A Context-Driven Data Visualization Engine for Improved Citizen Service and Government Performance

Every day, the US government creates and consumes significant amounts of data. Federal agencies are finally riding the wave of Big Data Analytics for solving problems such as improving citizen service. Domestic tranquility, customer satisfaction, transparency, and providing quality service are among the many critical goals that most government agencies aim to achieve through citizen service. Federal, State, County, and City governments are constantly challenged by the overwhelming number of service requests from citizens, organizations, scholars, the media, and many other entities. Governments, however, are constantly facing accountability issues that can call into question their role and efficiency. This paper, through the use of data science and context, introduces a novel engine that could be used at any federal agency to improve citizen service, evaluate performance metrics, and provide pointers to enhance satisfaction rates. The model used in the engine (called iGPS) is deployed through a number of real-world citizen’s complaints datasets. Insightful and actionable data visualizations are introduced to federal employees depending on their context. - The goal is to aid them in decision-making. The model is tested for the first time (through six governmental datasets from 46 agencies), machine learning models are developed, visualizations are built, the system is deployed at the US government, and experimental results are recorded and presented.

Chaque jour, le gouvernement génère et consomme de grandes quantités de données. Les agences fédérales sont maintenant à la pointe de l’analyse du Big Data pour résoudre des problèmes tels que l’amélioration du service aux citoyens. La tranquillité domestique, la satisfaction de la clientèle, la transparence et la fourniture de services de qualité comptent parmi les nombreux objectifs critiques que la plupart des agences gouvernementales visent à atteindre grâce au service aux citoyens. Les gouvernements fédéral, d’état, des comtés et des villes sont constamment confrontés à un nombre impressionnant de demandes de citoyens, d’organisations, de chercheurs, de médias et de nombreuses autres entités. Les gouvernements sont toutefois constamment confrontés à des problèmes de responsabilité qui peuvent remettre en question leur rôle et leur efficacité. Cet article, grâce à la science des données et du contexte, introduit un nouveau moteur qui pourrait être utilisé par toute agence fédérale dans le but d’améliorer le service aux citoyens,
d’évaluer les paramètres de performance et de fournir des indications pour améliorer les taux de satisfaction. Le modèle utilisé dans ce moteur (appelé iGPS) est déployé à travers un certain nombre de jeux de données de taille réelle. Les visualisations de données significatives et exploitables sont présentées aux employés fédéraux en fonction de leur contexte pour les aider dans leur prise de décision. Le modèle a été testé pour la première fois (à travers six ensembles
de données gouvernementales provenant de 46 agences), des modèles d’apprentissage automatique sont développés, des visualisations sont réalisées, le système est déployé au gouvernement américain et les résultats expérimentaux sont enregistrés et présentés.

Context Data Visualizations Government Federal Agency Citizen Service

Contexte Visualisation de données Gouvernement Agence Fédérale Service au citoyen