Au-delà du laboratoire d'innovation: comment l'Indonésie a accru son appétit pour les données

Pulse Lab Jakarta est un laboratoire d'innovation basé en Indonésie qui utilise les mégadonnées, l'analyse en temps réel et l'intelligence artificielle pour mieux comprendre les conditions économiques et sociales en Indonésie. En collaboration avec son partenaire au sein du gouvernement, le ministère indonésien de la planification du développement national (Bappenas), Pulse Lab Jakarta a démontré comment une utilisation intelligente des données peut aider le gouvernement à comprendre l'économie changeante de l'Indonésie et à trouver des solutions à certains des grands défis du pays. . Lors d'un séminaire à la fin de l'année dernière, ils ont raconté comment ils ont commencé à placer les données au cœur de l'élaboration des politiques en Indonésie.

Les analyses contextuelles des processus de la connaissance à l'élaboration des politiques en Indonésie (voir, par exemple, la solide collection de diagnostics de KSI ici ) soulignent l'importance - et les formidables défis - de la création d'une demande pour l'utilisation d'analyses et de preuves dans la formulation des politiques publiques. Au cours des deux dernières années, nous avons travaillé en étroite collaboration avec nos amis du centre de données et d'information de Bappenas, afin de tester différentes façons de stimuler l'appétit des décideurs politiques pour expérimenter de nouvelles sources de données et des analyses de données avancées. Il s'agit notamment d'héberger des sessions de laboratoire ouvert et des cliniques d'innovation de données , ainsi que de nombreuses réunions individuelles avec les chefs de différentes divisions. Cela en est arrivé au point où Pak Suharmen, le chef du centre de données et d'information, connaissait par cœur notre jeu de diapositives et pouvait intervenir à tout moment pour expliquer la plupart de nos projets.

C'était peut-être une combinaison de sensibilisation accrue, d'impératifs techniques pour combler les lacunes en matière d'information et de plaidoyer interne au sein de Bappenas, mais lors de notre dernière réunion du comité directeur, nous avons commencé à voir un changement distinct dans la nature des demandes de recherche émanant des hautes autorités de Bappenas. fonctionnaires de niveau. Par exemple, au lieu de demander un travail de recherche spécifique, le sous-ministre des Affaires économiques de Bappenas a présenté une liste de questions politiques prioritaires sur lesquelles sa division avait besoin de contributions, et a demandé comment les sources de données numériques pourraient compléter au mieux leurs données et analyses existantes.

Nous avons examiné chacune des questions de politique proposées et fourni des suggestions techniques sur les types de recherche qui seraient réalisables - et ceux qui le seraient moins. Notre équipe au laboratoire s'est ensuite réunie avec le sous-ministre et son équipe pour passer en revue chacun de ces éléments et décider ensemble de sujets précis sur lesquels nous travaillerions. Cela a par la suite donné le coup d'envoi à une autre série de rencontres individuelles avec chacune des directions du sous-ministre des Affaires économiques. Pak Suharmen, qui a assisté à presque toutes ces réunions, a joué un rôle déterminant pour que chacun des directeurs affecte ses propres analystes à travailler avec nos chercheurs: «Vous ne pouvez pas simplement demander un projet de recherche et le quitter - cela ne fonctionne pas façon. Vous devez faire travailler vos collaborateurs en tandem avec le Lab; cela ne fonctionne pas sans l'expertise de votre domaine. »Merci, Pak Harmen.

Pour notre propre équipe, les réunions avec chaque direction ont permis de clarifier les facteurs sous-jacents aux problèmes politiques, le type d'analyse déjà disponible et la façon dont l'analyse des mégadonnées serait réellement utile. Dans certains cas, nous avons constaté que la poursuite de l'analyse des empreintes numériques serait beaucoup moins utile que, disons, la recherche ethnographique pour obtenir des informations comportementales sur un segment spécifique de la population.

Recherche collaborative

Compte tenu de la force du laboratoire dans le traitement et l'analyse des données et de l'expertise de BAPPENAS dans le domaine de la planification économique, les directions ont pris la tête de la conception et de l'achèvement des parties substantielles des projets. Chacune des directions a désigné deux membres du personnel pour travailler en étroite collaboration avec Pulse Lab Jakarta sur chaque projet. Cette approche s'est avérée très enrichissante car elle a permis l'échange de connaissances, le flux d'informations, la complémentarité des compétences et des discussions plus simples sur la faisabilité opérationnelle de chaque projet.

Certains des projets comprennent:

• S'appuyant sur notre modèle de prévision immédiate pour surveiller la dynamique des prix des denrées alimentaires, en particulier des produits de base prioritaires tels que le riz et le bœuf, afin de fournir des indicateurs précoces si le mouvement des prix des produits s'approche du prix de détail maximal et du coefficient de variation des prix.
• Essayer de nouvelles sources de données, telles que les données du commerce électronique, à utiliser comme proxy pour cartographier l'état de l'économie nationale.
• Test d'hypothèses de corrélation entre les taux d'inflation et le sentiment public de la hausse des prix de certains produits.
• Analyse de perception de la marque «Wonderful Indonesia» et des destinations touristiques phares de l'Indonésie.

L'objectif était d'avoir des résultats de recherche que nous pourrions présenter vers la fin de l'année. Fin novembre, nos équipes de recherche conjointes se sont réunies pour faire le point sur nos progrès. Il y avait une variation importante en termes de «produits finis» pour chacun des thèmes de recherche. Dans certains cas, nous avons dû à nouveau modifier et affiner les questions de recherche et relancer l'analyse. Le projet sur l'inflation, par exemple, était encore approximatif et nécessitait une nouvelle itération car nous n'avons pas encore établi de formule qui montre une forte corrélation entre l'inflation et la perception des gens des prix des matières premières (la visualisation peut être trouvée ici ).

"Vous ne pouvez pas simplement demander un projet de recherche et le laisser - cela ne fonctionne pas de cette façon"

Dans d'autres cas, comme l'exploration de l'utilisation des données du commerce électronique, nous avons dû restreindre le champ d'analyse à quelque chose de beaucoup plus spécifique. Nous avons décidé de nous concentrer sur les données sur les prix des logements d'une province à l'autre et de voir si nous pouvons tirer des enseignements de la comparaison. Bien que nous ayons réussi à nettoyer les données et à montrer le modèle de dynamique des prix (visualisation ici ), la partie analytique réelle pour corréler cela aux événements, chocs ou contraintes, ou à d'autres indicateurs économiques reste à faire. C'est quelque chose que nous souhaitons approfondir avec l'équipe de Bappenas l'année prochaine.

Nos collègues de Bappenas ont ouvert la voie en explorant les liens entre les empreintes numériques et d'autres ensembles de données contextuelles. Par exemple, nous avons travaillé avec des analystes de la Direction de l'industrie, du tourisme et de l'économie créative de Bappenas pour mener une analyse des médias sociaux de la campagne «Wonderful Indonesia», en la comparant à d'autres campagnes de même nature. Les analystes de Bappenas ont ensuite combiné cela avec leurs propres données sur les stratégies de promotion de la marque touristique indonésienne, y compris le lieu et le moment des événements promotionnels. À l'aide d'une analyse temporelle et géographiquement sélectionnée, l'équipe conjointe a découvert de nouvelles perspectives sur l'efficacité potentielle de stratégies particulières.

Nous pensons qu'il est encore trop tôt pour mesurer la valeur des résultats ou pour affirmer avec confiance que les résultats seront utilisés dans le processus de formulation des politiques par Bappenas comme prévu à l'origine. Avec le recul, nous pensons que le résultat le plus précieux qui s'est dégagé au cours de ces derniers mois a été l'engagement réel de nos homologues à apprendre de nouvelles approches et à diriger les parties analytiques de ces projets. Oui, le laboratoire a joué un rôle important en termes de méthodes de traitement des données, mais nos collègues de Bappenas ont ouvert la voie en fondant les résultats et leur ont donné des significations, des fonctions et un contexte dans chacun de leurs propres programmes de politique de développement.

Amplifier les leçons apprises

L'intention était toujours de présenter les résultats de la recherche à d'autres divisions de Bappenas comme un exemple de la façon dont l'analyse du Big Data pourrait être utilisée pour éclairer la planification du développement et la formulation des politiques. L'idée de le faire dans un forum plus large a pris de l'ampleur lorsque le ministre de Bappenas a exprimé son enthousiasme à explorer l'utilisation de nouvelles sources de données pour compléter les sources de données conventionnelles. Comme nous l'avons mentionné au début de ce blog, nous avons travaillé avec nos homologues de Bappenas pour organiser un séminaire où des analystes de quatre directions différentes ont présenté les résultats de leurs recherches à un public plus large de Bappenas.

Le rôle de Pulse Lab Jakarta dans ce forum était d'animer la discussion et de répondre aux questions techniques sur l'analyse des données . La majeure partie de la discussion, cependant, a eu lieu entre des experts du secteur de Bappenas, des conseillers techniques et des analystes des politiques sur la meilleure façon d'utiliser les nouvelles sources de données pour compléter l'analyse existante sur les priorités de planification nationale à venir. En plus de discuter des avantages de l'intégration de différentes sources de données, il était également bon de voir un débat animé sur les défauts et les limites de certaines des approches. Plusieurs membres de l'auditoire ont également souligné que, bien que des concepts tels que les analyses de perception puissent être utiles s'ils sont utilisés de manière appropriée, l'utilisation optimale de l'analyse des Big Data signifie aller au-delà des données des médias sociaux et réfléchir de manière critique aux sources de données qui fourniraient les meilleures informations.

À la fin de la discussion, les analystes ont partagé certaines de leurs principales conclusions de l'ensemble de ce processus:

• Bien que les décideurs n'aient pas besoin de maîtriser les aspects les plus techniques de l'analyse de données avancée , ils doivent avoir une compréhension inhérente des principes - et plus important encore, de ses limites. Cela aidera à identifier les lacunes dans les connaissances qui peuvent être comblées par la science exploratoire des données et celles qui seraient mieux comblées par d'autres moyens d'obtenir des preuves.
• Explorer si de nouvelles sources de données peuvent être utilisées comme indicateurs de conditions économiques spécifiques est un processus intensivement itératif. Cela nécessite non seulement une implication substantielle des décideurs politiques dans le processus de recherche, mais aussi la flexibilité de modifier une ligne d'enquête si nécessaire.
• Les résultats de l'analyse des Big Data sont l'une des nombreuses entrées qui peuvent être utilisées pour informer les processus politiques. Pour l'utiliser de manière optimale, il devrait être combiné avec d'autres éléments de preuve qui fournissent une profondeur contextuelle à la question de politique en question. En utilisant les résultats de l'analyse des données, les décideurs devraient également être conscients des limites et des biais inhérents aux sources de données qui sont analysées.

Une dernière réflexion

Pour l'avenir, nous pensons que notre rôle dans la création d'une demande de science des données au sein du gouvernement est double. La première consiste à aider à façonner et à articuler la demande pour le type d'analyse qui pourrait fournir le type de connaissances nécessaires. Cela implique de suggérer des méthodes possibles d'analyse, mais cela implique également d'être très honnête quant à la faisabilité d'une telle approche et, pour la recherche exploratoire, la possibilité d'échec à obtenir des informations significatives.

Le deuxième rôle que nous devons jouer est d'élargir l'horizon des options des décideurs sur ce qu'il est possible de faire en utilisant la science des données. Pour ce faire, nous devons constamment repousser les limites de nos propres recherches et expérimentations, et c'est quelque chose que nous avons hâte de faire l'année prochaine.

https://www.youtube.com/watch?time\_continue=34&v=7bMtnjgOeH0

Vous pouvez en savoir plus sur le travail de Pulse Lab Jakarta ici.

(Crédit photo: Pulse Lab Jakarta)