Як Big Data допомагає людству: 6 історій з Ted Talk

Великі дані допомагають приймати точні рішення за умови, якщо їх правильно збирати і обробляти. З цією метою команда індійських програмістів заснувала компанію Atlan, яка використовує Data Science для боротьби з соціальними проблемами.

Один з проєктів команди — забезпечення доступу до газу 80 млн індійських родин, які живуть за межею бідності. В Індії мільйони людей не мають можливості користуватися чистим паливом. Бо найближчі до їхніх сіл центри зрідженого газу можуть знаходитися на відстані десятків кілометрів.

Щоб покращити ситуацію, Міністерство нафти та природного газу вирішило відкрити 10 тис. центрів зрідженого газу. Але спершу потрібно було визначити локації, щоб охопити якомога більше людей. Для цього команда Atlan зібрала і обробила кілька груп даних:

• інформацію про розташування вже існуючих 17 тис. центрів з геокординатами кожного;
• дані про села, які були на відстані понад 10 км від найближчого центру;
• потенціал кожного села — розвиток інфраструктури, кількість населення, попит на газ

Проаналізувавши ці дані, вдалося визначити найкращі локації для нових центрів і створити карту безпечних підключень до газу.

У низці країн робота з даними у сфері охорони здоров’я стабільно важка. Медпрацівники змушені самостійно опитувати населення і зводити інформацію на папері. Саме такою побачив ситуацію лікар Джоел Селанікіо, коли працював консультантом у африканських країнах.

Селанікіо вирішив створити софт, який дозволить медичним працівникам і волонтерам швидко збирати і аналізувати дані. Так з’явився Magpi — хмарний сервіс, який дозволяє створювати онлайн-опитування для збору даних і завантажувати інформацію навіть з кнопкових телефонів. Тут можна не тільки вносити і структурувати інформацію, але й створювати графіки і мапи для візуалізації даних.

У аналітиків з’явилася можливість у режимі реального часу відслідковувати різноманітну інформацію з найвіддаленіших куточків Африки: поставки ліків, кількість новонароджених, рівень вакцинації тощо.

У використанні Big Data в громадському секторі є кілька перепон: потрібно багато даних, інструментів для їх обробки і спеціалістів для аналізу. У неприбуткових організацій, зазвичай, немає стільки ресурсів. Натомість на допомогу може прийти бізнес.

Аналітик даних Мелорі Фріман наводить два приклади такої співпраці бізнеса і ГО:

• Супутникова компанія розкрила дані, які показують, як посуха впливає на виробництво їжі. Завдяки цьому з’явилася можливість приймати попереджувальні заходи, щоб уникнути продовольчої кризи в регіоні.
• Телеком-компанія надала дані, які допомагають прослідкувати динаміку сигналів між базовими станціями стільникового зв’язку. Це допомогло зрозуміти, як переміщуються люди в певному регіоні, і вирахувати ареал розповсюдження малярії, щоб будувати прогнози зараження.

З словами еко-активіста в галузі high tech Гевіна МакКорміка, держави нерідко мають проблеми з відстеженням викидів парникових газів. Наприклад, у деяких країнах, які не ратифікували Паризьку кліматичну угоду, моніторинг викидів проводиться нерегулярно, а розрахунки можуть виконуватися на папері. Це не дозволяє відслідковувати викиди в режимі реального часу.

Тому активіст об’єднався з вченими і IT-стартапами, щоб запустили проєкт Climate TRACE для збору інформації про викиди парникових газів. За допомогою супутникових знімків, Big Data та AI незалежна група мониторить викиди по всьому світу. Вони створюють інтерактивну карту із зазначенням видів промисловості та конкретних об’єктів як джерел забруднення. Наприклад, можна подивитися, скільки парникових газів було викинуто конкретною електростанцією чи сталевиробним підприємством.

Ці дані допомагають створювати актуальну картину викидів, а також порівнювати офіційні показники від компаній чи урядів та інформацію з супутників. У перспективі це має сприяти розробці більш ефективної політики зменшення забруднення довкілля.

На основі аналізу даних в США створили універсальний інструмент досудової оцінки ризиків повторного правопорушення. Спираючись на статистику, він дозволяє оцінити, чи становить конкретний підсудний загрозу громадській безпеці.

Команду з розробки інструменту очолювала екс-генпрокурор Нью-Джерсі Енн Мілграм. Вона розповідає, що на момент початку роботи 70-80% затримань у США припадали на незначні злочини. Але навіть за нетяжкі правопорушення люди місяцями чекали на вирок суду в ізоляторах. І 67% з цих засуджених поверталися до в’язниць знову.

Аналітики обробили дані 1,5 млн судових справ з різних штатів і виокремили 900 факторів ризику повторного правопорушення. Проаналізувавши їх, виділили 9 ключових факторів, які були універсальними для усіх штатів. Наприклад, наявність попередніх арештів, тяжкість злочинів, відвідуваність судових засідань. Враховуючи ці фактори, створили інструмент досудової оцінки ризиків.

Аналізуючи дані конкретного підсудного, система оцінює ризик, чи може він знову вчинити правопорушення. Якщо ризик високий, людину рекомендується тримати під вартою, якщо ж низький — відпустити до початку судового розгляду.

Інженер-дослідник Тапіва Чівеве за допомогою великих даних долучився до вирішення проблеми забруднення повітря в Африці. Разом з колегами він створив моніторингову платформу, яка дозволяє прогнозувати якість повітря у майбутньому.

Софт аналізує історичні дані, а також збирає інформацію у режимі реального часу — про погоду, якість повітря, дорожній рух тощо. Далі завдяки machine learning система прогнозує рівень забруднення у певний часовий період. Після тестування системи протягом 120 днів розробники виявили, що її прогнози точно співпадають з реальними показниками на місцях.

Одна з цілей проекту — співпрацювати з державними установами, щоб допомагати їм у проектуванні міст і підвищувати якість життя громад. Маючи потенційні сценарії забруднення, міська влада може приймати рішення щодо розбудови інфраструктури, а також розміщення житлових поселень й індустріальних зон.