使用创新的数据分析来提高政府服务

Sanith Wijesinghe领先建模、仿真、实验和分析创新中心和一个斜方最新的技术人员。他与计算算法的设计工作,有着丰富的经验开发和运营资本市场行业的交易系统。他带来经济和博弈理论对科技的主要挑战和创新方面和大国竞争。

---

问:Sanith,你能说一些关于你自己和你所做的在斜接吗?

我领导横切的敏捷连接政府(ACG)研究投资组合,在我们的独立研究项目。过去几年ACG专注于发展小说分析,流程和框架来帮助政府机构改善客户服务。

提供客户服务根据公民的独特需求和环境为我们的赞助商是一个高优先级。然而,这仍然是一个不匹配所需的结果和系统实施。

公众期望相同级别的客户服务标准从私人企业提供的政府。不幸的是,保持预算持平或下降让机构获得所需的基础设施和现代科技保持水平。

我们的赞助商就会发现这是一个真正的挑战,我的团队寻找方法来帮助他们实现这一挑战。

问:你说你可以使用“小说分析”来改善政府服务。你能解释一下吗?

政府机构都在尝试新的类型的数据分析,机器学习,人工智能技术来确定方法来改善他们的客户服务。例子包括使用自动聊天机器人和语音代理呼叫等待时间最小化应用程序审查和统计判决算法加速的好处。

下一步是提供预期的服务。这些服务是主动的、个性化的和考虑公民的环境和背景。要做到这一点,然而,机构必须捕获、合并和更新客户服务数据元素准确、迅速。

在私营部门、客户服务数据捕获发生在越来越多的更快的速度和更大的卷。但它缺乏必要的隐私和安全保护措施来保护公众利益。公共部门机构必须有一位不同构建公民信任和避免潜在的反弹。

问:有与分析方面,政府可以提高税务管理?

分析提供了税收管理员做两件事的机会。首先,他们可以提高总体任务价值通过提高效率和降低成本的服务交付。其次,他们可以增加客户价值通过改进服务交互的效果。

通过识别模式和服务使用的趋势,由纳税人人口分割,税收管理员可以更好地预测服务需求飙升,早期识别机会定制的推广,和更好的优化内部资源配置。

例如,基于仿真的方法可以探索纳税人如何回应新的税收政策,了解领域的潜在的不服从。

问:你提到过的机器学习和仿真技术。你能解释的异同?

机器学习描述一类技术,使用自动化的方法来确定协会和底层数据元素之间的相关性。近几十年来,大数据的出现和可伸缩的、廉价的计算加速机器学习在各种学科,包括计算机视觉、自然语言处理,甚至药物发现。

模拟,另一方面,属于一个类不需要的技术,作为一个先决条件,大量的基础数据。相反,模拟首先处方的行为规则,定义特定的实体(纳税人和审计师,然后探讨了不同的未来状态,随着时间的推移演变行为。

这两种方法是有用的发现模式和异常,否则不会被主题专家“猜测”。

问:有什么角色使用仿真和模拟数据在你的工作吗?

仿真和模拟数据是伟大的方式来进行“假设”实验。部署新服务提供和之前进行田间试验,例如,基于仿真技术的研究将有助于探索阶段潜在的风险和意想不到的结果。

这些早期的探索可以帮助更好的定义参数现场实验在一个更现实的设置。模拟从而可以帮助降低成本和加速时间总体解决方案部署。

问:是否有其他地区的政府,分析可以导致更好的服务吗?

一个重要的地方政府可以扩大分析的使用是公共安全风险监测和分析。特别是,扩大公民预警系统更好的避免或减轻负面结果从自然和人类灾难,瘟疫,和金融危机将是一个越来越重要的服务需要考虑。

另外,使用分析,就其本身而言,导致有害的结果由于潜在的偏见和缺乏透明度。但是,如果适当地制定,分析也可以帮助减少现有的社会不平等和不公正。

这些后者努力是当前研究的重点在我集团的创新领域,和我欢迎反馈和协作斜方如何最好的帮助我们的赞助商。

- - - - - -面试由Gregory Michaelidis