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

No mundo moderno, os governos estão tentando fazer cada vez mais do que apenas colocar formulários de papel em um site. O objetivo da transformação digital é redesenhar fundamentalmente como as instituições públicas funcionam, passando de departamentos isolados para um sistema conectado onde os dados fluem livremente entre as agências. Essa mudança baseia-se em alguns conceitos-chave: identidade digital, que atua como uma chave segura para os cidadãos acessarem serviços; interoperabilidade, que permite que diferentes sistemas de computação conversem entre si sem a necessidade de um humano inserir a mesma informação duas vezes; e tomada de decisão baseada em dados, onde os líderes utilizam números reais em vez de suposições para melhorar a forma como os serviços são prestados. Quando esses elementos trabalham juntos, podem reduzir a burocracia, baixar custos e facilitar o acesso das pessoas ao que precisam do Estado. No entanto, medir se essas mudanças digitais estão realmente funcionando é difícil, especialmente em regiões onde dados de desempenho detalhados ainda não estão disponíveis publicamente.

Pesquisadores da Universidade de Soran, na Região do Curdistão do Iraque, partiram para resolver esse problema de medição. Eles queriam saber se as ferramentas digitais do governo estavam realmente melhorando os serviços públicos e como rastrear esse progresso usando as informações que já estavam disponíveis. Em vez de esperar por dados perfeitos que ainda não existem, a equipe construiu uma estrutura para analisar os quinze sistemas digitais nomeados atualmente em uso pelo governo regional. Eles trataram esses sistemas como um portfólio de ferramentas, verificando cada um para ver o que ele poderia fazer. Eles buscaram capacidades específicas, como se um sistema permitia que os cidadãos interagissem diretamente com ele, se lidava com o trabalho interno de escritório, se utilizava identidade digital para segurança, se processava pagamentos e se podia compartilhar dados com outros departamentos governamentais. Ao somar essas características, criaram uma pontuação simples para cada sistema, variando de zero a sete, para representar sua força digital geral.

A análise revelou um quadro claro de onde o governo se encontra. Em média, os sistemas pontuaram 4,60 de 7, sugerindo uma base sólida, mas também indicando que há espaço para crescer. Os pesquisadores descobriram que quase todos os sistemas eram bons em compartilhar dados entre si e em lidar com tarefas internas de escritório, que são a mecânica de retaguarda (back-end) do trabalho governamental. A transparência também foi um ponto forte, pois todos os sistemas incluíram recursos para prestação de contas. No entanto, os sistemas eram menos avançados em áreas que afetam diretamente a experiência diária do cidadão. Apenas uma pequena fração dos sistemas conseguia processar pagamentos digitais ou gerenciar identidades digitais, que são cruciais para transações seguras e fluidas. Esse padrão sugere que o governo construiu com sucesso a infraestrutura interna para conectar seus departamentos, mas o passo final de tornar essas conexões fáceis e seguras para o cidadão comum ainda é um trabalho em andamento.

Para entender como essas diferentes características funcionavam juntas, a equipe utilizou métodos estatísticos que não assumem que os dados seguem uma curva de sino perfeita, um requisito comum em muitos estudos que este conjunto específico de números não atendia. Eles descobriram uma forte ligação entre a força geral das funcionalidades de um sistema e sua capacidade de fornecer acesso aos serviços. Em outras palavras, quanto mais capacidades um sistema possuía, maior era a probabilidade de ele ser acessível ao público. Eles também testaram se o tipo de propriedade — se um sistema era gerido diretamente por um ministério específico ou se era compartilhado entre o governo — fazia diferença em seu desempenho. Os dados não mostraram diferença significativa entre esses grupos, significando que o sucesso de um sistema dependia mais de suas funcionalidades do que de qual departamento o construiu.

Os pesquisadores também exploraram se programas de computador modernos poderiam prever quais sistemas seriam acessíveis ao público com base em suas características. Eles compararam vários tipos diferentes de modelos preditivos, incluindo métodos estatísticos padrão e ferramentas de aprendizado de máquina (machine learning) mais complexas, que conseguem encontrar padrões ocultos nos dados. Os resultados mostraram que os modelos baseados em árvores, mais complexos, eram melhores em fazer essas previsões do que os métodos padrão. Um desses modelos avançados, conhecido como "random forest", foi particularmente eficaz em distinguir entre sistemas que ofereciam acesso total ao serviço e aqueles que não ofereciam. No entanto, os autores são cautelosos ao notar que, como o grupo de sistemas estudados era pequeno, essas descobertas devem ser vistas como uma prova de conceito, e não como um veredito final. Eles demonstram que essas ferramentas avançadas têm potencial, mas precisam de quantidades muito maiores de dados para serem usadas de forma confiável para a tomada de decisões no mundo real.

O estudo conclui que, embora o Governo Regional do Curdistão tenha feito progressos impressionantes na construção de uma espinha dorsal digital conectada, a próxima fase de desenvolvimento deve focar na experiência do usuário. Os pesquisadores recomendam a criação de um registro unificado de serviços digitais que rastreie não apenas quantos sistemas existem, mas o quão bem eles desempenham. Isso envolveria coletar dados sobre quanto tempo os serviços levam para serem concluídos, quantas pessoas os utilizam e qual o nível de satisfação dos cidadãos. Ao vincular a existência de ferramentas digitais a resultados de desempenho reais, os líderes podem ir além de contar sistemas e começar a medir o valor real. O trabalho serve como um roteiro para transformar relatórios dispersos em um conjunto de dados claro e utilizável, mostrando que, mesmo com informações limitadas, é possível construir uma estrutura que revele onde o progresso está acontecendo e quais devem ser os próximos passos.