Я только что закончил короткое чтение о Теории изменений в PDF от Группы развития ООН. Для упрощения Теория изменений (ТОС) гласит: Если мы делаем X, то мы меняем Y.
Допустим, вы хотите уменьшить количество людей, которые снова попадают в тюрьму после освобождения. Ваш TOC может звучать так: «Если мы найдем работу для людей, которые были заключены в тюрьму, то мы сможем уменьшить количество из них, которые возвращаются в тюрьму».
Что меня поразило, так это то, насколько близко это было к научному методу. У вас есть теория, вы что-то пробуете и на основе результатов доказываете или опровергаете теорию. И поскольку это должно было применяться к некоммерческим организациям, это будет работать так же, как рыночные силы работают в коммерческом мире.
Но я списал всю идею теории изменений на «хорошую идею в идеальном мире» и закинул ее в свой запас идей.
Затем, однажды, посреди душа, это снова всплыло у меня в голове. Пробравшись к блокноту и яростно вытерев руки, мне удалось набросать идею.
Итак, вот она, бизнес-идея, основанная на теории изменений.
Ценностное предложение / бизнес-модель
Пожертвование некоммерческой организации считается «хорошим делом». Но иногда «хорошее дело» не делает мир лучше. А в других случаях малейшее действие может иметь огромные последствия.
Но что, если бы вы могли сказать с разумной погрешностью, что ваши действия привели к измеримым изменениям в мире?
Используя общедоступные источники данных, TOChanger может эмпирически продемонстрировать влияние некоммерческой организации. TOChanger будет использовать машинное обучение для выявления не только предполагаемых эффектов, но и непреднамеренных.
Некоммерческие организации будут ранжироваться и оцениваться на основе их поддающегося проверке влияния. Вы можете сделать пожертвование непосредственно одному из них, выбрать, какой группе вы хотите помочь, или предоставить нам возможность направить средства туда, где, по нашему мнению, вы окажете наибольшее влияние.
Чтобы обеспечить беспристрастность, TOChanger будет финансироваться за счет фиксированного процента от входящих пожертвований. TOChanger также будет избегать любого внешнего финансирования, которое может повлиять на его беспристрастность или поставить под угрозу данные тех, кто обслуживается НПО и некоммерческими организациями.
Люди, процессы и технологии
Сделаем это в обратном порядке.
Технологии
Используя структуру MVC, технический стек может выглядеть так:
Модель — большая, неструктурированная, не связанная с СУРБД, безопасная, облачная.
Просмотр — ввод данных для организаций, ищущих финансирование, и еще один для спонсоров, информационные панели для организаций и спонсоров, а также набор для анализа данных.
Контроллер — CRUD для пакетных и отдельных записей (с высокими правами доступа). Многие облачные БД имеют это как функцию.
Ядро стека будет использовать машинное обучение (ML) для поиска взаимосвязей между действиями и результатами. Для начала этому стеку потребуется как можно больше демографической информации базового уровня. Использование ранее существовавших общедоступных баз данных о населении предоставит базовые демографические данные. Перепись населения США является хорошим примером общедоступных данных такого рода, но существуют и другие источники данных. Обратите внимание, что основная причина использования неструктурированных данных заключается в том, что многие из этих источников данных не стандартизированы.
Используя данные базового уровня, можно построить подразделения с помощью переменных в TOC. Если TOC фокусируется на когорте, которая не охвачена этими базовыми данными, информация должна быть предоставлена финансируемыми организациями. Например, если TOC касается детей с низким доходом, данных базового уровня из переписи населения США должно быть достаточно. Но если TOC фокусируется на учащихся с ограниченными возможностями обучения, финансируемая организация должна будет предоставить эту информацию, или ее нужно будет собрать из альтернативных источников. Анализ машинного обучения должен будет учитывать размер целевой когорты по сравнению с общей когортой, чтобы подтвердить/опровергнуть TOC.
Наконец, после того, как будет протестирован начальный TOC, будут проверены другие интересующие переменные. Может случиться так, что некоммерческое воздействие больше в другой области, чем предполагалось. Это позволяет обнаруживать и выделять негабаритные воздействия.
Процесс
Для некоммерческих организаций
- Организация подает заявку на финансирование, четко указывая свое содержание
- Их TOC проверяется на основе данных базового уровня. Если это подтверждено, они перечислены как потенциальная цель. Если нет, их информируют о том, какие вмешательства более тесно связаны с их TOC.
- Если TOC неубедительна, организации предоставляется интерфейс в технический стек для предоставления своих данных. Будут требования к типу данных, которые должны быть предоставлены, но стек позволит использовать различные формы приема через API или другие варианты.
- После одного цикла финансирования незавершенные организации затем переоцениваются. Если они останутся безрезультатными, они получат руководство и инструктаж по изменению своих вмешательств на основе текущих результатов.
- В конце каждого цикла финансирования все организации проходят повторную оценку, оцениваются, и наиболее влиятельные организации выделяются спонсорам.
Для спонсоров
- Создайте профиль и подключите способ оплаты
- Определите, в каких областях вы хотите оказать влияние
- Определите, какой процент ваших пожертвований должен быть посвящен каждой области
- Платформа предоставит рекомендуемые организации и их информацию.
- Затем вы можете принять или отклонить предложения
- В каждом цикле сбора средств наиболее влиятельные спонсоры будут выделены вместе с наиболее влиятельными организациями.
Люди
Работнику потребуются следующие навыки
- Анализ данных для ядра стека
- Разработка ПО для интерфейса в стек. Это будет включать три точки зрения: спонсоры, финансируемые и неубедительные.
- Мягкие навыки, особенно коучинг и эмпатия для некоммерческих организаций
Свести к минимуму роли поддержки клиентов можно, улучшив интерфейс, но персонал, выполняющий эту роль, может пройти перекрестное обучение для оказания поддержки незавершенным организациям. Если сотрудники также проходят перекрестное обучение анализу данных и UI/UX, то количество сотрудников может меняться между ролями. Это снижает эксплуатационные расходы и одновременно повышает вовлеченность сотрудников.
Например, представитель службы поддержки может поднять вопрос о том, что конкретное поле ввода данных является проблематичным для этого типа НПО. Этот представитель, используя свой опыт, оценивает UX, а затем пользовательский интерфейс. После небольшого дополнительного обучения тот же представитель мог разработать и протестировать новое решение. Наконец, этот представитель может связаться с НПО, вызвавшей эту проблему, и работать с ними над проведением пользовательских тестов.
Для получения дополнительных идей о том, как работать с частью этой головоломки, связанной с людьми, ознакомьтесь с Brushfire и The Flywheel and The Lever, двумя короткими электронными книгами, которые я написал на эту тему.
Масштаб и охват
До сих пор эта модель была ориентирована на краудфандинг, но существует возможность работать с местными органами власти и правительствами штатов над такого рода работой. Тем не менее, такого рода усилия по масштабированию потребуют значительных усилий (как скажет вам любой, кто занимается сбором средств).
Кроме того, есть международные организации по оказанию помощи, которые выиграют от ядра стека машинного обучения для своих собственных внутренних аудитов.
Итак, это моя идея. Есть много пробелов, дыр и недостающих деталей, но нет ничего, что нельзя было бы исправить, потратив немного времени и внимания. Если вы хотите работать с этим, будьте моим гостем и обращайтесь, если у вас есть какие-либо вопросы.
