นโยบายการคลังข้อมูลคืออะไร และทำไม Data Lake จึงเปลี่ยนเกม
นโยบายการคลังข้อมูลคือการออกแบบและตัดสินใจนโยบายการคลังโดยใช้ฐานข้อมูลรัฐบาลแบบรวมศูนย์และการวิเคราะห์ข้อมูลเศรษฐกิจเชิงลึก เพื่อมองเห็นความเปราะบาง ความเหลื่อมล้ำ และโอกาสเชิงโครงสร้างในระดับบุคคล พื้นที่ และภาคธุรกิจ แล้วแปลงข้อมูลเหล่านี้ให้กลายเป็นมาตรการที่ตรงกลุ่มเป้าหมายมากกว่าการใช้นโยบายแบบเฉลี่ยทั้งประเทศหรือใช้อารมณ์ทางการเมืองเป็นตัวนำเพียงอย่างเดียว
การขยับเข้าสู่ยุคนโยบายการคลังข้อมูลเห็นภาพชัดในงานสัมมนาวิชาการ FPO Symposium 2026 ภายใต้แนวคิด “FPO’s New Horizons: Data in Depth, Reshape Fiscal Policy” ที่จัดโดยสำนักงานเศรษฐกิจการคลังเมื่อวันที่ 7 สิงหาคม ณ โรงแรมพูลแมน คิง เพาเวอร์ กรุงเทพฯ แก่นของงานไม่ได้อยู่ที่เวทีสัมมนา แต่อยู่ที่การประกาศเดินหน้าเป็น Data-Driven Fiscal Policy Agency ที่ตัดสินใจนโยบายด้วยข้อมูลเชิงลึก ไม่ใช่สัญชาตญาณทางการเมือง
หัวใจของการเปลี่ยนผ่านคือ MOF Data Lake ฐานข้อมูลขนาดใหญ่ที่บูรณาการข้อมูลทางการเงิน การคลัง และข้อมูลเศรษฐกิจอื่น ๆ ครอบคลุมประชากรกว่า 63.4 ล้านคน นี่ไม่ใช่แค่คลังข้อมูล แต่คือโครงสร้างพื้นฐานทางนโยบายใหม่ ที่กำลังบังคับให้รัฐต้องเปลี่ยนจากการ “ลองผิดลองถูก” ไปสู่การตัดสินใจนโยบายด้วยข้อมูลอย่างแท้จริง หรือพูดให้แรงกว่านั้นคือ ใครออกแบบนโยบายโดยไม่อิง Data Lake กำลังเดินหลงทางในโลกเศรษฐกิจยุคข้อมูล
จากรับมือวิกฤตแบบเหวี่ยงแห สู่ภูมิคุ้มกันเศรษฐกิจแบบแม่นยำ
แก่นความคิดใหม่ของหน่วยงานการคลังคือ การเลิกโหมด “แจกกว้างเพื่อให้โดนใครบ้างสักคน” แล้วหันมาใช้ข้อมูลวิเคราะห์เจาะจงว่า ใครเดือดร้อน จากอะไร และอยู่ที่ไหน การสัมมนาภายใต้หัวข้อ “Building Resilience: From Vision to Mission จากข้อมูลเชิงลึก สู่ภารกิจสร้างภูมิคุ้มกันเศรษฐกิจ” สะท้อนชัดว่า Data ไม่ใช่ของเล่นไอที แต่คือรากฐานใหม่ของภูมิคุ้มกันเศรษฐกิจ
แนวคิด “Stabilize Today – Transition Now – Invest for Tomorrow” ที่ถูกยกขึ้นมาเป็นกรอบนโยบายไม่ใช่สโลแกนสวยหรู แต่เป็นตรรกะของการใช้ข้อมูลเพื่อแยกปัญหาระยะสั้น ระยะเปลี่ยนผ่าน และระยะยาว แล้วออกแบบเครื่องมือคนละชุดให้เหมาะกับแต่ละเป้าหมาย นี่คือการเลิกใช้มาตรการกู้หน้า แล้วกลับมาใช้มาตรการกู้เศรษฐกิจจริง ๆ
การมองโลกผ่าน Data ยังเชื่อมโยงกับภาพใหญ่ของเศรษฐกิจโลกที่กำลังขยับจากยุค Efficiency First ไปสู่ Security First และโจทย์การสร้าง S-Curve ชุดใหม่ด้าน Green Economy, AI และ Digital Economy, การเป็น Trusted Connector และสังคมสูงวัย ถ้ารัฐยังใช้ข้อมูลแบบหยาบ เราก็จะยังตอบโจทย์โลกใหม่ด้วยเครื่องมือเก่า และปล่อยให้โอกาสไหลไปหาประเทศที่อ่านข้อมูลได้ชัดกว่าเรา
เมื่อฐานข้อมูลรัฐบาลมองเห็นคนทุกคน โจทย์จริงจึงแทนที่ค่าเฉลี่ย
จุดแข็งที่สุดของ MOF Data Lake ไม่ใช่ขนาดของข้อมูล แต่คือการทะลายกำแพงค่าเฉลี่ยระดับชาติที่เคยซ่อนความเปราะบางของคนตัวเล็ก ๆ มานาน นักเศรษฐกรจากสำนักงานเศรษฐกิจการคลังชี้ว่า ฐานข้อมูลใหม่นี้บูรณาการข้อมูลเศรษฐกิจหลากมิติ ครอบคลุมประชากรกว่า 63.4 ล้านคน ทำให้มองเห็นภาพความเหลื่อมล้ำและความเสี่ยงในระดับบุคคลและครัวเรือนที่ตัวเลขภาพรวมไม่เคยสะท้อน
นี่คือจุดเปลี่ยนของนโยบายสวัสดิการและมาตรการช่วยเหลือ เพราะการ “ตัดสินใจนโยบายด้วยข้อมูล” หมายถึงการเลือกช่วยคนที่เปราะบางจริง ไม่ใช่คนที่เสียงดังที่สุด ขณะเดียวกัน การพัฒนา Digital Public Infrastructure เช่น ระบบพร้อมเพย์และ Digital ID ก็ทำให้ประชาชนที่เคยอยู่นอกระบบการเงินเริ่มถูกมองเห็นในข้อมูล ส่งผลให้รัฐออกแบบสวัสดิการที่ตรงตามช่วงวัยและความต้องการของแต่ละคนได้ดีขึ้น
มุมหนึ่งที่มักถูกมองข้ามคือ นโยบายการคลังข้อมูลยังช่วยลดต้นทุนการบริหารรัฐอย่างมหาศาล จากอดีตที่ระบบราชการบางองค์กรต้องใช้บุคลากรจำนวนมากเพื่อจัดการฐานข้อมูลกระจัดกระจาย ปัจจุบันองค์กรเอกชนขนาดใหญ่บางแห่งมีพนักงานมากกว่า 12,600 คนในกว่า 100 สาขา แต่ใช้บุคลากร HR ที่สำนักงานใหญ่เพียง 6 คนได้ เพราะใช้ Data และระบบดิจิทัลจัดการประสิทธิภาพการทำงาน ภาครัฐเองควรใช้ Data Lake เพื่อบีบต้นทุนการบริหาร แล้วนำทรัพยากรที่เหลือไปเพิ่มคุณภาพบริการประชาชน
Data Analytics เปลี่ยนมาตรการเหวี่ยงแหให้กลายเป็นการยิงเป้า
คำถามสำคัญคือ Data Analytics จะเปลี่ยนนโยบายการคลังบนกระดาษให้กลายเป็นเครื่องมือที่จับต้องได้อย่างไร คำตอบเริ่มปรากฏผ่านเครื่องมือวิเคราะห์ที่สำนักงานเศรษฐกิจการคลังพัฒนาบนฐาน MOF Data Lake เช่น ดัชนีความทุกข์ยากทางเศรษฐกิจรายจังหวัด (Provincial Monthly Misery Index: PMMI) และดัชนีภาวะการเงินภาคประชาชน (Provincial Financial Conditions Index: PFCI) ซึ่งช่วยสะท้อนระดับความเดือดร้อนและการเข้าถึงเงินทุนรายพื้นที่ในแบบที่ตัวเลข GDP รวมไม่เคยบอก
เมื่อผูกดัชนีเหล่านี้เข้ากับแผนที่ Pain Point ของเศรษฐกิจภูมิภาค รัฐสามารถเห็น “จุดแดง” ของปัญหาแต่ละจังหวัดอย่างชัดเจน จึงออกแบบนโยบายแบบมุ่งเป้า (Targeted Policy) ที่ตรงบริบทพื้นที่ เช่น จังหวัดหนึ่งอาจต้องการมาตรการลดภาระหนี้ระยะสั้น ขณะที่อีกจังหวัดต้องการนโยบายเสริมสภาพคล่องธุรกิจขนาดเล็กมากกว่า นี่คือการใช้ วิเคราะห์ข้อมูลเศรษฐกิจ เพื่อแก้โจทย์เชิงโครงสร้าง ไม่ใช่แค่ดับไฟชั่วคราว
อีกตัวอย่างที่พลิกเกมการเข้าถึงแหล่งเงินทุนคือ “คะแนนเครดิตอารีย์ (Ari Score)” ที่ใช้ Machine Learning ประมวลข้อมูลพฤติกรรมทางการเงินและภาษี เพื่อสร้างคะแนนเครดิตทางเลือกสำหรับคนที่ไม่มีประวัติเครดิต โดยเฉพาะผู้ประกอบอาชีพอิสระและผู้ประกอบการรายย่อย ผลลัพธ์คือ ประชาชนเข้าถึงสินเชื่อบนฐานศักยภาพตนเอง แทนการรอเงินอุดหนุน ซึ่งช่วยคลายแรงกดดันทางการคลังในระยะยาวอย่างมีนัยสำคัญ
บทสรุป: ถ้าข้อมูลคือโครงสร้างพื้นฐาน รัฐต้องเรียนรู้ที่จะใช้มันให้เป็น
เมื่อ Data Lake กลายเป็นโครงสร้างพื้นฐานของนโยบายการคลัง คำถามจึงไม่ใช่ว่ารัฐมีข้อมูลหรือยัง แต่คือรัฐใช้ข้อมูลเป็นหรือไม่ นักเศรษฐกรของสำนักงานเศรษฐกิจการคลังย้ำว่า “คุณค่าที่แท้จริงของข้อมูลอยู่ที่ความสามารถในการเปลี่ยนข้อมูลให้เป็นองค์ความรู้และเครื่องมือเชิงนโยบาย” และสรุปว่า MOF Data Lake คือโครงสร้างพื้นฐานสำคัญในการขับเคลื่อนนโยบายด้วยข้อมูล หากเราเก็บข้อมูลแต่ไม่แปลงเป็นการ ตัดสินใจนโยบายด้วยข้อมูล ก็เท่ากับสร้างเขื่อนแล้วไม่กักน้ำ
สัญญาณเชิงบวกคือการริเริ่มโครงการ Young Fiscal Policy Designer 2026 ที่เปิดให้เยาวชนมัธยมและอุดมศึกษาจากทั่วประเทศเสนอแนวนโยบายใหม่บนฐานข้อมูล นี่ไม่ใช่แค่กิจกรรมสร้างภาพ แต่คือการสร้างคนรุ่นใหม่ที่เห็น “ข้อมูล” เป็นภาษากลางของนโยบาย ไม่ใช่ภาระงานเอกสาร
ในโลกที่เศรษฐกิจผันผวนและโครงสร้างเปลี่ยนเร็ว การยึดติดกับนโยบายแบบค่าเฉลี่ยคือการปล่อยให้คนที่เปราะบางที่สุดรับภาระหนักที่สุด ฐานข้อมูลรัฐบาลแบบ Data Lake และการ วิเคราะห์ข้อมูลเศรษฐกิจ เชิงลึกจึงไม่ใช่ทางเลือก แต่เป็นข้อบังคับทางศีลธรรมของนโยบายการคลัง หากรัฐต้องการสร้างภูมิคุ้มกันเศรษฐกิจอย่างแท้จริง ก็ถึงเวลายอมรับว่า นโยบายที่ไม่อิงข้อมูล ไม่ควรถูกอิงประชาชน
