Streaming Data yang Besar dengan Dampak Kebijakan Publik - dummies

Hampir setiap wilayah kota memiliki kemampuan untuk menggunakan data yang besar, baik di bentuk pajak, sensor pada bangunan dan jembatan, pemantauan pola lalu lintas, data lokasi, dan data tentang tindak pidana. Menciptakan kebijakan yang dapat diterapkan yang membuat kota lebih aman, lebih efisien, dan tempat yang lebih diminati untuk tinggal dan bekerja memerlukan pengumpulan dan analisis sejumlah besar data dari berbagai sumber.

Akibatnya, para pemimpin kota memiliki banyak informasi tentang bagaimana kebijakan mempengaruhi orang-orang di kota mereka di tahun-tahun sebelumnya, namun sangat menantang untuk berbagi dan memanfaatkan data yang cepat berubah untuk membuat real- keputusan waktu yang bisa memperbaiki kehidupan kota. Yang membuat leveraging data ini semakin rumit adalah kenyataan bahwa data dikelola dan disimpan dalam silo terpisah.

Hal ini menyebabkan masalah karena hubungan langsung dapat terjadi antara berbagai aspek operasi kota. Pembuat kebijakan mulai menyadari bahwa perubahan hanya bisa terjadi jika mereka dapat menggunakan data dan data yang tersedia dari praktik terbaik untuk mengubah kondisi lingkungan mereka saat ini. Semakin kompleks sebuah kota, semakin banyak kebutuhan untuk memanfaatkan data untuk mengubah keadaan menjadi lebih baik.

Ini berubah seiring pembuat kebijakan, ilmuwan, dan inovator teknologi bergabung untuk menerapkan kebijakan berdasarkan data yang sedang berjalan. Misalnya, merancang dan menerapkan program untuk meningkatkan kemacetan lalu lintas, Anda mungkin perlu mengumpulkan data populasi, angka pekerjaan, kondisi jalan, dan cuaca. Sebagian besar data ini telah dikumpulkan di masa lalu, namun tersimpan dalam berbagai silo dan mewakili pandangan statis tentang informasi historis.

Untuk membuat saran berdasarkan informasi streaming terkini, Anda memerlukan pendekatan baru. Periset di sebuah universitas teknik di Eropa mengumpulkan data lalu lintas real-time dari berbagai sumber seperti data Global Positioning System (GPS) dari kendaraan tempur, sensor radar di jalan, dan data cuaca. Mereka mengintegrasikan dan menganalisis data streaming untuk mengurangi kemacetan lalu lintas dan memperbaiki arus lalu lintas.

Dengan menganalisis data terstruktur dan tidak terstruktur saat peristiwa berlangsung, sistem dapat menilai kondisi perjalanan saat ini dan memberikan saran mengenai rute alternatif yang akan mengurangi lalu lintas. Pada akhirnya, tujuannya adalah untuk memiliki dampak besar pada arus lalu lintas di kota. Data yang digerakkan dievaluasi sehubungan dengan data historis sehingga rekomendasi masuk akal dalam konteks dengan kondisi aktual.

Data streaming dapat memiliki dampak signifikan terhadap tingkat kejahatan di kota-kota. Misalnya, departemen kepolisian menggunakan analisis prediktif untuk mengidentifikasi pola kejahatan berdasarkan waktu dan lokasi. Jika perubahan mendadak ditemukan dalam pola yang teridentifikasi ke lokasi baru, polisi dapat mengirimkan petugas ke lokasi yang tepat pada waktu yang tepat. Setelah fakta, data ini sekarang dapat digunakan untuk menganalisis lebih lanjut pola perilaku kriminal.