जी-२० देशांना हवा ‘विकासासाठी डेटा’

शाश्वत विकासाला चालना देण्यासाठी आणि २०३० चा कार्यक्रम पूर्ण करण्यासाठी डेटा हे एक शक्तिशाली साधन म्हणून उदयास आले आहे. अलीकडील काही वर्षांत शाश्वत विकासाची उद्दिष्टे साध्य करण्यासाठी डेटा आधारित दृष्टिकोनांचा पुरस्कार व कृती यांमध्ये लक्षणीय वाढ झाली आहे. ‘विकासासाठी डेटा’ हे तत्त्व भारताच्या जी-२० अध्यक्षपदाच्या केंद्रस्थानी असेल, असे पंतप्रधान नरेंद्र मोदी यांनी गेल्या वर्षीच्या म्हणजे २०२२ च्या नोव्हेंबर महिन्यात जाहीर केले होते. मात्र सर्वच जी-२० देशांमधील डेटाविषयक वातावरण असमान आहे, काही देश ‘विकासासाठी डेटा’ हे तत्त्व प्रभावीपणे राबवत आहेत, तर काही देशांना हे तत्त्व अंमलात आणताना अनेक आव्हानांचा सामना करावा लागत आहे. हा लेख जी-२० तील सदस्य देशांमध्ये ‘विकासासाठी डेटा’ या तत्त्वाला प्रोत्साहन देण्यासाठी एकत्रितपणे करता येऊ शकतील, अशा धोरणात्मक कृतींची रूपरेषा देऊन ‘ग्लोबल नॉर्थ’ व ‘ग्लोबल साउथ’ या दरम्यानचे; तसेच देशांतर्गत डेटामधील फटी आणि विभाजन यांच्यातील अंतर भरून काढण्यासाठी उपाययोजना सूचवितो.

जी-२० देशांमधील डेटाविषयक वातावरण

जी-२० देशांमधील डेटाविषयक वातावरण हा एक गुंतागुंतीचा विषय आहे. या देशांमध्ये डेटाची गुणवत्ता आणि उपलब्धता व सुविधा यांमध्ये लक्षणीय फरक आहे. काही जी-२० देशांमध्ये शक्तिशाली डेटा परिसंस्था असून रुजलेली सांख्यिकीय पद्धती आहे, तर काही देश डेटा संकलन आणि विश्लेषण क्षमता यांबाबतीत मागे आहेत. याचा परिणाम होऊन अनेक त्रुटी निर्माण होतात. त्यामध्ये विविध प्रकारच्या विकासात्मक डेटाची कमतरता व प्रवाहाबाहेरील समुदायांशी संबंधित अप्रत्यक्ष डेटा यांचा समावेश आहे. त्याचप्रमाणे प्रतिसादात्मक धोरणे आणि सुधारणेसाठी उपाययोजना तयार करण्यात अडथळा आणणाऱ्या मूळ आव्हानांचे चुकीचे प्रदर्शनही केले जाऊ शकते. जी-२० देशांमधील डेटा त्रुटीच्या तिसऱ्या टप्प्यात (डीजीआय-३) चार विस्तृत क्षेत्रांची निवड केली असून त्या माध्यमातून माहिती त्रुटी राहू न देण्यास प्राधान्य देण्यात आले आहे. त्या हवामान बदल, घरगुती वाटपाची माहिती, फिन्टेक व आर्थिक समावेशन आणि खासगी स्रोतांमधून मिळालेला डेटा व प्रशासकीय डेटा अशी चार क्षेत्रे आहेत.

                                                          Table 1: Statistical products targeted under the G20 DGI-3 

Area	Information Gap	Target Variable
Climate Change-Related Data Gaps	Greenhouse gas (GHG) emission accounts and national carbon footprints	Annual air emissions accounts (for GHGs) by industry and estimates of national carbon footprints by demand category
	Energy accounts	Annual energy accounts that record the supply and use of energy from natural inputs, energy products, energy residuals and other residual flows
	Carbon footprints of foreign direct investment	CO2 emissions per unit of output of foreign-controlled multinational enterprises and domestic-controlled enterprises by industry
	Climate finance (green debt and equity securities financing)	Statistics on green debt securities and listed shares by sector of issuer and holder
	Forward-Looking physical and transition risk indicators	Forward-looking physical and transition risk indicators related to populations, assets, output/production, firm profitability, and wealth
	Climate-Impacting Government Subsidies	Annual estimates of government subsidies by type of subsidy
	Climate Change Mitigation and Adaptation Expenditures	Annual estimates of current and capital expenditures on climate mitigation and adaptation activities by sector
Household Distributional Information Data Gaps	Distribution of household income, wealth, consumption and savings	Annual estimates of household income, consumption, saving and wealth by quintile or decile
Digitalization and Financial Innovation and Inclusion	Fintech credit	Estimates of fintech credit aggregates and linkages of fintech credit entities with the financial and non-financial sectors
	Digital money	Estimates of the stock and flow of digital money by type
	Fintech-enabled financial inclusion	Annual estimates of fintech-enabled financial inclusion and access by type of access and sector

Source: G20 Data Gaps Initiative 3: Workplan, March 2023

गुंतवणूकी, स्रोत आणि क्षमता

डेटा संकलन, नोंदणी व विश्लेषण पद्धतीमध्ये विशेषतः मर्यादित तांत्रिक क्षमता असलेल्या देशांमध्ये धोरणात्मक गुंतवणुकी ही ‘विकासासाठी डेटा’ कार्यक्रमांच्या यशाची पूर्वअट आहे. जी-२० चे सदस्य देश विशेषतः अल्प व मध्यम उत्पन्न गटातील देशांनी ज्या क्षेत्रामध्ये अतिरिक्त स्रोत व तांत्रिक मदत आवश्यक आहे, त्याची जाणीव करून घेणे आवश्यक आहे; तसेच ‘विकासासाठी डेटा’
उपक्रमांची देखरेख व मूल्यांकन आणि पुरावाआधारित उपाययोजनांचा विचार केला जाऊ शकतो. ‘विकासासाठी डेटा’ परिसंस्था बळकट करण्यासाठी स्रोतांच्या सूज्ञ वाटपासह सुधारात्मक उपाय, सामाजिक-आर्थिक वाढ आणि सुधारण्याच्या शक्यतांमध्ये लक्षणीय सुधारणा करू शकतात. अल्प व मध्यम उत्पन्न गटातील देशांनी डेटा पायाभूत सुविधांच्या उपलब्धतेत वाढ करून देशांतर्गत डिजिटल विभाजन कमी करण्याचा प्रयत्न करायला हवा. त्यामध्ये ब्रॉडबँड कनेक्टिव्हिटी वाढवणे, डेटा केंद्रांची स्थापना करणे व विशेषतः कमी सेवा असलेल्या भागांत डिजिटल व्यासपीठांची निर्मिती करणे यांचा समावेश असून त्या माध्यमातून समुदायांना सक्षम करणे शक्य व्हायला हवे. अल्प व मध्यम उत्पन्न गटातील देशांना मूळापासूनच ‘डेटा संस्कृती’चे बळ वाढवण्यासाठी डेटा साक्षरता आणि तांत्रिक कौशल्य कार्यक्रमांमध्ये गुंतवणूक करणे आवश्यक आहे. मात्र तसे करताना प्रतिकूल डिजिटल एकीकरणाच्या जोखमीबाबत दक्षता बाळगणे आवश्यक आहे. कारण त्यामुळे सध्याची फटही वाढू शकते. धोरणकर्त्यांची संवेदनशीलता वाढवण्यामुळे व त्यांना प्रशिक्षण दिल्यामुळे आवश्यक कार्यक्रम आणि गुंतवणुकी यांचा परिणाम होऊ शकतो.

डेटा परिसंस्था बळकट करणे

जी-२० देशांमधील डेटाचे विभाजन कमी करण्यासाठी आणि ‘विकासासाठी डेटा’ची उपलब्धता समान पद्धतीने वाढवण्यासाठी व त्याच्या वापराचा पुरस्कार करण्यासाठी सदस्य देश खालीलप्रमाणे कृती करू शकतात :-

– डेटा मिळवण्याच्या प्रयत्नांत वाढ : जी-२० मधील सदस्य देशांनी डेटा संकलनाशी संबंधित अंतर्गत क्षमता विकासासाठी साह्य करणे आवश्यक आहे; तसेच डेटा त्रुटी आणि प्रवाहाबाहेरील लोकांवर लक्ष्य केंद्रित करणेही आवश्यक आहे. जी-२० गटातील देश आपापल्या सार्वभौम अवकाशात डेटा संकलन जाळे मजबूत आणि व्यापक करण्यासाठी उपराष्ट्रीय सरकारे, समाज आणि खासगी क्षेत्रातील घटक यांच्यातील भागीदारीत वाढ करू शकतात. एकीकडे डेटा विषयाच्या संभाव्य गरजा स्पष्टपणे जाणून घेण्यासाठी आणि दुसरीकडे त्यांची ओळख सुरक्षित व गोपनीय राहावी, यासाठी संकलित केलेला डेटा एकत्र करण्यासाठी व संकलित डेटाविषयी गुप्तता राखण्यासाठी प्रशिक्षण देण्याची गरज आहे.

– आंतरदेशीय डेटा भागीदारी करणे : प्रगत क्षमता असलेले देश आणि विकासासाठी डेटा संबंधित आव्हानांशी पूर्वापार सामना केलेल्या देशांदरम्यान डेटा भागीदारी होणे आवश्यक आहे. ज्ञानाची देवाणघेवाण आणि एकत्र काम करण्याला चालना देण्यासाठी दक्षिण-दक्षिण आणि उत्तर-दक्षिण असे सहकार्याचे नवे प्रारूप तयार करायला हवे. विकासासाठी डेटा क्षमता बळकट करण्यासाठी मार्गदर्शन कार्यक्रम, तंत्रज्ञानविषयक साह्य आणि निधीसाठी मदत करणे महत्त्वपूर्ण ठरतील.

– डेटाविषयक पायाभूत सुविधांचे आधुनिकीकरण आणि नवे व कल्पक तंत्रज्ञान स्वीकारणे : डेटा साठवणूक, प्रक्रिया आणि विश्लेषण सुविधांसह डेटाविषयक पायाभूत सुविधांचे आधुनिकीकरण करण्यासाठी स्त्रोतांचे वितरण करणे हे ‘ग्लोबल साउथ’ अर्थव्यवस्थांसाठी आणखी एक प्रमुख क्षेत्र असायला हवे. जी-२० गटातील देशांमध्ये ६९ टक्क्यांपेक्षाही अधिक जागतिक डेटा सर्व्हर आणि क्लाउड केद्रांसह जागतिक डेटा उत्पादन, वापर व साठवणुकीचा महत्त्वपूर्ण वाटा जी-२० देशांमध्ये आहे. त्यामध्ये सध्या प्रमुख्याने अमेरिका, चीन, जपान, ब्रिटन, जर्मनी व ऑस्ट्रेलिया या देशांचा समावेश होतो. कृत्रिम बुद्धिमत्ता आणि ‘मशिन लर्निंग’ यांसारख्या नव्या व कल्पक तंत्रज्ञानाचा वापर ‘ग्रीनफिल्ड डेटासेट’ तयार करण्यासाठी करता येऊ शकतो आणि डेटा विश्लेषणाच्या मार्गाने नवी कृतियोग्य माहिती तयार करता येऊ शकते. नव्या व कल्पक तंत्रज्ञानाच्या वापरास पाठिंबा देण्यासाठी पुढे संपूर्ण कल्पक परिसंस्थाच विकसित करायला हवी. त्यामध्ये स्टार्टअपची निर्मिती,
उद्योजकतेला प्रोत्साहन देणे आणि तंत्रज्ञान केंद्रित सार्वजनिक-खासगी भागीदारी करणे समाविष्ट आहे.

– डेटाची देवाणघेवाण सुलभ करण्यासाठी यंत्रणा तयार करणे : जी-२० गटातील देशांमध्ये डेटाची देवाणघेवाण करण्यासाठी यंत्रणा स्थापन केल्याने विकासासाठी डेटाची उपलब्धता वाढेल. खुल्या डेटाच्या वापराचा पुरस्कार करण्यासाठी व खुली उपलब्धता असलेली भंडारे तयार करण्याची आवश्यकता आहे. त्या माध्यमातून विकासात्मक डेटासंच सार्वजनिकपणे उपलब्ध करून देता येऊ शकतात. याबरोबरच इलेक्ट्रॉनिक सिस्टिम्सची आंतरकार्यक्षमता मजबूत करणे आवश्यक आहे. त्यामुळे सर्व व्यासपीठांवर डेटाचे संभाव्य एकीकरण आणि वापर निश्चित करता येऊ शकेल. जी-२० गटामधील राष्ट्रीय सांख्यिकी आणि विकासासाठी डेटा संस्थांनी एकत्र येऊन डेटा गुणवत्ता, तुलनात्मकता व मानकीकरण वाढवण्यासाठी प्रयत्न करणे आवश्यक आहे. अखेरीस आणि सर्वांत महत्त्वाचे म्हणजे, गोपनीयता राखण्यासाठी आणि विश्वास निर्माण करण्यासाठी सर्वसमावेशक डेटा सुरक्षितता व सुरक्षा आराखड्याची उभारणी करणे आवश्यक आहे. त्याप्रमाणे सहमतीची मानके, दृष्टिकोन आणि नियमांसाठी आधार तयार करणे आवश्यक आहे. त्यामुळे विशिष्ट प्रकारचा विकासात्मक डेटाची देशादेशांची सीमा ओलांडून देवाणघेवाण करता येऊ शकते.

(टीप : ‘२०३० चा कार्यक्रम पुढे नेण्यासाठी डेटाचा वापर : जी-२० साठी शिफारसी’ या शीर्षकाअंतर्गत या लेखकांनी लिहिलेला तपशीलवार धोरण अहवाल ‘थिंक २० इंडिया’मध्ये प्रसिद्ध झाला आहे.)