В 2010 году правительство Сингапура создало Центр стратегического планирования будущего, с тем чтобы при поддержке Отдела стратегической политики определять основные стратегические вызовы и координировать работу по разработке вариантов будущего в рамках всего правительства. В задачу Центра также входит расширение прогностической деятельности за счет создания при каждом министерстве прогностической группы, управляемой Стратегической сетью разработки вариантов будущего в составе заместителей министров.
Использование больших данных и прогнозного анализа
Эффективность форсайта во многом зависит от того, насколько правительство способно использовать «большие данные» и прогнозный анализ. Новейшие системы хранения данных позволяют накапливать информацию в различных форматах и во все увеличивающихся объемах. Предполагается, что с 2013 по 2020 год «цифровая вселенная» вырастет в десять раз – с 4,4 трлн до 44 трлн гигабайт. Международная консалтинговая компания International Data Corporation (IDC) предполагает, что объем хранимых данных к 2016 году вырастет до 3,77 зеттабайт
[18]. Согласно IDC, сегодня только 5 % данных являются «ценными или многоцелевыми», однако эта цифра к 2020 году увеличится более чем вдвое благодаря большим данным и другим технологиям
[19].
Создание данных – постоянный и повсеместный процесс. Что бы мы ни делали, будь то управление автомобилем, включение домашних приборов или использование мобильного телефона, – мы производим данные. С помощью датчиков, пронизывающих ткань нашего физического мира, и портативных устройств доступа в интернет – мы производим данные. Добавьте сюда компании, производящие и хранящие данные всех видов, фиксирующие мельчайшие детали миллиардов контактов между участниками рынка, и правительства, собирающие информацию о своих гражданах – об их здоровье, поездках, домашнем хозяйстве и финансовых делах. Такие массивы данных порождают возможности, но и создают проблемы, связанные с их организацией, хранением, поиском, анализом и отображением. Эти задачи решаются средствами больших данных.
Точное происхождение термина «большие данные» неизвестно. Многие считают, что впервые его употребил еще в 1990-х годах Джон Мэши, главный научный сотрудник компании Silicon Graphics
[20]. Но какова бы ни была этимология этого термина, большие данные приобретают все большую важность и для государственного, и для частного сектора.
Большие данные – серия подходов, инструментов и методов обработки огромных объемов структурированных и неструктурированных данных, с которыми не могут эффективно справляться стандартные инструменты. Одним из способов описания больших данных является модель 3V, разработанная фирмой Gartner, ведущей исследования в области информационных технологий. Эти три V–Volume (объем), Velocity (скорость), Variety (многообразие), то есть физический объем, скорость прироста и обработки, а также диапазон типов и источников данных. В большие данные входят и те данные, которые хранятся в памяти, и те, которые создаются с использованием других данных.
Большие данные не только порождают проблемы, но и создают беспрецедентные возможности и для государственного, и для частного сектора. Наряду с новейшими, передовыми инструментами управления базами данных и методами прогнозного анализа, большие данные открывают доступ к ценной информации о множественных взаимосвязях, закономерностях и воздействиях.
Преобразования в действии: здоровье нации
Феномен больших данных – революционный фактор как для сферы государственного управления, так и для многих отраслей экономики. Организации государственного сектора аккумулируют огромные массивы информации. В Великобритании, например, Национальная служба здравоохранения (NHS), одна из самых больших в мире финансируемых государством систем здравоохранения и крупнейший работодатель, хранит гигантский объем клинической информации и данных о пациентах. Помимо прочего, NHS публикует данные по каждому медицинскому назначению, сделанному каждым врачом по месяцам, что в итоге составляет 400 миллионов точек данных
[21]. Сегодня большие данные NHS используются государственными службами для анализа работы этой службы и поиска путей ее усовершенствования.
Например, компания Mastodon C, специализирующаяся на больших данных, проводит оценку работы NHS через разнообразный анализ клинических данных
[22]. Целью одного из исследований было изучение работы клиник врачей общей практики. Mastodon C использовал данные, чтобы определить, влияет ли размер клиники на внедрение передовых методов работы, – оказалось, что в небольших клиниках этот процесс идет медленнее, чем в крупных. Кроме того, выяснилось, что небольшие клиники реже прописывали новое лекарство от диабета, чем крупные. Однако данные также показали, что соседство клиник явилось более существенным фактором внедрения рекомендованных методов, нежели их размер
[23]. А исследуя, как в различных клиниках прописывают патентованные лекарства и воспроизведенные лекарства – дженерики, команда из Mastodon C пришла к выводу, что патентованные статины прописываются гораздо чаще, чем дженерики, – и эта разница обходилась NHS приблизительно в 200 млн ф. ст. в год
[24].
Новые возможности больших данных
Работы Глобального института McKinsey (MGI) подтвердили вывод о том, что использование больших данных способно повысить эффективность и результативность общественного сектора
[25]. Согласно оценке MGI, эффективное использование больших данных могло бы снизить административные издержки в Европейском союзе на 15–20 %, что эквивалентно примерно 150–300 млрд евро в стоимостном выражении (как результат роста эффективности, так и за счет ликвидации разрыва между потенциальной и фактической суммой поступлений от сбора налогов).
В отчете указано пять широких областей, в которых большие данные могут существенно помочь правительствам. Бóльшая прозрачность и обмен данными между министерствами позволят, например, ведомствам, федеральным органам и гражданам оптимизировать заполнение различных форм, поскольку многие данные, запрашиваемые у организаций и физических лиц одним государственным органом, нередко хранятся в другом.
