Am 29. August 2018 lancierte das Bundesamt für Statistik (BFS) eine neue themenübergreifende Produktereihe, die als «Experimentelle Statistiken» bezeichnet und auf der eigens hierfür geschaffenen Website publiziert wird: www.experimental.bfs.admin.ch.
Das BFS versteht unter experimentellen Statistiken innovative Fortschritte, die anhand neuer Methoden und/oder Datenquellen produziert werden und den Aufgabengebieten der Dateninnovationsstrategie des BFS und des statistischen Mehrjahresprogramm des Bundes entsprechen. Die experimentellen Statistiken werden in «Innovative Methoden» und «Innovative Dateninnovation» unterschieden.
Nutzerinnen und Nutzer sowie Partner werden sowohl bei der Entwicklung als auch bei der Konsolidierung der Produkte frühzeitig einbezogen, um ihre Bedürfnisse bezüglich Effizienz, Qualität und Verfügbarkeit besser und rascher integrieren zu können. Trotzdem können experimentelle Statistiken insbesondere aus methodischer Sicht noch Verbesserungspotenzial aufweisen. Weil sich die Methodik noch weiterentwickeln kann, sind diese Statistiken mit einem leicht erkennbaren Logo gekennzeichnet.
Innovative Methoden im BFS
Um zuverlässige und vertrauenswürdige statistische Informationen für die demokratische Entscheidungsfindung bereitstellen zu können, verbessert das BFS seit seiner Gründung im Jahr 1860 laufend seine Produktion und entwickelt sie weiter. Innovative Methoden können dabei einen zusätzlichen Mehrwert aus bestehenden Daten und/oder durch die Nutzung neuer Datenquellen generieren.
Die erste Publikation im Rahmen der innovativen Methoden waren die Resultate der Kleingebietsschätzungen der Strukturerhebung des BFS (Small Area Estimation – SAE) am 29. August 2018.
Später wurde die Armutsmessung unter Einbezug der Vermögen publiziert. Die verwendeten Daten sind provisorisch und nicht für eine Standardpublikation geeignet. Dennoch konnten auf dieser Basis erste explorative Analysen zur Integration der Vermögen in die Armutsmessung durchgeführt werden.
Corona-Pandemie
Mit dem Ausbruch der Corona-Pandemie hat das BFS die Sonderseite Covid-19 veröffentlicht, auf der die situationsbedingt wichtigsten Statistiken zusammengestellt sind. Zudem wurden mehrere experimentelle Statistiken innerhalb der innovativen Methoden veröffentlicht:
Mortalitätsmonitoring (MOMO): Zahlen zur Übersterblichkeit nach Grossregionen und für Kantone mit mindestens 100 000 Einwohnern, das heisst die wöchentliche Anzahl Todesfälle über dem für die Jahreszeit erwarteten Wert.
Mobilitätsmonitoring Covid-19: Auswirkungen der Corona Pandemie auf die Mobilität in der Schweiz.
SwissCovid App: Berechnungen der Anzahl aktiver Apps pro Tag, die Anzahl Downloads sowie die von Nutzerinnen und Nutzern eingegebenen Covidcodes.
Innovation Datenwissenschaft im BFS
Im Bereich der Innovationen Datenwissenschaft wurden die ersten Publikationen zum komplexen Thema der Digitalisierung veröffentlicht. Diese befassen sich in erster Linie mit der Nutzung komplementärer Analysemethoden (z.B. prädiktive Analyse mittels fortgeschrittener Statistiktechniken, Datenwissenschaft und/oder maschinelles Lernen), dank denen die öffentliche Statistikproduktion erweitert oder ergänzt werden kann. Die auf der Website Experimentelle Statistiken vorgestellten und zurzeit in Umsetzung begriffenen Pilotprojekte der Dateninnovationsstrategie 1.0 sind:
Arealstatistik Deep Learning (ADELE): Anwendung von Deep Learning Algorithmen und Random Forest für die Unterstützung der Klassifikation und der Veränderungsentdeckung der Bodenbedeckung und -nutzung basierend auf Luftbildern und anderen Datenquellen (u.a. Satellitendaten).
Machine Learning SoSi (ML_SoSi): Anwendung von Machine Learning Algorithmen zur Klassifizierung und Vorhersage von Verläufen im System der sozialen Sicherheit.
Automatisierung der NOGA-Kodierung (NOGAuto): Anwendung von Text Mining, Machine Learning und Deep Learning Algorithmen, um die Codierung der wirtschaftlichen Aktivität der Unternehmen zu unterstützen.
Plausibilitätsprüfung mit Machine Learning (Plausi++): Automatisierte Fehlerentdeckung und -lokalisierung mittels Machine Learning Algorithmen für administrative Bildungspersonaldaten.
Kleingebietsschätzungen im Rahmen der Beschäftigtenstatistik (SAE_BESTA): Ermittlung des Potenzials von SAE, um Resultate auf detaillierteren Ebenen schätzen zu können, ohne die Stichprobe zu vergrössern.
Unterhalt der Website Experimentelle Statistiken
Der Unterhalt der Website Experimentelle Statistiken wurde aufgrund der starken statistischen Methodenkomponente der Sektion Statistische Methoden (METH) übertragen; dies in Zusammenarbeit mit der Sektion Diffusion und Amtspublikationen, den jeweiligen Produktionssektionen sowie den Sektionen Medienstelle und Informatik. METH schätzt u.a. den Reifegrad der methodischen Aspekte ein, die sich wie gesagt noch weiterentwickeln können.
METH hat die Website und deren Inhalte mehrfach auf nationaler und internationaler Ebene vorgestellt, so z.B. an den Schweizer Statistiktage 2018, am ISI World Statistics Congress 2019, an den Statistiktage Österreich 2019 und im Rahmen der Zusammenarbeit Deutschlands, Österreichs und der Schweiz.
Die Website wurde seit ihrer Lancierung von mehr als 35 000 Nutzerinnen und Nutzern (> 100 000 Seitenbesuche) besucht und trägt entscheidend zur digitalen Visibilität der innovativen Methoden und Dateninnovation des BFS bei. Die Publikation weiterer Produkte, die hoffentlich die Aufmerksamkeit neuer Nutzerinnen und Nutzer auf sich ziehen, ist bereits weit fortgeschritten.