CV Data

第 5 步：实施真实世界的测试和评估。在 GLA 的经济学家和专家评估员以及行为洞察团队的支持下，最后一步是每个行政区派出建筑检查员查看算法建议的房产。

这并不简单。为了提供有意义的结果，我们不能简单地将每个团队使用算法生成的列表的命中率（检查中正确识别出 HMO 的百分比）与他们的历史表现进行比较。相反，我们需要进行随机对照试验，甚至建筑检查员也不知道他们遵循的是哪个列表。

由于每个方式，因此情况变得复杂。有些行政区使用移动设备记录访问情况，而另一些行政区仍然使用纸质记录。在某些情况下，行政区只对 HMO（即租户投诉）做出反应，因此没有可供比较的主动检查模型。因此，为所有行政区创建一个可比较的工作方法极具挑战性。这些问题将在未来几周引起我们的关注。

早期见解
与此同时，从目前看到的情况来看，我们值得得出三个教训：

1. 地方当局使用的不同技术和数据标准不会妨碍开展联合数据计划。 虽然在某些细分领域可能需要遵守通用数据标准，但技术正在降低其重要性。需要强调的是：遗留 IT 系统不是推迟使用数据的正当借口。2

. 数据分析不仅改进了现有的工作方式，还 LINE 数据 使新的工作方式成为可能。一些行政区不对可疑的 HMO 进行主动检查，因为这太耗费资源。但是，如果算法可以提高此类检查对 HMO 产生积极结果的可能性，那么该预测模型不仅在经济上可行，而且是可取的。

3. 实施和评估是最困难但最必要的部分。如果公共部门认真考虑使用数据进行深度改革，那么这个过程就不能留给数据团队。数据的作用在于它能够导致行动。这意味着愿意调整流程和工作方式。这也意味着致力于衡量结果。这些数据实验——它们只是实验——只有经得起严格的评估，才能赢得人心并带来更广泛的改革。

布丁的证明……
最终，这项试点项目的成功取决于最后一点。该项目的全部目的就是表明，在城市范围内整合、分析和处理数据不仅仅是一个有趣的想法，而且能够带来实际结果。得益于 ASI 的专业知识，数据科学变得很简单。从理论到行动才是困难的部分。