Sviluppo sostenibile - il ruolo dei Big Data nel raggiungimento degli SDG

 

Big Data per SDGTenere traccia del percorso di avvicinamento agli obiettivi di sviluppo sostenibile nei singoli Paesi del mondo non è un'impresa facile per gli istituti statistici nazionali, spesso legati ai tradizionali sistemi di estrazione e analisi di dati. I Big Data possono, in tale contesto, svolgere una funzione fondamentale per aiutare i PVS a monitorare il benessere della propria popolazione e, in tal modo, accelerare il processo di avanzamento verso uno sviluppo sostenibile davvero condiviso. 

Monitoraggio degli SDG: i limiti della statistica tradizionale

Gli obiettivi di sviluppo sostenibile (Sustainable Development Goals - SDG), si legge in un lungo articolo di analisi scritto da Iva Sebastian, Criselda De Dios, Katrina Miradora e Jan Arvin Lapuz sull’Asian Development Blog, offrono target specifici e quantificabili in sinergia con i piani e le priorità di sviluppo nazionali dei vari Paesi. Il percorso di avvicinamento a questi obiettivi viene monitorato attraverso un sistema di oltre 230 indicatori statistici approvati dalla Commissione Statistica delle Nazioni Unite (United Nations  Statistical Commission), attraverso i quali ogni Paese viene periodicamente analizzato.

Tuttavia, scrivono gli autori dell'articolo, con un tale numero di indicatori - molti dei quali richiedono una disaggregazione per posizione, sesso, genere, età, reddito e altri fattori rilevanti - la raccolta di dati granulari (ovvero dettagliati) necessari a monitorare nei diversi Paesi l'attuazione degli SDG e dei relativi target non è un'impresa facile per i sistemi statistici nazionali.

Per capire meglio fino a che punto gli istituti di statistica nazionali siano preparati per “l'era degli SDG”, la Banca asiatica di sviluppo (ADB) e la Commissione economica e sociale per l'Asia e il Pacifico delle Nazioni Unite (UNESCAP) hanno realizzato uno studio che fa il punto sulle condizioni di 22 Paesi, disaggregando gli indicatori degli SDG e utilizzando diverse tipologie di fonti di dati.

 > BEI - l'impatto dei finanziamenti delle banche multilaterali sullo sviluppo

Lo studio ADB-UNESCAP: monitoraggio degli SDG e Big Data

Ai fini dello studio, le organizzazioni statistiche nazionali di 16 Paesi in via di sviluppo (PVS) membri dell’ADB hanno fornito per diversi indicatori la disaggregazione delle statistiche per posizione. La disaggregazione per sesso, si legge nell'articolo, risulta invece molto scarsa, e lo è ancor di più, se non addirittura assente, quella per le persone disabili e per le popolazioni indigene.

Molti istituti nazionali di statistica riconoscono che l'unico modo per poter fornire dati disaggregati per gli indicatori degli SDG è tramite metodi e fonti di dati innovativi. Oltre la metà dei Paesi (56%) utilizza metodi SAE (small area estimation) che servono a fornire dati di rilevamento diretto per piccole aree o piccoli gruppi di popolazioni.  

Altri istituti di statistica hanno poi dato conto dei loro livelli di accesso a foto aeree, immagini satellitari, dati mobili, dati su prezzi online scaricati via web e dati su social media. La maggior parte dei soggetti intervistati, in ogni caso, considera i Big Data un modo promettente per affrontare le attuali lacune nei dati per gli SDG, ma al momento solo un numero limitato di Paesi ha già in cantiere progetti in materia.

Decenni fa, scrivono gli autori dell'articolo, gli istituti generavano statistiche solo attraverso dati amministrativi, censimenti e sondaggi. Oggi, invece, i Big Data provenienti da dispositivi elettronici, social media, motori di ricerca, dispositivi di localizzazione e immagini satellitari forniscono una nuova fonte di dati per gli istituti - di volume, velocità e varietà superiori - utili a integrare le statistiche provenienti da fonti tradizionali in materia di sviluppo.

Asia-Pacifico: ADB, migrazione e rimesse per sviluppo investimenti

Progetti pilota sui Big Data nei PVS   

Alcuni Paesi in via di sviluppo hanno già avviato progetti pilota che prevedono l'utilizzo di Big Data ai fini del raggiungimento degli SDG. Eccone alcuni esempi.

A Giacarta (Indonesia), le conversazioni su Twitter sul prezzo del riso si sono rivelate un modo innovativo per monitorare i prezzi reali del cereale. Nelle Filippine, invece, la Banca Mondiale ha collaborato con Grab, fornitore di servizi di assistenza alla guida, per lanciare l'Open Traffic Initiative. L’iniziativa utilizza i dati di Grab per fornire dati e statistiche sul traffico in tempo reale, inclusi velocità, flussi e ritardi agli incroci, finalizzati all’analisi delle aree più critiche in termini di traffico.

Tra gli altri esempi, vi è anche l’uso di dettagli delle telefonate, con informazioni sul comportamento dei clienti mobili utili ad analizzare lo stato di povertà/benessere della popolazione. Le tracce digitali dell’utilizzo del telefono cellulare possono inoltre aiutare a conoscere i movimenti della popolazione e ad esaminare il comportamento delle persone durante gli eventi catastrofici.

In Bangladesh, poi, i dati provenienti dalle immagini satellitari sono stati utilizzati per generare stime SAE sul ritardo nella crescita delle ragazze, sull’alfabetizzazione delle donne e sull’accesso a sistemi di contraccezione moderna.

Altri progetti riguardano l'uso dei dati provenienti dagli scanner di catene di supermercati e altri rivenditori per generare indici di prezzo nella Repubblica popolare cinese, in Giappone e nella Repubblica di Corea, e l'utilizzo dei dati della telefonia mobile per fornire informazioni sul movimento della popolazione in Sri Lanka.

Dall'analisi effettuata su queste e altre iniziative dall’ADB e dall’UNESCAP emerge che alcuni progetti sui Big Data possono effettivamente aiutare a migliorare la granularità (ovvero il livello di dettaglio) e l'accuratezza delle statistiche su povertà e benessere.

Le sfide: riservatezza, infrastruttura tecnologica e competenze

Nonostante l'entusiasmo per i Big Data, alcuni istituti nazionali di statistica hanno espresso una certa preoccupazione, soprattutto perché molte fonti non sono del tutto accessibili. Se esistono da tempo protocolli sulla riservatezza dei dati dalle fonti tradizionali, vi sono invece poche linee guida in tal senso per i Big Data.

Una grande sfida riguarda poi l'infrastruttura tecnologica, in termini sia di hardware che di software. Molti strumenti attualmente utilizzati per l'estrazione di dati potrebbero, infatti, non essere adatti a set di dati di grandi dimensioni. Gli istituti di statistica avranno quindi bisogno di una migliore infrastruttura ICT (soprattutto in termini di larghezza di banda) per scaricare i Big Data, catalogarli, organizzarli ed elaborarli in modo sufficientemente tempestivo.

Un altro ostacolo all’utilizzo dei Big Data in ambito di sviluppo sta nel fatto che essi richiedono nuove competenze. Se gli istituti di statistica hanno tradizionalmente esperienza nella gestione dei dati, spesso mancano delle figure professionali che siano preparate sia nell'analisi di dati che nel lavoro di calcolo.

Un’ultima questione sottolineata dagli istituti di statistica nazionali, concludono gli autori dell'analisi,  riguarda la necessità di creare nuovi protocolli legali e nuove disposizioni istituzionali per accedere agli investimenti in materia di Big Data a fini di sviluppo, oltre che per prevenirne l'abuso.

> Leggi l'articolo originale sull'Asian Development Blog

Per leggere il contenuto prego
o