Zum Hauptinhalt wechseln

Die Zukunft von ... Daten zum Guten

18. Januar 2024

 

Wie kann man die Lücke zwischen den Daten-Habenden und den Daten-Habenden schließen

Zwei Experten für die Nutzung von Daten für das soziale Wohl teilen Erfolgsgeschichten und besprechen, wie man die Talentpipeline erweitern kann, damit alle von Data Science profitieren können.

In Mosambik können informelle Arbeitnehmer sich über die Bizcate-Geschäftsplattform registrieren, die sie mit Kunden verbindet. Eine Dateninitiative, die teilweise durch die data.org Inclusive Growth and Recovery Challenge finanziert wird, nutzt diese Art von Marktdaten, um Erkenntnisse zu liefern, die beim Aufbau ihrer Geschäfte helfen.

Vicki Hyman

Director,

Global Communications,

Mastercard

In Indien reduzieren Kleinbauern ihren Ernteverlust und erhöhen ihre Verkaufspreise durch die Nutzung von Kühllager, das mit einer mobilen App verbunden ist, die die Haltbarkeit von Produkten in Echtzeit für die digitale Bestandsverwaltung verfolgt.

In Mosambik werben viele Arbeiter für Arbeiten, indem sie ihre Telefonnummern auf an Bäumen genagelte Planken malen. Jetzt erhalten sie Arbeitsmarktinformationen direkt auf ihre Handys und Zugang zu Werkzeugen, um ihre Marketing- und Geschäftsführungsfähigkeiten zu verbessern.

Und bei der Überprüfung von Kreditunterlagen von Banken in Kolumbien, Mexiko und Indien stellten Forscher ein hohes Risiko für zukünftige Vorurteile gegenüber weiblichen Bewerberinnen fest. Der geringe Frauenanteil in den bestehenden Daten verzerrte die Algorithmen zur Erkennung kreditwürdiger Bewerber. Also haben sie ein neues gebaut, das geschlechtergerecht ist.

All das wäre vor einem Jahrzehnt nicht möglich gewesen. Doch der Anstieg vernetzter Geräte und das exponentielle Wachstum der produzierten Daten, kombiniert mit schnellen Fortschritten in der künstlichen Intelligenz und dem maschinellen Lernen, haben das Potenzial der Datenwissenschaft freigesetzt. Bis vor Kurzem fehlten jedoch Regierungen, gemeinnützigen Organisationen und zivilgesellschaftlichen Organisationen die Budgets, das Personal und die Kapazitäten, um Data Science voll auszuschöpfen, um mehr Menschen zu helfen.

Gegründet vom Mastercard Center for Inclusive Growth und der Rockefeller Foundation im Jahr 2020, data.org Demokratisiert Daten, indem Partnerschaften weltweit entstehen, um Data Science zu nutzen, um die dringendsten gesellschaftlichen Probleme anzugehen. Zu ihren Initiativen zählen die Inclusive Growth and Recovery Challenge, die bahnbrechende Daten für Konzepte des sozialen Gutes, darunter die drei oben genannten, finanzierte, sowie das Capacity Accelerator Network, das bis 2032 eine Million Datenfachleute über Hubs in mehr als 20 Ländern und mehr Ländern ausbilden will. Mastercard unterstützt data.org weiterhin, während es die Wirkung durch Data Science in großem Maßstab beschleunigt.

"Daten haben das Potenzial, die Kluft zwischen den Habenden und den Habenden zu vergrößern", sagt Shamina Singh, Gründerin und Präsidentin des Center for Inclusive Growth. "Wir müssen weiterhin die Arbeit leisten, die notwendig ist, um sicherzustellen, dass Data Science für soziale Wirkung inklusives Wachstum schafft."

Die Mastercard Newsroom sprach mit Singh und Danil Mikhailov, dem Geschäftsführer von data.org, über die Herausforderungen im aufkommenden Bereich der Daten für soziale Wirkung, warum Vielfalt entscheidend für die Entwicklung der Talentpipeline ist und wo sie Erfolg haben.

Shamina, Ihre Arbeit am Center zielt darauf ab, wirtschaftliche Ungleichheit zu verringern und die digitale Kluft, die diese Ungleichheit aufrechterhält, zu verringern. Es gibt auch Informationsungleichheit. Was ist die "Datenspaltung" und wie äußert sich diese in den Gemeinden, in denen das Center tätig ist?

Singh: Daten sind Macht, und das enorme Wettrennen, das wir derzeit um KI sehen, ist ein Beweis dafür. Was wir im Hinterkopf behalten müssen, ist, dass diejenigen, die das Rennen verlieren, auch diejenigen sind, die am meisten von Datenzugang profitieren könnten. Informationsungleichheit ist die Idee, dass Informationen unglaublich mächtig, unglaublich nützlich sind und diejenigen, die Zugang dazu haben, ihr Wachstum wirklich beschleunigen könnten, während diejenigen, die keinen Zugang oder keine Kapazität haben, zurückbleiben könnten. Das passt zu dem, was wir im Bereich der finanziellen Inklusion gesehen haben, wo mit dem Einstieg in die digitale Wirtschaft immer mehr Menschen zurückgelassen wurden.

Wir versuchen, diese entstehenden Lücken durch datengetriebene Initiativen und die bewusste Einführung neuer Technologien mit Inklusion im Vordergrund zu schließen. Was wir im Zentrum tun, ist, die Kapazität für den sozialen Sektor zu schaffen, die Kraft seiner eigenen Daten zu erkennen, um sie für das gesellschaftliche Wohl einzusetzen. Das ist die Grundlage dieser Partnerschaft und der Schaffung von data.org – tatsächlich eine neue Institution zu schaffen, eine neue Art, diese Arbeit mit neuer Technologie und neuen Datenressourcen zu tun.

Danil hat vor einem Jahr data.org einen Bericht über die wichtigsten Trends und Spannungen veröffentlicht, während das Datenfeld für soziale Auswirkungen reift. Was sind einige der Herausforderungen, denen Organisationen weiterhin gegenüberstehen? Gab es Fortschritte? Ist seit dem Aufkommen generativer KI im letzten Jahr etwas Neues aufgetaucht?

Mikhailov: Shamina, ich liebe deine Darstellung der Informationsungleichheit: die Daten-Habenden und die Daten-Habenden. Das ist immer noch Realität. Die Lücke wird nicht kleiner. Die Lücke wird größer. Wir machen Fortschritte, um die Geschwindigkeit, mit der die Lücke wächst, zu verringern. Wir nutzen Daten in verschiedenen Bereichen seit Jahrzehnten, Jahrhunderten. Die aktuelle Generation von Data-Science-Technologien, einschließlich der Generation KI, ist so neu und verändert sich so schnell, dass sie zu einem sehr fragmentierten Feld führt. Jeder startet seine Startups oder neue Werkzeuge und Ansätze, was es schwer macht, das Feld um einige der gemeinsamen Herausforderungen zu vereinen. Und die Definition dessen, was Daten für sozialen Einfluss sind, oder Impact-KI – das sind neue Begriffe, und das Feld hat sich noch nicht geformt, was wir damit meinen. Was data.org tut, ist, viele der Akteure in diesem Bereich – soziale Impact-Organisationen, Technologieunternehmen und Start-ups, akademische Institutionen usw. – zusammenzubringen, was wir unter ihnen verstehen.

Kannst du mir ein Beispiel geben?

Michailow: Wir haben viel Arbeit daran geleistet, eine Rolle zu definieren, die unserer Meinung nach im Bereich fehlt – ein Data-Ökosystem-Designer. Wir denken, grundsätzlich müssen wir für viel gesündere Datenökosysteme Menschen finden, die sich darauf konzentrieren, Organisationen um bestimmte Prinzipien zu vereinen. Genauso wie in der Stadtplanung – also einer gesunden Stadt mit guten öffentlichen und privaten Räumen, einem guten architektonischen Gleichgewicht – braucht man jemanden, der das Sagen hat. Deshalb arbeiten wir mit anderen Organisationen zusammen, um uns um dieses Konzept des ethischen Datenökosystemdesigns zu vereinen. Dann müssen wir die Finanzierung verbessern. Es gibt viel Arbeit, die in diese Arbeit fließen muss, und Mastercard baut nachhaltige Finanzierungsquellen für diese Art von Arbeit auf. Technologie ist teuer. Es gibt keinen Weg, dem zu entkommen. Wenn man Data-Science-Techniken entwickelt, konkurriert man mit anderen großen Tech-Unternehmen weltweit. Was wir also tun, ist, das Ganze auf den Kopf zu stellen, indem wir mit großen Tech-Giganten zusammenarbeiten, um sie mit dem sozialen Impact-Sektor zu verbinden, einen Kanal zu bieten, um dem Sektor zu helfen und ihnen zu ermöglichen, ihre Muskeln einzusetzen, um andere zu stärken.

Mit Unterstützung des Mastercard Center for Inclusive Growth, data.orgs Der U.S. Financial Inclusion Accelerator fördert Lehrpläne zu Daten für soziale Auswirkungen durch ein Konsortium, das historisch schwarze Hochschulen und Universitäten, hispanisch orientierte Institutionen und Community Colleges umfasst. 

Um dies zu erreichen, arbeiten wir daran, Schulungen anzubieten und Vielfalt in der Data Science durch Zusammenarbeit mit HBCU-Netzwerken und hispanisch tätigen Institutionen zu fördern, um sicherzustellen, dass wir mit – nicht nur für – diejenigen aufbauen, die diese Lösungen unterstützen sollen. Das ist eine Abweichung von der Norm, bei der die Daten- oder Technologie-Hasen typischerweise zuerst Zugang erhalten, und die Technologie dann den Rest der Bevölkerung erreicht, sodass sie sich mit etwas auseinandersetzen müssen, das nicht unbedingt für sie entwickelt wurde. Wir wollen sicherstellen, dass neue Technologien wie generative KI von Anfang an Teil der Entwicklung sind. Diese Einbeziehung wird von Anfang an priorisiert.

 

Wenn Sie an die Initiativen denken, die Sie durch data.org unterstützt haben, Was ist eines, das Ihrer Meinung nach die Kraft von Daten zum Guten verkörpert?

Michailow: Ich schummel und gehe für zwei. Ein Beispiel ist also wirklich eher high-end, global, und ein Beispiel ist viel lokaler. Im High-End-Bereich ist es also Epiverse, eine globale Kollaboration, die ein Datenanalyse-Ökosystem entwickelt, das allen helfen kann, der nächsten Gesundheitskrise zuvorzukommen. Es geht darum, eine Reihe von Open-Source-Tools für Public-Health-Analysten, Data Scientists, Epidemiologen und solche Gemeinschaften zu schaffen. Offensichtlich ist es von der Pandemie inspiriert; Wir müssen global handeln und Erkenntnisse schnell teilen können. Es ist jetzt in einem halben Dutzend Ländern, und in den nächsten Jahren wird es voraussichtlich auf weitere 10 bis 20 Länder skalieren. Dann würde ich unsere Inclusive Growth and Recovery Challenge wählen, bei der wir neun großartige Projekte weltweit unterstützt haben, jedes davon in einem sehr spezifischen lokalen Umfeld, angetrieben von lokalen Gemeinschaften und mit nachhaltigen Wirkungen. Zum Beispiel helfen sie Gemeinden in den USA, Daten von Brownfield-Standorten in ihren Städten zu nutzen, um Gemeinden bei der Regeneration dieses Landes zu unterstützen.

Singh: Lass mich darauf aufbauen. Die Bedeutung der Inclusive Growth and Recovery Challenge bestand darin, dass wir die Nachfrage und das Angebot für Data Science für soziale Wirkung schaffen wollten – ein relativ neues Konzept. Unser Ziel ist es, finanzielle Unterstützung ausgewählter Gewinner zu nutzen, um ihnen zu helfen, zu skalieren und weitere Investitionen zu erzielen, wodurch ihre Mission und unsere Mission gleichzeitig wachsen können. Der Weg, um zu wissen, dass es erfolgreich ist, ist, wenn dieser Preis noch mehr Investitionen bringt. Und wir waren begeistert, dass dies verwirklicht wurde, wobei insbesondere die Gewinner der Herausforderungen tatsächlich etwa 30 Millionen Dollar zusätzliche Investitionen generiert haben. Wenn andere sich in den Kapazitätsaufbau einlassen, weiß man, dass sich etwas verändert.

Der Bericht hob auch den Bedarf an mehr Data Scientists hervor, insbesondere in Entwicklungsländern, in denen die Arbeit große Auswirkungen haben kann, aber auch in denen es vielleicht nicht die Bildungsinfrastruktur gibt, um Data Scientists auszubilden. Was tun Sie, um das anzugehen?

Michailow: Wir brauchen mehr Data Scientists. Wir brauchen, dass sie anders sind. Wir brauchen sie an verschiedenen Orten. Zunächst einmal die Zahlen. Wir bilden nicht genug Data Scientists für die neue Wirtschaft aus, weder im privaten Sektor, geschweige denn im Bereich der sozialen Wirkung. Deshalb brauchen wir mehr Investitionen in Universitäten, mehr informelle Schulungen, mehr berufliche Ausbildung für diejenigen, die bereits Jobs haben, um sich umzuschulen und die gewünschten Fähigkeiten zu ihren bestehenden Fähigkeiten hinzuzufügen. Aber wir brauchen auch, dass diese Menschen anders sind. Wir müssen also mehr investieren, um sicherzustellen, dass es mehr weibliche Data Scientists gibt und dass es mehr Data Scientists aus verschiedenen, derzeit entrechteten Hintergründen gibt, insbesondere im globalen Süden. Wir brauchen auch die Fähigkeiten, anders zu sein. Im Moment unterrichten wir Data Science nur als technische Disziplin – Mathematik, Programmieren, die enorm wichtig sind. Aber oft muss man, um Probleme zu lösen und sozialen Einfluss zu schaffen, das Thema verstehen. Sie müssen also verstehen, wenn Sie zum Beispiel über Klima, Gesundheit oder finanzielle Ungleichheit sprechen, was die Ursachen für diese Probleme sind. Wenn man nur technische Fähigkeiten hat, kann man oft mehr Schaden als Nutzen anrichten, wenn man versucht, Lösungen zu entwickeln. Data Scientists in unserem Capacity Accelerator Network zu unterrichten, um die interdisziplinären Fähigkeiten sowohl des technischen Wissens als auch das Verständnis des Fachgebiets zu besitzen.

Singh: Bei Mastercard haben wir immer gesagt, dass der Kunde im Zentrum unserer Innovation steht, aber die Wahrheit ist, dass man, wenn man programmiert oder Technologien oder Lösungen entwickelt, dies basierend auf dem tut, was man weiß, wer man ist und was man selbst lebt. Was wir mit dem Capacity Accelerator Network bewusst versucht haben, ist, den Pool an Tech-Talenten in der Entwicklungsphase zu erweitern, um sicherzustellen, dass die Beiträge die Vielfalt der Gemeinschaften, Länder und Regionen widerspiegeln, in denen wir tätig sind.