Файл: Базы данных в государственном управлении.pdf

• интернет вещей (Internet of Things, IoT) как инфраструктурный вызов для скорости и доступности интернета и способ накопления данных;

• цифровая прослеживаемость, как практически реализуемые проекты, работающие на повышение доверия к товарам и транзакциям и производящие данные;

• квантовые коммуникации (квантовые сети).

Большие данные в государственном управлении

Ценность больших данных — в возможности переходить к прогностической аналитике.

Данные становятся ключевым активом, что порождает вопросы регулирования, приватности, безопасности.

Важна экосистема обмена данными и роль государства как регулятора в этой области.

Цифровая экономика занимает все большее место в мире: более 15,5% мирового ВВП. В развитых странах цифровая экономика занимает в среднем 18,4% ВВП (от 10 до 35%), а в развивающихся — от 2 до 18%15 . Доля цифровой экономики в России, по последним данным, составляет около 3% ВВП16 . Мир цифровой экономики — это мир данных. Сейчас рынком правят технологические корпорации, и бизнес большинства из них основан на данных: данные о потребителе собираются из различных источников и используются для монетизации.

Так называемые data-корпорации (Google, Microsoft, Facebook) зарабатывают на массовых потребителях: рекламные продукты (сбор данных и стратификация), нишевые продукты (для финансового рынка), специализированные продукты, связанные с интернетом вещей, искусственным интеллектом и т. д.

Параллельно с этим существует государство, которое является владельцем и потребителем больших данных, а также регулятором, устанавливающим новые правила цифровой жизни.

Область применения данных в государстве

В государстве данные могут использоваться в первую очередь для принятия решений, оценки позитивных и негативных последствий этих решений, определения ранее скрытых зависимостей и т.д., однако в РФ на данный момент государство умеет только хранить данные и поставлять их по запросу — например, справочную информацию для граждан или органов власти. При этом огромный потенциал, заложенный в данных, не используется. На основании анализа данных осуществляется постановка гипотез и формулирование решения, которое предоставляется ответственному должностному лицу, поэтому необходимо обучать сотрудников государственных органов и служб принимать решения на основе данных, а не на основе устаревших знаний. При правильном подходе большие данные также могут стать фундаментом для аналитики, реализованной на базе нейронных сетей.

Вторая область применения данных в государстве — это целевые проекты на основе данных. Самым известным из таких проектов можно назвать проактивное оказание госуслуг, подразумевающее, что не потребитель обращается за услугой, а государство становится инициатором таких услуг в ответ на событие в жизни гражданина (рождение ребенка, дополнительное образование).

Предоставление проактивной госуслуги может быть связано не с событием, а с периодом жизни. Например, рождение ребенка — не факт, а событие, которое начинается задолго до его рождения: подготовка будущих родителей к появлению малыша, наблюдение будущей мамы у врача и т. д.

Мировой опыт по разработке стратегий работы с данными

В мире давно идут дебаты о роли государства в открытости данных, доступности данных, о том, какие данные может собирать государство, какие — нет.

Ключевыми направлениями этих дискуссий являются: • Защита потребителей, которыми являются обычные граждане.

• Поддержка бизнеса, потому что бизнесу необходим доступ к данным.

• Открытость государства: налогоплательщики и ответственность государства перед ними, прозрачность принятия решений.

• Этические вопросы (манипуляция данными, можно ли эти данные использовать, не приведут ли они к дискриминации некоторых групп граждан).

• Доступ академического сообщества, ученых к данным для научных исследований. Во многих странах сейчас разрабатываются стратегии работы с данными: это может быть специальная модель на всю страну (США, Австралия) или часть общей стратегии по цифровой трансформации (Швеция, Мексика, Колумбия) . В большинстве государственных стратегий и реформ данных обычно закладываются два ключевых аспекта по работе с данными государства:

• Data Release — данные публикуются в открытом доступе, они общедоступны.

• Data Sharing — включает в себя инициативы по доступу к тем данным, которые не могут быть открыты по разным причинам (например, персональные данные, данные негосударственные, на которые государство оказывает влияние, и т. д.), инструменты для доступа научных организаций к этим данным. Такая практика достаточно распространена в мире: например, в Великобритании исследователи могут получить доступ к подобным данным в закрытых помещениях без доступа к интернету.

Работа с данными в России

В России тема данных включена в программу «Цифровая экономика» и заявлена в форме Национальной системы управления данными (НСУД) в поручении Минэкономразвития. Главная сложность обсуждаемых в России инициатив по данным — это их фрагментированность, и тот факт, что до сих пор не делаются попытки разработки целостной модели.

Для того чтобы иметь возможность плодотворно работать над созданием НСУД, ее следует в первую очередь рассматривать как совокупность правил, по которым должно существовать государство, а лишь затем говорить о технической инфраструктуре.

В эти правила обязательно должны входить следующие основополагающие принципы:

• приватность, защита прав граждан;

• открытость, публикация государственных данных, платформа публикации данных,

Data Sharing;

• защита качества данных;

• культура обучения работе с данными

Названные принципы следует реализовать без отрыва от контекста цифровой трансформации в целом, в тесном взаимодействии с потребителями данных: гражданами, бизнесом, научным сообществом и органами власти.

Обеспечение качества работы с данными.

Государство должно обеспечивать потребителей актуальными качественными данными, для которых должна осуществляться проверка правильности, объективности и точности. Другой вариант — это организация живой обратной связи, на которую реагирует государство, когда частично контроль качества данных будут выполнять сторонние организации, эксперты, общество. Культура обучения работе с данными — один из важнейших аспектов стратегии в области данных. Для ее реализации в госструктурах должны быть специалисты по данным: это и CDО , и разного рода аналитики, и IT-специалисты. Также должны развиваться практики обучения государственных служащих работе с данными, что, кстати, позволит избежать размещения в открытом доступе «плохих данных». Параллельно с разработкой принципов НСУД необходимо провести инвентаризацию источников данных.

В инвентаризацию входят распределение полномочий (к какому органу государственной власти какие данные относятся), систематизация реестра ГИС, данных унаследованных систем, данных коммерческих организаций и т. д. Реестр Федеральной государственной информационной системы координации информатизации (ФГИС КИ) содержит сведения о полномочиях, финансировании, форматах данных, информационных ресурсах 550 федеральных государственных информационных систем, 79 органов государственной власти. Однако он не включает в себя ссылки на общедоступные ресурсы, ссылки на госконтракты, техническую документацию; соответственно, ФГИС КИ — это далеко не полные данные. Следует проанализировать и другие источники данных, например, реестры ГИС в регионах, которые в зависимости от субъекта устроены по-разному — детальнейший реестр в Калининградской области и файлы Excel со списками в Камчатской области. Также есть много унаследованных систем, не зарегистрированных в ГИС, которые трудно выявить — по косвенным признакам, анализом архивных баз госконтрактов, анализом закупок малого объема, аудитом работы органов государственной власти. Удобный способ инвентаризации данных — это создание карты данных для определенной области (экология, законотворчество и др.) с указанием источников данных за пределами организации.

Инвентаризация источников в такой карте осуществляется по уровням: первый уровень — задачи и цели инвентаризации, второй — реестр источников данных, третий — БД, далее — режимы доступа к данным и дальнейшая детализация.

Существуют в России и вполне успешные примеры государственных проектов, основанных на данных. Несколько из них рассмотрены ниже.

ГАС «Управление» Государственная автоматизированная информационная система «Управление»29 представляет собой единую государственную информационную систему, обеспечивающую сбор, учет, обработку и анализ данных, содержащихся в государственных и муниципальных информационных ресурсах, аналитических данных, данных официальной государственной статистики, а также иных сведений, необходимых для обеспечения поддержки принятия управленческих решений в сфере государственного управления. Система предназначена для поддержки принятия решений органами государственной власти и местного самоуправления; мониторинга и анализа процессов, происходящих в реальном секторе экономики, финансово-банковской и социальной сферах, а также социально-экономического развития субъектов РФ. Есть открытая для всех, в том числе физических и юридических лиц, и закрытая часть данных. Закрытая часть доступна для органов власти.

Портал мониторинга трудоустройства выпускников Портал мониторинга трудоустройства выпускников является проектом Министерства образования.

Портал предназначен для оценки результативности трудоустройства выпускников по показателям: доля трудоустройства выпускников, доля ИП, география трудоустройства, уровень заработной платы, средний возраст для каждой образовательной организации. На портале обрабатываются данные о трудоустройстве выпускников, предоставленные Пенсионным фондом России, Рособрнадзором и образовательными организациями: государственными, муниципальными, частными.

Искусственный интеллект

Нужно разрабатывать свой ИИ, никто такими технологиями не поделится. Если Россия не будет развивать это направление, то безнадежно отстанет. Необходимо перейти к активным мерам по внедрению искусственного интеллекта в процессы деятельности органов власти и бюджетного сектора, а также поддержать внедрение в сферах экономики.

Для ускорения внедрения технологий машинного обучения и искусственного интеллекта в экономику и повседневную жизнь граждан необходимо активное участие государства. Необходима программа государственной поддержки внедрения этих технологий и прямой реализации критически важных стратегических программ.

Программа «100 000 геномов» (Правительство Великобритании) Участники проекта, у которых обычными врачебными методами уже диагностированы наследственные заболевания или рак в различных формах и стадиях, а также их родственники давали согласие на привязку данных своего генома к информации о состоянии их здоровья и сохранение этой информации в национальной базе данных для исследования зависимостей между составом генома и заболеванием, а также выработки путей персонифицированного лечения. Участники ― более 70 тыс. человек ― получили расшифровку своих геномов.

Государство получило базу данных: с одной стороны, расшифрованные геномы, с другой — ответы в виде диагноза. Это уникальная база данных для дальнейших исследований фрагментов геномного кода, которые могут быть ответственны за генетическое заболевание, средствами машинного обучения. Понимание связи между фрагментами генома и болезнями будет первым шагом к персонифицированной медицине и персонифицированной фармакологии.

Это пример эффективного использования технологии машинного обучения государством, ведь очевидно, что создавать такую базу данных, работать с ней и нести ответственность за сохранность подобных данных может только государство. Так же очевидно, что государство не будет «делиться» подобной чувствительной информацией с другими государствами, ибо это закрытые данные.

Россия, в которой в настоящий момент нет подобной широкомасштабной программы и которая не сможет воспользоваться результатами исследований других государств, может сильно отстать в исследованиях и разработках персональной медицины и фармакологии на основе анализа генома методами машинного обучения.

Соответственно, такого рода стратегические программы в геномной медицине должны быть реализованы в России как можно быстрее. В области слабого искусственного интеллекта сейчас наиболее популярные и востребованные технологии ― это распознавание образов, распознавание и синтез речи, распознавание паттернов промышленных и других данных.

В настоящий момент вышеназванные технологии лежат в основе более 90% всех практических внедрений слабого искусственного интеллекта в нашу жизнь. Одна из них ― это распознавание земных объектов по спутниковым снимкам. Накоплено огромное количество спутниковых снимков земной поверхности сверхвысокого разрешения, более половины которых никто даже ни разу не просмотрел, так как до последнего времени отсутствовали технологии автоматизированного распознавания объектов на этих снимках. Задачи подобного рода отлично решаются с использованием технологий машинного обучения.