9 modi in cui la scienza dei dati può accelerare il tuo lavoro di impatto sociale

Per le persone che lavorano nel settore filantropico, la scienza dei dati può sembrare un argomento ingombrante. Da dove inizi? Quali dati sono importanti? Come si inserisce nel lavoro della tua comunità?

Prima di addentrarti nelle erbacce, vale la pena fare un passo indietro per capire cos'è la scienza dei dati e cosa può consentirti di fare.

La scienza dei dati per l'impatto sociale riguarda la strutturazione di ciò che non è strutturato per aiutare a prendere decisioni basate sui dati. Non si tratta di annegarti in informazioni che non ti servono. Si tratta di utilizzare i dati in modo strategico per avere un impatto più profondo.

Di recente abbiamo ospitato un webinar in collaborazione con Chantal Forster e la Technology Association of Grantmakers. Tre data scientist che lavorano nel settore dell'impatto sociale, Antonio Campello di Wellcome Trust, Jonathan Hertel di Impact Genome Project e Andrew Spott di Submittable, hanno condiviso come la scienza dei dati e l'intelligenza artificiale li aiutano a compiere le loro missioni.

Evidenziando approfondimenti ed esempi di questo evento, abbiamo delineato nove modi in cui la scienza dei dati può aiutare la tua organizzazione a fare di più.

Indipendentemente dal fatto che tu abbia una solida esperienza nella scienza dei dati o che tu stia semplicemente diventando curioso di dati, abbiamo alcune informazioni utili per tutti.

Alcune definizioni rapide per la scienza dei dati

Prima di iniziare, copriamo parte della terminologia. Per le persone che non conoscono la scienza dei dati, a volte il linguaggio stesso può essere opprimente, quindi ecco un breve manuale.

• L'analisi dei dati è il processo di analisi dei dati grezzi per trovare tendenze e rispondere alle domande.
  • La maggior parte delle organizzazioni esegue una qualche forma di analisi dei dati. Ad esempio, potresti chiedere, dove vivono i nostri beneficiari? Il monitoraggio dei dati geografici per determinare i principali stati o paesi a cui fornisci finanziamenti è l'analisi dei dati al lavoro.

• L' apprendimento automatico è il processo di sfruttamento di algoritmi per fornire ai computer la capacità di migliorare automaticamente attraverso l'esperienza e con i dati.
  • Il riconoscimento delle immagini è un'applicazione comune dell'apprendimento automatico; se hai visto il tuo telefono o computer identificare da solo chi c'è in una foto, hai visto l'apprendimento automatico in azione.

• La scienza dei dati è l'applicazione di algoritmi di apprendimento automatico a varie fonti di dati (ad esempio numeri, testo, immagini, video, audio e altro) per produrre sistemi di intelligenza artificiale in grado di eseguire attività che normalmente richiedono l'intelligenza umana.
  • Anche se non hai lavorato nella scienza dei dati, probabilmente ne hai tratto vantaggio. La scienza dei dati viene sfruttata in ogni settore, pubblico e privato, inclusi sanità, trasporti, sicurezza pubblica e altro ancora. Ad esempio, la scienza dei dati viene ora utilizzata per analizzare l'imaging medico e identificare le neoplasie.

• L'elaborazione del linguaggio naturale è la branca dell'intelligenza artificiale incentrata sul dare ai computer la capacità di comprendere e rispondere a testo e parole pronunciate allo stesso modo degli esseri umani.
  • Pensa a Siri o Alexa.

• La tassonomia è un sistema di classificazione o categorizzazione utilizzato per raggruppare elementi simili.
  • Nella filantropia, le organizzazioni non profit possono essere raggruppate per dimensione, missione, progettazione del programma, posizione o un'altra designazione.

Come la scienza dei dati può potenziare il tuo lavoro di impatto sociale

1. Comprendi il tuo portafoglio a un livello più dettagliato

Per i finanziatori, sfruttare i dati e l'analisi dell'impatto sociale può aiutarti a ottenere un quadro più chiaro di chi e cosa finanzia, nonché dei risultati di tale finanziamento. Puoi rivelare tendenze, sovrapposizioni e lacune nel modo in cui distribuisci le risorse.

Perché questo è importante?

Ottenere una visione più dettagliata dei tuoi programmi ti consente di identificare e sradicare i pregiudizi e trovare opportunità perse. Inoltre può darti le informazioni di cui hai bisogno per espandere i tuoi sforzi e creare nuovi programmi efficaci.

È probabile che tu abbia già molti dei dati di cui hai bisogno. Ma se quei dati non sono organizzati e accessibili, non significa molto. È difficile vedere schemi o trarre conclusioni da una grande pila di dati non strutturati.

Ad esempio, Wellcome Trust, i cui programmi sono incentrati principalmente sulla salute, ha analizzato il suo portafoglio di oltre 100.000 sovvenzioni. Utilizzando l'elaborazione del linguaggio naturale, hanno applicato 30.000 tag di malattie al loro portfolio. Questa codifica è un passaggio importante nella preparazione dei dati per l'analisi e la segmentazione. Consente ai gestori delle sovvenzioni di cercare facilmente i programmi di sovvenzione passati. Supponiamo che l'organizzazione stia considerando di finanziare la ricerca su una malattia specifica, ora possono guardare indietro se hanno precedentemente finanziato quell'area di interesse e i risultati di quel lavoro.

Anche se non hai a che fare con un portafoglio di 100.000 sovvenzioni, è importante avere una comprensione più dettagliata dei tuoi programmi.

La codifica automatica è un modo per iniziare a organizzare i dati che hai. Ad esempio, Submittable abilita la codifica automatica in modo che quando arriva una domanda di sovvenzione, puoi applicare un tag in base alle risposte a domande specifiche. Ciò ti consente di tracciare, classificare e analizzare i dati che contano per il tuo team, che si tratti di dati demografici, area geografica, obiettivo della missione, dimensioni dell'organizzazione o qualcos'altro.

Puoi ordinare i tuoi candidati e beneficiari in base a tali tag per aiutarti ad analizzare come distribuisci le tue risorse e se devi modificare le tue strategie.

2. Creare standard e tassonomie più chiari

Nel mondo dell'impatto sociale, troppo spesso si parla delle stesse cose ma si usa un linguaggio diverso. Questo può rendere difficile vedere dove il nostro lavoro si sovrappone a quello degli altri e fare confronti tra programmi simili.

Ad esempio, quando donatori, organizzazioni non profit e ricercatori usano tutti un linguaggio diverso per parlare degli stessi problemi, è molto più difficile stabilire connessioni tra il loro lavoro.

Questa disconnessione ostacola la capacità di tutti di sviluppare soluzioni efficaci e fare previsioni informate. Pensala come le fondamenta di una casa. Se non abbiamo una struttura forte a questo livello di base, tutto ciò che è costruito su di essa sarà instabile.

Il progetto Impact Genome, nell'ambito della misurazione della missione, sta lavorando per sistematizzare queste standardizzazioni. Ad esempio, hanno creato un Impact Registry, un database ricercabile con dati sull'impatto e sui beneficiari su oltre 2 milioni di programmi senza scopo di lucro negli Stati Uniti e in Canada. Questo tipo di strumento può aiutare a rafforzare queste basi in modo che il settore filantropico possa costruire in modo più efficace soluzioni basate sui dati.

3. Tieni traccia di output e risultati in modo più chiaro

Il lavoro filantropico è incentrato sull'impatto. I programmi che esegui creano i risultati desiderati? Non importa quale sia il tuo budget, se non lo sai, non saprai se il tuo programma sta facendo una differenza significativa.

L'analisi dei dati può aiutarti a monitorare con maggiore precisione gli effetti del tuo lavoro. Puoi creare collegamenti tra le risorse che dedichi a un programma, i risultati a breve termine che crea e i risultati a lungo termine raggiunti.

Ad esempio, Wellcome Trust finanzia molte ricerche e studi clinici. Il loro team voleva tenere traccia dei risultati accademici delle loro borse di studio. In altre parole, volevano sapere quanti articoli accademici sono usciti dai programmi che hanno finanziato.

Utilizzando tecniche di data science, il team di Wellcome Trust è stato in grado di creare una pipeline automatica per aggregare gli articoli di ricerca relativi ai programmi finanziati. Sono stati quindi in grado di ricollegare questo lavoro a sovvenzioni specifiche per determinare quali programmi avevano il maggior numero di risultati accademici.

Pensa ai tuoi programmi e ai risultati e ai risultati che contano di più per la tua organizzazione. Stai ottenendo dati chiari e dettagliati su come sono collegati? Sai quali programmi producono costantemente i migliori risultati? Sfruttare la scienza dei dati per il bene sociale può aiutarti a ottenere un quadro più chiaro di come tutto combacia.

4. Trova le lacune nei finanziamenti

L'analisi dei dati può aiutare i finanziatori a identificare le lacune nei loro finanziamenti. Stai sottofinanziando alcune popolazioni? Stai trascurando alcuni componenti del lavoro? Scavare nei dati può aiutarti a trovare opportunità per fare di più.

A volte è facile per i finanziatori concentrarsi sugli aspetti del lavoro comunitario che si sentono più personali o più emotivi. Fornire assistenza a qualcuno che ha bisogno fa sentire bene a livello individuale. Tuttavia, quella risposta empatica a volte può distorcere il modo in cui le organizzazioni costruiscono i loro programmi. Il lavoro a impatto sociale si basa su infrastrutture solide. Il supporto di questi framework meno entusiasmanti ma essenziali può spesso consentire alle organizzazioni di fare molto di più.

Utilizzando la scienza dei dati, puoi identificare le lacune nei finanziamenti nel tuo portafoglio o nel settore filantropico in generale. Troppo spesso prevenzione e infrastrutture non ottengono l'attenzione che meritano.

Ad esempio, Wellcome Trust ha utilizzato la scienza dei dati per analizzare il proprio portafoglio e determinare la frequenza con cui ha finanziato la tecnologia nei suoi programmi. Utilizzando queste informazioni, hanno spostato le loro priorità per finanziare più sovvenzioni per l'infrastruttura software, che è uno strumento chiave per molti ricercatori.

5. Crea nuove connessioni

È facile trascurare tutti i modi in cui soggetti e identità si sovrappongono e si intersecano. Ma queste intuizioni possono fare un'enorme differenza nel modo in cui progetti i tuoi programmi.

Utilizzando la scienza dei dati, i finanziatori possono identificare le opportunità per collegare diversi argomenti o progetti. Con gli strumenti di visualizzazione dei dati, puoi vedere dove esistono già connessioni e puoi trovare luoghi in cui le connessioni dovrebbero esistere ma non lo sono ancora.

Sarà difficile creare soluzioni efficaci per grandi problemi se non comprendiamo questi incroci. Prendiamo ad esempio il cambiamento climatico. Gli impatti del cambiamento climatico si sovrappongono e si intersecano con gli effetti della povertà e dell'ingiustizia razziale in modi complessi. Se la tua organizzazione cerca di affrontare il cambiamento climatico senza tenerne conto, i tuoi programmi avranno probabilmente un impatto limitato.

Vuoi vedere che aspetto ha? Wellcome Trust ha realizzato un progetto di modellazione di argomenti con il proprio team di neuroscienze per estrarre argomenti basati sui dati per il finanziamento della ricerca. Utilizzando la scienza dei dati per analizzare i documenti di testo, hanno creato una mappa in modo da poter visualizzare le connessioni e le lacune tra gli argomenti.

6. Posiziona il tuo programma nel panorama più ampio

Molte organizzazioni e individui stanno lavorando per risolvere lo stesso insieme di problemi. Quadri come gli Obiettivi di sviluppo sostenibile delle Nazioni Unite possono aiutare a fornire una comprensione di alto livello di come il tuo lavoro si inserisce in sforzi più ampi per apportare il cambiamento. Ma non ti fornisce i dettagli di cui hai bisogno.

Vuoi avere un quadro chiaro di come i tuoi programmi stanno contribuendo a progredire su scala più ampia. Aiuti a muovere l'ago? I tuoi programmi replicano altri sforzi o stai svolgendo un ruolo unico?

La scienza dei dati può aiutarti a ottenere queste risposte e permetterti di essere più strategico nella distribuzione delle tue risorse.

Ad esempio, Wellcome Trust ha utilizzato una combinazione di ricerca API, web scraping ed elaborazione del linguaggio naturale per valutare in che modo il loro lavoro si inserisce in sforzi più ampi per combattere il COVID. Per valutare l'efficacia della ricerca che hanno finanziato, hanno misurato la frequenza con cui la ricerca è stata menzionata nelle prove scientifiche delle agenzie governative e riconosciuta nella letteratura generale sul COVID. Questo ha dato loro un'idea chiara se i programmi che hanno sostenuto stavano giocando un ruolo negli sforzi più ampi.

7. Valutare l'efficacia e il costo del programma

Parte dell'essere un finanziatore è bilanciare i costi e l'efficacia del programma. Vuoi sapere che le tue risorse stanno apportando le modifiche che vuoi vedere, ma anche che lo stanno facendo nel modo più efficiente possibile.

La posta in gioco è alta. Non stiamo parlando di alcuni profitti o dividendi per gli azionisti. I costi del tuo programma spesso determinano quante persone o organizzazioni comunitarie puoi supportare.

La scienza dei dati consente ai finanziatori di ottenere un'analisi più approfondita di come sono collegati output e risultati e di come si confrontano con i costi. Se non disponi di queste informazioni, è impossibile sapere se stai facendo investimenti intelligenti.

Ad esempio, Impact Genome si concentra sulla salute finanziaria. Usano la scienza dei dati per misurare l'efficacia dei programmi e il modo in cui i costi dei programmi si confrontano con i risultati che producono. Utilizzando l'apprendimento automatico, hanno valutato 990 registri fiscali per tutte le organizzazioni non profit statunitensi. Da qui, possono confrontare le dimensioni del budget con i risultati raggiunti.

Naturalmente ci sono tante strategie diverse e progetti di programmi per affrontare la salute finanziaria. Ad esempio, potresti aiutare qualcuno a coprire le spese di emergenza o fornire consulenza finanziaria. Questi probabilmente hanno costi e risultati diversi.

Il team di Impact Genome ha effettuato una meta analisi per scomporre i risultati che rappresentano la salute finanziaria e quindi definire i costi associati.

Pensa a quanto potrebbero essere utili queste informazioni per le organizzazioni non profit che operano nel settore della salute finanziaria. Potrebbero confrontare i loro costi e risultati con queste medie. Stanno spendendo molto di più senza ottenere risultati migliori? O sono alla pari con altre organizzazioni no profit? Queste sono informazioni importanti da avere mentre danno forma ai loro programmi futuri.

8. Automatizza il tuo processo di revisione

Per i finanziatori che desiderano esaminare un grande volume di applicazioni, la scienza dei dati può aiutare. Per motivi di pulizia dei dati (dati elaborati e formattati per eliminare imprecisioni e incoerenze), alcune organizzazioni sostituiscono le domande a risposta aperta con la scelta multipla. Questo può essere più facile da rivedere per le persone, ma molto è perso quando togli la capacità di un candidato di spiegare il proprio lavoro alle sue condizioni.

Sfruttando l'apprendimento automatico, puoi mantenere quelle domande a risposta aperta e dedicare meno tempo alla revisione manuale delle applicazioni. Puoi anche ottenere risultati meno distorti e più coerenti. Come funziona?

La funzione di revisione accelerata di Submittable mette in azione la scienza dei dati. Utilizzando l'apprendimento automatico, Submittable crea un modello basato sulle revisioni eseguite dal tuo team. In breve, stai addestrando il computer ad aiutare a rivedere le applicazioni allo stesso modo del tuo team.

Che aspetto ha il processo?

Il tuo team esamina un campione di circa 200 applicazioni. Il modello è costruito attorno a quel processo, imparando come i tuoi revisori valutano e valutano i candidati. Prima di applicare il modello per intero, viene valutata la precisione su un piccolo batch di applicazioni. Se necessario, il modello può essere riqualificato.

Automatizzare il processo di revisione in questo modo significa che puoi rivedere migliaia o addirittura milioni di applicazioni a una velocità incredibile e con una precisione sorprendente. Ciò riduce notevolmente la fatica e l'errore umano. In poche parole, la revisione automatizzata consente al tuo team di lavorare di più con meno personale sfruttando l'apprendimento automatico per evidenziare le informazioni chiave.

9. Alleggerire l'onere per i beneficiari

Con una crescente consapevolezza dell'onere amministrativo che spesso grava sui beneficiari, la scienza dei dati può essere uno strumento incredibile per illuminare le opportunità per i finanziatori di ridurre il carico.

Ad esempio, la Technology Association of Grantmakers ha recentemente utilizzato l'apprendimento automatico e l'analisi della somiglianza per determinare che un modulo di sovvenzione casuale è simile al 39% a qualsiasi altro modulo di sovvenzione.

Perché è importante?

Significa che molte organizzazioni spesso ripetono lo stesso lavoro più e più volte quando richiedono sovvenzioni diverse. E se i finanziatori si riunissero e standardizzassero parti delle loro domande di sovvenzione per garantire che tutti chiedessero le stesse informazioni nello stesso formato? Pensa a quanto tempo farebbe risparmiare ai beneficiari. 39%!

Trasformare le intuizioni in azione

La scienza dei dati consiste nell'utilizzare la tecnologia per fornire informazioni e struttura dalle informazioni di cui disponi. Ma la creazione del cambiamento richiederà che le persone prendano queste intuizioni e le trasformino in azioni.

Potresti non avere le risorse o la capacità per creare il tuo team interno di data science. Va bene: Submittable ti copre. Essendo una piattaforma di impatto sociale creata per aiutare le organizzazioni di tutte le dimensioni, siamo in grado di offrire tutti i vantaggi di un team di data science a una frazione del costo. Scopri di più oggi.