„A GovLab szerzői, Stefaan Verhulst, Andrew Young, Michelle Winowatan és Andrew J. Zahuranec a GovLab esettanulmány-gyűjteménye, a Data Collaboratives Explorer több, mint 150 esettanulmányára alapozva jelentették meg tipológiájukat és útmutatójukat arra nézve, hogy a vállalatok által előállított adattömeget hogyan lehetne a kormányzat, a civil társadalom és a tudomány képviselőivel megosztani úgy, hogy azok feldolgozása, felhasználása a közjó növelését szolgálja. A kulcs az adatgazdálkodási együttműködés (data collaboratives – magát a kifejezést is a GovLab szakértői alkották meg 2015-ben), ami a vállalati és a közszféra új, növekvő jelentőségű és elterjedtségű együttműködési formája. Mint a szerzők megjegyzik: az ebben rejlő érték a résztvevők számára ma már világos, annak módja viszont sokszor nem, hogy ezt hogyan lehetne realizálni. A most megjelentetett tanulmánnyal (Leveraging Private Data for Public Good: A Descriptive Analysis and Typology of Existing Practices) ezt a rést igyekeznek betölteni saját korábbi kutatásaik rendszerezésével és célzott újrafeldolgozásával.
A dokumentum arra az alapvető kérdésre keresi a választ, hogy milyen intézményi megoldások és működési dinamika teszi képessé a vállalati szereplőket arra, hogy az adatgazdálkodási együttműködés jegyében az általuk birtokolt adatokat a közigazgatási, a civil szféra és a tudományos élet szereplőivel – mint külső szereplőkkel – megosztva új közjavakat állítsanak elő. Fontos megjegyezni, hogy a tipológiájukkal meghatározott együttműködési kategóriák között nincs „a” legjobb megoldás, és a lehetséges megoldások rangsorolását sem teszik meg, mivel a különböző esetek megválaszolandó kihívásai más-más megoldást tehetnek célszerűvé. Nincs tehát mindenkire egyformán illeszthető megközelítés – a testre szabott megoldás megtervezéséhez a GovLab több változó együttes vizsgálatát javasolja, illetve végzi el a példák során maga is, elsősorban a működőképesség szempontjaira összpontosítva.
Az adatgazdálkodási együttműködés működési és intézményi dinamikájának nagyszámú változói közül a GovLab tanulmánya két meghatározó változóra összpontosít, az elkötelezettségre (engagement) és a hozzáférhetőségre (accessibility). E két tengely mentén rajzolja fel azt a mátrixot, amely alapján meghatározza az adatgazdálkodási együttműködés típusait.
A tengelyek és változók megnevezése alatt a következőket értjük:
Elkötelezettség: annak a mutatója, hogy az adatkínálatot biztosító vállalatok milyen mértékben működnek együtt az adatfelhasználásban.
- Független felhasználás: az adatok felhasználása, elemzése teljesen független tevékenység, a vállalati adattulajdonost nem vonják be az adatok újrahasznosításába.
- Együttműködő felhasználás: az adatkínálatot biztosítók és az adatokat felhasználók közösen döntenek az adatfelhasználás és -elemzés fókuszáról.
- Közvetlen felhasználás: az adattulajdonos keresi meg a partnert ahhoz, hogy speciális, prioritásainak megfelelő közhasznú értéket származtassanak az adatokból.
Hozzáférhetőség: annak feltételei, hogy külső szereplők hogyan férhetnek hozzá a magán-adatbázisokhoz.
- Nyílt hozzáférés: nagyon kevés korlátozás van a magánadatok újrahasznosításában, a vállalati adatok adott esetben a széles nyilvánosság számára is olvashatók és letölthetők.
- Korlátozott hozzáférés: csak előzetesen kiválasztott partnerek férhetnek hozzá a vállalati adatkészlethez.
A fenti változókkal meghatározott mátrixban a következő modellek rajzolódnak ki.
Nyilvános felületek: a vállalatok nyílt hozzáférést biztosítanak bizonyos adatokhoz, lehetővé téve a független felhasználást külső szereplők részére. Ez a megközelítés megvalósulhat alkalmazásprogramozási felülettel (API) vagy adatplatformokkal.
Bizalmi közvetítő: harmadik szereplő támogatja az együttműködést a magánszektor adattulajdonosai és a közszféra adatfelhasználói között. Ilyen megközelítést jelent az adat-ügynökösködés (Data Brokerage) és a közvetítői elemző projektek (Third Party Analytics Projects).
Adatösszegzés: vállalatok és más adattulajdonosok létrehoznak egy adataikat együttesen bemutató gyűjteményt, amely hozzáférhető a felhasználók széles körének. Ez megvalósulhat egyesített közadat-tárházzal (Public Data Pools) vagy egyesített magánadat-tárházzal (Private Data Pools)
Kutató-elemző partnerség: az adattulajdonosok közvetlenül megegyeznek közszféra-partnerükkel abban, hogy közhasznú értékteremtést megvalósító tudás létrehozása érdekében megosztják velük védett adataik meghatározott részét. Ez megvalósulhat adat-transzferrel vagy ösztöndíjakkal.
Díjak és kihívások: a vállalatok hozzáférhetővé teszik adataikat új applikációk kifejlesztéséért versenyző szereplőknek, vagy akik válaszokat dolgoznak ki adott problémafelvetésre, hipotéziseket és előfeltételeket tesztelnek, vagy új adat-alkalmazások úttörő felhasználói, egyszerre biztosítva a közhasznúságot és az üzleti érdeket. Ilyen megközelítést jelentenek a nyílt innovációs kihívások vagy a szelektív innovációs kihívások.
Feldolgozott információk közzététele (Intelligence Generation): a vállalaton belül kifejlesztett adatvezérelt elemzések, eszközök és más források közzététele a széles nyilvánosság felé.A GovLab adatbázisában szereplő esettanulmányok a következő megoszlásban sorolhatók be a fenti kategóriákba: kutató-elemző partnerség 25%, nyilvános felületek 20%, bizalmi közvetítők 20%, feldolgozott információk közzététele 15%, adatösszegzés 12%, díjak és kihívások 8%. Ezek nem azt jelzik, hogy melyik megközelítés mennyire jó, csak egy tapasztalati előfordulást. Annak megválasztása, hogy adott esetben melyik a legjobb megközelítés, a környezeti tényezők összetett függvénye.
Végül a tanulmányban a szerzők megfogalmaznak néhány előremutató tanulságot is. Először is szükség van a a változók értékelését célzó meghatározási módszertan továbbfejlesztésére a célravezető, testre szabott megvalósítások érdekében. Másodszor szükséges az adatgondnokság jobb megalapozása és erősebb felhatalmazása, hogy szektorközi együttműködéssel új utakat kereshessenek a közhasznú értékteremtéshez. És végül új közvetítőkre van szükség a tranzakciós költségek csökkentésére, annak támogatására, hogy el lehessen mozdulni az egyszeri kezdeményezésektől a nagy léptékű és fenntartható közvetítő vállalkozások felé.”
Forrás:
Leveraging Private Data for Public Good: A Descriptive Analysis and Typology of Existing Practices; Stefaan G. Verhulst, Andrew Young, Michelle Winowatan, Andrew J. Zahuranec; DataCollaboratives.org; 2019. október
New Report: “Leveraging Private Data for Public Good”; Andrew J. Zahuranec, Michelle Winowatan; The Governance Lab; 2019. október 31.
Lásd még korábbi cikkünket:
Adatgondnokság: az adatgazdálkodási vezetés új eszközei a 21. század kihívásainak megválaszolására; eGov Hírlevél
