Aproveitando dados não tradicionais para a estratégia de recuperação socioeconômica Covid-19

Este artigo é coautor com Selva Ramachandran, Representante Residente, PNUD Filipinas.

Os dados agora são reconhecidos como o “novo petróleo” para a economia digital. Embora os atores do desenvolvimento tenham confiado em fontes tradicionais de dados, como as provenientes de pesquisas públicas e administração governamental, há um grande potencial para aproveitar o valor de fontes não convencionais ou não tradicionais, como dados do setor privado, que podem ajudar a alimentar um marca de governança mais ágil, ágil e inclusiva.

De fato, as empresas privadas coletam, analisam e usam rotineiramente grandes volumes de dados – tanto de suas próprias operações quanto de outras empresas – para obter insights acionáveis ​​e informar estratégias de negócios. A capacidade e o ritmo com que esses dados são aproveitados com a ajuda de ferramentas de ciência de dados, análise e inteligência artificial permitiram que empresas com experiência em dados navegassem com sucesso por várias formas de crise, incluindo a pandemia de Covid-19. Nesse ambiente dinâmico e incerto, a importância de dados granulares, oportunos e de alta frequência para informar a tomada de decisões tornou-se inestimável.

Para tanto, é oportuno fazer as seguintes perguntas: Podemos aproveitar o poder dos dados coletados rotineiramente pelas empresas – incluindo provedores de transporte, operadoras de redes móveis, redes de mídia social e outros – para o bem público? Podemos preencher a lacuna de dados para dar aos governos acesso a dados, insights e ferramentas que podem informar estratégias nacionais e locais de resposta e recuperação?

O potencial de dados não tradicionais

Há um crescente reconhecimento de que os dados tradicionais e não tradicionais devem ser vistos como recursos complementares. Os dados não tradicionais podem trazer benefícios significativos para preencher as lacunas de dados existentes, mas ainda devem ser calibrados em relação a benchmarks baseados em fontes de dados tradicionais estabelecidas. Esses conjuntos de dados tradicionais são amplamente vistos como confiáveis, pois estão sujeitos a padrões internacionais e nacionais rigorosos estabelecidos. No entanto, eles geralmente são limitados em frequência e granularidade, especialmente em países de baixa e média renda, devido ao custo e ao tempo necessários para coletar esses dados. Por exemplo, indicadores econômicos oficiais como PIB, consumo das famílias e confiança do consumidor podem estar disponíveis apenas até o nível nacional ou regional com atualizações trimestrais.

Enquanto isso, dados não tradicionais, como pesquisas de mercado coletadas rotineiramente mensalmente em pesquisas domiciliares de âmbito nacional, podem ser específicos apenas para determinados produtos e marcas, mas podem fornecer informações mais frequentes e granulares, com desagregação por área geográfica, grupo socioeconômico de famílias, gênero e outros atributos. Além disso, os dados coletados de dispositivos móveis, plataformas de internet e imagens de satélite geralmente estão disponíveis em tempo real e oferecem alta granularidade no local. Estes nem sempre estão em conformidade com os padrões estatísticos tradicionais de amostragem e coleta de dados e muitas vezes exigem novas metodologias de “big data” para processar e analisar. Abordagens inovadoras que combinam indicadores desses diferentes tipos de dados podem demonstrar sua consistência e complementaridade, explorar as vantagens de cada um e produzir novos insights.

Exemplos das Filipinas

Nas Filipinas, o PNUD, com o apoio da Fundação Rockefeller e do governo do Japão, criou recentemente o Pintig Lab: uma rede multidisciplinar de cientistas de dados, economistas, epidemiologistas, matemáticos e cientistas políticos, encarregados de apoiar a resposta e o desenvolvimento de crises baseadas em dados estratégias. No início de 2021, o laboratório realizou um estudo que explorou como os gastos das famílias em bens de consumo embalados, ou bens de consumo rápido (FMCGs), podem ser usados ​​para avaliar o impacto socioeconômico do Covid-19 e identificar heterogeneidades no ritmo de recuperação em todas as famílias nas Filipinas. A Agência Nacional de Desenvolvimento Econômico das Filipinas está agora no processo de incorporar esses dados para suas previsões de PIB, como entrada adicional para seus modelos preditivos de consumo. Além disso, esses dados podem ser combinados com outros conjuntos de dados não tradicionais, como transações de cartão de crédito ou carteira móvel, e técnicas de aprendizado de máquina para previsão de PIB de alta frequência, para permitir políticas econômicas mais ágeis e responsivas que possam absorver e antecipar os choques de crise.

Os dados não tradicionais também têm o potencial de fornecer insights sobre a situação de grupos vulneráveis, incluindo o setor informal, que nem sempre são capturados pelas estatísticas oficiais. Em reconhecimento a isso, o Departamento de Comunicação e Tecnologia da Informação e o PNUD começaram a explorar o uso de imagens de satélite para identificar comunidades de “última milha” que vivem em áreas geograficamente isoladas e desfavorecidas e entender seu nível de conectividade em termos de WiFi, eletricidade, estradas, educação, saúde e mercados. Além disso, o PNUD utilizou chatbots em plataformas de mídia social para coletar rapidamente informações de setores desfavorecidos e pequenas empresas, para entender as maneiras pelas quais a pandemia os afetou e até que ponto os programas de melhoria social funcionaram.

Esses são exemplos poderosos de como os dados não tradicionais podem e têm lançado luz sobre grupos desfavorecidos antes invisíveis, permitindo planos e programas mais inclusivos para que ninguém fique para trás.

Dados não tradicionais podem facilitar a inclusão

Atualmente, a capacidade de governos e organizações de desenvolvimento de apreciar, acessar e usar com responsabilidade fontes de dados não tradicionais do setor privado é limitada – isso se aplica globalmente, mas ainda mais no mundo em desenvolvimento. Do lado da oferta, as empresas podem ainda não entender completamente como seus dados podem ser aproveitados para atender às necessidades públicas e de desenvolvimento. Além disso, há a necessidade de harmonizar e operacionalizar os padrões internacionais e nacionais para licenciamento, privacidade e segurança de dados para abordar questões legais e financeiras e reduzir as barreiras para o compartilhamento de dados. Neste trabalho, deve-se reconhecer que os riscos precisam ser identificados e uma estratégia de mitigação em vigor, incluindo precisão de representação, riscos de segurança digital, riscos de violação de confidencialidade e privacidade e violação potencial de direitos de propriedade intelectual e outros interesses comerciais. Do lado da demanda, agências governamentais e organizações de desenvolvimento têm níveis variados de capacidade técnica e recursos para o trabalho relacionado a dados. Além disso, mesmo nas unidades onde o trabalho relacionado a dados técnicos é realizado, ainda pode haver a necessidade de inovar em abordagens que incorporem esses novos tipos de dados para aumentar os conjuntos de dados e metodologias oficiais. Os desafios existentes, incluindo questões metodológicas, legais, de privacidade e segurança, precisam ser abordados para promover o uso prático de dados não tradicionais.

Ampliando os Dados para a Comunidade de Desenvolvimento

O desbloqueio de dados do setor privado para o bem público em escala requer a criação do mercado necessário, infraestrutura legal e técnica, com base nos pilares da base legal, governança de dados, arquitetura de TI segura, gerenciamento de parcerias e equipes multidisciplinares. Uma iniciativa pioneira que foi pioneira nisso é a Development Data Partnership, um consórcio público-privado fundado pelo Banco Mundial, FMI e BID com o apoio da Fundação Rockefeller. Até agora, tem 26 grandes empresas como parceiros de dados – incluindo Google, Facebook, Twitter, Waze e LinkedIn – e 6 parceiros de desenvolvimento – a saber, PNUD, BID, FMI, Banco Mundial, OCDE e Fundação Rockefeller. Equipes multidisciplinares em todo o mundo estão aproveitando as ricas fontes de dados não tradicionais oferecidas por meio da parceria para inovar soluções para enfrentar a pandemia de Covid-19, bem como os principais desafios de desenvolvimento que abrangem mudanças climáticas, pobreza, segurança alimentar, serviços de transporte e desigualdade de gênero.

Apenas para citar alguns exemplos, os dados não tradicionais da parceria estão sendo usados ​​para rastrear o impacto das restrições do Covid-19 na mobilidade no Vietnã para avaliar a eficácia dos bloqueios localizados, mapear a mobilidade urbana no Haiti para informar a política de transporte e investimentos e preencher lacunas de dados sobre o impacto da atividade econômica nas mudanças climáticas para permitir que os formuladores de políticas façam análises econômicas e financeiras robustas. O uso de dados não tradicionais para apoiar o monitoramento das metas de desenvolvimento sustentável também foi oficialmente reconhecido, com o Comitê de Especialistas da ONU em Big Data e Ciência de Dados para Estatísticas Oficiais^{encarregados de promover seu uso prático para o monitoramento dos ODS, inclusive como base para novos indicadores ou proxies de indicadores, com melhor pontualidade e detalhamento social e geoespacial granular.}

Estamos apenas começando a abrir a porta para um mundo paralelo de dados não tradicionais que existe ao nosso lado há décadas. À medida que nos envolvemos no discurso público sobre as responsabilidades das empresas que coletam e monetizam nossos dados e seus efeitos positivos e negativos na sociedade, há espaço para considerar os benefícios potenciais se esses dados e ferramentas poderosas forem aproveitados para o bem público.

Os dados são inerentemente políticos e maximizar seus impactos positivos para a sociedade, particularmente ao revelar os rostos de grupos vulneráveis ​​que antes eram invisíveis, exigirá um esforço conjunto de uma comunidade de profissionais e defensores do governo, empresas, sociedade civil e organizações internacionais para moldar as maneiras pelas quais os dados são acessados, analisados ​​e usados ​​além dos limites de suas origens “com fins lucrativos”. Fazer isso pode muito bem desbloquear o potencial para intervenções baseadas em evidências mais rápidas e inclusivas para aqueles que mais precisam.