Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Ved udvikling af offentlige services eller it-løsninger er der betydelig merværdi i at basere dem på allerede eksisterende data, snarere end at tage udgangspunkt i love og regler.
Traditionelt er eksempelvis lovtekst blevet oversat til informationsbehov, som igen blev til rapporteringskrav for de data, man ikke allerede har adgang til. M
en for at skabe ‘rigtig’ digitaliseret lovgivning bør vi i stedet identificere behovet og herefter undersøge, hvordan vi kan dække det via data, der automatisk kan opsamles inden for det relevante og eksisterende økosystem.
Love og regler er naturligvis essentielle, men de bør inkorporeres (og ideelt set formes) efter, at dataskabelonen og -leveringen er besluttet for den pågældende service eller tjeneste.
Og det handler ikke kun om myndighedens data men især om at identificere og anvende data fra alle relevante interessenter.
Samarbejde mellem parterne bør fokusere på at undgå nye indberetningsordninger, og i stedet stræbe efter automatiserede modeller uden unødvendig indberetning.
I praksis betyder det, at der er behov for samarbejde på tværs af organisationer, myndigheder og private aktører. Man skal tage højde for det eksisterende økosystem af data, da data i mange tilfælde allerede findes.
Udfordringen ligger i at gøre dem tilgængelige og anvendelige.
Et praktisk eksempel er bankerne, der hjælper os alle sammen med årlig indberetning af lån, renter og indestående, så Skat årligt kan beregne skatten, uden vi som borgere skal gøre noget.
Omvendt kan Bankerne også få data fra skat om lån i andre banker, efter fuldmagt fra borgeren, så de for eksempel kan vurdere, om man kan blive godkendt til lån.
Men bankerne har i høringssvar angivet, at de meget gerne ville indberette meget oftere (dagligt) og automatisk, hvis de til gengæld kunne få opdaterede og nye data den anden vej og ikke kun sidste års opgørelse.
Med løbende opdaterede data kan Skat sikre, at vores skattebetaling hele tiden bliver korrigeret automatisk, bankernes risiko bliver nedsat og borgerens involvering bliver endnu mindre.
Farvel til indberetningskrav – goddag til automatisering
Data first-løsninger refererer således til en tilgang, hvor fokus ligger på data fra udviklingsprocessens start.
For at lykkes med denne tilgang er det afgørende, at ansvaret for data placeres der, hvor det giver mest værdi, og hvor behovet for detaljer og hurtige opdateringer er størst.
Alle dataleverandører skal ligeledes have gensidig fordel af at bidrage som vi også så i bankeksemplet ovenfor, ellers resulterer datadeling sjældent i en vellykket løsning.
Denne fremgangsmåde indebærer at erstatte indberetningskrav med automatisk indhentning fra eksisterende data-puljer eller netværk, og en central del af modellen er at belønne dem, der bidrager med data ved at give dem nye informationer, effektiviseringer eller analyser til gengæld.
Eksempelvis, når det offentlige overvåger fødevaresikkerhed, er der nuværende indberetningsordninger, egenkontrolsystemer, smiley-ordninger og kontrolbesøg.
Disse er nødvendige, selv om landbruget, slagterierne og dagligvarebutikkerne er professionelle digitale virksomheder, hvis succes afhænger af et solidt datagrundlag for at reagere på markedet og optimere processer.
Der er således rigeligt med data i økosystemet, men adgangen til dem skal forbedres.
Moderne teknologi og mønstergenkendelse kan eksempelvis lette identifikationen af svindel eller problemer, men det kræver et nyt syn på samarbejde mellem offentlige og private aktører for at udnytte de relevante data.
Data først betyder også sikkerhed først
Automatisk dataindsamling giver et mere detaljeret og løbende billede, hvilket er langt mere informativt end periodiske indberetninger, eksempelvis på måneds-, kvartals- eller årsbasis
Eksisterende data kan også danne grundlag for en dybere forståelse, og beslutningstagere kan træffe mere informerede beslutninger.
Analysen af data muliggør derfor udvikling af løsninger, der bedre opfylder brugernes og myndighedernes forventninger og krav.
Tid og økonomi spiller også altid en rolle, og dataanalyse kan identificere områder, hvor ressourcerne bedst kan allokeres.
Dette fører til mere effektiv brug af budgetter og ressourcer i offentlige projekter. Ved løbende dataindsamling og analyse kan områder med behov for forbedringer identificeres, hvilket muliggør en iterativ tilgang til udvikling.
En data first-strategi kræver dog dyb forståelse for domænet og høj tillid mellem parterne.
Standardisering er nødvendig, så data ikke kun kan findes men også anvendes i automatiserede processer og danner grundlag for analyser og indsigt. Det er nøglen i det datadrevne samfunds udvikling af løsninger baseret på moderne datateknologier.
Dette inkluderer også, at overvejelser om datasikkerhed og beskyttelse af personlige oplysninger integreres i processen, så øget adgang til data bidrager til at styrke tilliden hos både brugere, myndigheder og mindsker risikoen for databrud.
Hvis øget dataadgang bliver til øget kontrol, så risikerer vi, at hverken borgere eller virksomheder vil bidrage til modellen, hvilket ultimativt vil modarbejde vores digitale udvikling som samfund.
Du kan læse mere om den datadrevne stat i dette white paper:
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
