Tăng tốc việc giải quyết yêu cầu của công dân trong lĩnh vực công với khoa học dữ liệu

Có vô số vấn đề hiện đang thách thức các cơ quan Chính phủ Anh, đặc biệt là những lo ngại về ngân sách trong bối cảnh Brexit không chắc chắn. Chính phủ và rộng hơn là toàn bộ khu vực công đang chịu áp lực rất lớn trong việc cải thiện khả năng phân phối và nâng cao hiệu quả dịch vụ cho người dân, những người đang mong đợi một dịch vụ ngày càng kết nối, cá nhân hóa và nhanh.

Trong bối cảnh đó, công nghệ thường được quảng cáo như một giải pháp. Tuy nhiên, mặc dù không thể phủ nhận chuyển đổi kỹ thuật số cho thấy nhiều cơ hội giá trị nhưng nó cũng đồng thời đang trở thành một cái “gai” gây nhức nhối đối với lĩnh vực công. Khoa học dữ liệu và phân tích dữ liệu là ví dụ điển hình của các giải pháp tiềm năng có sẵn hứa hẹn sẽ đem đến những hiểu biết sâu sắc hơn và các dự án được phát triển thông minh hơn. Mặc dù vậy, khu vực công nổi tiếng về việc đầu tư công nghệ chắp vá. Vậy, những thách thức chính ngăn chặn việc áp dụng rộng rãi các giải pháp này là gì?

Để trả lời điều đó, chúng ta hãy cùng nghiên cứu về cách khoa học dữ liệu tăng tốc việc giải quyết yêu cầu của người dân và chuyển đổi dịch vụ cho công dân trong khu vực công, đồng thời, khám phá một số thách thức thực tế đang ngăn cản đầu tư vào các giải pháp phân tích hiệu quả và làm thế nào để vượt qua những rào cản này.

Từ quan sát đến hành động

Đẩy nhanh việc giải quyết yêu cầu của công dân không phải là nhiệm vụ dễ dàng. Để đạt được điều này thực sự, một nền tảng hợp tác giữa các nhóm phân tích dữ liệu và khoa học dữ liệu là rất cần thiết. Nền tảng này sẽ cho phép họ rút ra những hiểu biết có ý nghĩa cho tổ chức, từ đó thúc đẩy các quyết định có tác động ảnh hưởng hơn.

Mặc dù công việc hai đội đảm nhận khác nhau đáng kể nhưng trong một triển khai hiệu quả, họ có thể bổ sung cho nhau. Theo truyền thống, phân tích dữ liệu tập trung vào việc hiểu những gì đã xảy ra trong quá khứ bằng cách xác định các xu hướng, mô hình trong dữ liệu lịch sử để hỗ trợ việc ra những quyết định hướng về tương lai. Trong khi đó, công việc của các nhà khoa học dữ liệu tận dụng trí tuệ nhân tạo và những giải pháp học máy để dự đoán kết quả trong tương lai.

Cùng với nhau, phân tích dữ liệu và khoa học dữ liệu thực hiện sàng lọc một số lượng lớn dữ liệu khác nhau một cách hiệu quả - đôi khi ở tốc độ cao - để thu được những hiểu biết có giá trị giúp người sử dụng đưa ra quyết định tốt hơn.

Kết quả thực tế: Khoa học dữ liệu đang hoạt động

Đã có rất nhiều trường hợp trong khu vực công chứng minh giá trị của phân tích dữ liệu. Ví dụ, lực lượng cảnh sát đang tận dụng các phân tích nâng cao để vượt qua những tín hiệu nhiễu và có thể tập trung vào các mối đe dọa mới nổi thực sự.

Một ví dụ điển hình trong lĩnh vực tư nhân là Rogers Communications, một công ty truyền thông Canada. Với sự trợ giúp của những giải pháp máy học, họ đang xây dựng các mô hình để dự đoán khả năng khách hàng sẽ quảng bá dịch vụ của họ cho người khác. Điều này được thực hiện bằng cách phân tích những cuộc gọi thoại và liên lạc trên các kênh truyền thông xã hội. Nó cho phép Rogers tạo ra những hiểu biết trong thời gian thực về thái độ của khách hàng về dịch vụ họ sử dụng. Kết quả là các tư vấn viên được trang bị những công cụ cần thiết để xác định phản hồi phù hợp nhất trong mỗi tương tác với khách hàng và trong năm ngoái, dự án đã giảm hơn một nửa (53%) khiếu nại phàn nàn.

Thử thách thực tế: Gắn kết phân tích dữ liệu và khoa học dữ liệu

Chúng ta đã có những bằng chứng về việc khoa học dữ liệu có thể mang lại lợi ích đáng kể và với kết quả ấn tượng như vậy, câu hỏi được đặt ra là tại sao có quá ít dự án khoa học dữ liệu trong chính phủ Anh và rộng hơn là khu vực công?

Một thách thức đó là đưa các đội làm việc cùng nhau. Dưới đây là một số lời khuyên giúp tăng sự gắn kết giữa nhóm phân tích dữ liệu và khoa học dữ liệu.

Chuyển trọng tâm từ công nghệ sang kết quả: Phân tích dữ liệu có xu hướng tập trung vào các khả năng kỹ thuật - cơ sở dữ liệu, thuật toán, giao diện lập trình ứng dụng, v.v... - trong khi khoa học dữ liệu lại liên kết chặt chẽ hơn với việc cung cấp dịch vụ. Phát triển một khuôn khổ xung quanh việc giá trị kinh doanh có thể đạt được như thế nào và đưa ra các khả năng của khoa học dữ liệu có thể đưa cả hai đội lại gần nhau nhau, tập trung vào việc cung cấp dịch vụ tốt nhất cho công dân.

Tái sử dụng các giải pháp mà không cần viết mã lại: Các nhóm thường phát triển mã theo ngôn ngữ ưa thích của mình. Điều này có nghĩa là sản phẩm của họ không mang lại lợi ích cho nhiều người như mong muốn. Việc áp dụng một môi trường được quản trị duy nhất có thể khuyến khích sự hợp tác đồng thời cho phép các nhà khoa học dữ liệu và các nhà phân tích dữ liệu viết mã bằng ngôn ngữ họ chọn.

Phá vỡ các silo dữ liệu riêng lẻ: Các phòng ban đã xây dựng hệ thống riêng của mình với các bộ dữ liệu khác nhau được lưu trữ ở những nơi khác nhau. Điều này kéo dài quá trình đối chiếu và phát triển sự hiểu biết toàn diện về hành trình kỹ thuật số của mỗi công dân. Một nền tảng khoa học dữ liệu được quản trị có thể kiểm soát những hệ thống này và cho phép tìm kiếm diễn ra nhanh chóng trên nhiều bộ dữ liệu, tạo điều kiện cho các nhóm cộng tác và chia sẻ dữ liệu để cùng có lợi.

Thay đổi văn hóa

Các nhóm phân tích dữ liệu trong khu vực công đều đang làm việc để đem đến sự hài lòng tích cực cho công dân. Các ví dụ hiện tại đã chỉ ra rằng một khi văn hóa ra quyết định dựa trên bằng chứng được thiết lập, các tổ chức có thể thu được nhiều giá trị hơn từ dữ liệu của mình, xác nhận giá trị của phân tích và lan truyền nhận thức về sự tiện ích của nó.

Khi  quy mô và sự đa dạng của dữ liệu đang đến từ khu vực công với tốc độ lớn hơn bao giờ hết, đầu tư thêm vào các giải pháp phân tích dữ liệu và khoa học dữ liệu chính là tương lai. Thời đại của khoa học dữ liệu sẽ hỗ trợ nhiều nỗ lực trong khu vực công, giúp các nhà lãnh đạo tập trung vào các lĩnh vực quan trọng.

Khoa học dữ liệu có thể giải quyết một số thách thức lớn nhất đối với xã hội hiện nay và rõ ràng là các đội có vai trò quan trọng trong việc vượt qua một số trở ngại ngăn cản việc triển khai nó.