|

آمار راهگشا

جعفر خير‌خواهان.اقتصاددان

حدود سه‌چهارم از جمعیت ایران اکنون ساکن شهرها هستند. سهم کلان‌شهر تهران از اقتصاد و تولید ملی کشور یک‌سوم و از برخی جهات شاید بتوان گفت نزدیک به نصف است. اگر چالش‌ها و بحران‌های ملی مختلف از قبیل فقر و نابرابری، بی‌کاری، آلودگی محیط زیست، مصرف بی‌رویه انرژی و غیر آن را بتوانیم در مقیاس شهر تهران به شکل معقول و منطقی حل‌و‌فصل کنیم، امکان تعمیم و اقتباس راهکارها برای سایر مناطق کشور نیز وجود دارد. به این دلیل است که توانایی مدل‌سازی و درک ساختار و پویایی شهرها هر روز مهم‌تر و باارزش‌تر می‌شود. مدیریت شهری تهران برای نقش‌آفرینی کارآمد باید از محیط دچار فقر داده‌ها و آمار به سمت دنیایی با انبوه داده و غنای آماری حرکت کند و روش‌هایی را بیابد که چگونه با چنین گذاری، درک و شناخت همه ما نه‌تنها از سامانه‌ها و فرایندهای شهری بلکه ویژگی‌های خاص محیطی و تجربیات محلی نیز ارتقا یابد. به این جهت مدیران شهری باید به داده‌های جدید و ابزارها و مفاهیم رشته‌های گوناگون به‌ویژه اقتصاد شهری مجهز شوند؛ به ‌نحوی که مشاهدات تجربی با اتکا بر رویکردهای نظری، به کمک مدیران و تصمیم‌گیران شهری بیاید. گفته می‌شود داده‌های تولیدشده در دو سال گذشته بیش از تمام داده‌های موجود در تاریخ بشر بوده است. گسترش سریع فناوری‌ها از قبیل اینترنت، تلفن‌های هوشمند، ماهواره و حسگرهای زمینی به محرک‌های اصلی نوآوری با کلان‌داده‌ها (Big Data) در کشورهای درحال‌توسعه تبدیل شدند. ما اینک کلان‌داده‌های شهری‌ای در اختیار داریم که در گذشته وجود نداشتند و با استفاده از آنها می‌توانیم برای مسائل اساسی شهرها پاسخ‌هایی مناسب بیابیم. تحولات فناوری تأثیر زیادی بر آینده می‌گذارد. ظهور فناوری‌های دیجیتالی شبکه‌ای، «کلان‌داده‌ها» و اتوماسیون و تحولاتی که بر شیوه کسب‌‌و‌کار، فرهنگ و رفتار داشته‌اند موضوع اصلی مجمع جهانی اقتصاد سال 2016 با عنوان «انقلاب صنعتی چهارم» بود که فرصت‌های بی‌شمار و نیز تهدیدهای فراوانی برای مدیران شهری ایجاد می‌کند. استفاده بیشینه از پتانسیل عظیم نهفته در فناوری‌های نو و کلان‌داده‌ها و غلبه بر چالش‌های احتمالی از مسائل آتی اصلی پیش‌روی مدیران شهری است. چنین فضای جدیدی فرصت‌های بی‌نظیر در اختیار دانشمندان، اقتصاددانان و آماردانان قرار داده است تا از کلان‌داده‌ها برای ارتقا و تکمیل رویکرد تحلیل‌های سنتی استفاده کنند. کارشناسان فعال در حوزه مدیریت شهری باید شیوه‌های گردآوری، مدیریت و تجزیه‌و‌تحلیل و سیاست‌گذاری بر اساس محتوای غیرساختارمند این کلان‌داده‌ها را که کاربران تولید می‌کنند، پیدا کنند و بتوانند حس و درک بهتری از ابعاد گوناگون زیست شهری به تصمیم‌گیران شهری ارائه دهند. تحلیل کلان‌داده می‌تواند مکمل و ارتقابخش تکنیک‌های پژوهشی سنتی از قبیل پیمایش‌های اجتماعی- اقتصادی باشد. برخلاف منابع سنتی داده‌های توسعه‌ای مانند پیمایش خانوار که تنها به مقولات پژوهشی معینی می‌پرداختند، کلان‌داده‌ها معمولا در جریان فعالیت‌های جاری تولید می‌شوند. همچنین اندازه و پیچیدگی برخی مجموعه‌ داده‌ها می‌طلبد تا از روش‌های پژوهشی متفاوتی استفاده کرد. علم تحلیل کلان‌داده‌ها از مجموعه ابزارها و روش‌ها برای مدیریت و تحلیل رشد انفجارآمیز اطلاعات دیجیتال استفاده می‌کند که شامل روش‌های علم داده‌ها مانند یادگیری ماشین، تحلیل پیش‌بینی و تصویرسازی است. به شراکت یا ترکیب دانش کارشناسان با قدرت محاسباتی برای رسیدن به نتایج مطلوب نیاز است. تحلیل کلان‌داده یک نوع ورزش تیمی است؛ تشریک مساعی کارآمد بین کارشناسان داده، فناورها و متخصصان حوزه‌های گوناگون شهری بسیار حیاتی است. حوزه نوظهور انفورماتیک شهری بر کندوکاو و درک سامانه‌های شهری با اتکا به منابع جدیدی از داده‌ها متمرکز شده است. پتانسیل اصلی پژوهش و کاربرد انفورماتیک شهری در چهار حوزه است؛ (1) راهبردهای بهتر برای مدیریت منابع پویای شهری، (2) بینش‌های تئوریک و استخراج دانش از الگوها و فرایندهای شهری، (3) تعیین راهبردهایی برای حضور و مشارکت جامعه مدنی و (4) نوآوری‌ها در مدیریت، برنامه‌ریزی و تحلیل سیاستی شهری. شهرداری با حرکت به سمت طرح‌های ابتکاری داده‌های باز و شفافیت، باعث می‌شود داده‌های شهری در دسترس هرکسی قرار بگیرند و امکان استفاده و بازنشر آنها بدون محدودیت وجود داشته باشد تا شهروندانی مطلع، خلاق و مشارکت‌جو داشته باشیم. بنابراین با ورود هم‌زمان شفافیت و پاسخ‌گویی به مجموعه شهرداری، انتظار می‌رود خدمات شهری به شکل عادلانه و فراگیر به همه شهروندان اختصاص یابد. کلان‌داده به معنای حجم عظیم داده به صورت در لحظه است که برای درک، تحلیل و پیش‌بینی روندها استفاده می‌شود. این کلان‌داده‌ها هنگامی ارزشمند می‌شوند و برای شهر ارزش افزوده ایجاد می‌کنند که مرکز آمار و رصد شهری تهران توانایی استفاده از این داده‌ها را در هر لحظه از زمان واقعی برای اتخاذ تصمیمات هوشمندانه‌تر و کاراتر داشته باشد. تحولات و پیشرفت‌های جدیدی که داده‌ها را به تصویر درمی‌آورد نیز امکان مشاهده و درک بهتر الگوها و روندهایی را به ما می‌دهد که با مرتب‌کردن اعداد و تهیه جدول‌ها، آشکار و مفهوم نمی‌شود. موارد کاربرد کلان‌داده‌ها بسیار زیاد است؛ ازجمله تعیین نقشه تغییرات سکونتگاه‌ها و وضعیت فقر یا فضای سبز با کمک ماهواره یا پروژه مرمت و روکش آسفالت‌ معابر با پایش تلفن‌های هوشمند. برای مثال در این پروژه با کمک یک اپلیکیشن به نام RoadLab از داده‌های جمع‌سپاری‌شده موجود (crowdsourced) در تلفن‌های هوشمندی که در وسیله نقلیه قرار دارد، درجه همواری سطح معابر ارزیابی می‌شود. این کلان‌داده‌ها اطلاعات جامع و منظمی درباره وضعیت سطح معابر به سازمان مربوط در شهرداری می‌دهد تا منابع خود را به نحو کارآمد و عادلانه اختصاص دهد. نمونه دیگر، پروژه تشخیص الگوهای سفر درون‌شهری فردی است که از ترکیب مصاحبه‌های شخصی و تحلیل کلان‌داده در سنسورهای جی‌پی‌اس تلفن‌های هوشمند به دست می‌آید. هدف از این کار، شناسایی دقیق و کم‌هزینه از مسیر سفر، هدف سفر، شیوه سفر و هزینه سفرهای فردی است تا به برنامه‌ریزی حمل‌ونقل شهری و کاربری زمین‌ها کمک کند. ما در عصری زندگی می‌کنیم که با داشتن انبوه داده‌‌ها و شواهد متنوع‌تر، آگاهی بیشتر و درک و پیش‌بینی بهتر، می‌توانیم به راهکارهای مناسب و نتایج بهتر و کاراتر برای زندگی در شهرها دست یابیم. در نتیجه با بهره‌مندی مدیریت شهری از چنین ابزارها و امکانات جدید فناورانه، انتظار می‌رود بر چالش‌های عقب‌ماندگی و توسعه‌نیافتگی شهر تهران با کارایی و سرعت بیشتری فائق آییم.

حدود سه‌چهارم از جمعیت ایران اکنون ساکن شهرها هستند. سهم کلان‌شهر تهران از اقتصاد و تولید ملی کشور یک‌سوم و از برخی جهات شاید بتوان گفت نزدیک به نصف است. اگر چالش‌ها و بحران‌های ملی مختلف از قبیل فقر و نابرابری، بی‌کاری، آلودگی محیط زیست، مصرف بی‌رویه انرژی و غیر آن را بتوانیم در مقیاس شهر تهران به شکل معقول و منطقی حل‌و‌فصل کنیم، امکان تعمیم و اقتباس راهکارها برای سایر مناطق کشور نیز وجود دارد. به این دلیل است که توانایی مدل‌سازی و درک ساختار و پویایی شهرها هر روز مهم‌تر و باارزش‌تر می‌شود. مدیریت شهری تهران برای نقش‌آفرینی کارآمد باید از محیط دچار فقر داده‌ها و آمار به سمت دنیایی با انبوه داده و غنای آماری حرکت کند و روش‌هایی را بیابد که چگونه با چنین گذاری، درک و شناخت همه ما نه‌تنها از سامانه‌ها و فرایندهای شهری بلکه ویژگی‌های خاص محیطی و تجربیات محلی نیز ارتقا یابد. به این جهت مدیران شهری باید به داده‌های جدید و ابزارها و مفاهیم رشته‌های گوناگون به‌ویژه اقتصاد شهری مجهز شوند؛ به ‌نحوی که مشاهدات تجربی با اتکا بر رویکردهای نظری، به کمک مدیران و تصمیم‌گیران شهری بیاید. گفته می‌شود داده‌های تولیدشده در دو سال گذشته بیش از تمام داده‌های موجود در تاریخ بشر بوده است. گسترش سریع فناوری‌ها از قبیل اینترنت، تلفن‌های هوشمند، ماهواره و حسگرهای زمینی به محرک‌های اصلی نوآوری با کلان‌داده‌ها (Big Data) در کشورهای درحال‌توسعه تبدیل شدند. ما اینک کلان‌داده‌های شهری‌ای در اختیار داریم که در گذشته وجود نداشتند و با استفاده از آنها می‌توانیم برای مسائل اساسی شهرها پاسخ‌هایی مناسب بیابیم. تحولات فناوری تأثیر زیادی بر آینده می‌گذارد. ظهور فناوری‌های دیجیتالی شبکه‌ای، «کلان‌داده‌ها» و اتوماسیون و تحولاتی که بر شیوه کسب‌‌و‌کار، فرهنگ و رفتار داشته‌اند موضوع اصلی مجمع جهانی اقتصاد سال 2016 با عنوان «انقلاب صنعتی چهارم» بود که فرصت‌های بی‌شمار و نیز تهدیدهای فراوانی برای مدیران شهری ایجاد می‌کند. استفاده بیشینه از پتانسیل عظیم نهفته در فناوری‌های نو و کلان‌داده‌ها و غلبه بر چالش‌های احتمالی از مسائل آتی اصلی پیش‌روی مدیران شهری است. چنین فضای جدیدی فرصت‌های بی‌نظیر در اختیار دانشمندان، اقتصاددانان و آماردانان قرار داده است تا از کلان‌داده‌ها برای ارتقا و تکمیل رویکرد تحلیل‌های سنتی استفاده کنند. کارشناسان فعال در حوزه مدیریت شهری باید شیوه‌های گردآوری، مدیریت و تجزیه‌و‌تحلیل و سیاست‌گذاری بر اساس محتوای غیرساختارمند این کلان‌داده‌ها را که کاربران تولید می‌کنند، پیدا کنند و بتوانند حس و درک بهتری از ابعاد گوناگون زیست شهری به تصمیم‌گیران شهری ارائه دهند. تحلیل کلان‌داده می‌تواند مکمل و ارتقابخش تکنیک‌های پژوهشی سنتی از قبیل پیمایش‌های اجتماعی- اقتصادی باشد. برخلاف منابع سنتی داده‌های توسعه‌ای مانند پیمایش خانوار که تنها به مقولات پژوهشی معینی می‌پرداختند، کلان‌داده‌ها معمولا در جریان فعالیت‌های جاری تولید می‌شوند. همچنین اندازه و پیچیدگی برخی مجموعه‌ داده‌ها می‌طلبد تا از روش‌های پژوهشی متفاوتی استفاده کرد. علم تحلیل کلان‌داده‌ها از مجموعه ابزارها و روش‌ها برای مدیریت و تحلیل رشد انفجارآمیز اطلاعات دیجیتال استفاده می‌کند که شامل روش‌های علم داده‌ها مانند یادگیری ماشین، تحلیل پیش‌بینی و تصویرسازی است. به شراکت یا ترکیب دانش کارشناسان با قدرت محاسباتی برای رسیدن به نتایج مطلوب نیاز است. تحلیل کلان‌داده یک نوع ورزش تیمی است؛ تشریک مساعی کارآمد بین کارشناسان داده، فناورها و متخصصان حوزه‌های گوناگون شهری بسیار حیاتی است. حوزه نوظهور انفورماتیک شهری بر کندوکاو و درک سامانه‌های شهری با اتکا به منابع جدیدی از داده‌ها متمرکز شده است. پتانسیل اصلی پژوهش و کاربرد انفورماتیک شهری در چهار حوزه است؛ (1) راهبردهای بهتر برای مدیریت منابع پویای شهری، (2) بینش‌های تئوریک و استخراج دانش از الگوها و فرایندهای شهری، (3) تعیین راهبردهایی برای حضور و مشارکت جامعه مدنی و (4) نوآوری‌ها در مدیریت، برنامه‌ریزی و تحلیل سیاستی شهری. شهرداری با حرکت به سمت طرح‌های ابتکاری داده‌های باز و شفافیت، باعث می‌شود داده‌های شهری در دسترس هرکسی قرار بگیرند و امکان استفاده و بازنشر آنها بدون محدودیت وجود داشته باشد تا شهروندانی مطلع، خلاق و مشارکت‌جو داشته باشیم. بنابراین با ورود هم‌زمان شفافیت و پاسخ‌گویی به مجموعه شهرداری، انتظار می‌رود خدمات شهری به شکل عادلانه و فراگیر به همه شهروندان اختصاص یابد. کلان‌داده به معنای حجم عظیم داده به صورت در لحظه است که برای درک، تحلیل و پیش‌بینی روندها استفاده می‌شود. این کلان‌داده‌ها هنگامی ارزشمند می‌شوند و برای شهر ارزش افزوده ایجاد می‌کنند که مرکز آمار و رصد شهری تهران توانایی استفاده از این داده‌ها را در هر لحظه از زمان واقعی برای اتخاذ تصمیمات هوشمندانه‌تر و کاراتر داشته باشد. تحولات و پیشرفت‌های جدیدی که داده‌ها را به تصویر درمی‌آورد نیز امکان مشاهده و درک بهتر الگوها و روندهایی را به ما می‌دهد که با مرتب‌کردن اعداد و تهیه جدول‌ها، آشکار و مفهوم نمی‌شود. موارد کاربرد کلان‌داده‌ها بسیار زیاد است؛ ازجمله تعیین نقشه تغییرات سکونتگاه‌ها و وضعیت فقر یا فضای سبز با کمک ماهواره یا پروژه مرمت و روکش آسفالت‌ معابر با پایش تلفن‌های هوشمند. برای مثال در این پروژه با کمک یک اپلیکیشن به نام RoadLab از داده‌های جمع‌سپاری‌شده موجود (crowdsourced) در تلفن‌های هوشمندی که در وسیله نقلیه قرار دارد، درجه همواری سطح معابر ارزیابی می‌شود. این کلان‌داده‌ها اطلاعات جامع و منظمی درباره وضعیت سطح معابر به سازمان مربوط در شهرداری می‌دهد تا منابع خود را به نحو کارآمد و عادلانه اختصاص دهد. نمونه دیگر، پروژه تشخیص الگوهای سفر درون‌شهری فردی است که از ترکیب مصاحبه‌های شخصی و تحلیل کلان‌داده در سنسورهای جی‌پی‌اس تلفن‌های هوشمند به دست می‌آید. هدف از این کار، شناسایی دقیق و کم‌هزینه از مسیر سفر، هدف سفر، شیوه سفر و هزینه سفرهای فردی است تا به برنامه‌ریزی حمل‌ونقل شهری و کاربری زمین‌ها کمک کند. ما در عصری زندگی می‌کنیم که با داشتن انبوه داده‌‌ها و شواهد متنوع‌تر، آگاهی بیشتر و درک و پیش‌بینی بهتر، می‌توانیم به راهکارهای مناسب و نتایج بهتر و کاراتر برای زندگی در شهرها دست یابیم. در نتیجه با بهره‌مندی مدیریت شهری از چنین ابزارها و امکانات جدید فناورانه، انتظار می‌رود بر چالش‌های عقب‌ماندگی و توسعه‌نیافتگی شهر تهران با کارایی و سرعت بیشتری فائق آییم.

برای اطلاع از آخرین اخبار و تحلیل‌ها به کانال شرق در «تلگرام» بپیوندید.