Цифровые проекты. Выпуск 31. Анализ мер социальной поддержки с помощью цифровых инструментов

Продолжаем рассказ о цифровых решениях в области аудита, созданных в Счетной палате Российской Федерации. На этот раз предлагаем вашему вниманию кейс по анализу информации о получателях мер социальной поддержки, в котором использованы базовые возможности аналитического инструмента PolyAnalyst.
Решение создано в рамках контрольного мероприятия Департамента аудита социальной защиты и культуры «Проверка расходования средств федерального бюджета, выделяемых на предоставление мер социальной поддержки с учетом критериев нуждаемости в рамках государственной программы Российской Федерации «Социальная поддержка граждан».
Рассказывает главный инспектор инспекции социальной политики Департамента аудита социальной защиты и культуры Елена Груздева:
— При проведении проверки расходования средств на социальную поддержку из федерального бюджета в 2020-2021 годах и истекшем периоде 2022 года у нас возникла необходимость проанализировать данные по получателям этой поддержки. Исходные массивы данных представляли собой деперсонализированную выгрузку данных по лицам , подавшим заявления на получение социальной поддержки за временной период 2,5 года. Один из массивов данных содержал информацию о положительных решениях по выплате денежных средств в рамках социальной поддержки. Другой массив содержал данные об отказах в предоставлении соцподдержки и причинах отказа.
Задача состояла в том, чтобы перейти от традиционной описательной статистики по количеству заявлений к глубокому анализу по конкретным заявителям. В частности, требовалось установить кратность подачи заявлений отдельными получателями соцподдержки, частоту отказов, их причины по каждому заявителю. Подобная задача практически не реализуема с помощью Excel или других популярных программ, предназначенных для работы с электронными таблицами.
Но для PolyAnalyst наша задача оказалась просто «классикой жанра». Определив ключом индивидуальный условный номер каждого получателя, мы объединили массивы данных с положительными решениями и отказами в выплатах, получив в результате новый единый набор данных. Агрегация по количеству выплат и отказов на одного заявителя, в том числе в разрезе причин отказов, позволила нам получить принципиально новую информацию о предмете контрольного мероприятия. Анализ этой информации мы включили в итоговый отчет, сделав его существенно более содержательным и конструктивным.
Заместитель начальника управления развития цифровых методов аудита ФКУ «ЦЭАИТ СП» Роман Некрасов считает, что представленный кейс отражает важную современную тенденцию в сфере анализа данных:
— Мы видим, как использование актуальных цифровых инструментов формирует новую аналитическую парадигму. Инспекторы переходят от изучения сводных отчетов ГРБС к работе с «первоисточником» — первичными (неагрегированными) данными, выгружаемыми напрямую из информационных систем объекта контроля. Это позволяет более глубоко разобраться в реальных социально-экономических проблемах, прийти к более глубоким выводам, повысить эффективность рекомендаций.
Предварительная информация о проекте содержится в базе знаний по цифровым решениям Системы управления знаниями в разделе «Репозиторий цифровых решений».

Информация доступна по ссылке: https://wiki.ach.gov.ru/pages/viewpage.action?pageId=103421433 (при дистанционном доступе в ИТКС Счетной палаты на вашем компьютере должно быть запущено приложение «Континент АП»).
По вопросам применения аналитического инструмента PolyAnalyst и других средств анализа данных для решения практических задач текущей деятельности Счетной палаты обращайтесь к заместителю начальника управления развития цифровых методов аудита ФКУ «ЦЭАИТ СП» Роману Некрасову.