ชี้เป้ากลุ่มเกษตรกรเปราะบาง ! พลังการบูรณาการข้อมูลหลากมิติ

Facebook
Twitter
tpmap-case-study
บทความ | ดร.อานนท์ แปลงประสพโชค
ทีมวิจัยการวิเคราะห์ยุทธศาสตร์ด้วยปัญญาประดิษฐ์ (SAI) เนคเทค-สวทช.
เรียบเรียง | วลัยลักษณ์ คงพระจันทร์
*บทความนี้นำเสนอกรณีศึกษาการบูรณาการและวิเคราะห์ข้อมูลประชากรรวมถึงสวัสดิการเพื่อบริหารราชการ โดยการวิเคราะห์ดังกล่าวเป็นความเห็นส่วนบุคคลเชิงวิชาการเท่านั้น โดยไม่ได้บ่งบอกถึงตัวเลขและสถิติที่เป็นปัจจุบัน

จากวิกฤต COVID – 19 เกิดกระบวนการการช่วยเหลือประชาชนของภาครัฐหลากหลาย ไม่ว่าจะเป็นมาตรการเยียวยา 5,000 บาท – เราไม่ทิ้งกัน นโยบายคืนค่าประกันมิเตอร์รวมถึงลดค่าใช้จ่ายประปาและไฟฟ้า และล่าสุด คือ เยียวยาเกษตรกร โดยแต่ละกระบวนการช่วยเหลือมีมาตรการตรวจสอบ / คัดเลือก แตกต่างกันไป

ล่าสุด TPMAP (Thai People Map and Analytics Platform) หรือระบบบริหารจัดการข้อมูลการพัฒนาคนแบบชี้เป้า ได้เผยแพร่กรณีศึกษาการวิเคราะห์และบูรณาการข้อมูลประชากรรวมถึงสวัสดิการเพื่อชี้เป้า “เกษตรกรกลุ่มเปราะบาง” ที่ควรได้รับการช่วยเหลือเยียวยาเป็นลำดับแรก

มิติที่ 1 : “เกษตรกร” เหล่านี้คือใคร ในมุมมองของ TPMAP

เกษตรกร = ผู้ลงทะเบียนเกษตรกร

ฐานข้อมูลเกษตรกลาง (FarmerOne) ระบุว่ามีผู้ที่อยู่ในทะเบียนเกษตรกรจำนวนกว่า 8 ล้านคน ซึ่งกระจายตัวอยู่ทั่วประเทศ โดย 5 จังหวัดที่มีการขึ้นทะเบียนเกษตรกรสูงสุด ได้แก่ นครราชสีมา อุบลราชธานี ขอนแก่น บุรีรัมย์ อุดรธานี ดังภาพแผนที่สีเขียว

เมื่อนำข้อมูลดังกล่าวมาซ้อนทับกับฐานข้อมูลบัตรสวัสดิการแห่งรัฐของกระทรวงการคลัง พบว่ามีประชากรจำนวนกว่า 3.4 ล้านคนปรากฏอยู่ทั้ง 2 ฐานข้อมูล กล่าวคือประชากรที่ขึ้นทะเบียนเกษตรกรและถือบัตรสวัสดิการแห่งรัฐ ดังภาพแผนที่สีแดง

tpmap-case-study

 

โดยจังหวัดที่มีการขึ้นทะเบียนเกษตรกรและถือบัตรสวัสดิการแห่งรัฐสูงสุดนั้น ยังคงเป็นกลุ่มจังหวัดเดียวกันและมีการกระจายตัวในลักษณะเดียวกับกับข้อมูลผู้ขึ้นทะเบียนเกษตรกรอีกด้วย

มิติที่ 2: เกษตรกรเหล่านี้ได้รับสวัสดิการใดบ้าง ?

ในมิตินี้เราใช้ “ข้อมูลทะเบียนเกษตรกร” เป็นแกนและนำมาซ้อนทับกับ “ข้อมูลสวัสดิการ 3 ประเภท” ได้แก่ (1) บัตรสวัสดิการรัฐ (2) การรับเบี้ยยังชีพผู้สูงอายุ (3) การรับเบี้ยยังชีพผู้พิการ จากกรมส่งเสริมการปกครองท้องถิ่น

พบว่า กว่า 3.2 ล้านจาก 8 ล้านคนของผู้ที่อยู่ในทะเบียนเกษตรกร ไม่ได้รับสวัสดิการทั้ง 3 ประเภทดังกล่าว ในขณะที่ราว 1 แสนคนของผู้ที่อยู่ในทะเบียนเกษตรกรได้รับสวัสดิการดังกล่าวทั้งหมด

tpmap-case-study

ภาพข้างต้นแสดงข้อมูลประชากรที่ขึ้นทะเบียนเกษตรกรกว่า 8 ล้านคนต่อการรับสวัสดิการประเภทต่าง ๆ ดังนี้

  • ไม่ได้รับสวัสดิการ 3,228,432 คน
  • ได้รับ 1 สวัสดิการ 3,380,853 คน
  • ได้รับ 2 สวัสดิการ 1,355,807 คน
  • ได้รับ 3 สวัสดิการ 117,479 คน

ทั้งนี้ ข้อมูลดังกล่าวยังสามารถใช้คำนวณการใช้จ่ายสวัสดิการของรัฐคร่าว ๆ ได้อีกด้วย

มิติที่ 3: เพิ่มเติมข้อมูล จปฐ. ตามหาเกษตรกร “ตัวจริง”

tpmap-case-study

 

กรณีนี้เรานำข้อมูลความจำเป็นพื้นฐาน (จปฐ.) ซึ่งระบุข้อมูลอาชีพอยู่มาซ้อนทับกับข้อมูลทะเบียนเกษตรกร พบว่า จาก 36 ล้านคนในข้อมูล จปฐ. มีผู้ที่ลงทะเบียนเกษตรกร 6.6 ล้านคน โดยระบุอาชีพเกษตรกรเป็นอันดับแรก (4.4 ล้านคน) ส่วนที่เหลืออีกกว่า 2 ล้านคน ระบุว่าอาชีพอื่น ๆ, ไม่มีอาชีพ, ข้าราชการ, นักศึกษา ตามลำดับ

สำหรับ 30 ล้านคนที่เหลือจากข้อมูล จปฐ. มี 6.3 ล้านคนระบุว่าประกอบอาชีพเกษตรกรแต่ไม่ปรากฏในฐานข้อมูลทะเบียนเกษตรกรแต่อย่างใด ดังนั้นหากประชากรเหล่านี้เป็นเกษตรกรจริง ๆ อาจมีแนวโน้มว่าจะไม่ได้รับการเยียวยา

เกษตรกรที่ควรได้รับความช่วยเหลือ = เกษตรกรกลุ่มเปราะบาง

นิยามของความเปราะบาง แบ่งออกเป็นสองส่วน ได้แก่ (1)ความเสี่ยง และ (2)ภาระในครัวเรือน สำหรับความเสี่ยงเราใช้ข้อมูลจากหลาย ๆ ฐานมาพิจารณาพร้อมกับโครงสร้างครัวเรือนของข้อมูลจปฐ. เป็นหลัก ดังนั้นการวิเคราะห์นี้จะจำกัดอยู่ภายใต้บุคคลที่อยู่ในฐานข้อมูลจปฐ.

ความเสี่ยง ประกอบด้วย 5 ปัจจัย ได้แก่
  1. ประกอบอาชีพเกษตรกร (เสี่ยงต่อภัยแล้ง และสภาพเศรษฐกิจ)
  2. สมาชิกในครอบครัวรวมถึงตนเองไม่เป็นผู้ขึ้นทะเบียนเกษตรกร
  3. สมาชิกในครอบครัวรวมถึงตนเองไม่ได้ถือบัตรสวัสดิการรัฐเลย (อยู่นอกสำรวจของกระทรวงการคลัง ซึ่งมีความเสี่ยงที่จะไม่ได้รับการดูแล)
  4. ยากจนตามดัชนี MPI จาก TPMAP
  5. มีเด็กยากจนในครอบครัวตามนิยามของกระทรวงศึกษาธิการ (อาจสะท้อนว่าครอบครัวนี้จนด้วย)

นิยามความเปราะบางส่วนที่ 2 ภาระในครัวเรือน คือ สมาชิกในครัวเรือนกลุ่มที่ไม่สามารถทำงานได้ และอาจต้องพึ่งพาคนอื่น ๆ ในครอบครัว กล่าวคือ หากมีเด็ก มีผู้สูงอายุ หรือมีผู้พิการในครอบครัวจัดว่ามีภาระ

จากปัจจัยความเสี่ยงและภาระตามนิยามข้างต้น ดังนั้น หากเกษตรกรกลุ่มใดมีปัจจัยความเสี่ยงและภาระสูงควรที่จะได้รับการช่วยเหลือเยียวยาเป็นลำดับแรก ๆ
tpmap-case-study

 

ตัวอย่าง การตามหากลุ่มเกษตรเปราะบาง (ความเสี่ยงและภาระสูง) จากข้อมูลจริง

tpmap-case-study

 

สำหรับด้านความเสี่ยง พบว่าเกษตรกรกว่า 5,000 คนมีความเสี่ยงครบทั้ง 5 ปัจจัย ได้แก่ ประกอบอาชีพเป็นเกษตรกร, ไม่มีสมาชิกครอบครัวรวมถึงตนเองเป็นขึ้นทะเบียนเกษตร, ไม่มีสมาชิกครอบครัวรวมถึงตนเองได้รับบัตรสวัสดิการ, ยากจนตามดัชนี MPI และมีเด็กยากจนในครอบครัวตามฐานข้อมูลกระทรวงศึกษาธิการโดยค่าความเสี่ยงจะลดหลั่นกันไปจากสีแดงเข้ม เป็นสีเทา และดำตามลำดับ

สำหรับด้านภาระ จะเลือกพิจารณาภาระของเกษตรกรที่มีความเสี่ยงตั้งแต่ 3 ปัจจัยขึ้นไป พบว่าเกษตรกรกว่า 24,000 คน มีภาระครบทั้ง 3 ประเภท ได้แก่ เด็ก ผู้สูงวัย และพิการ โดยแบ่งเป็นหัวหน้าครัวเรือนกว่า 9,000 คน และเป็นลูกบ้านกว่า 15,000 คน โดยความมากน้อยของภาระจะลดหลั่นกันไปจากสีแดงเข้ม สีเทา และดำตามลำดับ

เกษตรกรกลุ่มเปราะบาง : มีจำนวนเท่าไหร่และอยู่ที่ไหนกันบ้าง ?

tpmap-case-study

 

ในกรณีนี้เราพิจารณาบุคคลที่แจ้งว่าตนเองเป็นเกษตรกร โดยมีนิยามความเปราะบางดังนี้

  1. ความเสี่ยงตั้งแต่ 3 ปัจจัยขึ้นไป
  2. ภาระมากกว่า 2 ประเภทขึ้นไป

โดยพบว่า เกษตรกรกว่า 3.27 แสนคนที่มีความเปราะบางควรได้รับความช่วยเหลือ โดย 5 จังหวัดที่มีกลุ่มเกษตรกรเปราะบางสูงสุด ได้แก่ บุรีรัมย์ ศรีสะเกษ อุบลราชธานี นครศรีธรรมราช และอุดรธานี

นอกจากนี้ TPMAP ยังสามารถชี้เฉพาะเป็นรายบุคคลได้ว่า “เกษตรกรเปราะบางทั้งประเทศ” จำนวน 3.27 แสนคนนี้คือใคร อยู่ที่ไหน มีเดือนร้อนอย่างไร เพื่อให้เจ้าหน้าที่ในท้องถิ่นสามารถเข้าไปให้ความช่วยเหลือได้ทันที นอกจากนี้หากพิจารณาการนำไปใช้งานจริง สามารถปรับลดค่าความเสี่ยงหรือภาระตามความเหมาะสม หรือเพิ่มปัจจัยพิจารณาได้

 

สรุปและข้อเสนอแนะ: พลังการบูรณาการข้อมูลหลากมิติ

การเชื่อมโยงข้อมูลจากหลากมิติ หลายฐานข้อมูล โดยมีโจทย์ตั้งต้นที่ชัดเจน ส่งผลให้ข้อมูลนั้นมี “พลัง” ขึ้นอีกมาก โดยการวิเคราะห์ในกรณีศึกษานี้ใช้ข้อมูลจากหลายฐานข้อมูล ได้แก่ ข้อมูลความจำเป็นพื้นฐาน (จปฐ.) บัตรสวัสดิการรัฐ ดัชนีความยากจนจาก TPMAP ฐานข้อมูลการขึ้นทะเบียนเกษตรกร ฐานข้อมูลการรับเบี้ยผู้สูงอายุและผู้พิการ และฐานข้อมูลเด็กนักเรียนยากจน

พลังของการบูรณาการข้อมูลหลายฐานหลากมิติ
• เห็นข้อมูลได้หลากหลายมิติมากขึ้น: ทราบถึงการรับสวัสดิการของประชากรทั้งในมิติของบุคคลและครัวเรือน หรือข้ามหน่วยงาน ซึ่งสามารถให้ลำดับการให้ความช่วยเหลือได้อย่างมีประสิทธิภาพมากยิ่งขึ้น
• การวิเคราะห์แม่นยำมากขึ้น: ข้อมูลจากหลายแหล่งสามารถใช้ยืนยันซึ่งกันและกันได้ เช่น ครัวเรือนยากจนตามเกณฑ์ดัชนีความยากจนที่คำนวณจากข้อมูลความจำเป็นพื้นฐาน (จปฐ.) หากทราบว่าครัวเรือนนั้นมีเด็กยากจนตามข้อมูลกระทวงศึกษาธิการด้วย ยิ่งทำให้มั่นใจได้มากขึ้นว่าครัวเรือนดังกล่าวยากจนจริง