Stor datastrømning med en offentlig politikkpåvirkning - dummies

Nesten alle områder av en by har evnen til å bruke store data, enten i skatter, sensorer på bygninger og broer, trafikkmønsterovervåking, lokasjonsdata og data om kriminell aktivitet. Å skape brukbare retningslinjer som gjør byer sikrere, mer effektive og mer ønskelige steder å bo og jobbe, krever innsamling og analyse av store mengder data fra en rekke kilder.

Mye av dataene som er relevante for forskning om forbedringer i offentlig politikk, samles inn av ulike byråer og har historisk sett tatt måneder eller år for å analysere (for eksempel årlige folketellingdata, politidokumenter og byskatt poster). Selv innen et bestemt byrå, for eksempel politidirektoratet, kan data samles inn av egne distrikter og ikke lett deles over hele byen og dens omkringliggende lokalsamfunn.

Som et resultat har bylederne en overflod av informasjon om hvordan politikk påvirket folk i deres by i tidligere år, men det har vært veldig utfordrende å dele og utnytte raskt skiftende data for å skape real- tidsbeslutninger som kan forbedre bylivet. Det som gjør at dataene blir enda mer kompliserte, er at dataene håndteres og lagres i separate siloer.

Dette forårsaker problemer fordi et direkte forhold kan eksistere mellom ulike aspekter av byoperasjoner. Policy beslutningstakere begynner å innse at endring bare kan skje hvis de kan bruke tilgjengelige data og data fra beste praksis for å omdanne den nåværende tilstanden til deres miljø. Jo mer komplekse en by, desto mer er det behov for å utnytte data for å endre ting til det bedre.

Dette endrer seg ettersom politiske beslutningstakere, forskere og teknologiinnovatører har laget for å implementere retningslinjer basert på data i bevegelse. For eksempel, for å designe og implementere et program for å forbedre trafikkbelastning, må du kanskje samle inn data om befolkning, sysselsettingstall, veiforhold og vær. Mye av disse dataene har blitt samlet inn tidligere, men lagres i forskjellige siloer og representerer en statisk oversikt over historisk informasjon.

For å lage forslag basert på gjeldende streaminginformasjon, trenger du en ny tilnærming. Forskere ved et teknisk universitet i Europa samler sanntids trafikkdata fra en rekke kilder, for eksempel data fra Global Positioning System (GPS) fra kjøretøyer, radar sensorer på veiene og værdata. De integrerte og analyserte streamingdataene for å redusere trafikkbelastning og forbedre trafikkstrømmen.

Ved å analysere både strukturerte og ustrukturerte data når hendelser finner sted, kan systemene vurdere nåværende reisevilkår og lage forslag til alternative ruter som vil redusere trafikken. Til slutt er målet å ha stor innvirkning på trafikkflyten i byen. Data i bevegelse evalueres i forbindelse med historiske data slik at anbefalingene gir mening i sammenheng med de faktiske forholdene.

Streaming data kan ha en betydelig innvirkning på kriminalitet i byer. For eksempel bruker en politiavdeling prediktiv analyse for å identifisere kriminelle mønstre etter tid og sted. Hvis en plutselig endring er funnet i et identifisert mønster til en ny plassering, kan politiet sende offiserer til riktig sted til rett tid. Etter dette kan disse dataene nå brukes til å analysere kriminelle oppføringsmønstre videre.