绘制更精确的贫困地图

数字经济正在改变数据收集、处理和使用方法，以便为监测和实现可持续发展目标作出循证决策。应用前景良好的新方法把传统的入户调查数据和非传统的数据（如手机数据、卫星数据和文本数据）组合在一起，为绘制分辨率更高、比例尺更大的贫困地图创造了机会。尽管如此，巨大的技术、实践和伦理挑战仍阻碍着这些方法的实际应用。

为讨论这些挑战，在国际电信联盟2019年人工智能造福人类全球峰会期间，达尔伯格数据洞悉（Dalberg Data Insights）组织、卡塔尔计算研究院以及世界银行集团召集了多位专家参加贫困地图绘制研讨会。本次研讨会的目的在于分享知识，为更好地组合使用传统发展数据（如入户调查、劳动力调查以及人口普查数据）和补充性大数据（如卫星数据、手机数据和社交媒体数据）制定计划，以便做到对贫困的更准确、更及时、更经济有效的度量。

更好的贫困度量为何重要

当前，贫困绘图方面的趋势很大程度上归因于世界银行2007年出版物《不仅仅是一张精美图片》——在其推动下，小区域贫困地图被更广泛用于为制定发展战略提供参考依据。贫困传统上用收入、资产和消费方面的数据加以度量。世界银行一份新报告《拼出贫困的拼图》阐释了全球贫困的最新估测结果和最新趋势，拓宽了贫困的界定和度量方法。贫困地图对世界银行集团及其借款客户国都很重要，因其有助于它们了解贫困现状及其决定因素，更好地设计相关计划，用以减少极度贫困人口¹ 和最底层40%人群中的不平等现象，改善对这些人群的公共服务提供。这就催生了对支持小区域估测、现时预测以及大规模监测的更好数据（即细粒度数据、近乎实时估测数据以及大规模数据）的需求。

贫困地图可为方方面面的循证决策提供参考依据——从把公共投资瞄准和分配给最急需此类投资的地区，用以改善这些地区的服务提供和基础设施（如克罗地亚和墨西哥），到与自然灾害或冲突和粮食安全相关的危机响应和脆弱性评估均包含其中（饥荒预警系统网络）。

传统的贫困度量数据获取的频率一般较低（5-10年以上），而且旨在粗粒度上具有代表性。例如，Serajuddin等人（2015）指出，2002年至2011年间，在世界银行集团监测贫困数据的115国中，57国只拥有两个以下贫困数据点（准确度量十年期贫困状况所需的最少数据点）。贫困数据覆盖面正在扩大。近期，世界银行集团承诺提供创纪录的支持，助力78个国际开发协会成员国在2016年至2030年间每三年开展一次涉及多个议题的入户调查。

填补新数据来源缺口

在数据稀缺情况下测算贫困的替代方法势必会面临几个挑战，包括覆盖和可比性。卫星数据和手机数据通常被用于旨在应对此类挑战的贫困绘图新方式中。卫星可提供关于地球的日常高分辨率图像，其中所含的土地覆盖和土地利用特点以及特定物体（如建筑物和小汽车）可用于大致估测家庭福利情况（如夜间照明可用作评估经济活力的一个指标）。手机数据可提供用户的手机使用情况、流动性、社交网络以及金融交易（手机银行）等方面信息，因而可近乎实时地大致估测个人的贫困程度。

遗憾的是，由于缺乏市场份额和手机渗透率数据，手机数据一般偏向某些人群，因而不能代表所有人群。在使用敏感性手机数据过程中，也要制定补充流程，以确保个人隐私得到保护。因此，此类数据的获取不连贯，特别是在危机期间。

上述制约因素并不适用于卫星数据，但后者仍面临诸多基本限制因素，因为衡量人类发展状况的所有标尺无法从太空中看到。不过，几种贫困绘图新方式已表明，审慎地组合使用卫星和手机数据以及（移动工具类）调查数据，能够获得可靠的测算结果。

例如，Blumenstock等人（2015）获得的测算结果与美国国土安全部的测算结果具有可比性，但前者获得结果的速度是后者的10倍，所用费用（以可变成本计）是后者的五十分之一。其它几项研究组合使用了手机数据、卫星数据和调查数据（Njuguna等人，2017；Steele等人，2017；Pokhriyal等人，2017。此外，研究人员探索把广告数据、维基百科以及谷歌街景图用于绘制贫困地图。不过，这些方式仍在处于研究或试点阶段。应当强调的是，大数据是优质调查数据的补充而非替代。

如能通过提高数据可及性、互操作性以及完善调查设计等措施把调查数据和大数据更有效地结合起来，全球发展界即可加快非传统性贫困绘图方式成本和效益的验证和评估进程——此类方式可提升政策信息的及时性、覆盖率以及质量。

把高分辨率贫困度量数据应用于实际行动

贫困绘图研讨会参会者明确了几项后续行动，以便更好地获取、整合和负责任地使用各种数据来源，以确保提高用于贫困绘图的各类数据来源的可及性和融合度并确保其得到负责任使用，同时确保把机器学习成果应用于贫困绘图。这些行动包括：

1、通过网上竞赛和规划活动对相关方法进行标杆分析并评估其成本效益及其是否切合具体目的，加快验证前景良好的新方式的效果；

2、加强地方能力，使相关地方机构能够借助可复制的分析方法和培训内容使用并持续维持高分辨率贫困度量数据；

3、对数据获取安排进行投资，包括超出慈善筹资模式的可持续商业模式以及便于以公共产品形式获取更多机构层面数据和国有数据的法律和技术安排；

4、借助可提高空间互操作性的标准和格式、已备好用于分析的数据以及云工作流程，完善数据基础设施，包括公共数据和商业数据基础设施。

联合国五年前发布《一个数据化世界》报告以来，利用大数据和机器学习进行的贫困绘图领域创新活动猛增。贫困地图补充官方统计数据的潜力仅在很小范围内得到了证明，因此仍需推动其广泛应用。全球发展界需要数据生态系统的稳定演变，才能把高分辨率贫困地图应用于实际行动，以推进可持续发展目标1：消除贫困。

您希望参与讨论吗？如希望，请向 iweber@hbku.edu.qa和damien.jacques@dalberg.com发送电子邮件，申请加入该社区。