Contrast
banner_default_3.jpg

เทคโนโลยีการวิเคราะห์ข้อมูล: แนวทางใหม่ในการต่อต้านการทุจริตสู่ระบบแผนที่ต่อต้านทุจริตประเทศไทย (TMAC)

จากไชต์: วารสารวิชาการ
จำนวนผู้เข้าชม: 319

28/06/2567

  เทคโนโลยีการวิเคราะห์ข้อมูล: แนวทางใหม่ในการต่อต้านการทุจริตสู่ระบบแผนที่ต่อต้านทุจริต
  ประเทศไทย (TMAC)



  ณัฐปกรณ์ ประเสริฐสุข
  สำนักงานคณะกรรมการป้องกันและปราบปรามการทุจริตแห่งชาติ

 

 

 

 

  คำสำคัญ: -

 

 

  PDF ดาวน์โหลด

 

บทนำ (Introduction)

           การทุจริตเป็นปัญหาสำคัญที่ส่งผลกระทบต่อการพัฒนาเศรษฐกิจและสังคมในหลายประเทศไม่เพียงแต่ทำลายความเชื่อมั่นของประชาชนต่อภาครัฐและสถาบันต่าง ๆ แต่ยังเป็นอุปสรรคต่อการเติบโตทางเศรษฐกิจและการพัฒนาที่ยั่งยืน ทั้งนี้ ในช่วงหลายปีที่ผ่านมา ประเทศไทยได้พยายามดำเนินการต่าง ๆ เพื่อปราบปรามการทุจริต แต่ปัญหานี้ยังคงอยู่และซับซ้อนมากขึ้นเรื่อย ๆ อย่างไรก็ดี ด้วยเทคโนโลยีที่ก้าวหน้าในปัจจุบัน มีการริเริ่มใช้หลักการ Data Analytic และ Data Visualization ซึ่งเป็นเครื่องมือที่เพื่อเพิ่มประสิทธิภาพในการป้องกันปราบปรามการทุจริต และช่วยในการวางยุทธศาสตร์ในการดำเนินงาน โดย Data Analytic นั้น เป็นกระบวนการวิเคราะห์ข้อมูลจำนวนมากเพื่อค้นหาความผิดปกติและแนวโน้มที่อาจบ่งชี้ถึงการทุจริตที่เกิดขึ้น ในขณะที่ Data Visualization เป็นตัวช่วยในการนำเสนอข้อมูลที่ซับซ้อนในรูปแบบที่เข้าใจง่ายและสามารถสื่อสารได้ชัดเจนมากขึ้น การใช้เทคนิคข้างต้นนี้ ไม่เพียงแต่ช่วยในการตรวจสอบการทุจริตที่เกิดขึ้นแล้ว แต่ยังสามารถใช้ในคาดการณ์เพื่อป้องกันการทุจริตในอนาคตได้อีกด้วย
            บทความที่นำเสนอนี้มุ่งหวังให้เกิดการวิเคราะห์และประมวลผลข้อมูลเกี่ยวกับการทุจริตในประเทศไทย ซึ่งในปัจจุบันมีการริเริ่มแล้ว ผ่านการพัฒนาระบบแผนที่การต่อต้านการทุจริตประเทศไทย (Thailand Mapping of Anti-Corruption: TMAC) ที่เป็นการต่อย่อดจากการเก็บรวบรวมข้อมูลความเสี่ยงการทุจริตผ่านโครงการปักหมุดพื้นที่เสี่ยงต่อการทุจริตที่ได้ดำเนินการมาตั้งแต่ปี พ.ศ. 2563 โดยระบบ TMAC นี้ คือพัฒนาโดยการใช้หลักการ Data Analytic และ Data Visualization ทั้งนี้ ในบทความนี้จะนำเสนอภาพรวมและเป้าหมายในการยกระดับการต่อต้านการทุจริตในประเทศไทยผ่านใช้ข้อมูลจากแหล่งต่าง ๆ สำหรับการวิเคราะห์หาความสัมพันธ์และแนวโน้มของการทุจริต รวมถึงการนำเสนอข้อมูลในรูปแบบที่เข้าใจง่าย เช่น แผนที่การกระจายตัวของการทุจริตในพื้นที่ต่าง ๆ และกราฟต่าง ๆ ที่แสดงถึงแนวโน้มและปัจจัยที่เกี่ยวข้อง การนำเอาเทคโนโลยีและนวัตกรรมมาช่วยเพิ่มประสิทธิภาพในการต่อต้านการทุจริตเป็นสิ่งที่สำคัญอย่างยิ่งในยุคปัจจุบัน และยังช่วยให้ผู้มีส่วนเกี่ยวข้องสามารถตัดสินใจได้อย่างมีข้อมูลประกอบ และสามารถดำเนินการอย่างเป็นระบบเพื่อแก้ไขปัญหา โดยบทความนี้จะนำหลักเสนอแนวคิดและวิธีการที่ใช้ในการวิเคราะห์และแสดงผลข้อมูล เพื่อเป็นแนวทางในการพัฒนากลยุทธ์และมาตรการต่อต้านการทุจริตในประเทศไทยต่อไป

เอกสารอ้างอิง (References)


กระทรวงการคลัง. (2565). การจัดการงบประมาณและการป้องกันการทุจริตในโครงการสาธารณะ. กระทรวงการคลัง.


สถาบันวิจัยเพื่อการพัฒนาประเทศไทย. (2566). การใช้เทคโนโลยีดิจิทัลในการป้องกันและปราบปรามการทุจริต. สถาบันวิจัยเพื่อการพัฒนาประเทศไทย.


สำนักงานคณะกรรมการป้องกันและปราบปรามการทุจริตแห่งชาติ. (2563). รายงานการประเมินความเสี่ยงการทุจริตในประเทศไทย. สำนักงาน ป.ป.ช.


สำนักงานตรวจเงินแผ่นดิน. (2565). รายงานการตรวจสอบบัญชีของหน่วยงานภาครัฐ. สำนักงานตรวจเงินแผ่นดิน.


สำนักงานสถิติแห่งชาติ. (2564). สถิติคดีการทุจริตในประเทศไทย. สำนักงานสถิติแห่งชาติ.


CNA. (2022). Singapore’s CPIB uses data analytics to detect corruption. https://www.channelnewsasia.com


Corrupt Practices Investigation Bureau. (2021). Annual report 2021. Singapore: Corrupt Practices Investigation. Bureau.


Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., ... & Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357-362. https://numpy.org/doc/


Harvard Business Review. (2021). How governments are using data analytics to fight corruption. https://hbr.org


IFAC. (2021). Deploying emerging technology to fight corruption. https://www.ifac.org


IntegrityRisk International. (2021). Deploying emerging technology to fight corruption. https://www.integrityriskintl.com


Kurniadi, D. (2019, April 9). Exploratory Data Analysis (EDA) in Python. Towards Data Science. https://towardsdatascience.com/exploratory-data-analysis-8fc1cb20fd15


National University of Singapore. (2022). Case study on the use of data analytics in anti-corruption efforts. Singapore: NUS.


OECD. (2021). Compendium of good practices on the use of open data for anti-corruption. OECD Publishing.


Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., ... & Duchesnay, É. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12, 2825-2830. https://scikit-learn.org/stable/documentation.html


Ropes & Gray LLP. (2022). The role of data visualization in anti-corruption efforts. https://www.ropesgray.com


Tableau Software. (n.d.). Tableau: Business Intelligence and Analytics. Tableau Official Website. https://www.tableau.com/


Today Online. (2021). The impact of data analytics on anti-corruption efforts in Singapore. https://www.todayonline.com


Transparency International. (2022). Corruption perceptions index 2022. https://www.transparency.org/en/cpi/2022


Transparency International India. (2022). The role of data analytics in combating corruption in India. TI India.


United Nations Office on Drugs and Crime. (2020). Using data analytics to combat corruption. UNODC.


USAID. (2022). Implementation of the U.S. anti-corruption strategy. https://www.usaid.gov/news-information/press-releases/mar-21-2024-implementation-us-anti-corruption-strategy


World Bank. (2021). Data analytics for anti-corruption: A practical guide. World Bank.


World Economic Forum. (2020). How data visualization is helping governments fight corruption. https://www.weforum.org

Related