعیت قرار دارند اما همیشه توضیح نمی‌دهد که چرا در آن وضعیت قرار گرفتند یا چگونه آن را تجربه می‌کنند.در حوزه‌های اجتماعی فهم تجربه افراد می‌تواند برای طراحی سیاست تعیین‌کننده باشد. ممکن است یک برنامه حمایتی روی کاغذ به‌گروه هدف دسترسی داشته باشد اما درعمل به‌دلیل موانع فرهنگی، اداری، جغرافیایی یا اطلاعاتی نتواند به‌آنها برسد. چنین مساله‌ای تنها از طریق اعداد قابل شناسایی نیست و به‌مشاهده میدانی، مصاحبه و پژوهش کیفی نیاز دارد بنابراین مساله بر سر انتخاب میان داده کمی و کیفی نیست. سیاستگذاری اجتماعی به‌ترکیب این دو نیاز دارد. داده‌های آماری می‌توانند وسعت مساله را نشان دهند و پژوهش کیفی می‌تواند سازوکارها و تجربه‌های پشت آن را روشن کند.

ضعف تحلیل؛ حلقه مفقوده میان داده و سیاست

در بسیاری از بحث‌های مربوط به‌داده توجه اصلی به‌تولید و جمع‌آوری اطلاعات معطوف می‌شود درحالی‌که حلقه مهم دیگری نیز وجود دارد: تحلیل. داده تا زمانی که تحلیل نشود برای سیاستگذار ارزش محدودی دارد.

گزارش از ضعف تیم‌های کارشناسی و فاصله میان پژوهشگران و سیاستگذاران به‌عنوان یکی از مشکلات کاربست داده یاد می‌کند. این فاصله باعث می‌شود داده در یک سمت و تصمیم در سمت دیگر باقی بماند. برای پرکردن این فاصله به‌تیم‌هایی نیاز است که هم با روش‌های تحلیل داده آشنا باشند و هم زبان سیاستگذاری را بفهمند.

درواقع تبدیل داده به‌دستور سیاستی یک کار صرفا فنی نیست. تحلیلگر باید بتواند مشخص کند یک یافته چه معنایی برای تصمیم دارد، چه محدودیت‌هایی دارد و تا چه اندازه می‌توان براساس آن اقدام کرد. اگر این مرحله حذف شود احتمال استفاده نادرست از داده افزایش می‌یابد.

شاخص‌های ترکیبی و مساله پیچیدگی اجتماعی

مسائل اجتماعی معمولا تک‌بعدی نیستند. فقر تنها درآمد پایین نیست بلکه ممکن است با وضعیت اشتغال، مسکن، آموزش، سلامت و دسترسی به‌خدمات عمومی در ارتباط باشد بنابراین استفاده از یک‌شاخص منفرد ممکن است تصویر ناقصی از وضعیت یک فرد یا خانوار ایجاد کند.

گزارش بر ضعف داده‌های ترکیبی و شاخص‌های لازم برای تحلیل مسائل چندبعدی تاکید دارد. در سطح سیاستگذاری کلان نیز هرچه تصمیم بزرگ‌تر می‌شود نیاز به‌نوعی انتزاع افزایش پیدا می‌کند. سیاستگذار نمی‌تواند تمام جزئیات داده خام را ببیند و به‌همین دلیل باید داده‌ها در قالب شاخص‌ها و نماگرهای قابل فهم خلاصه شوند اما همین خلاصه‌سازی نیز خطر دارد. هرچه داده بیشتر تجمیع شود بخشی از جزئیات از بین می‌رود. درنتیجه طراحی شاخص مناسب به‌یک مساله کارشناسی جدی تبدیل می‌شود: شاخص باید آنقدر ساده باشد که برای تصمیم‌گیر قابل استفاده باشد و درعین‌حال آنقدر دقیق بماند که واقعیت را تحریف نکند.

قانون جلو آمده اما حکمرانی داده هنوز کامل نشده است

بررسی سوابق تقنینی نشان می‌دهد که نگاه قانونگذار ایرانی به‌داده در چند مرحله تغییر کرده است. در مرحله نخست تمرکز اصلی بر تولید آمار رسمی بود سپس با گسترش دولت الکترونیک، اتصال پایگاه‌های اطلاعاتی اهمیت پیدا کرد و در مرحله جدیدتر مفهوم حکمرانی داده و استفاده از اطلاعات برای سیاستگذاری رفاهی برجسته‌تر شده است. از قانون آمار و سرشماری و تاسیس مرکز آمار ایران گرفته تا قوانین مربوط به‌دولت الکترونیک، انتشار و دسترسی آزاد به‌اطلاعات ایجاد پایگاه اطلاعات رفاه ایرانیان، قانون مدیریت داده‌ها و اطلاعات ملی و احکام برنامه هفتم توسعه، مجموعه‌ای از قوانین و مقررات شکل گرفته که هر یک بخشی از این مسیر را پوشش می‌دهند. با این حال گزارش نتیجه می‌گیرد که با وجود مجموعه قابل‌توجهی از قوانین هنوز چارچوبی جامع، یکپارچه و کارآمد برای حکمرانی داده وجود ندارد. قوانین موجود حوزه‌هایی مانند امنیت، حریم خصوصی، شفافیت، دسترسی، مدیریت داده و دولت الکترونیک را پوشش می‌دهند اما میان این اجزا همچنان شکاف‌هایی وجود دارد. این مساله نشان می‌دهد که قانونگذاری به‌تنهایی کافی نیست. حتی اگر قانون مناسبی وجود داشته باشد درصورت نبود تقسیم کار روشن، استاندارد مشترک، زیرساخت فنی، سازوکار نظارت و ظرفیت کارشناسی، اجرای آن با مشکل روبه‌رو خواهد شد.

پایگاه رفاه ایرانیان؛ از انباشت داده تا استفاده سیاستی

یکی‌از مهم‌ترین نمونه‌هایی که در گزارش بررسی شده پایگاه اطلاعات رفاه ایرانیان است. این پایگاه از تجمیع منابع متعدد داده‌ای شکل گرفته و اطلاعات مختلفی را درکنار یکدیگر قرار داده است. چنین ظرفیتی می‌تواند امکان شناخت دقیق‌تر وضعیت خانوارها و هدفمندکردن حمایت‌های اجتماعی را فراهم کند اما گزارش میان «پایگاه داده» و «سامانه داده» تفاوت می‌گذارد. پایگاه داده در درجه نخست محل نگهداری و انباشت اطلاعات است درحالی‌که سامانه باید بتواند براساس داده‌ها عملیاتی انجام داده، تحلیل تولید کند و خروجی مشخصی برای تصمیم یا اقدام ارائه دهد.

از این منظر مساله اصلی پایگاه‌های موجود این نیست که چرا داده بیشتری در آنها ذخیره نشده بلکه این است که چگونه می‌توان از داده‌های موجود برای سیاستگذاری مستمر و هدفمند استفاده کرد. گزارش تصریح می‌کند که ساختارهای موجود بیشتر به‌شکل پایگاه عمل می‌کنند و هنوز ظرفیت پردازش و تحلیل کاربرمحور آنها به‌اندازه کافی به‌خدمت سیاستگذاری درنیامده است. در چنین شرایطی استفاده از ابزارهای نوین تحلیل داده و هوش مصنوعی می‌تواند یکی از مسیرهای مورد توجه باشد اما آنچه اهمیت بیشتری دارد شکل‌گیری چارچوبی است که داده، تحلیل و اقدام را به‌یکدیگر متصل کند.

پایگاه بهره‌مندی؛ یک حلقه دیگر از زنجیره اطلاعات

گزارش درکنار پایگاه رفاه ایرانیان وضعیت پایگاه بهره‌مندی ایرانیان را نیز بررسی کرده است. مساله مهم در این حوزه آن است که سیاستگذار صرفا به‌دانستن دارایی یا وضعیت اقتصادی خانوار نیاز ندارد بلکه باید بتواند میزان بهره‌مندی افراد و خانوارها از زیرساخت‌ها و خدمات مختلف را نیز درک کند.

براساس گزارش یکی از کاستی‌ها در این زمینه، محدود بودن اطلاعات درباره بهره‌مندی خانوارها از زیرساخت‌هایی مانند بهداشت، آموزش، حمل‌ونقل، آب و انرژی است. بر اهمیت دریافت بازخورد از مردم و شناخت نیازها و خواسته‌های آنها تاکید شده است. از نگاه گزارش استفاده از این ظرفیت برای بودجه‌ریزی و سیاستگذاری کلان اجتماعی نیز نیازمند توجه بیشتری است.

این موضوع نشان می‌دهد که سیاستگذاری اجتماعی صرفا مساله شناسایی «چه کسی فقیر است» یا «چه کسی واجد حمایت است» نیست. سیاستگذار باید بتواند تفاوت‌های مکانی و دسترسی به‌امکانات را نیز ببیند. دو خانوار با درآمد مشابه ممکن است به‌دلیل تفاوت در دسترسی به‌مدرسه، درمانگاه، حمل‌ونقل یا سایر زیرساخت‌ها، شرایط اجتماعی کاملا متفاوتی داشته باشند.

پنجره واحد؛ تلاش برای عبور از حمایت‌های پراکنده

«پنجره واحد خدمات حمایتی» نیز در گزارش به‌عنوان یکی از اقدامات جدید در جهت یکپارچه‌سازی اطلاعات و خدمات اجتماعی مورد توجه قرار گرفته است. براساس آئین‌نامه مربوط، دستگاه‌های مختلف موظف شدند اطلاعات مددجویان و دریافت‌کنندگان خدمات حمایتی و سوابق خدمات ارائه‌شده را در چارچوب پرونده الکترونیک رفاهی فرد یا خانوار ثبت کنند.

این اقدام از این جهت اهمیت دارد که می‌تواند به‌جای ارائه حمایت‌های پراکنده و جدا از هم تصویری جامع‌تر از خدمات دریافت‌شده توسط یک فرد یا خانوار ایجاد کند. گزارش اشاره می‌کند که این سامانه در مرحله‌ای به‌صورت پایلوت برای زنان سرپرست خانوار اجرا شده و قرار بوده اقشار دیگر نیز به‌آن اضافه شوند. با این حال ایجاد یک سامانه جدید به‌خودی خود پایان کار نیست. اگر سامانه صرفا محل ثبت اطلاعات باشد و نتواند براساس داده‌های جمع‌آوری‌شده تحلیل، پیشنهاد یا اقدام تولید کند مشکل اصلی پابرجا خواهد ماند.

از پایگاه به‌ سامانه

شاید مهم‌ترین نکته گزارش درباره وضعیت سامانه‌های موجود را بتوان در یک جمله خلاصه کرد: مساله کشور صرفا ایجاد پایگاه‌های جدید نیست بلکه مساله تبدیل پایگاه‌های اطلاعاتی به‌سامانه‌هایی است که بتوانند در فرآیند سیاستگذاری نقش فعال داشته باشند.

یک پایگاه داده به‌تنهایی تصمیم نمی‌گیرد. داده‌ها باید در یک فرآیند تحلیلی قرار گیرند، شاخص تولید شود، تغییرات رصد شده، گزینه‌های سیاستی بررسی شوند و درنهایت خروجی برای تصمیم‌گیر ایجاد شود. این زنجیره زمانی کامل می‌شود که داده بتواند به‌تحلیل و تحلیل بتواند به‌اقدام متصل شود.

این نگاه تفاوت میان دولت دارنده اطلاعات و دولت استفاده‌کننده از اطلاعات را روشن می‌کند. ممکن است دستگاهی‌هزاران جدول و میلیون‌ها رکورد داشته باشد اما اگر نتواند از آنها برای حل مساله استفاده کند حجم بالای اطلاعات الزاما مزیت سیاستی ایجاد نمی‌کند.

هوش مصنوعی راه‌حل همه مشکلات نیست

در سال‌های اخیر هوش مصنوعی به‌عنوان یکی از ابزارهای مهم تحلیل داده مطرح شده است. استفاده از هوش مصنوعی می‌تواند برای پردازش حجم بالای داده، شناسایی الگوها، پیش‌بینی روندها و پشتیبانی از تصمیم‌گیری مفید باشد اما استفاده از آن بدون توجه به‌کیفیت داده، استانداردسازی، حریم خصوصی و ساختار نهادی می‌تواند حتی مشکل را پیچیده‌تر کند. اگر داده‌های ورودی ناقص یا دارای خطای سیستماتیک باشند خروجی الگوریتم نیز قابل اتکا نخواهد بود. اگر داده‌ها میان دستگاه‌ها قابل اتصال نباشند الگوریتم با تصویر ناقصی از واقعیت مواجه می‌شود. اگر قواعد دسترسی مشخص نباشد استفاده از داده‌های حساس می‌تواند مساله حقوقی و اخلاقی ایجاد کند بنابراین هوش مصنوعی در این گزارش بیشتر به‌عنوان بخشی از یک سامانه تجمیعی و تحلیلی مطرح می‌شود و نه جایگزینی برای اصلاحات نهادی. نخست باید داده مناسب تولید و استاندارد شود سپس امکان تبادل و تجمیع آن فراهم شود و پس از آن ابزارهای تحلیلی نوین بتوانند ارزش‌افزوده ایجاد کنند.

ارزیابی سیاست؛ حلقه‌ای که نباید حذف شود

یکی از مشکلات مهم سیاستگذاری اجتماعی ضعف در ارزیابی سیاست‌هاست. سیاستی که اجرا می‌شود باید درمعرض سنجش قرار گیرد. باید مشخص شود چه تعداد از افراد تحت پوشش قرار گرفتند، چه تغییری در وضعیت آنها ایجاد شده، هزینه سیاست چقدر بوده و آیا نتایج حاصل با اهداف اولیه سازگار است یا خیر. اگر این ارزیابی انجام نشود امکان یادگیری نهادی کاهش پیدا می‌کند. ممکن است سیاستی سال‌ها ادامه پیدا کند بدون آنکه به‌صورت منظم مشخص شود کدام بخش آن کارآمد است و کدام بخش نیاز به‌اصلاح دارد.

داده در اینجا نقشی دوگانه دارد: هم برای طراحی سیاست لازم است و هم برای سنجش پیامدهای آن بنابراین ارزیابی نباید مرحله‌ای جدا از سیاستگذاری تلقی شود بلکه باید از همان ابتدا در طراحی سیاست پیش‌بینی شود.

مساله اصلی، کمبود داده نیست

اگر مجموع چالش‌های گزارش را کنار یکدیگر بگذاریم تصویری نسبتا روشن به‌دست می‌آید. ایران با یک مساله تک‌بعدی مواجه نیست. مشکل از کیفیت داده شروع می‌شود، به‌فرهنگ اداری و استانداردسازی می‌رسد، در جزیره‌ای بودن پایگاه‌ها ادامه پیدا می‌کند، با محدودیت دسترسی و محرمانگی پیچیده‌تر می‌شود و درنهایت با ضعف تحلیل و ارزیابی سیاست به‌حلقه‌ای ناقص تبدیل می‌شود بنابراین نمی‌توان مساله را صرفا با راه‌اندازی یک سامانه جدید حل کرد. حتی ایجاد یک پایگاه عظیم اطلاعاتی نیز بدون سازوکار تحلیل و تصمیم‌سازی کافی نخواهد بود. مساله اصلی ایجاد زنجیره‌ای است که در آن داده معتبر تولید شود، دراختیار بازیگر مجاز قرار گیرد، با داده‌های مرتبط ترکیب شود، تحلیل شده، به‌شواهد تبدیل شود، در تصمیم‌گیری به‌کار رود و سپس نتیجه تصمیم دوباره با داده ارزیابی شود.

در چنین چارچوبی داده بخشی از یک چرخه یادگیری خواهد بود و نه صرفا مخزن اطلاعات.

۴مسیر برای اصلاح

گزارش در بخش پایانی چهارمسیر اصلی را پیشنهاد می‌کند: نخست توجه بیشتر به‌مساله تجمیع و پردازش داده در سطح یک نهاد راهبر فرادستگاهی و مشخصا شورای عالی فضای مجازی است. هدف از این پیشنهاد ارتقای تعامل‌پذیری، استانداردسازی سامانه‌ها، جلوگیری از ایجاد سامانه‌های موازی و تکمیل داده‌های موجود است.

مسیر دوم تقویت نقش نظارتی کمیسیون اجتماعی مجلس در زمینه توسعه سامانه‌های اجتماعی، تبادل اطلاعات میان دستگاه‌ها و توجه به‌پیوست‌های تحلیلی داده‌هاست.

مسیر سوم حمایت از تولید داده‌های کیفی و غیربرخط است. این پیشنهاد از این جهت اهمیت دارد که سیاستگذاری اجتماعی نمی‌تواند فقط بر داده‌های اداری و سامانه‌ای تکیه کند. برای شناخت تجربه مردم، علل مسائل اجتماعی و سازوکارهای پشت آمارها، پژوهش‌های کیفی و میدانی ضروری هستند.

مسیر چهارم حرکت به‌سمت ایجاد یک سامانه تجمیعی برای سیاستگذاری اجتماعی است که بتواند داده‌های موجود را در یک چارچوب مشخص تجمیع و پردازش کند و از ظرفیت ابزارهای نوین ازجمله هوش مصنوعی برای تحلیل آنها بهره بگیرد. گزارش تاکید می‌کند که چنین سامانه‌ای باید در چارچوب الزامات قانون مدیریت داده‌ها و اطلاعات ملی طراحی شود.

آینده سیاستگذاری اجتماعی به‌کیفیت داده وابسته است

مسیر سیاستگذاری اجتماعی در ایران از تولید آمار رسمی به‌سمت ایجاد پایگاه‌های اطلاعاتی و سپس تلاش برای شکل‌دهی به‌حکمرانی داده حرکت کرده است. این مسیر نشان می‌دهد که مساله داده در سطح قانونگذاری و اجرایی به‌تدریج جدی‌تر شده اما هنوز فاصله میان تولید اطلاعات و استفاده سیاستی از اطلاعات قابل‌توجه است.

در سیاستگذاری اجتماعی این فاصله هزینه بالایی دارد. هر خطا در شناسایی گروه هدف می‌تواند به‌تخصیص نامناسب منابع منجر شود. هر داده ناقص می‌تواند تصویر نادرستی از وضعیت یک منطقه یا گروه اجتماعی ایجاد کند. هر سامانه جزیره‌ای می‌تواند بخشی از واقعیت را از چشم سیاستگذار پنهان کند و هر سیاستی که بدون ارزیابی ادامه پیدا کند فرصت یادگیری و اصلاح را از بین می‌برد.

از این رو مساله داده را نمی‌توان صرفا موضوعی فنی و مربوط به‌فناوری اطلاعات دانست. داده به‌ساختار حکمرانی، کیفیت تصمیم‌گیری، تقسیم کار نهادی، شفافیت، حریم خصوصی، ظرفیت کارشناسی و حتی شیوه تعریف مسائل اجتماعی مربوط است. درنهایت سیاستگذاری داده‌محور به‌معنای حکومت‌کردن با اعداد نیست. داده باید به‌شناخت منجر شود و شناخت باید در خدمت تصمیم‌گیری قرار گیرد همانطورکه گزارش تاکید می‌کند، داده ماده خام شناخت سیاستی است که در بستر نهادی و تحلیلی به‌اطلاعات و سپس شواهد تبدیل می‌شود بنابراین مساله اصلی نه صرفا وجود یا نبود داده بلکه توانایی تبدیل داده به‌شواهد معتبر و قابل استفاده در چرخه سیاستگذاری است.

برای سیاستگذاری اجتماعی این تفاوت تعیین‌کننده است. داشتن اطلاعات درباره مردم با شناخت مردم یکسان نیست بلکه داشتن پایگاه داده با داشتن سامانه تصمیم‌یار تفاوت دارد و تولید آمار با یادگیری سیاستی یکی نیست. اگر قرار باشد داده واقعا به‌بهبود سیاست اجتماعی کمک کند باید همه حلقه‌های این زنجیره از تولید و استانداردسازی تا تجمیع، تحلیل، تصمیم‌گیری، اجرا و ارزیابی درکنار یکدیگر دیده شوند.

ایران امروز بخشی از زیرساخت لازم برای چنین مسیری را در اختیار دارد. پایگاه‌های متعدد شکل گرفتند، قوانین جدیدی برای مدیریت داده تصویب شدند و سامانه‌های رفاهی نیز درحال توسعه هستند. چالش بعدی عبور از مرحله انباشت اطلاعات و ورود به‌مرحله استفاده هوشمند، منسجم و پاسخگو از داده است.

در این مسیر شاید مهم‌ترین تغییر نه در تعداد سامانه‌ها بلکه در نوع نگاه به‌داده رخ دهد. داده نباید دارایی یک دستگاه، محصول یک پروژه یا خروجی یک سامانه تلقی شود بلکه باید بخشی از سرمایه نهادی برای شناخت جامعه و بهبود تصمیم‌های عمومی باشد. زمانی که این نگاه در ساختار حکمرانی تثبیت شود اتصال سامانه‌ها، استانداردسازی، حفاظت از اطلاعات، توسعه پژوهش‌های کیفی، تقویت تیم‌های تحلیلی و ارزیابی سیاست‌ها نیز معنای واحدی پیدا خواهند کرد.

درغیراین‌صورت خطر آن وجود دارد که کشور همچنان داده‌های بیشتری تولید کرده، پایگاه‌های بیشتری بسازد و سامانه‌های بیشتری راه‌اندازی کند اما درنهایت همان مشکل قدیمی باقی بماند: اطلاعات فراوان اما شناخت ناکافی و داده‌های متعدد اما تصمیم‌های کم‌اتکا به‌شواهد.

مساله اصلی سیاستگذاری اجتماعی درنهایت داشتن داده نیست بلکه توانایی دیدن جامعه از خلال داده‌ها و تبدیل این شناخت به‌تصمیمی است که بتوان آن را اجرا، ارزیابی و اصلاح کرد. این همان نقطه‌ای است که داده از یک فایل یا جدول آماری فراتر می‌رود و به‌بخشی از ظرفیت حکمرانی تبدیل می‌شود.