Hva er data og datadeling?

På denne siden forklarer vi nærmere om hva vi legger i begrepene data og datadeling, og hva de innebærer.

Ulike typer av data

Det finnes mange typer av data. Et klargjørende skille i denne sammenheng, kan være mellom data som driver prosesser og data som kilde til innsikt og kunnskap.

• Data som driver prosesser: Små mengder data som utveksles eller oppstår i sanntid for å gjennomføre en handling – som en innlogging, en betaling eller en søknad.
• Data som kan brukes til analyse: Større mengder data som organiseres og analyseres for å forstå trender, besvare forskningsspørsmål eller ta beslutninger.

De to typene henger imidlertid sammen. Data som ble generert eller samlet inn for et bestemt formål, kan være verdifulle kilder for innsikt og analyse.

Datadeling for analyseformål

Sikt fokuserer i det forsterkede oppdraget primært på datadeling for analyseformål. Det er her utfordringene er størst og koordinering mellom virksomheter er viktigst.

Det er særlig to analyseformål som er særlig relevante. De ikke absolutte eller gjensidig utelukkende:

• Data til styring: Brukes til oppfølging, rapportering og beslutninger.
• Data til forskning: Brukes til å gjøre generaliserbare funn.

Behov knyttet til datadokumentasjon, datakvalitet, etterprøvbarhet, konsistens over tid, kompletthet og aktualitet vil variere mellom og innenfor de to typene formål.

Hva gjør data mer verdifulle?

Verdien av data øker når de er lette å finne, forstå og bruke. Det viktigste enkeltgrepet er å bruke felles, stabile identifikatorer, slik som fødselsnummer, organisasjonsnummer, ORCID eller DOI. Dette gjør at data fra ulike kilder kan kobles sammen.

Andre viktige faktorer er god dokumentasjon (metadata), konsekvent bruk av standarder og klassifikasjoner, og klare ansvarsforhold for hvem som forvalter dataene. Dette kan også gjøre det enklere å beskrive og håndtere endringer over tid, og legge til rette for sammenligninger mellom ulike tidsrom.

Økt bruk av data vil normalt bidra til bedre data- og metadatakvalitet over tid fordi feil og mangler blir oppdaget og korrigert.

Metadata: nøkkelen til gjenbruk

Data i seg selv er sjelden selvforklarende. En tabell med tall sier lite uten svar på grunnleggende spørsmål: Hva måler disse tallene? Hvem samlet dem inn, når, og for hvilke formål? Hvilke definisjoner og klassifikasjoner er brukt? Hvilke forbehold og mangler er relevante? Svarene på slike spørsmål kalles metadata: data som beskriver dataene.

Når data skal gjenbrukes til andre formål enn de opprinnelig ble samlet inn for, er metadata avgjørende.

Uten god dokumentasjon er det vanskelig for en ny bruker å vite om dataene faktisk måler det hun tror de måler, om de er sammenlignbare med andre datakilder, eller om det finnes begrensninger eller forbehold hun må kjenne til.

Metadata alene er imidlertid ikke alltid nok. Vel så viktig er det å forstå hva man faktisk analyserer. For å vite om data faktisk er egnet for et bestemt formål, må man ofte jobbe med selve dataene. Det er en rekke ting metadata aldri kan representere, fordi det handler om relasjonen mellom ulike data og variabler.

Dette er en viktig grunn til at kortest mulig tid mellom å finne data og faktisk bruke dem er et sentralt mål for Sikt. Det holder ikke alltid å kunne lete i kataloger: Man må kunne prøve ut data raskt og problemfritt, for å finne ut om de dekker analysebehovet.

Hvorfor én stor datakatalog er vanskeligere enn det høres ut

En naturlig tanke er at løsningen på fragmenterte data er å samle alt i én stor felles katalog. Men data er ikke like av natur, og det kan være gode grunner til at det finnes ulike definisjoner og forbehold for tilsynelatende like data.

• Operative data: Oppdateres kontinuerlig, er tett koblet til prosesser og systemers primærfunksjon. Standardisering krever gjerne koordinering mellom flere aktører.
• Styringsdata: Blir gjerne aggregert og periodisert i analyser for å se trender over tid og sammenligne tall på andre måter. Krever konsistente definisjoner over tid, men er relativt sett enklere å dokumentere og dele på aggregert nivå.
• Data generert i forsking: Svært varierte, alt fra spørreskjema til sensordata. Stor bredde i formater, volum, lovverk og terminologi. Krever detaljert metodisk dokumentasjon for å kunne gjenbrukes på en god måte av andre.
• Registerdata fra forvaltningsorganer: Stabile og godt strukturerte, men strengt regulerte. Tilgang og bruk er begrenset av lovverk/hjemler og formålskrav som kan variere mellom datakildene.

Disse datatypene stiller ulike krav til dokumentasjon, infrastruktur og juridiske rammer. En datakatalog som skal dekke alle, må enten gå på kompromiss med dybden, eller bygges opp rundt spesialisere løsninger som snakker sammen.

Derfor er ikke målet til Sikt å bygge en stor monolittisk løsning som dekker alle behov. Målet at databrukere skal møte oversiktlig landskap med tydelig informasjon om data, tilgangsbetingelser og tilgangsprosess, slik at veien frem til å bruke data blir kortest mulig.

Hva er utfordringene med å dele data?

Selv om intensjonene ofte er gode, kan det være krevende å dele data. De vanligste barrierene er:

• Juridisk usikkerhet: Mange er usikre på hva som er lov, særlig der personvern eller sektorregelverk er involvert. Der det er behov for data fra flere kilder samtidig blir juridiske vurderinger spesielt utfordrende.
• Manglende infrastruktur: Selv der det er vilje til å dele, mangler det i noen tilfeller verktøy og standarder for å gjøre det effektivt. I andre tilfeller finnes det kanskje gode verktøy, men aktuelle løsninger er ikke godt nok kjent.
• Kompetanse og kultur: Mange virksomheter har lite erfaring med datahåndtering. Det kan også være en opplevelse av at kostnadene ved å dele ligger lokalt, mens gevinstene tilfaller andre.
• Uklart ansvar: Fragmentert koordinering mellom virksomheter og sektorer gjør at løsninger i noen tilfeller overlapper eller mangler.

Målet til Sikt er å hjelpe virksomheter i kunnskapssektoren med å navigere i disse utfordringene: gjennom dialog og veiledning, videreutvikling av felles løsninger og koordinering på tvers.