کیفیت داده؛ حلقه گمشده پروژههای هوشمندسازی شهری
تصور کنید یک شهرداری به چندین سامانه نرمافزاری، داشبورد مدیریتی، بانک اطلاعاتی و ابزار تحلیلی مجهز شده است. اطلاعات شهرسازی، درآمد، نوسازی، املاک، خدمات شهروندی و سایر حوزهها در سامانههای مختلف ثبت میشوند و مدیران نیز به گزارشهای متعددی دسترسی دارند.
اما یک سؤال مهم وجود دارد: اگر دادههای موجود دقیق، کامل، بهروز و سازگار نباشند، آیا این زیرساخت واقعاً میتواند به هوشمندسازی شهر کمک کند؟ پاسخ روشن است: خیر.
هوشمندسازی شهری بدون داده باکیفیت، مانند ساختن یک داشبورد بسیار پیشرفته با اطلاعات اشتباه است. ظاهر سیستم ممکن است مدرن باشد، اما تصمیمی که بر اساس آن گرفته میشود، الزاماً تصمیم درستی نخواهد بود.
امروزه بسیاری از پروژههای هوشمندسازی شهری و تحول دیجیتال شهرداریها بر ایجاد سامانههای جدید، اتصال سیستمها، استفاده از هوش مصنوعی، داشبوردهای مدیریتی و تحلیل داده تمرکز دارند. اما در میان این فناوریها، موضوعی بنیادی وجود دارد که گاهی کمتر مورد توجه قرار میگیرد: کیفیت داده، پایه واقعی هوشمندسازی شهری است.
در این مقاله بررسی میکنیم کیفیت داده چیست، چرا برای شهرداریها اهمیت دارد، چه عواملی باعث افت کیفیت داده میشوند و چگونه میتوان کیفیت داده را به بخشی از معماری مدیریت شهری هوشمند و یکپارچه تبدیل کرد.
کیفیت داده چیست؟
کیفیت داده به میزان مناسب بودن دادهها برای استفاده در یک هدف مشخص گفته میشود. برای مثال، اگر اطلاعات یک ملک در سامانه شهرداری ثبت شده باشد، فقط وجود این اطلاعات کافی نیست. باید بدانیم:
- آیا اطلاعات کامل است؟
- آیا صحیح است؟
- آیا بهروز است؟
- آیا در سامانههای مختلف یکسان است؟
- آیا شناسه مشخصی دارد؟
- آیا منبع آن مشخص است؟
- آیا امکان استفاده از آن در فرآیندهای دیگر وجود دارد؟
بنابراین کیفیت داده را میتوان از چند بُعد مهم بررسی کرد.
مهمترین ابعاد کیفیت داده
دقت (Accuracy)
اطلاعات باید با واقعیت مطابقت داشته باشد.
کامل بودن (Completeness)
دادههای موردنیاز نباید بدون دلیل ناقص باشند.
بهروز بودن (Timeliness)
داده باید در زمان مناسب بهروزرسانی شود.
سازگاری (Consistency)
یک داده نباید در سامانههای مختلف با مقادیر متناقض ثبت شده باشد.
یکپارچگی (Integrity)
ارتباط بین دادهها باید حفظ شود و تغییرات بدون کنترل مناسب باعث آسیب به ساختار اطلاعات نشود.
قابل دسترس بودن (Availability)
کاربر یا سامانه مجاز باید بتواند در زمان مناسب به داده موردنیاز دسترسی داشته باشد.
این ویژگیها زمانی اهمیت بیشتری پیدا میکنند که داده قرار است مبنای تصمیمگیری مدیریتی قرار گیرد.
چرا کیفیت داده برای شهرداریها اهمیت بیشتری دارد؟
شهرداری یکی از سازمانهایی است که حجم زیادی از اطلاعات را در فرآیندهای مختلف تولید و مصرف میکند. اطلاعات مربوط به:
- املاک
- شهرسازی
- پروانهها
- نوسازی
- درآمد
- عوارض
- خدمات شهروندی
- پروژههای عمرانی
- GIS
- پروندههای کمیسیونها
- اطلاعات مالی
- درخواستها و شکایات شهروندان
همگی میتوانند در تصمیمگیریهای شهری نقش داشته باشند. مشکل زمانی ایجاد میشود که این اطلاعات در سامانههای مختلف و بدون یک استاندارد مشخص ذخیره شوند. برای مثال، ممکن است یک ملک در یک سامانه با یک شناسه و در سامانه دیگر با شناسه متفاوت ثبت شده باشد.
یا اطلاعات مالک در یک سیستم بهروز شده باشد اما همان تغییر در سیستم دیگری اعمال نشده باشد. در این حالت، شهرداری ممکن است داده داشته باشد، اما اطلاعات قابل اعتماد نداشته باشد.
تفاوت «داده زیاد» با «داده باکیفیت»
یکی از برداشتهای اشتباه در پروژههای هوشمندسازی این است که هرچه حجم داده بیشتر باشد، سازمان هوشمندتر است. در حالی که: داده بیشتر ≠ داده بهتر
فرض کنید یک شهرداری میلیونها رکورد اطلاعاتی در اختیار دارد، اما بخشی از این رکوردها:
- تکراری هستند؛
- اطلاعات ناقص دارند؛
- بهروز نیستند؛
- بین سامانهها مغایرت دارند؛
- یا منبع مشخصی ندارند.
افزایش حجم چنین دادهای لزوماً ارزش بیشتری ایجاد نمیکند. گاهی حتی برعکس، حجم بالای دادههای نامعتبر باعث میشود تحلیل اطلاعات دشوارتر شود.
بنابراین سؤال اصلی این نیست که: «چقدر داده داریم؟»
بلکه باید پرسید: «چقدر از دادههای ما قابل اعتماد و قابل استفاده است؟»
داده بیکیفیت چگونه تصمیمگیری شهری را تحت تأثیر قرار میدهد؟
تصمیمگیری مدیریتی به اطلاعات وابسته است. اگر داده ورودی اشتباه باشد، خروجی تحلیل نیز میتواند اشتباه شود. یک زنجیره ساده را در نظر بگیریم: داده → اطلاعات → تحلیل → گزارش → تصمیم
اگر در ابتدای این زنجیره مشکل وجود داشته باشد، مراحل بعدی نیز تحت تأثیر قرار میگیرند. برای مثال، اگر اطلاعات مربوط به وصول درآمد ناقص باشد، داشبورد مدیریتی ممکن است تصویر دقیقی از وضعیت درآمد ارائه نکند. اگر اطلاعات مکانی پروندهها اشتباه باشد، تحلیل GIS نیز میتواند نتیجه نامناسبی ایجاد کند.
اگر اطلاعات شهروندان تکراری باشد، آمار واقعی درخواستها و مراجعات ممکن است با واقعیت تفاوت داشته باشد. به همین دلیل، کیفیت داده باید پیش از مرحله تحلیل و هوشمندسازی مورد توجه قرار گیرد.
۷ نشانه که نشان میدهد کیفیت داده در شهرداری نیاز به بررسی دارد
گاهی لازم نیست برای تشخیص مشکل، یک پروژه بزرگ تحلیل داده اجرا شود. برخی نشانهها بهوضوح نشان میدهند که کیفیت داده نیازمند توجه است.
۱. ثبت چندباره اطلاعات
اگر کاربر مجبور باشد اطلاعات یکسان را در چند سامانه وارد کند، احتمال خطا و ایجاد نسخههای متفاوت از یک داده افزایش پیدا میکند.
۲. مغایرت اطلاعات بین واحدها
اگر واحد درآمد، شهرسازی و نوسازی درباره اطلاعات یک ملک یا پرونده، اطلاعات متفاوتی داشته باشند، این موضوع میتواند نشانه ضعف در هماهنگی دادهها باشد.
۳. گزارشهای متفاوت از یک شاخص
اگر دو واحد مختلف با استفاده از اطلاعات سازمان، دو عدد متفاوت برای یک شاخص گزارش کنند، باید منشأ اختلاف بررسی شود.
۴. وابستگی زیاد به فایلهای Excel
فایلهای اکسل میتوانند برای تحلیلهای موردی بسیار مفید باشند، اما اگر اطلاعات اصلی سازمان دائماً بین افراد و واحدها با فایلهای متعدد جابهجا شود، احتمال ایجاد نسخههای مختلف و مغایرت افزایش پیدا میکند.
۵. قدیمی بودن اطلاعات
اطلاعاتی که مدت زیادی بهروزرسانی نشدهاند، ممکن است دیگر برای تصمیمگیری مناسب نباشند.
۶. دشواری تهیه گزارش مدیریتی
اگر تهیه یک گزارش ساده به جمعآوری دستی اطلاعات از چند سامانه نیاز داشته باشد، احتمالاً جریان داده در سازمان هنوز به اندازه کافی یکپارچه نیست.
۷. بیاعتمادی مدیران به گزارشها
این یکی از مهمترین نشانههاست.
اگر مدیران دائماً مجبور باشند برای اطمینان از صحت گزارشها، اطلاعات را از چند منبع بررسی کنند، ارزش سیستمهای اطلاعاتی کاهش پیدا میکند.
سامانههای جزیرهای؛ یکی از عوامل افت کیفیت داده
یکی از چالشهای مهم شهرداریها، وجود سامانههای جزیرهای است. هر واحد ممکن است سامانه مخصوص خود را داشته باشد و دادههای موردنیازش را به شکل مستقل مدیریت کند. در نگاه اول، هر سامانه ممکن است عملکرد مناسبی داشته باشد. اما وقتی این سامانهها باید با یکدیگر ارتباط برقرار کنند، مشکلات آشکار میشوند.
برای مثال:
شهرسازی⬇
اطلاعات ملک⬇
درآمد⬇
محاسبه عوارض⬇
مالی⬇
ثبت و پیگیری وصول
اگر ارتباط مناسبی میان این سیستمها وجود نداشته باشد، بخشی از اطلاعات ممکن است دوباره وارد شود. این ورود مجدد، علاوه بر افزایش زمان، احتمال خطا و ایجاد دادههای متناقض را نیز افزایش میدهد.
یکپارچهسازی سامانهها چه ارتباطی با کیفیت داده دارد؟
یکپارچهسازی سامانههای شهرداری فقط برای سرعت بیشتر فرآیندها نیست. یکپارچهسازی صحیح میتواند به کنترل بهتر کیفیت داده نیز کمک کند. وقتی داده از یک منبع معتبر تولید شود و از طریق سازوکار مشخص در اختیار سایر سامانهها قرار گیرد، احتمال ثبت چندباره و متفاوت اطلاعات کاهش پیدا میکند.
برای مثال: شهرسازی → API → درآمد
در این ساختار، سامانه درآمد میتواند اطلاعات موردنیاز خود را از یک مسیر مشخص دریافت کند. در نتیجه، به جای اینکه کاربر اطلاعات را دوباره وارد کند، داده میتواند بهصورت سیستمی منتقل شود. این رویکرد میتواند به ایجاد Single Source of Truth یا «منبع مرجع داده» برای برخی اطلاعات کلیدی کمک کند.
API چگونه به کیفیت داده کمک میکند؟
API یا رابط برنامهنویسی کاربردی، یکی از ابزارهای مهم برای تبادل اطلاعات میان سامانههاست. فرض کنید اطلاعات یک پرونده در سامانه شهرسازی ثبت شده است. اگر سامانه درآمد برای محاسبات خود به این اطلاعات نیاز داشته باشد، میتوان با استفاده از یک API مشخص، داده موردنیاز را دریافت کرد.
در این حالت:
ثبت اولیه داده → اعتبارسنجی → ذخیره در سامانه مرجع → اشتراکگذاری با سامانههای مجاز
این مدل میتواند از ایجاد نسخههای متعدد و متناقض از یک داده جلوگیری کند. البته API بهتنهایی تضمینکننده کیفیت داده نیست. اگر داده اولیه اشتباه باشد، API فقط همان داده اشتباه را سریعتر منتقل میکند.
بنابراین: یکپارچهسازی باید همراه با استانداردسازی و کنترل کیفیت داده انجام شود.
استانداردسازی داده؛ قدمی که نباید نادیده گرفته شود
تصور کنید در یک سامانه، وضعیت پرونده با عبارت: «مختومه» ثبت شده باشد و در سامانه دیگری برای همان وضعیت از: «بسته شده» استفاده شود.
از دید کاربر انسانی ممکن است هر دو یک مفهوم داشته باشند، اما برای سیستمهای اطلاعاتی و تحلیل داده، این تفاوت میتواند مشکل ایجاد کند. بنابراین لازم است برای دادههای مهم سازمان، استانداردهای مشخصی تعریف شود. از جمله:
- قالب اطلاعات
- کدگذاری
- شناسههای یکتا
- نامگذاری
- واحدهای اندازهگیری
- فرمت تاریخ
- مقادیر مجاز
- ساختار آدرس
- شناسه ملک
- شناسه پرونده
استانداردسازی باعث میشود سامانههای مختلف زبان مشترکتری برای تبادل اطلاعات داشته باشند.
نقش GIS در کیفیت داده شهری
کیفیت داده فقط مربوط به اطلاعات متنی و مالی نیست. داده مکانی نیز باید از کیفیت مناسبی برخوردار باشد. در GIS شهری، اطلاعاتی مانند:
- موقعیت ملک
- محدوده مناطق
- معابر
- کاربری زمین
- پروژههای عمرانی
- تأسیسات
- خدمات شهری
- پروندههای شهرسازی
به موقعیت جغرافیایی مرتبط هستند. اگر داده مکانی دقیق نباشد، تحلیلهای مبتنی بر نقشه نیز میتوانند دچار خطا شوند. بنابراین کیفیت داده مکانی باید در کنار کیفیت دادههای سازمانی مورد توجه قرار گیرد.
داشبورد مدیریتی بدون داده باکیفیت چه ارزشی دارد؟
داشبورد مدیریتی یکی از ابزارهای مهم مدیریت دادهمحور است. اما داشبورد فقط زمانی ارزش واقعی ایجاد میکند که اطلاعات پشت آن قابل اعتماد باشند. یک داشبورد بسیار زیبا با نمودارهای متعدد، اگر بر اساس دادههای ناقص یا ناسازگار ساخته شده باشد، نمیتواند تصویر واقعی سازمان را نشان دهد.
به همین دلیل قبل از طراحی داشبورد باید مشخص شود: منبع داده چیست؟ داده چه زمانی بهروزرسانی میشود؟ چه کسی مسئول آن است؟ چگونه صحت آن کنترل میشود؟ تعریف هر شاخص چیست؟
این موضوع باعث میشود داشبورد از یک ابزار نمایشی به یک ابزار واقعی تصمیمگیری مدیریتی تبدیل شود. هوش مصنوعی بدون کیفیت داده؛ یک مسیر پرریسک
امروزه هوش مصنوعی یکی از مهمترین موضوعات در پروژههای تحول دیجیتال و هوشمندسازی شهری است.
اما یک اصل مهم وجود دارد: هوش مصنوعی نمیتواند کیفیت پایین داده را بهصورت جادویی برطرف کند.
اگر دادههای آموزشی یا ورودی ناقص، جانبدارانه، تکراری یا اشتباه باشند، خروجی سیستم هوشمند نیز میتواند تحت تأثیر قرار گیرد.
به همین دلیل، پیش از استفاده گسترده از هوش مصنوعی در شهرداری باید به موضوعاتی مانند:
- کیفیت داده
- پاکسازی داده
- استانداردسازی
- امنیت
- حریم خصوصی
- مدیریت دسترسی
- مالکیت داده
- ثبت منبع داده
توجه شود.
به بیان ساده: هوش مصنوعی قوی + داده ضعیف = خروجی غیرقابل اعتماد
اما: داده باکیفیت + زیرساخت مناسب + تحلیل هوشمند = پایهای برای تصمیمگیری بهتر
چگونه کیفیت داده شهرداری را افزایش دهیم؟
برای بهبود کیفیت داده، لازم نیست همه چیز یکباره تغییر کند. یک مسیر مرحلهای میتواند شامل این اقدامات باشد:
گام اول: شناسایی دادههای کلیدی
مشخص کنید مهمترین دادههای سازمان کداماند. برای مثال:
- اطلاعات املاک
- اطلاعات شهروندان
- اطلاعات پروندهها
- اطلاعات درآمد
- اطلاعات عوارض
- اطلاعات مکانی
گام دوم: تعیین مالک داده
برای هر داده مشخص شود چه واحدی مسئول ایجاد، اصلاح و اعتبار آن است.
گام سوم: حذف دادههای تکراری
رکوردهای تکراری باید شناسایی و با قواعد مشخص مدیریت شوند.
گام چهارم: استانداردسازی
قالب، کدگذاری و ساختار دادهها باید تا حد امکان استاندارد شود.
گام پنجم: ایجاد شناسههای یکتا
استفاده از شناسههای مشخص برای پروندهها، املاک و سایر موجودیتهای کلیدی میتواند ارتباط میان سامانهها را آسانتر کند.
گام ششم: ایجاد کنترلهای خودکار
برخی خطاها را میتوان هنگام ورود اطلاعات شناسایی کرد. برای مثال:
- فیلدهای الزامی
- فرمتهای معتبر
- محدوده مقادیر
- کنترل دادههای تکراری
گام هفتم: پایش مستمر
کیفیت داده یک پروژه یکباره نیست.
دادهها دائماً تولید و تغییر میکنند؛ بنابراین باید کیفیت آنها نیز به شکل مستمر پایش شود.
شاخصهای سنجش کیفیت داده چیست؟
برای اینکه کیفیت داده قابل مدیریت باشد، باید قابل اندازهگیری نیز باشد.
برخی شاخصهای قابل استفاده عبارتاند از:
شاخص | سؤال اصلی |
دقت | آیا داده با واقعیت مطابقت دارد؟ |
کامل بودن | چه میزان از اطلاعات موردنیاز ثبت شده است؟ |
بهروز بودن | داده آخرین بار چه زمانی بهروزرسانی شده؟ |
سازگاری | آیا داده در سامانههای مختلف یکسان است؟ |
یکتایی | آیا رکوردهای تکراری وجود دارد؟ |
اعتبار | آیا داده مطابق قواعد تعریفشده است؟ |
دسترسپذیری | آیا کاربران مجاز به داده موردنیاز دسترسی دارند؟ |
این شاخصها میتوانند در قالب یک داشبورد کیفیت داده نیز پایش شوند.
کیفیت داده و امنیت اطلاعات؛ دو موضوع جدا اما مرتبط
وقتی درباره کیفیت داده صحبت میکنیم، نباید امنیت را نادیده بگیریم. داده باید نهتنها دقیق و بهروز باشد، بلکه باید از دسترسی غیرمجاز، تغییرات غیرمجاز و از بین رفتن نیز محافظت شود. به همین دلیل، یک معماری مناسب داده در شهرداری باید موضوعاتی مانند: امنیت + دسترسی + پشتیبانگیری + ثبت رویداد + کنترل تغییرات را در نظر بگیرد.
در واقع، داده زمانی ارزشمند است که هم قابل اعتماد و هم قابل حفاظت باشد.
نقش نیروی انسانی در کیفیت داده
فناوری بهتنهایی نمیتواند کیفیت داده را تضمین کند. بخشی از کیفیت داده به نحوه کار کاربران وابسته است. اگر کاربر نداند:
- چه اطلاعاتی باید وارد کند؛
- چگونه اطلاعات را ثبت کند؛
- چه زمانی اطلاعات را اصلاح کند؛
- از چه کدهایی استفاده کند؛
- یا چرا کیفیت داده اهمیت دارد؛
حتی بهترین سامانه نیز نمیتواند همه مشکلات را حل کند. بنابراین آموزش کاربران، تعریف فرآیندهای روشن و تعیین مسئولیتها بخش مهمی از حاکمیت داده در شهرداری است.
حاکمیت داده؛ مرحله بعد از جمعآوری داده
وقتی حجم دادههای شهرداری افزایش پیدا میکند، باید مشخص باشد: چه کسی مالک داده است؟ چه کسی اجازه تغییر دارد؟ چه کسی میتواند داده را مشاهده کند؟ داده چگونه نگهداری میشود؟ چه زمانی باید آرشیو شود؟ چگونه میتوان کیفیت آن را سنجید؟
پاسخ به این پرسشها در حوزه Data Governance یا حاکمیت داده قرار میگیرد. حاکمیت داده کمک میکند داده از یک دارایی پراکنده به یک دارایی سازمانی قابل مدیریت تبدیل شود.
از «سامانهمحوری» به «دادهمحوری»
یکی از تغییرات مهم در مسیر تحول دیجیتال این است که نگاه سازمان از «چه سامانهای داریم؟» به سمت «چه دادهای داریم و چگونه از آن استفاده میکنیم؟» حرکت کند.
در رویکرد سامانهمحور ممکن است هر واحد صرفاً به عملکرد سامانه خودش توجه کند. اما در رویکرد دادهمحور، سؤال بزرگتر است: این داده چگونه در کل سازمان جریان پیدا میکند؟
برای مثال، اطلاعات یک ملک نباید صرفاً متعلق به یک سامانه باشد. اگر این اطلاعات برای فرآیندهای قانونی و مجاز در حوزههای شهرسازی، درآمد، نوسازی، املاک، GIS و خدمات شهروندی مورد نیاز است، باید معماری تبادل اطلاعات به شکلی طراحی شود که این ارتباط امکانپذیر باشد.
نقش بهساز در مسیر یکپارچگی دادههای شهری
در مسیر حرکت به سمت مدیریت شهری یکپارچه، وجود ارتباط میان فرآیندها و سامانههای مختلف اهمیت زیادی دارد. راهکار جامع بهساز با تمرکز بر حوزههای مختلف مدیریت شهری، میتواند بستری برای ارتباط فرآیندها و اطلاعات میان بخشهایی مانند:
شهرسازی | درآمد | نوسازی | املاک | کمیسیونها | خدمات شهروندی | اطلاعات مکانی فراهم کند.
این رویکرد کمک میکند اطلاعات از حالت پراکنده خارج شده و در فرآیندهای مرتبط مورد استفاده قرار گیرد. اما نکته مهم این است که یکپارچگی واقعی تنها با اتصال فنی سامانهها ایجاد نمیشود.
برای رسیدن به نتیجه مطلوب، باید: داده استاندارد باشد، فرآیند مشخص باشد، منبع داده مشخص باشد، دسترسیها کنترل شوند، و کیفیت اطلاعات بهصورت مستمر پایش شود.
در چنین شرایطی، یکپارچهسازی میتواند پایهای برای ایجاد داشبوردهای مدیریتی، تحلیل داده و تصمیمگیری دادهمحور باشد.
۵ سؤال که مدیران شهری باید درباره دادههای خود بپرسند
اگر شهرداری قصد دارد پروژه هوشمندسازی یا تحول دیجیتال جدیدی را آغاز کند، بهتر است قبل از انتخاب فناوری به این پنج سؤال پاسخ دهد:
۱. دادههای اصلی ما کجا تولید میشوند؟
۲. آیا یک داده در چند سامانه به شکلهای مختلف ثبت میشود؟
۳. کدام دادهها بیشترین خطا یا مغایرت را دارند؟
۴. آیا مدیران به یک منبع قابل اعتماد برای گزارشها دسترسی دارند؟
۵. اگر امروز یک تصمیم مهم بگیریم، چقدر به دادههای پشت آن تصمیم اعتماد داریم؟
پاسخ به این سؤالها میتواند نقاط ضعف مهمی را در زیرساخت اطلاعاتی شهرداری آشکار کند.
جمعبندی؛ هوشمندسازی از داده شروع میشود
هوشمندسازی شهری فقط به معنای استفاده از هوش مصنوعی، سنسورها، داشبوردهای مدیریتی یا سامانههای جدید نیست.
پایه همه این فناوریها، داده است.
اگر دادهها دقیق، کامل، بهروز، استاندارد و قابل اعتماد باشند، فناوری میتواند ارزش واقعی ایجاد کند. اما اگر دادهها پراکنده، تکراری و ناسازگار باشند، حتی پیشرفتهترین فناوریها نیز نمیتوانند بهتنهایی یک سیستم تصمیمگیری هوشمند ایجاد کنند.
بنابراین پیش از آنکه شهرداری بپرسد: «چه فناوری جدیدی بخریم؟»
بهتر است ابتدا بپرسد: «آیا دادههای ما برای هوشمند شدن آمادهاند؟»
تحول واقعی زمانی آغاز میشود که دادهها بتوانند در میان فرآیندها و واحدهای مختلف جریان پیدا کنند، سامانهها بتوانند با یکدیگر ارتباط داشته باشند و مدیران بتوانند به اطلاعاتی قابل اعتماد برای تصمیمگیری دسترسی داشته باشند.
در نهایت: کیفیت داده، حلقه گمشدهای است که میتواند فاصله میان «دیجیتال شدن» و «واقعاً هوشمند شدن» را مشخص کند.
و برای شهرداریهایی که به دنبال ایجاد چنین مسیری هستند، یکپارچهسازی سامانهها، استانداردسازی دادهها، حاکمیت داده و ایجاد زیرساخت مناسب برای تحلیل اطلاعات میتواند نقطه شروع مناسبی برای حرکت به سمت مدیریت شهری دادهمحور باشد.