view pdf in asp net mvc : Convert scanned pdf to editable text application Library tool html asp.net .net online 96042-part822

save £441m a year by not conducting them (Klein, and 
Maybin, 2012). The UK revenue authority (HMRC) is also 
using big data analysis of debit and credit card transactions 
to pursue tax evaders. No personal data identifying the 
card owners or their numbers is obtained by HMRC. 
Instead, the information is used to compare the amount of 
card sales a business makes each month with the taxes it 
pays – and action is taken if there are inconsistencies. One 
recent settlement netted HMRC more than £4m in unpaid 
tax (Ranson, 2015).
Professor Tim Hallett from Imperial College has shown 
that, in Africa, a given HIV budget prevents 16% more 
infections when targeted at the neighbourhoods where 
risk of HIV infection is largest than if the funds are spent 
across the entire adult population. Granular data can, in 
other words, dramatically reduce the cost of providing 
effective programmes (Over, 2014).
Moreover, the value of statistics and other data is 
long term – they have a long shelf life, and that value 
will only increase as existing data are used in new and 
different ways. For example, The Coalition for Evidence-
Based Policy (2012) points out that the biggest cost of a 
randomised controlled trial is typically data collection; 
where administrative data already collected for other 
purposes, such as student test scores, criminal arrests, 
healthcare expenditures, can be used, costs can be 
dramatically reduced (cited in Alkire and Samman, 2014). 
Similarly, in Colombia, the impact evaluation of a key 
conditional cash-transfer programme, Familias en Acción, 
was carried out using a combination of household surveys, 
a census of the poor, and the programme’s own database. 
Commenting on this research, Rawlings (2013) observed: 
‘Linking all these data gave researchers answers in just 
six months at about one-fifth of the cost of an impact 
evaluation that that would require traditional primary data 
collection’ (cited in Alkire and Samman, 2014; see Box 4, 
previous page).
2.3 Data as competitive advantage
New Zealand, a wealthy but geographically remote 
small island state, has been grappling with the issue of its 
competitive advantage since the 1970s when the creation of 
the European Economic Zone quotas meant its agricultural 
exports to Europe, formerly the mainstay of its economy, 
were significantly restricted. The country is now viewing 
datafication – that is quantifying things that might never 
before have been stored as data – of these same agricultural 
industries as the possible key to its economic future.
The government has recently endorsed the findings 
of the New Zealand Data Futures Forum, set up by the 
ministries of finance and statistics in 2013, and consisting 
of academics, civil servants, the private sector and Maori 
community leaders. The Forum identified ‘high-value 
opportunities for New Zealand to position dairy, meat, 
wood, horticulture, fishing, wine, forestry, wool and 
tourism in the emerging data future. Datafying these 
industries, and creating strategic data assets to underpin 
innovation and decision-making, can give us a competitive 
advantage’ (NZDFF, 2014).
Without making the same kind of wholesale 
commitment, the UK has also identified big data as one 
of eight areas of technology in which the country has 
a competitive advantage (Willetts, 2013). Poor-country 
economies may differ in significant ways from G20 ones. 
However, it seems likely that the gains in developing 
countries from improved and new forms of data could be 
even greater, as these countries start from a lower base 
(Giugale, 2012).
The data revolution – Finding the missing millions 21  
Box 5: Using new data techniques to save money on 
the census
The Dutch census of 2011 was carried out almost 
entirely by collecting data from registers, such 
as the new housing registry, in combination with 
other sources such as the land registry and the 
central bank. There were no household visitors 
to administer questionnaires. The census was 
conducted with a staff of 15 and a budget of 
€1.4m. By way of comparison, Germany – where 
register counts are combined with traditional census 
questionnaires – recruited 80,000 interviewers, and 
spent €750m on its census. Germany has nearly 
five times as many inhabitants, but even so the per 
capita costs were still far lower in the Netherlands. 
China’s last census involved 6 million enumerators. 
Even with far lower wage costs, it cost €75m.
Of course, there are disadvantages to registry-
based censuses. They are only reliable if based on 
high-quality central population registers; and setting 
up high-quality administrative registers, if they don’t 
already exist, may be more expensive than carrying 
out a census. Presently, the coverage of registry and 
administrative data in many developing countries is 
incomplete and the quality of data is poor (Alkire 
and Samman, 2014).
Sources: Statistics Netherlands (2012) and (2014); UN Statistics  
Division (2013).
Convert scanned pdf to editable text - Convert PDF to txt files in C#.net, ASP.NET MVC, WinForms, WPF application
C# PDF to Text (TXT) Converting Library to Convert PDF to Text
convert image pdf to text pdf; .net extract text from pdf
Convert scanned pdf to editable text - VB.NET PDF Convert to Text SDK: Convert PDF to txt files in vb.net, ASP.NET MVC, WinForms, WPF application
VB.NET Guide and Sample Codes to Convert PDF to Text in .NET Project
convert pdf document to text; converting image pdf to text
If the data revolution is to ensure that these gaps are plugged, 
it will need to strengthen NSOs and improve the use of 
existing data. These two elements are discussed in this section, 
while Section 4 considers potential new sources of data.
3.1 Strengthening NSOs
3.1.1 Lack of capacity
For years, NSOs in developing countries have been 
under-resourced, and this has had clear implications for 
their ability to collect quality data (PARIS21, 2015). In 
addition, populations in developing countries may live 
either highly spread out or in complex, dense and ever-
shifting communities. This means that statisticians, asked 
by the global community or their government to come up 
with finite numbers, have often had to rely on long series 
of assumptions and interpolations. In other words, they 
do the best they can with the limited human and financial 
resources available to them.
Data collection is expensive. Increasing the range 
and depth of questions and number of interviewees to 
improve the quality of the data adds to that expense, and 
can compromise data quality when survey fatigue sets in. 
Already the India National Sample Survey Consumption 
Poverty module takes between 1 and 2.5 hours to complete 
– and this gives data on only consumption. If benefits are 
not obvious, it may be difficult for line ministries to justify 
spending on surveys rather than investing in say, health 
systems, where outcomes may be more tangible. Therefore 
while it is clear that investment in NSOs is needed, new 
methodologies and technologies for data collection and 
communication will be also be necessary if countries are to 
significantly improve the quality of their statistics.
3.1.2 Political interference
Data are inherently political, and may be more a result of 
negotiation than measurement. In particular, the decision 
as to what (and whom) to count is intimately connected 
with questions of power (see Boxes 7 & 8, overleaf). 
In other words, groups that are marginalised may be 
intentionally so (Buettner and Garland, 2008 cited in Carr-
Hill, 2013; UNESCO, 2010). Both the MICS and DHS 
provide governments with the option to include questions 
on ethnicity, for example, or to use proxy measures such 
as religion or language. In MICS most governments 
have chosen not to include the questions or the proxies 
(Dodgeon, 2013).
22 Development Progress Research Report
3. How to plug the gaps
A worker collects data from women in Badakhshan province, Afghanistan, as part of a village-level assessment of hazards, vulnerability and risk. Photo: © Luke Bostian / Aga 
Khan Foundation.
VB.NET PDF Convert to Word SDK: Convert PDF to Word library in vb.
high quality Word documents from both scanned PDF and searchable Convert PDF document to DOC and DOCX formats in to export Word from multiple PDF files in VB.
convert pdf to text file using; convert pdf to openoffice text
VB.NET Create PDF from PowerPoint Library to convert pptx, ppt to
Convert multiple pages PowerPoint to fillable and editable PDF documents. Easy to create searchable and scanned PDF files from PowerPoint.
convert pdf to text online no email; conversion of pdf image to text
In India, caste had not been included in the census 
since 1931, but was included in 2011 for political rather 
than ethical reasons: the ruling Congress party needed 
the support of smaller parties including caste-based 
groups (The Economist, 2010).
28
A Socio-Economic Caste 
Census (SECC) has also been conducted for the purpose 
of targeting, but has not yet been released.
29
For NSOs to 
provide accurate and complete data, they will need to be 
politically independent from government (see Box 6).
The data revolution – Finding the missing millions 23  
28 See also Census of India (2011)  (www.censusindia.gov.in/).
29 Socio Economic and Caste Census 2011 (http://secc.gov.in/welcome).
Note: A DSS monitors demographic and health outcomes for the entire population of a given area. A SRS records the births and deaths within sample units 
throughout a country to estimate population, fertility, mortality and medical attention at birth and death.
Box 6: National Statistics Offices (NSOs)
In a PARIS21 survey of 25 developing country NSOs, only half said that they follow international standards, and a fifth 
have no quality control in place. In the Dominican Republic, Nepal, Trinidad and Tobago, and Bolivia, laws that govern 
statistics are more than 35 years old. The same study found that the NSO in Burundi doesn’t even have an office.
African statistics service said that 
let alone MS Excel. Another 
reported that staff in the statistical ministry had ‘minimal to zero ability to analyse or use data’. Typically data are 
‘outsourced to third parties for analysis’. Another said that no one other than himself knew how to use STATA or 
SPSS (computer programmes to analyse data).
In NSOs in Malawi, Mali, and Trinidad and Tobago, fewer than 20% of staff members have any training in 
statistics, and there is no training plan in place (PARIS21, 2008-2015). Low pay is also endemic. One respondent 
to the ODI survey said that the W‘a 
couple of years later, only one of them still works in the ministry. The rest moved to the private sector, where they 
gain more. The last one is also looking to move.’
Despite of these manifold challenges, some offices are nonetheless innovating. Costa Rica, Gabon, Peru and 
Almost 50 African NSOs now have 
websites,Twitter.**
* See for example Kenya National Bureau of Statistics (http://www.knbs.or.ke/).
** As of February 2015, among others the NSOs of Mali, Senegal, Burkina Faso, Kenya, Mozambique, Nigeria, Uganda, Rwanda and South Africa 
had what appeared to be an official Twitter account. 
Figure 2: Cost estimates for alternative data-collection approaches
0
20
30
40
15
10
55
25
35
Cost per participant in US Dollars
Cost per participant - Low
Cost per participant - High
Mobile survey 
(cost for 1 survey of 10 questions)
7.3
4.1
Household and other surveys
(costs for: Tanzania, Peru, Burkina Faso, 
Cambodia, Malawi, Moldova)
36.3
7.6
Demographic surveillance systems 
(costs for: Tanzania, Ethiopia, Malawi)
3.1
0.8
Sample registration systems 
(costs for: Tanzania, Cambodia, 
Malawi, Indonesia)
1.0
0.2
Population census
(costs for: Tanzania, South Africa, Burkina Faso, 
Cambodia, Malawi, Moldova, New Zealand)
4.0
0.2
Source: Health Metrics Network (n.d.); Croke et al., 2012 and authors’ correspondence with GeoPoll.
VB.NET Create PDF from Word Library to convert docx, doc to PDF in
multiple pages Word to fillable and editable PDF documents. Easy to create searchable and scanned PDF files from Convert Word to PDF file with embedded fonts or
convert pdf to word editable text online; converting pdf to text
VB.NET Create PDF from Excel Library to convert xlsx, xls to PDF
Create fillable and editable PDF documents from Excel in Create searchable and scanned PDF files from Excel in VB Convert to PDF with embedded fonts or without
convert pdf images to text; convert pdf to txt file online
3.1.3 Perverse incentives from donors
Donor behaviour can undermine coordinated country-led 
data collection. Frustrated by the lack of domestically 
generated data, donors (and NGOs) commission surveys 
that answer their monitoring and evaluation questions at 
a time that works for their budget cycle. This can come 
at the expense of domestic statistical capacity, as staff 
from NSOs are frequently hired to do the surveying on a 
consultancy basis, hence undermining the already-stretched 
capacity of the NSOs. 
Donor-sponsored surveys are not always sufficiently 
coordinated, either with one another, or with country 
surveys. For example, in Mozambique the Household 
Budget Survey (the Inquérito ao Orçamento Familiar
which was the LSMS equivalent)
30
and the MICs (Instituto 
Nacional Des Estatisticas, 2009) survey both happened 
in 2008/09, but there had been no household survey in 
the previous five years. This means that countries have 
important – and unnecessary – data gaps. This chimes with 
a comment made by a respondent to the ODI data survey 
(Box 3, page 17). Referring to the DHS and MICS, he said: 
‘It is hard to describe the amount of damage that donor-
sponsored surveys are doing to statistical capacity. Due to 
the inflow of donor funds, the stats agency had almost zero 
interest in doing any work for the government – which 
didn’t come with salary boosts, per diems, etc.’
The DHS and MICS are now trying to coordinate their 
work with LSMS and ensure that what they produce is 
comparable
31
(see Quick Win 2, Box 10, page 28). In 
addition, there has been an effort in recent years to align 
donor support to developing country national priorities 
through the National Strategies for the Development of 
Statistics (NSDS).
32
24 Development Progress Research Report
30 9).
31 Author’s conversation with Gero Carletto, Chief Economist, LSMS, World Bank and Sunita Kishor.
32 See PARIS21, National Strategies for the Development of Statistics (http://www.paris21.org/NSDS).
Box 7: Counting Myanmar*
Myanmar has just conducted its first census in 30 years, and initial findings are dramatic: there are 9 million 
fewer people than everyone had thought: companies, donors and the government had long spoken of Myanmar 
as a country of 60 million people. Yet the census showed just 51.4 million – around 15% fewer. There are also 
nearly 2 million more females than males. Myanmar is a vast land with poor physical and digital infrastructure 
and dispersed populations. In Putao, northern Kachin state, enumerators walked for 12 days to count just a small 
collection of households. And after years of military rule, government activity is still viewed by many with the 
highest suspicion. 
outlying states. 
UNFPA, supporting the Myanmar Department of Population, rapidly trained more than 110,000 enumerators. 
To engender trust, they employed primary school teachers fluent in local languages and known by communities, and 
UNFPA’s presence as a foreign source of expertise helped to allay suspicions around the intent of the census, securing 
the eventual agreement of 14 warring ethnic bodies to facilitate enumeration in their communities. Much of the 
estimated $62m cost (Jackson, 2014) has been spent on communication efforts to explain the value of the census. 
Around 7.5 million pamphlets in 19 languages were distributed, along with 2.3 million posters, radio broadcasts in 
eight languages, 500,000 t-shirts, 1 million census caps, badges and fans, and a 24-day celebrity bus tour.
In the end,
for public policy-making and donor interventions in Myanmar. However, the source of the missing 2% is 
contentious.** 
from the outset.
be allowed to self-identify. s preferred 
many enumerators simply closed their 
manuals and moved on to the next house. 
This caused uproar among many who felt they were, perhaps intentionally, being left out of the census (Snaing, 
them citizenship in Myanmar (Mahtani and Myo, 2014). Modelling work was done to account for these missing 
households, but human rights groups have criticised both UNFPA and the government. It remains to be seen 
* For a critical review of the census, see The Economist (2014b).
** Missing Rohingya households do not constitute the entirety of the uncounted households. A small region within Karen state, entirely consisting 
of local independence movement fighters, could not be visited as soldiers were unwilling to disclose personal details. Some households were also 
unable to be reached in the most remote locations.
*** Author’s conversations with Janet Jackson (Myanmar Country Representative) and Petra Righetti (Census Coordinator, UNFPA).
C# Create PDF from Word Library to convert docx, doc to PDF in C#.
pages Word to fillable and editable PDF documents in Easy to create searchable and scanned PDF files from Word. Convert to PDF with embedded fonts or without
convert pdf to word to edit text; convert scanned pdf to text online
C# Create PDF from PowerPoint Library to convert pptx, ppt to PDF
Convert multiple pages PowerPoint to fillable and editable PDF documents. Easy to create searchable and scanned PDF files from PowerPoint.
batch convert pdf to text; .pdf to .txt converter
Finally it may matter deeply to governments if data 
show that they are not increasing the number of children 
completing primary education, or that they are failing to 
reduce malnutrition. This not only affects their domestic 
political standing, but may also mean donors cut aid 
programmes or other funding. In other words, they have an 
incentive to report that things are better than they actually 
are (Sandefur and Glassman, 2014).
3.1.4 Making existing data transparent and usable
There are vast repositories of data in the world and one of 
the most cost-effective ways for countries to improve their 
statistical capacity is to use that data by publishing as soon 
after collection as possible. But beyond this basic point, 
there are key ways to improve the usability of data. The 
first concerns how the data are collected. To be genuinely 
revolutionary, data will need to measure issues that citizens 
in poor countries care about. An obvious way to ensure 
that the data are relevant is to have users engaged in data 
projects from the outset (NZDFF, 2014).
It is also essential that the users themselves directly 
benefit from the data collection (Bhargava et al., 
forthcoming). In the case of New Zealand, one explicit 
objective of the Data Futures project was to improve 
livelihoods, and help people get better access to services 
and benefits. As the report says: ‘After all, Maori data is 
part of the Maori story, but is too often only analysed and 
interpreted by providers of services to Maori for their own 
purposes, not to answer questions put to those agencies by 
Maori’ (NZDFF, 2014). The government is also exploring 
how to improve service provision to the Maori community 
based on insights from data.
The data need to be useable. This might seem an obvious 
point, but making data accessible is not as simple as putting 
large volumes of numbers on a website. They need to be 
standardised so that they can be presented in a uniform 
way, and published in a format that people can understand. 
The World Bank boasts that its open-budget portal, the 
Boost Initiative, is user-friendly, but, ironically, it is for the 
most part impenetrable even to professional researchers. 
The data need to be searchable, or machine-readable. In 
India, for instance, government documents are published 
online, but not in a digitised way – in fact, there is a 
kind of reverse digitisation: documents are created on 
a computer, then printed out, stamped with an official 
seal and signed in ink by an authorised person, scanned, 
converted to a PDF and then posted (Abraham, 2014).
Then the data need to be understood. There needs to be 
some basic capacity on the part of the user to understand 
the data, not least for ethical reasons (Bhargava et al., 
forthcoming). There have been some efforts to teach 
statistical literacy in developing countries, for instance the 
maths4stats initiative, which was trialled in KwaZuluNatal 
in South Africa (North et al., 2014).
But expecting that the broad population will understand 
data sufficiently well to have the capacity to interrogate 
them is a large assumption. Moves towards data 
visualisation are very helpful and can allow people to 
The data revolution – Finding the missing millions 25  
Box 8: Pakistan: poverty reduction or political manipulation?
According to its most recent Economic Survey, Pakistan is on track to meet the MDG target for reducing extreme 
poverty. 
2007, and to 12.4% in 2011.* W
2011, high prices, a series of significant 
electricity cuts and major natural disasters.
The poverty numbers are subject to fierce debate in Pakistan, and some suspect manipulation of data for 
political ends. But even that may be too simplistic an explanation. Unpacking the real story is complex, and 
separating political from technical aspects even more so. The official estimate for 2007 of 17.2% was not believed 
by some parts of the government. An 
2012). But their methods were 
also questioned. In 2009, the World Bank was called in, verified the 17.2% figure, and published it in its Country 
Partnership Strategy, although Pakistan still refers to the figures as ‘interim’ (Naseem, 2012).
But there’s more: according to Dr Talat Anwar, a former adviser to the Planning Commission, the government 
at a time of particularly 
high food prices, to under-report inflation. 
2015). 
2014). Until this is done, 
accusations of manipulation are 
likely to continue – and it still isn’t clear how many people in the country are poor.
* According to the Pakistan Economic Survey, this number should serve as an interim indication of poverty. A technical group is revising the official 
methodology and updating the estimates (Government of Pakistan, 2014).
Source: Khan et al., 2015.
C# Create PDF from Excel Library to convert xlsx, xls to PDF in C#
Create fillable and editable PDF documents from Excel in both .NET WinForms and ASP.NET. Create searchable and scanned PDF files from Excel. Convert to PDF with
convert pdf image to text; convert scanned pdf to text
VB.NET Image: Barcode Generator to Add UPC-A to Image, TIFF, PDF &
Generated UPC-A barcode can be scanned by common REFile.SaveDocumentFile(doc, "c:/upc-a.pdf", New PDFEncoder()). Word document is the most editable format for
convert image pdf to text; convert pdf to ascii text
analyse data who otherwise would not be able to (Figure 
3). Hans Rosling’s Gapminder Foundation, for instance, 
has created a way of teaching statistics that is vibrant and 
compelling.
33
But visualisations may still not be useful for 
the very poorly educated, may be less clear to some people 
than numerical data, and are themselves interpretations of 
data that may be subjective (Bhargava et al. forthcoming). 
In the immediate instance, data intermediaries will be 
needed (see Jooste, 2013).  NGOs, foundations, and even 
political parties could play this role where the private 
sector does not.
Finally, in order to serve development, it is essential 
that data reflect the complex adaptive nature of systemic 
problems. We know, for instance, that enrolment is a 
poor metric for education, hence there needs to be a shift 
to measuring years in school or learning outcomes. We 
may never know the exact number of poor people, as this 
will constantly evolve: as soon as a survey is conducted, 
it is out of date. In the face of this uncertainty, the real 
potential of data is in providing real-time feedback. The 
aim is not a definitive number of maternal deaths but 
rather real-time updates on whether this value is going up 
or down, or whether women are reporting better or worse 
care during birth, for example. This requires changing 
how we view data: not as something static and fixed but 
as always evolving, and that helps us to understand and 
respond more quickly.
26 Development Progress Research Report
33 http://www.gapminder.org/for-teachers/.
Figure 3: Example of a Gapminder graphical representation (% population aged 15-24 registered unemployed)
Source: Gapminder.org.
The data revolution – Finding the missing millions 27  
Box 9: Input data 
the focus has been on 
results and outcomes. However, aid and 
other development finance; and government spending in relevant areas. Without this, it will be impossible for 
Experience in 
this area suggests both optimism and room for improvement.
• Improved data on inputs can improve results. Where data on inputs have been more transparent and clearly 
linked to the MDGs, accountability processes, government planning and budgeting, and MDG outcomes have 
improved – as in Zambia, where the ‘Vote Health’ campaign used a pre-election period to demand a dramatic 
(IBP/DFI/Oxfam, 2014).*
• The countries that provide readily accessible expenditure data by sector are not necessarily the ones you would 
expect: Afghanistan, Burkina Faso, Cambodia, Guyana, Honduras, Mozambique, Solomon Islands and Uganda.**
• Data on inputs are woefully insufficient in many countries. Many countries still do not compile or publish 
development goals, particularly in the water, sanitation, and environment sectors, and on gender. More spending 
information is available on education, agriculture and health.
* The link between transparency and MDG spending allocations is complex. Across the whole sample, more transparent countries do not on average 
allocate a higher share of the budget to education, health or water. However, indicative results appear stronger for countries that have seen recent 
improvements in transparency levels.
** Open Budget Survey, Data Explorer (survey.internationalbudget.org/#rankings).
28 Development Progress Research Report
Box 10: Quick wins
Below is a set of proposals that could be achieved relatively easily, in terms of money, time and political will, and 
would be a significant fillip to the data revolution.
Quick win 1: Open up the World Bank’s hidden database
Even though the World Bank is supposed to operate an open access policy (World Bank, 2013), it manages a secret 
database – secret in the sense that it is accessible only to World Bank staff (and consultants). The International 
Income Distribution Database (I2D2) contains data from 600 nationally representative household surveys. This 
information would be hugely useful if made public – it is the only database in the world that gives comparable 
The data need to be verified 
for some regions, Although the data 
there is no reason to 
Quick win 2: Coordinating the DHS, MICS, with the LSMS
The DHS and MICS are not always coordinated with the LSMS, meaning that their data are not always 
compatible. 
for 
key indicators, word questions in similar ways. 
Quick win 3: Modules on missing dimensions of poverty (Alkire, 2007) 
. According to the Oxford 
Poverty and Human Development Initiative (OPHI), these include quality of work, empowerment, physical safety, 
social connectedness and psychological wellbeing. OPHI has designed short questionnaires (8-10 minutes) that 
These modules 
Quick win 4: Experiment with linking survey and administrative data (Alkire and Samman, 2014)
Experiments with linking survey and administrative data, primarily in Europe, have shown considerable potential 
Data may be linked between 
individuals and households from disparate sources, or between households and communities. For instance, in 
the 2009 Human Development Report for Mercosur (UNDP, 2009), a multi-dimensional poverty index for 
Argentina. 
Quick win 5: New technologies*
New innovations, notably Computer Assisted Field Editing (CAFE), Computer-Assisted Personal Interviewing 
(CAPI) and cloud-based technology, can facilitate collecting data and making them available quickly. CAFE 
of any problems. CAPI is an entirely digital method of data collection. It too permits the immediate transfer of 
data to central offices for ready analysis. A quick count of ongoing DHS surveys shows that about two-thirds are 
using either CAPI or are using CAFE.
respondents more actively in both data collection and their analysis. For example Paraguay’s Poverty Spotlight 
yellow, green), photographs, maps 
electronic tablets and simple software.
The data revolution – Finding the missing millions 29  
Quick win 6: Investing in data
At the Financing for Development Summit in July 2015, in Addis Ababa, governments should commit sufficient 
funds to finance a significant improvement in statistical systems. There are various estimates of what this would 
cost.
2015). Demombynes and 
(Demombynes and Sandefur, 2014). In other words, costs are not likely to be substantial, and it is clear that these 
Quick win 7: Continuous or interim surveys (Alkire, 2014)
To increase the frequency of data,
surveys or interim surveys with shorter questionnaires, smaller samples and, sometimes, rotating modules. For 
surveys to be continuous, different surveys are drawn from a master panel. These can be combined for more 
in-depth disaggregation and may have a panel element. Examples include national household surveys in Indonesia, 
Ecuador and Brazil, and DHS surveys in Peru and in Senegal. A key challenge for interim surveys is to generate 
enough demand for a short instrument.  The Multidimensional Poverty Peer Network (MPPN) has proposed a 
‘short,
household level).
Quick win 8: Open by default
The International Household Survey Network and Accelerated Data Program, managed jointly by the World Bank 
and PARIS21,
from surveys.** However, This not 
only in itself potentially a huge waste, it also means that surveying is often duplicative. Donors should make their 
access.
Quick win 9: Improving civil registration and vital statistics (CRVS) 
This is 
incredibly important to citizens, who may need a birth certificate to claim property rights, access services such 
as education, and avoid becoming stateless in a disaster. It is also important to governments, who cannot readily 
orld 
Bank/WHO, 2014). Latin America has been particularly successful in creating such a system. In Africa, success 
stories include South Africa and Cape Verde (World Bank/WHO, 2014), and large-scale efforts are now underway 
in the region.*** All countries should put in place quality CRVS systems. Pali Lehohla, the South African 
statistician general, says that, from a standing start, it should take countries just one year to develop a functioning 
system. He adds that CRVS systems are inexpensive: in South Africa, the cost has been US$0.20 per capita.
Quick win 10: Keeping data systems open
As governments develop data infrastructure, they should invest in open-source systems
††
rather than proprietary 
ones. This ensures that they retain ownership of the data, plus the possibility that they can migrate them in future. 
This also means that, once they have the technical capacity, countries can shape the system as they want, and 
.
  
Cited in Alkire and Samman (2014); Alkire (2014); Rojas (2015); and personal communication with Sunita Kishor.
**  www.ihsn.org/home.
***
See for example, the Third Conference of African Ministers responsible for Civil Registration Yamoussoukro, Cote d’Ivoire 11 February 2015 
(www.uneca.org/sites/default/files/uploaded-documents/CRVS/2015/paris21_concept_note_crvs_yamoussoukro_v04.pdf).
†    Author’s conversation with Pali Lehohla, Statistician General, Statistics South Africa.
† † 
Computer software with its source code made available with a licence in which the copyright holder provides the rights to study, change and 
distribute the software to anyone and for any purpose.
30 Development Progress Research Report
Box 11: Innovations in data collection and mapping in Liberia – from water points to Ebola
As Liberia emerged from its civil war, the country’s infrastructure was, not surprisingly, in disarray. The 
One particular challenge was 
.
New technology has been improving the government’s access to information: A country-wide exercise to check 
The 
government of Liberia has said that the water-point map, showing 10,000 pumps across the country, was the main 
input into the water and sanitation elements of its national plan, Vision 2030, particularly targeting underserved 
areas. ,’ said the then 
assistant minister for community services in the Ministry of Public Works, George Yarngo.
The 2011 survey took six months to complete. Enumerators interviewed communities and photographed the 
water points: the software used enables any Android phone to geo-locate, photograph and collate details of water 
points, which are uploaded to a central database. The entire, searchable dataset was put on a website (www.
wash-liberia.org)., 11% were 
functioning but had some kind of problem, and 25% were not working.**
The government says that it intends to keep the map updated, but work was interrupted by the onset of 
the Ebola crisis. However because people were already trained in the software, they are now using it to collect 
Ethiopia (including in 
the fragile Somali region) and Vanuatu.
http://akvo.org/blog/mapping-the-pipeline-liberia.
** http://wash-liberia.org/data-maps.
*** http://wash-liberia.org/ebola.
Figure 4: Liberian water point mapping
Source: Liberia 2011 Water Point Mapping, Akvo.
Documents you may be interested
Documents you may be interested