การออกนโยบายและมาตรการต่าง ๆ บนพื้นฐานของข้อมูล (data-driven policy) เป็นวัฒนธรรมการทำงานที่หน่วยงานภาครัฐในหลาย ๆ ประเทศกำลังส่งเสริมและนำมาปรับใช้ รัฐบาลประเทศเนเธอร์แลนด์เป็นประเทศต้นแบบในการใช้ data-driven policy เช่น การนำข้อมูลจุลภาคชั่วโมงการสอนของครูรายคนมาทำนายความต้องการจำนวนครูที่ต้องการในอนาคต และการนำข้อมูลจุลภาครายบุคคลของผู้ประกอบอาชีพอิสระมาทำนายความอยู่รอดของอาชีพอิสระในกลุ่มที่มีความเปราะบาง เช่น คนงานต่างด้าว ผู้สูงอายุ และบุคคลทุพพลภาพ

การใช้ Data-driven Policy ในธนาคารกลางทั่วโลก

ธนาคารกลางเป็นหน่วยงานที่พึ่งพาพื้นฐานของข้อมูลในการปฏิบัติงานสูง ปัจจุบันธนาคารกลางในหลาย ๆ ประเทศได้เริ่มทำนโยบายโดยใช้ประโยชน์จากการวิเคราะห์ข้อมูลเชิงลึก (data analytics) ของข้อมูลจุลภาค จากผลสำรวจธนาคารกลาง 47 แห่งช่วงต้นปี 2563 ที่ผ่านมาของ Irving Fisher Committee (IFC) พบว่า ธนาคารกลางกว่าร้อยละ 80 มีการใช้ data analytics ในการออกนโยบายต่าง ๆ เช่น ธนาคารกลางอังกฤษวิเคราะห์ผลกระทบของ macroprudential policy ต่อตลาดที่อยู่อาศัย โดยใช้ข้อมูลจุลภาคจำนวนมากจากแบบสำรวจภาคครัวเรือนและแหล่งข้อมูลที่หลากหลายของตลาดที่อยู่อาศัย อีกทั้งยังศึกษาการใช้ข้อมูลตัวอักษร (text) จากหนังสือพิมพ์เพื่อช่วยเสริมการพยากรณ์ตัวแปรเศรษฐกิจมหภาคต่าง ๆ เช่น GDP เงินเฟ้อ อัตราการว่างงานให้แม่นยำขึ้น นอกจากนี้ ธนาคารกลางสเปน ยังสร้างตัวชี้วัดปัจจุบันของการอุปโภคบริโภคภาคเอกชน โดยใช้ข้อมูลมหภาคดั้งเดิมร่วมกับข้อมูลการใช้บัตรเครดิตและบัตรเดบิต ตลอดจนลักษณะการค้นหาข้อมูลผ่าน Google

ไม่เพียงแต่ในภาวะปกติเท่านั้น ที่ผ่านมาในช่วงวิกฤติโควิด 19 ธนาคารกลางมีการใช้ข้อมูลจุลภาคและ data analytics เพื่อเสริมการตอบโจทย์เศรษฐกิจการเงินในมุมต่าง ๆ เช่น ธนาคารกลาง สหรัฐฯ สาขานิวยอร์คศึกษาผลกระทบต่อการเว้นระยะห่างทางสังคมจากนโยบายการเปิดเมืองใหม่ (state reopenings) ของแต่ละรัฐ โดยใช้ข้อมูลการใช้โทรศัพท์มือถือความถี่รายสัปดาห์แยกตามแต่ละรัฐ รวมถึงศึกษาผลกระทบต่อการใช้จ่ายผู้บริโภค โดยใช้ข้อมูลการใช้บัตรเครดิตและบัตรเดบิตรายธุรกรรมในระดับเทศมณฑล (county) นักวิจัยธนาคารกลางสหรัฐฯ สาขาแอตแลนตาและธนาคารกลางอังกฤษร่วมกันศึกษาความผันผวนทางเศรษฐกิจช่วงก่อนและหลังโควิด 19 โดยใช้ข้อมูลจากตลาดหลักทรัพย์ร่วมกับข้อมูลจากหนังสือพิมพ์ ข้อมูลจาก twitter และข้อมูลจากแบบสอบถาม ขณะที่นักวิจัยจาก Bank for International Settlements (BIS) ใช้ข้อมูลการค้นหาข้อมูลผ่าน Google เสริมการวิเคราะห์ผลกระทบจากโควิด 19 ต่อการจ้างงานในยุโรป

ธปท. ใช้ข้อมูลเชิงลึกเพื่อออกนโยบายอย่างตรงจุด

ในช่วงกว่าสามปีที่ผ่านมา ธนาคารแห่งประเทศไทย (ธปท.) ได้มีการส่งเสริมการใช้ประโยชน์สูงสุดจากข้อมูลใน ธปท. เพื่อยกระดับการทำงานตามพันธกิจหลักและงานบริหารจัดการองค์กร โดยบูรณาการข้อมูลจุลภาคและนำเอาเทคนิคการวิเคราะห์ข้อมูลเชิงลึกมาเป็นพื้นฐานในการตัดสินใจการดำเนินนโยบายและการออกมาตรการ ซึ่งหากเปรียบเทียบกับการทำงานแบบดั้งเดิมที่อยู่บนฐานการวิเคราะห์ข้อมูลแบบภาพรวมที่ครอบคลุมในลักษณะเหวี่ยงแหนั้น จะเห็นได้ว่าการดำเนินนโยบายแบบ data-driven policy จะนำไปสู่การออกนโยบายและมาตรการที่มีลักษณะเฉพาะและตรงจุดมากขึ้น และยังสามารถนำมาจัดเรียงความสำคัญของนโยบาย ติดตามและวัดผลความสำเร็จของนโยบาย (RegulatoryImpact Assessment: RIA) รวมถึงการปรับปรุงมาตรการที่ออกมาแล้วได้ดียิ่งขึ้นด้วย

ในขณะเดียวกัน data analytics จะช่วยให้สามารถเลือกใช้เครื่องมือเชิงนโยบายให้แก้ปัญหาทางเศรษฐกิจได้ตรงจุด เนื่องจากเข้าใจถึงต้นตอของปัญหาที่แท้จริง สามารถเห็นพฤติกรรม ความเชื่อมโยง และการเปลี่ยนแปลงในระดับครัวเรือนหรือรายบริษัทได้ตัวอย่างเช่น ในช่วงที่เศรษฐกิจชะลอตัว พบกรณีที่ผู้ประกอบการบางกลุ่มโดยเฉพาะ SMEs มีปัญหาสภาพคล่อง ซึ่งส่วนหนึ่งเกิดจากการขยายระยะเวลาสินเชื่อการค้า (credit term) ให้นานขึ้น ดังนั้นเพื่อให้สามารถกำหนดมาตรการที่ตรงจุดและเหมาะสม สามารถทำได้โดยการวิเคราะห์ข้อมูลงบการเงินรายบริษัท ที่แสดงให้เห็นพฤติกรรมการค้าด้วยสินเชื่อในกลุ่มธุรกิจขนาดต่าง ๆ เพื่อนำไปสู่การผลักดันการออกนโยบายการกำหนดเกณฑ์มาตรฐานระยะเวลาสินเชื่อการค้า เพื่อบรรเทาปัญหาสภาพคล่องของ SMEs ได้ นอกจากนี้ยังสามารถเก็บข้อมูลเพื่อวัดผลของนโยบายที่ออกใช้ รวมถึงปรับเปลี่ยนแนวนโยบายให้สอดคล้องกับบริบทที่เปลี่ยนไปอีกด้วย

จับสัญญาณรอบด้านและทันการณ์

ในการออกนโยบายด้านเศรษฐกิจการเงินแบบ data-driven เริ่มจากการประเมินภาวะเศรษฐกิจในปัจจุบันและแนวโน้มข้างหน้า การวิเคราะห์จะผสมผสานข้อมูลที่หลากหลายเพื่อให้สามารถจับสัญญาณได้อย่างรอบด้านและทันเวลา เช่น การประเมินภาวะแรงงานในช่วงวิกฤติโควิด 19 ที่สถานการณ์เปลี่ยนแปลงค่อนข้างเร็ว ต้องพิจารณาตัวเลขอัตราการว่างงาน ซึ่งเป็นข้อมูลสถิติในภาพรวมควบคู่กับข้อมูลทางเลือก อาทิ ข้อมูลประกันสังคมจากสำนักงานประกันสังคม และข้อมูลจากผู้ให้บริการการสื่อสาร พร้อมกับการสอบทานด้วยการสัมภาษณ์ผู้ประกอบการ จึงจะสามารถสะท้อนภาวะการจ้างงานของบริษัทในแต่ละอุตสาหกรรม รวมทั้งการเคลื่อนย้ายแรงงานในรายพื้นที่ได้ ซึ่งภาวะและแนวโน้มตลาดแรงงานนี้เป็นหนึ่งในปัจจัยสำคัญของการคิดหรือดำเนินนโยบายต่าง ๆ เพื่อรองรับและบรรเทาปัญหาเศรษฐกิจในช่วงนี้

การศึกษาข้อมูลพฤติกรรมเพื่อพัฒนาเครื่องมือใหม่ ในตลาดการเงิน

ในด้านตลาดการเงิน การทำ data analytics เพื่อสนับสนุน data-driven policy มีประโยชน์ทั้งในงานที่ช่วยเพิ่มความเข้าใจในพฤติกรรมและองค์ความรู้ของตลาด รวมถึงงานที่ช่วยพัฒนาเครื่องมือสมัยใหม่ในการติดตามธุรกรรมให้มีประสิทธิภาพและสะดวกต่อการใช้งานมากยิ่งขึ้น ตัวอย่างของงานที่ช่วยเพิ่มความเข้าใจในพฤติกรรมและองค์ความรู้ของตลาด ได้แก่ การศึกษาพฤติกรรมการป้องกันความเสี่ยง (hedging) ของผู้ประกอบการ จากการวิเคราะห์สัดส่วนการทำธุรกรรมป้องกันความเสี่ยง เปรียบเทียบกับสัดส่วนการนำเข้าและส่งออกของธุรกิจ ทำให้เห็นภาพกลุ่มผู้ประกอบการที่อาจมีความเสี่ยงจากอัตราแลกเปลี่ยนได้ชัดขึ้นและช่วยส่งเสริมความเข้าใจและการใช้ตราสารทางการเงินในการป้องกันความเสี่ยงแก่ภาคธุรกิจ

สำหรับอีกบทบาทสำคัญของ ธปท. คือ การรักษาเสถียรภาพระบบสถาบันการเงิน ผ่านการกำหนดนโยบาย ออกหลักเกณฑ์กำกับดูแล รวมไปถึงการตรวจสอบ ติดตามฐานะการดำเนินงาน และการบริหารความเสี่ยงของสถาบันการเงิน ธปท. ได้ใช้ข้อมูลจุลภาครายสัญญาและการวิเคราะห์เชิงลึกในการดำเนินนโยบายพัฒนากรอบการตรวจสอบและกำกับดูแลสถาบันการเงินเพื่อติดตามดูแลความเสี่ยงให้ครบถ้วนและรอบด้านภายใต้แนวคิด"จับควันให้ไว ดับไฟให้ทัน ป้องกันไม่ให้ลาม" เพื่อให้สถาบันการเงินมีภูมิคุ้มกันที่เหมาะสมกับสภาวะเศรษฐกิจ ทั้งในด้านการกันจัดชั้นหนี้และการกันสำรอง รวมทั้งการออกนโยบาย macroprudential และการติดตามกำกับ

ตัวอย่าง data-driven policy เช่น นโยบายปรับ loan-to-value ratio (LTV) ให้สูงขึ้น โดยใช้ข้อมูลวิเคราะห์หาเกณฑ์ที่เหมาะสมเพื่อลดความเปราะบางในภาคอสังหาริมทรัพย์ การออกมาตรการช่วยเหลือลูกหนี้ในช่วงโควิด 19 เช่น การออกมาตรการสินเชื่อดอกเบี้ยต่ำ (soft loan) ที่ได้นำข้อมูลสินเชื่อ SMEs มาใช้ในการกำหนดขอบเขตการช่วยเหลือให้ครอบคลุมลูกค้าทุกกลุ่มเป้าหมายสำคัญ ติดตามผลของมาตรการ ตลอดจนการปรับมาตรการระยะถัดไปให้มีประสิทธิผลมากขึ้น หรือในโครงการ DR BIZ แก้หนี้ธุรกิจที่มีเจ้าหนี้หลายราย ได้นำข้อมูลลูกหนี้รายสัญญาและข้อมูลปรับปรุงโครงสร้างหนี้มาใช้ในการกำหนดลูกหนี้กลุ่มเป้าหมายสำคัญที่ ธปท. จะเข้าไปยื่นมือให้ความช่วยเหลือในการเจรจาปรับปรุงโครงสร้างหนี้ให้สัมฤทธิ์ผลต่อไป

การออกนโยบายสมัยใหม่ในยุคดิจิทัลที่ big data ทวีค่าความสำคัญขึ้นเรื่อย ๆ นั้น ธปท. มีการพัฒนากระบวนการที่ชัดเจนรอบคอบ โดยนำเอาเป้าหมายหลักของนโยบายร่วมกับการบูรณาการข้อมูลจุลภาคและการวิเคราะห์เชิงลึกมาใช้ในการตัดสินใจ เพื่อให้การออกนโยบายตรงจุดและทั่วถึง มุ่งเป้าหมายที่อยากเห็น และติดตามผลกระทบ คำนึงถึงความพึงพอใจของทุกภาคส่วนที่อยู่บนพื้นฐานของข้อมูลจริง ทำได้จริง และวัดผลสำเร็จได้จริง เพื่อความเป็นอยู่ที่ดีอย่างยั่งยืนของคนไทย

[1] macroprudential policy หมายถึง นโยบายที่ใช้เพื่อดูแลและป้องกันความเสี่ยงเชิงระบบ (systemic risk) กล่าวคือ ความเสี่ยงที่ระบบการเงินจะเกิดปัญหาและส่งผลให้เกิดความเสียหายในวงกว้าง และส่งผลกระทบในทางลบต่อระบบเศรษฐกิจโดยรวม