Доказательное содействие международному развитию как часть доказательной внешней политики?

Мы живем в эпоху расцвета «больших данных» (big data). Во многих сферах государственного управления можно заметить тенденцию к внедрению инструментов принятия решений на основе данных. Английский термин «evidence-based policy» принято переводить на русский как «доказательная политика»[1]. Доказательная политика основывается на анализе предварительно собранных данных (в большинстве случаев количественных, но возможно и смешанных), важность которых была определена для принятия тех или иных решений. Принятие решений в доказательной политике должно основываться именно на анализе данных, а не на личном мнении (пусть и опытных и авторитетных людей).

 

Применим ли данный подход к внешнеполитической деятельности? Какие данные необходимы для принятия решений или для оценки успешности внешнеполитической деятельности[2]? Статистика голосования в ООН? Данные опросов общественного мнения в иностранных государствах? Количество иностранных туристов в России? Популярность российского образования? Товарооборот? Упоминание России в иностранных сегментах соцсетей?

 

 

Содействие международному развитию[3] представляет собой одно из направлений внешнеполитической деятельности, наиболее подходящее для планирования, основанного на данных. В качестве данных может выступать постоянно собираемая статистика на определенную тему, например, узнаваемость донора в стране-получателе. Опрос, ежегодно осуществляемый Asia Foundation в Афганистане, показывает, что число афганцев, которые назвали Россию в числе первых двух доноров, о проектах помощи которых им известно, последние несколько лет составляет порядка 2%[4]. Наличие подобных данных о приоритетных получателях российской помощи могло бы быть полезно при анализе каналов доведения российских средств до таких стран, как Киргизия, Сербия, Таджикистан и так далее. Полезность таких периодически собираемых данных, прежде всего, заключается в возможности отследить изменения за определенный период времени. Однако слабостью таких достаточно высокого уровня данных может явиться невозможность четкого отнесения происходящих изменений на счет усилий именно страны-донора, а не каких-либо сторонних факторов.

 

Вторым типом данных, к которым может обратиться донор, являются данные оценки отдельных программ и проектов. Методы оценки могут быть различными, но наибольшей методологической силой с точки зрения определения результата программы и отнесения его именно к усилиям донора обладает оценка воздействия (impact evaluation). Как правило, оценка воздействия пытается определить разницу между группой населения, которая участвовала в некой программе, и контрольной группой, не участвовавшей в программе. Показателен пример проекта по детскому питанию (Integrated Nutrition Project), реализованный в 1995-2002 годах в Бангладеш при поддержке Всемирного банка и общей стоимостью порядка 70 млн. долларов. Суть проекта заключалась в идентификации недоедающих младенцев и предоставлении их матерям дополнительного питания и соответствующей информации. Согласно первым оценкам проект имел большой успех. Вес истощенных детей действительно рос, даже рассматривалась возможность распространения проекта на всю страну. Однако когда была применена методология оценки воздействия (сначала некоммерческой организацией Save the children), выяснилось, что вес детей в группе интервенции не отличается от веса детей в группе контроля, то есть проект воздействия не имел[5]. Гораздо более важную роль сыграл хороший урожай риса, снижение его стоимости и растущий доход семей. Если бы донор не воспользовался точными данными и достаточно сложной методологией оценки, он мог бы принять неверное решение о распространении проекта. В свою очередь это привело бы к тому, что значительные средства были бы затрачены на неработающий по разным причинам проект, а не на эффективные меры по поддержке здоровья детей, особенно в годы плохого урожая риса.

 

Оценка воздействия – крайне модный сейчас метод в сфере содействия развитию. Набирает обороты и финансирование по результатам, когда результат, а не вклад или процесс по предоставлению помощи, становится во главе всего. К примеру, Япония предоставила Нигерии кредит в размере 77 млн. долларов на борьбу с полиомиелитом. Если Нигерия достигнет ожидаемых результатов по вакцинации, то долг Японии вернет не она, а Фонд Билла и Мелинды Гейтс[6]. Доноры все чаще применяют такие инновационные схемы финансирования, напрямую привязанного к результатам и достоверным данным о них.

 

Но эйфория по поводу возможностей использования данных, особенно больших данных, в сфере содействия международному развитию несколько омрачается практикой, которая сложилась на данный момент.

 

Во-первых, такие данные дорогие. Ожидается, что осенью государства-члены ООН утвердят Цели устойчивого развития на период 2015-2030 годов. Для измерения достижения 17 целей и 169 задач ежегодно понадобится 1 млрд. долларов дополнительных финансовых ресурсов для развития систем статистики в 77 развивающихся странах[7]. Стоимость оценки воздействия одного проекта обычно начинается от 500 тыс. долларов США.

 

Во-вторых, на них не всегда можно положиться. Никто не отменял человеческий фактор: интервьюеры порой сами заполняют анкеты, чиновники занимаются приписками и так далее. Сейчас в США разгорается скандал с использованием средств на реконструкцию Афганистана. Специальный генеральный инспектор США по реконструкции Афганистана подозревает, что данные по количеству афганских школьников систематически подделывались бывшими чиновниками Министерства образования Афганистана[8]. Однако USAID постоянно докладывало об успехах (более чем восьмикратный рост числа школьников с 2002 по 2013 годы) и выделяло все новые и новые средства, основываясь на ложных данных. Также существует ряд данных, которые изначально могут быть не валидны. Например, вряд ли стоит оценивать донорские программы содействия развитию бизнеса в Киргизии по изменению положения страны в рейтинге Doing business, ведь по некоторым аспектам выборка для заключения о ситуации в Киргизии составляла всего 1 единицу[9].

 

В-третьих, охота за данными зачастую заканчивается на этапе их добычи. Большинство данных (напомним, дорогих) так и остаются лежать в столах или на полках. Использование данных крайне ограничено, не хватает ресурсов на их аналитическое осмысление. Прежде, чем собирать данные, нужно четко понимать, кто, как и для какой цели будет их использовать.

 

В-четвертых, есть ситуации, где принципы доказательной политики не применимы в их наиболее очевидном виде. Некоторые системы настолько сложны, что их нельзя разложить на составляющие и измерить. Можно разобрать часы и, измерив работу их составных частей, сделать вывод обо всей системе, но можно ли то же самое проделать с кошкой? Например, многие программы помощи направлены на содействие социально-экономическим реформам в развивающихся странах, но результативность таких усилий сложно измерить.

 

И все же доказательная помощь развитию и использование данных вносят свой положительный вклад в СМР. Большинство крупных доноров внедрили принципы доказательной политики в свою практику, и пытаются повышать эффективность использования средств своих налогоплательщиков. Ожидается, что вопросу данных для развития будет уделено большое внимание на проходящей в эти дни Третьей конференции по финансированию развития и на осеннем саммите ООН по вопросу принятия Целей устойчивого развития.

 

Как вы думаете, нужно ли применять подход доказательной политики во внешнеполитической деятельности (кроме СМР)? Возможно ли это? Или стоит избегать внедрения «лжи, наглой лжи и статистики» во внешнеполитическую деятельность?