Statistical Intelligence and Digital Transformation in Government Institutions A Data- Driven Framework for Improving Public-Sector Performance in the Kurdistan Region of Iraq

Nel mondo moderno, i governi stanno cercando sempre più di fare molto di più che limitarsi a inserire moduli cartacei su un sito web. L'obiettivo della trasformazione digitale è riprogettare fondamentalmente il modo in cui funzionano le istituzioni pubbliche, passando da dipartimenti isolati a un sistema connesso dove i dati fluiscono liberamente tra le agenzie. Questo cambiamento si basa su alcune idee chiave: l'identità digitale, che funge da chiave sicura per i cittadini per accedere ai servizi; l'interoperabilità, che consente a diversi sistemi informatici di comunicare tra loro senza la necessità che un essere umano reinserisca le stesse informazioni due volte; e il processo decisionale basato sui dati, in cui i leader utilizzano numeri reali piuttosto che supposizioni per migliorare la modalità di erogazione dei servizi. Quando questi elementi lavorano insieme, possono ridurre la burocrazia, abbassare i costi e rendere più facile per le persone ottenere ciò di cui hanno bisogno dallo Stato. Tuttavia, misurare se questi cambiamenti digitali stiano effettivamente funzionando è difficile, specialmente nelle regioni in cui i dati dettagliati sulle prestazioni non sono ancora pubblicamente disponibili.

Ricercatori dell'Università di Soran, nella Regione del Kurdistan iracheno, si sono posti l'obiettivo di risolvere questo problema di misurazione. Volevano sapere se gli strumenti digitali del governo stessero effettivamente migliorando i servizi pubblici e come tracciare tale progresso utilizzando le informazioni già disponibili. Invece di aspettare dati perfetti che ancora non esistono, il team ha costruito un framework per analizzare i quindici sistemi digitali nominati attualmente in uso dal governo regionale. Hanno trattato questi sistemi come un portafoglio di strumenti, controllando ciascuno di essi per vedere cosa potesse fare. Hanno cercato capacità specifiche, come se un sistema permettesse ai cittadini di interagirvi direttamente, se gestisse il lavoro d'ufficio interno, se utilizzasse l'identità digitale per la sicurezza, se elaborasse pagamenti e se fosse in grado di condividere dati con altri dipartimenti governativi. Sommando queste caratteristiche, hanno creato un punteggio semplice per ogni sistema, da zero a sette, per rappresentare la sua forza digitale complessiva.

L'analisi ha rivelato un quadro chiaro della posizione del governo. In media, i sistemi hanno ottenuto un punteggio di 4,60 su 7, suggerendo una solida base ma indicando anche che c'è spazio per la crescita. I ricercatori hanno scoperto che quasi tutti i sistemi erano bravi nel condividere dati tra loro e nel gestire i compiti d'ufficio interni, che sono la meccanica di back-end del lavoro governativo. Anche la trasparenza è stata un punto di forza, poiché ogni singolo sistema includeva funzioni per la responsabilità. Tuttavia, i sistemi erano meno avanzati in aree che influenzano direttamente l'esperienza quotidiana del cittadino. Solo una piccola frazione dei sistemi poteva gestire pagamenti digitali o gestire identità digitali, che sono cruciali per transazioni sicure e fluide. Questo schema suggerisce che il governo ha costruito con successo l'infrastruttura interna per connettere i suoi dipartimenti, ma l'ultimo passo di rendere tali connessioni facili e sicure per la persona comune è ancora un lavoro in corso.

Per capire come queste diverse caratteristiche lavorassero insieme, il team ha utilizzato metodi statistici che non assumono che i dati seguano una curva a campana perfetta, un requisito comune in molti studi che questo specifico set di numeri non soddisfaceva. Hanno scoperto un forte legame tra la forza complessiva delle caratteristiche di un sistema e la sua capacità di fornire l'accesso ai servizi. In altre parole, più capacità un sistema possedeva, più era probabile che fosse accessibile al pubblico. Hanno anche testato se il tipo di proprietà — ovvero se un sistema fosse gestito direttamente da un ministero specifico o condiviso tra il governo — facesse una differenza nel suo rendimento. I dati non hanno mostrato differenze significative tra questi gruppi, il che significa che il successo di un sistema dipendeva più dalle sue caratteristiche che dal dipartimento che lo aveva costruito.

I ricercatori hanno anche esplorato se programmi informatici moderni potessero prevedere quali sistemi sarebbero stati accessibili al pubblico in base alle loro caratteristiche. Hanno confrontato diversi tipi di modelli predittivi, inclusi i metodi statistici standard e strumenti di machine learning più complessi in grado di trovare schemi nascosti nei dati. I risultati hanno mostrato che i modelli più complessi, basati sugli alberi, erano migliori nel fare queste previsioni rispetto ai metodi standard. Uno di questi modelli avanzati, noto come "random forest", è stato particolarmente efficace nel distinguere tra i sistemi che offrivano il pieno accesso ai servizi e quelli che non lo offrivano. Tuttavia, gli autori avvertono con cura che, poiché il gruppo di sistemi studiati era piccolo, questi risultati sono da considerarsi al meglio come una prova di concetto piuttosto che un verdetto finale. Essi dimostrano che questi strumenti avanzati hanno un potenziale, ma necessitano di quantità di dati molto più ampie per essere utilizzati in modo affidabile per prendere decisioni nel mondo reale.

Lo studio conclude che, sebbene il Governo Regionale del Kurdistan abbia compiuto passi impressionanti nella costruzione di un backbone digitale connesso, la fase successiva di sviluppo deve concentrarsi sull'esperienza dell'utente. I ricercatori raccomandano di creare un registro unificato dei servizi digitali che tracci non solo quanti sistemi esistono, ma quanto bene operino. Ciò comporterebbe la raccolta di dati su quanto tempo occorre per completare i servizi, quante persone li utilizzano e quanto sono soddisfatti i cittadini. Collegando l'esistenza degli strumenti digitali ai reali risultati delle prestazioni, i leader possono andare oltre il semplice conteggio dei sistemi e iniziare a misurare il valore reale. Il lavoro serve come modello per trasformare rapporti sparsi in un dataset chiaro e utilizzabile, dimostrando che, anche con informazioni limitate, è possibile costruire un framework che riveli dove sta avvenendo il progresso e quali debbano essere i passi successivi.