9 moduri în care știința datelor vă poate accelera activitatea de impact social

Pentru oamenii care lucrează în sectorul filantropic, știința datelor se poate simți ca un subiect greu de manevrat. De unde începi? Ce date sunt importante? Cum se încadrează în activitatea comunității tale?

Înainte de a pătrunde adânc în buruieni, merită să faceți un pas înapoi pentru a înțelege ce este știința datelor și ce vă poate permite să faceți.

Știința datelor pentru impactul social se referă la structurarea a ceea ce este nestructurat pentru a ajuta la luarea deciziilor bazate pe date. Nu este vorba să te îneci în informații de care nu ai nevoie. Este vorba despre utilizarea datelor în mod strategic pentru a avea un impact mai profund.

Am găzduit recent un webinar în parteneriat cu Chantal Forster și Asociația Tehnologică a Grantmakerilor. Trei oameni de știință de date care lucrează în sectorul impactului social – Antonio Campello de la Wellcome Trust, Jonathan Hertel de la Impact Genome Project și Andrew Spott de la Submittable – au împărtășit modul în care știința datelor și inteligența artificială îi ajută să-și îndeplinească misiunile.

Evidențiind perspective și exemple de la acest eveniment, am prezentat nouă moduri în care știința datelor poate ajuta organizația dvs. să facă mai mult.

Indiferent dacă aveți o experiență solidă în știința datelor sau sunteți doar curios de date, avem câteva informații utile pentru toată lumea.

Câteva definiții rapide pentru știința datelor

Înainte de a începe, să acoperim o parte din terminologie. Pentru cei care nu cunosc știința datelor, uneori limbajul în sine poate fi copleșitor, așa că iată o scurtă introducere.

• Analiza datelor este procesul de analiză a datelor brute pentru a găsi tendințe și a răspunde la întrebări.
  • Majoritatea organizațiilor fac o anumită formă de analiză a datelor. De exemplu, ați putea să vă întrebați, unde locuiesc beneficiarii noștri? Urmărirea datelor geografice pentru a determina primele state sau țări cărora le oferiți finanțare este analiza datelor la locul de muncă.

• Învățarea automată este procesul de folosire a algoritmilor pentru a oferi computerelor capacitatea de a se îmbunătăți automat prin experiență și cu date.
  • Recunoașterea imaginilor este o aplicație comună a învățării automate; dacă ați văzut că telefonul sau computerul dvs. identifică singur cine este într-o fotografie, ați văzut învățarea automată în acțiune.

• Știința datelor este aplicarea algoritmilor de învățare automată la diverse surse de date (de exemplu, numere, text, imagini, video, audio și multe altele) pentru a produce sisteme de inteligență artificială care pot îndeplini sarcini care necesită, de obicei, inteligență umană.
  • Chiar dacă nu ați lucrat în știința datelor, probabil ați beneficiat de ea. Știința datelor este utilizată în fiecare sector – public și privat – inclusiv asistența medicală, transportul, siguranța publică și multe altele. De exemplu, știința datelor este acum folosită pentru a ajuta la analiza imaginilor medicale și pentru a identifica afecțiunile maligne.

• Procesarea limbajului natural este ramura a inteligenței artificiale care se concentrează pe oferirea computerelor abilitatea de a înțelege și de a răspunde la text și cuvintele rostite în același mod în care oamenii pot.
  • Gândește-te la Siri sau Alexa.

• Taxonomia este un sistem de clasificare sau clasificare folosit pentru a grupa articole similare.
  • În filantropie, organizațiile nonprofit pot fi grupate după dimensiune, misiune, design de program, locație sau altă denumire.

Cum știința datelor vă poate împuternici activitatea cu impact social

1. Înțelegeți-vă portofoliul la un nivel mai granular

Pentru donatorii de granturi, valorificarea datelor și a analizei impactului social vă poate ajuta să obțineți o imagine mai clară a cine și ce finanțați, precum și a rezultatelor respectivei finanțări. Puteți dezvălui tendințe, suprapuneri și lacune în modul în care distribuiți resursele.

De ce este acest lucru important?

Obținerea unei vizualizări mai detaliate a programelor vă permite să identificați și să eliminați prejudecățile și să găsiți oportunități ratate. În plus, vă poate oferi informațiile de care aveți nevoie pentru a vă extinde eforturile și pentru a construi noi programe eficiente.

Este probabil să aveți deja multe dintre datele de care aveți nevoie. Dar dacă acele date nu sunt organizate și accesibile, nu înseamnă mare lucru. Este greu să vezi tipare sau să tragi concluzii dintr-un morman mare de date nestructurate.

De exemplu, Wellcome Trust – ale cărei programe sunt concentrate în principal pe sănătate – și-a analizat portofoliul de peste 100.000 de granturi. Folosind procesarea limbajului natural, ei au aplicat portofoliului lor 30.000 de etichete de boală. Această etichetare este un pas important în pregătirea datelor pentru analiză și segmentare. Permite managerilor de granturi să caute cu ușurință programele de granturi anterioare. Să presupunem că organizația ia în considerare finanțarea cercetării în jurul unei anumite boli, acum se pot uita în urmă la dacă au finanțat anterior acea zonă de interes și rezultatele activității respective.

Chiar dacă nu aveți de-a face cu un portofoliu de 100.000 de granturi, este important să aveți o înțelegere mai granulară a programelor dvs.

Etichetarea automată este o modalitate de a începe să organizați datele pe care le aveți. De exemplu, Submittable permite etichetarea automată, astfel încât atunci când vine o cerere de grant, puteți aplica o etichetă pe baza răspunsurilor la întrebări specifice. Acest lucru vă permite să urmăriți, să clasificați și să analizați datele care contează pentru echipa dvs., indiferent dacă este vorba despre demografie, geografie, focalizare pe misiune, dimensiunea organizației sau altceva.

Vă puteți sorta solicitanții și beneficiarii pe baza acelor etichete pentru a vă ajuta să analizați modul în care vă distribuiți resursele și dacă trebuie să vă schimbați strategiile.

2. Creați standarde și taxonomii mai clare

În lumea impactului social, de prea multe ori vorbim despre aceleași lucruri, dar folosind un limbaj diferit. Acest lucru poate face dificil să vedem unde munca noastră se suprapune cu munca altora și să facem comparații între programe similare.

De exemplu, atunci când organizatorii de granturi, organizațiile nonprofit și cercetătorii folosesc toți un limbaj diferit pentru a vorbi despre aceleași probleme, este mult mai greu să faci conexiuni între munca lor.

Această deconectare împiedică toată lumea de a dezvolta soluții eficiente și de a face predicții informate. Gândește-te la asta ca la temelia unei case. Dacă nu avem o structură puternică la acest nivel de bază, totul construit deasupra ei va fi instabil.

Proiectul Impact Genome, în cadrul Misiunii de Măsurare, lucrează la sistematizarea acestor standardizări. De exemplu, au creat un Impact Registry, o bază de date care poate fi căutată cu date despre impact și despre beneficiari pentru peste 2 milioane de programe nonprofit din SUA și Canada. Acest tip de instrument poate ajuta la consolidarea acestei fundații, astfel încât sectorul filantropic să poată construi mai eficient către soluții bazate pe date.

3. Urmăriți mai clar rezultatele și rezultatele

Munca filantropică se bazează pe impact. Programele pe care le rulați creează rezultatele dorite? Indiferent de bugetul tău, dacă nu știi asta, nu vei ști dacă programul tău face o diferență semnificativă.

Analiza datelor vă poate ajuta să urmăriți mai precis efectele muncii dvs. Puteți face conexiuni între resursele pe care le dedicați unui program, rezultatele pe termen scurt pe care le creează și rezultatele pe termen lung obținute.

De exemplu, Wellcome Trust finanțează o mulțime de cercetări și studii clinice. Echipa lor a vrut să urmărească rezultatele academice din granturile lor. Cu alte cuvinte, au vrut să știe câte articole academice au ieșit din programele pe care le-au finanțat.

Folosind tehnici de știință a datelor, echipa Wellcome Trust a reușit să creeze o conductă automată pentru a agrega articolele de cercetare legate de programele pe care le-au finanțat. Ei au reușit apoi să conecteze această activitate cu granturi specifice pentru a determina care programe au avut cel mai mare număr de rezultate academice.

Gândiți-vă la programele dvs. și la rezultatele și rezultatele care contează cel mai mult pentru organizația dvs. Obțineți date clare și detaliate despre modul în care sunt conectate? Știți care programe produc în mod constant cele mai bune rezultate? Folosirea științei datelor pentru binele social vă poate ajuta să obțineți o imagine mai clară a modului în care toate se potrivesc.

4. Găsiți lacune în finanțare

Analiza datelor poate ajuta granttorii să identifice lacunele în finanțarea lor. Subfinanțați anumite populații? Treci cu vederea unele componente ale lucrării? Explorarea datelor vă poate ajuta să găsiți oportunități de a face mai mult.

Uneori este ușor pentru finanțatori să se concentreze asupra aspectelor muncii în comunitate care par mai personale sau mai emoționale. A oferi asistență cuiva care are nevoie se simte bine la nivel individual. Cu toate acestea, acel răspuns empatic poate uneori denaturarea modului în care organizațiile își construiesc programele. Munca cu impact social se bazează pe o infrastructură puternică. Sprijinirea acestor cadre mai puțin interesante, dar esențiale, poate permite adesea organizațiilor să facă mult mai mult.

Folosind știința datelor, puteți identifica lipsurile de finanțare din portofoliul dvs. sau din sectorul filantropic în general. Prea adesea prevenirea și infrastructura nu primesc atenția pe care o merită.

De exemplu, Wellcome Trust a folosit știința datelor pentru a-și analiza portofoliul și a determina cât de des au finanțat tehnologia în cadrul programelor lor. Folosind aceste informații, ei și-au schimbat prioritățile pentru a finanța mai multe granturi pentru infrastructura software, care este un instrument cheie pentru mulți cercetători.

5. Faceți noi conexiuni

Este ușor să treci cu vederea toate modurile în care subiectele și identitățile se suprapun și se intersectează. Dar aceste informații pot face o diferență uriașă în modul în care vă proiectați programele.

Folosind știința datelor, finanțatorii pot identifica oportunități de a conecta diferite subiecte sau proiecte. Cu instrumentele de vizualizare a datelor, puteți vedea unde există deja conexiuni și puteți găsi locuri în care conexiunile ar trebui să existe, dar nu există încă.

Va fi dificil să creăm soluții eficiente pentru marile probleme dacă nu înțelegem aceste intersecții. Luați de exemplu schimbările climatice. Impactul schimbărilor climatice se suprapun și se intersectează cu efectele sărăciei și ale nedreptății rasiale în moduri complexe. Dacă organizația dvs. încearcă să abordeze schimbările climatice fără a lua în considerare acest lucru, programele dvs. vor avea probabil un impact limitat.

Vrei să vezi cum arată asta? Wellcome Trust a realizat un proiect de modelare a subiectelor cu echipa lor de neuroștiință pentru a extrage subiecte bazate pe date pentru finanțarea cercetării. Folosind știința datelor pentru a analiza documente text, au creat o hartă pentru a putea vizualiza conexiunile și golurile dintre subiecte.

6. Plasați programul dvs. într-un peisaj mai larg

Multe organizații și indivizi lucrează pentru a rezolva același set de probleme. Cadre precum Obiectivele de dezvoltare durabilă ale Națiunilor Unite pot ajuta la o înțelegere la nivel înalt a modului în care munca dvs. se încadrează în eforturile mai ample de a face schimbare. Dar nu vă oferă detaliile de care aveți nevoie.

Doriți să obțineți o imagine clară a modului în care programele dvs. contribuie la progres la o scară mai mare. Ajuți să miști acul? Programele tale replic alte eforturi sau îndeplinești un rol unic?

Știința datelor vă poate ajuta să obțineți aceste răspunsuri și vă poate permite să fiți mai strategic în distribuirea resurselor.

De exemplu, Wellcome Trust a folosit o combinație de căutare API, web scraping și procesare a limbajului natural pentru a evalua modul în care munca lor se încadrează în eforturile mai ample de combatere a COVID. Pentru a evalua eficacitatea cercetării pe care au finanțat-o, au măsurat cât de des cercetarea a fost menționată în dovezi științifice de la agențiile guvernamentale și recunoscută în literatura generală despre COVID. Acest lucru le-a dat un sentiment clar dacă programele pe care le-au sprijinit au jucat un rol în eforturile mai ample.

7. Evaluați eficiența și costul programului

O parte din a fi un grantmaker este echilibrarea costului programului și eficacitatea. Vrei să știi că resursele tale fac schimbările pe care vrei să le vezi, dar și că le fac cât mai eficient posibil.

Miza este mare. Nu vorbim despre niște dividende ale acționarilor. Costurile programului dvs. determină adesea câți oameni sau organizații comunitare puteți sprijini.

Știința datelor dă putere furnizorilor de granturi să obțină o analiză mai profundă a modului în care realizările și rezultatele sunt legate și modul în care acestea se compară cu costurile. Dacă nu aveți aceste informații, este imposibil să știți dacă faceți investiții inteligente.

De exemplu, Impact Genome se concentrează pe sănătatea financiară. Ei folosesc știința datelor pentru a măsura eficacitatea programelor și modul în care costurile programelor se compară cu rezultatele pe care le produc. Folosind învățarea automată, au evaluat 990 de înregistrări fiscale pentru toate organizațiile nonprofit din SUA. De aici, ei pot compara dimensiunea bugetului cu rezultatele obținute.

Desigur, există atât de multe strategii și modele de programe diferite pentru a aborda sănătatea financiară. De exemplu, puteți ajuta pe cineva să acopere cheltuielile de urgență sau să ofere consiliere financiară. Acestea au probabil costuri și rezultate diferite.

Echipa Impact Genome a făcut o meta-analiză pentru a defalca rezultatele care reprezintă sănătatea financiară și apoi pentru a stabili costurile asociate.

Gândiți-vă cât de utile ar putea fi aceste informații pentru organizațiile nonprofit care lucrează în domeniul sănătății financiare. Ei și-ar putea compara costurile și rezultatele cu aceste medii. Cheltuiesc ei mult mai mult fără a obține rezultate mai bune? Sau sunt la egalitate cu alte organizații nonprofit? Acestea sunt informații importante pe care trebuie să le aveți pe măsură ce își modelează programele viitoare.

8. Automatizați-vă procesul de revizuire

Pentru donatorii care doresc să examineze un volum mare de aplicații, știința datelor poate ajuta. De dragul datelor curate (date prelucrate și formatate pentru a elimina inexactitățile și inconsecvențele), unele organizații înlocuiesc întrebările cu răspuns deschis cu opțiuni multiple. Acest lucru poate fi mai ușor de analizat de către oameni, dar multe se pierd atunci când eliminați capacitatea unui solicitant de a-și explica munca în propriile condiții.

Prin valorificarea învățării automate, puteți păstra acele întrebări cu răspuns deschis și puteți petrece mai puțin timp examinând manual aplicațiile. De asemenea, puteți obține rezultate mai puțin părtinitoare și mai consistente. Cum funcţionează asta?

Funcția de revizuire accelerată a Submittable pune în acțiune știința datelor. Folosind învățarea automată, Submittable construiește un model bazat pe recenziile efectuate de echipa ta. Pe scurt, antrenezi computerul pentru a ajuta la revizuirea aplicațiilor la fel cum o face echipa ta.

Cum arată procesul?

Echipa dvs. examinează un eșantion de aproximativ 200 de aplicații. Modelul este construit în jurul acestui proces, învățând cum evaluatorii dvs. punctează și evaluează solicitanții. Înainte de aplicarea integrală a modelului, este evaluată acuratețea pe un lot mic de aplicații. Dacă este necesar, modelul poate fi recalificat.

Automatizarea procesului de revizuire în acest fel înseamnă că puteți revizui mii sau chiar milioane de aplicații la o viteză incredibilă și cu o acuratețe uimitoare. Acest lucru reduce foarte mult oboseala și eroarea umană. Mai simplu spus, examinarea automatizată permite echipei dvs. să lucreze mai mult cu mai puțin personal, valorificând învățarea automată pentru a ajuta la evidențierea informațiilor cheie.

9. Ușurați sarcina asupra beneficiarilor de granturi

Odată cu o conștientizare din ce în ce mai mare a sarcinii administrative impuse deseori beneficiarilor de granturi, știința datelor poate fi un instrument incredibil pentru a lumina oportunitățile pentru acordarea de granturi de a reduce sarcina.

De exemplu, Asociația Tehnologică a Grantmakerilor a folosit recent învățarea automată și analiza de similitudine pentru a determina că o formă de grant aleatorie este 39% similară cu orice altă formă de grant.

De ce contează asta?

Înseamnă că multe organizații repetă deseori aceeași muncă din nou și din nou atunci când solicită diferite granturi. Ce se întâmplă dacă finanțatorii s-au reunit și ar standardizat porțiuni din cererile lor de grant pentru a se asigura că toată lumea cere aceleași informații în același format? Gândiți-vă la cât timp i-ar economisi beneficiarilor. 39%!

Transformarea perspectivelor în acțiune

Știința datelor se referă la utilizarea tehnologiei pentru a oferi perspective și structura din informațiile pe care le dețineți. Dar crearea schimbării va necesita ca oamenii să ia aceste perspective și să le transforme în acțiune.

Este posibil să nu aveți resursele sau capacitatea de a vă construi propria echipă internă în domeniul științei datelor. În regulă — Submittable v-a acoperit. Fiind o platformă de impact social creată pentru a ajuta organizațiile de toate dimensiunile, putem oferi toate beneficiile unei echipe de știință a datelor pentru o fracțiune din cost. Află mai multe astăzi.