我们每年为医疗保健目的提供超过 亿美元的拨款， 美国卫生与公众服务部 的布兰登说。 对我们来说，生物医学和医疗保健与业务数据（我们如何运营我们的组织）之间的界限是我们如何区分业务数据，即人力资本数据、人力支出和预算数据。 财政部的不付款业务中心与各机构合作，通过错误、欺诈、浪费或滥用等情况来检测不当付款。 我们拥有以数据为中心的工具，例如具有自动数据匹配功能的在线门户，可以帮助检测不当付款， 财政部的伊安诺塔说。
我们使用数据作为确定资格的来源
例如，某个机构最近可能向已故的人或最近被禁止与联邦政府开展业务的公司付款。挑战是处理越来越多的数据，同时仍需要确保数据准确性。 掌握准确的数据是做出是否对不当付款采取行动的良好决定的基础， 伊安诺塔说。 然而，根据不准确的数据做出这些决定将会导致很多人心碎。 不准确的数据不仅会导致政府心碎，还会造成严重的财务损失和公众的不信任。 我们最大的问题是我们拥有的数据量， 布兰登说。 我们有超过 亿美元的拨款，我们必须核实数亿的来源。确保我们拥有的所有数据都是高质量的并讲述正确的故事也是最大的挑战。
政府面临的最大数据挑战归结
为数据的数量和质量。 归根结底，存在质量和数量问题， 斯特劳布说。 当人们外出并将数据输入系统时，它会保留在系统中。一旦获得大量数据，管理就变得非常困难。我们有很多算法可以以各种形式运行。数据以多种不同的方式用于多种不同的目的。因此，这取决于数据的组织和索引方式。 许多机构正在转向结合技术技能、数据和人际互动的多层方法。这三个因素对于提高数据准确性和分析都很重要。 布兰登说： 我们既有手动方法，也有技术帮助，在数据通过系统时运行不同的算法。 我们希望用它来进行更多的预测分析，以帮助我们更好地运行我们的程序。