Kader voor open gegevens voor sociale impact

Bij Microsoft zijn we ervan overtuigd dat gegevens van cruciaal belang zijn voor het aanpakken van de belangrijke sociale problemen waarmee onze wereld vandaag wordt geconfronteerd. De wereldwijde pandemie heeft ons laten zien welke belangrijke rol gegevens spelen bij het begrijpen, beoordelen en ondernemen van actie om de uitdagingen die COVID-19 creëert op te lossen. Bijna alle organisaties, groot en klein, hebben echter nog steeds moeite om gegevens relevant te maken voor hun werk. Ondanks de waarde die gegevens hebben, slagen veel organisaties er niet in de kracht ervan aan te wenden om de resultaten te verbeteren.

Een deel van deze strijd komt voort uit de "datakloof" - de kloof die bestaat tussen landen en organisaties die effectief toegang hebben tot gegevens om hen te helpen innoveren en problemen op te lossen en landen en organisaties die dat niet hebben. Om deze kloof te dichten, heeft Microsoft in 2020 de Open Data Campagne gelanceerd om de belofte van meer open data en datasamenwerkingen die innovatie stimuleren, te helpen realiseren.

Een van de belangrijkste lessen die we hebben getrokken uit de campagne en het werk dat we hebben gedaan met onze partners, het Open Data Institute en The GovLab, is dat het vermogen om toegang te krijgen tot en gebruik te maken van gegevens om de resultaten te verbeteren veel meer inhoudt dan technologische hulpmiddelen en de gegevens zelf. Het is ook belangrijk om de ervaringen en praktijken die effectieve datasamenwerking en besluitvorming bevorderen, te kunnen benutten en delen. Dit geldt met name voor de samenwerking met overheden, multilaterale organisaties, non-profitorganisaties, onderzoeksinstellingen en anderen die gegevens willen openstellen en hergebruiken om belangrijke sociale problemen aan te pakken, met name die waarmee ontwikkelingslanden worden geconfronteerd.

Met andere woorden, alleen toegang hebben tot data en technologie creëert niet op magische wijze waarde en verbetert de resultaten. Om optimaal gebruik te kunnen maken van open data en samenwerking op datagebied moet worden nagedacht over hoe het leiderschap van een organisatie zich kan inzetten om data nuttig te maken voor haar missie, de vragen te definiëren die zij met behulp van data wil beantwoorden, de vaardigheden te identificeren die haar team nodig heeft om data te gebruiken en te bepalen hoe het beste vertrouwen kan worden ontwikkeld en tot stand gebracht tussen medewerkers en gemeenschappen die worden bediend om meer inzicht te krijgen in en voordeel te halen uit data.

Het Open Data for Social Impact Framework is een instrument dat leiders kunnen gebruiken om data in te zetten voor het oplossen van de uitdagingen die voor hen het belangrijkst zijn. We erkennen dat niet alle data publiek toegankelijk kunnen worden gemaakt, maar we zien de enorme voordelen die kunnen voortkomen uit het bevorderen van meer open data, of dat nu de vorm aanneemt van vertrouwde data-samenwerkingen of echt open en publieke data. We gebruiken de term 'sociale impact' voor een positieve verandering in de richting van het aanpakken van een maatschappelijk probleem, zoals het verminderen van de CO2-uitstoot, het dichten van de breedbandkloof, het opbouwen van vaardigheden voor banen, en het bevorderen van toegankelijkheid en inclusie.

Wij geloven in de grenzeloze mogelijkheden die het openen, delen en samenwerken rond gegevens kan creëren om nieuwe inzichten te verwerven, betere beslissingen te nemen en de efficiëntie te verbeteren bij het aanpakken van enkele van 's werelds meest urgente uitdagingen.

Burton Davis
Vice-president en plaatsvervangend algemeen juridisch adviseur, Intellectuele Eigendomsgroep bij Microsoft

Deze site is niet bedoeld om juridisch advies te geven en dient niet als zodanig te worden beschouwd. Het raamwerk biedt middelen om organisaties te helpen open data te bevorderen en samen te werken aan data voor sociaal welzijn. Het delen van data is niet zonder risico. Het wordt aanbevolen om onafhankelijk juridisch advies in te winnen. Deze site bevat koppelingen naar bronnen van derden. Microsoft is niet verantwoordelijk voor verlies, letsel of schade als gevolg van het gebruik van de koppelingen of het vertrouwen op materiaal dat door derden beschikbaar is gesteld.

Organisaties die geïnteresseerd zijn in het gebruik van open data begrijpen misschien de voordelen ervan en hoe het van toepassing kan zijn op specifieke projecten, maar hoe die eerste stap te zetten kan onduidelijk zijn. Het volgende is een eenvoudig stappenplan dat u kunt volgen om te beginnen met het gebruik van meer open data om uitdagingen aan te pakken in uw organisatie, gemeenschap en de wereld in het algemeen. Waar aangegeven, klik om meer te leren en spring naar de overeenkomstige secties in dit kader.

1. Bepaal of u beschikt over de organisatorische infrastructuur.

Voor veel organisaties is het adopteren van een open data aanpak een culturele verschuiving. Is er sprake van buy-in bij uw stakeholders? Hebt u de investeringen geëvalueerd die nodig zijn om data aan het werk te zetten? Is er vertrouwen tussen de belanghebbenden? Zorg ervoor dat u deze antwoorden heeft voordat u de volgende stap zet.

Lees meer in Leiderschap: Bent u klaar om data aan het werk te zetten om sociale resultaten te verbeteren?

2. Begrijp de vragen die u met gegevens wilt beantwoorden.

Uw datastrategie begint met het vaststellen van de vragen die u wilt beantwoorden. Zodra u deze vragen hebt vastgesteld, kunt u bepalen welke datasets nodig zijn en of u er toegang toe hebt.

Meer informatie in Opportunity: Wat zijn de vragen die u met data wilt beantwoorden?

3. Verzamel het nodige talent.

U hebt de juiste strategie en de juiste datasets nodig. Maar u hebt ook de juiste mensen nodig om in de loop van uw project analyses en inzichten te verschaffen. Zorg ervoor dat u de vereiste datavaardigheden evalueert en dat al uw teamleden begrijpen dat samenwerking de kern van het project vormt.

Meer informatie vindt u in Talent: Beschikt u over het talent dat nodig is voor data-analyse?

4. Vertrouwen in de gemeenschap opbouwen.

Creëer een goed bestuurskader om ervoor te zorgen dat zowel datakansen als datarisico's worden aangepakt. Zorg ervoor dat uw governancebeleid zorgt voor transparantie onder de belanghebbenden, inclusiviteit onder de leden van de gemeenschap en stimuleer enablement, zodat zij begrijpen waarom het verzamelen en gebruiken van open data in hun eigen belang is.

Meer informatie vindt u in Gemeenschapsbestuur: Heeft u in uw gemeenschap vertrouwen opgebouwd rond het gebruik van data?

5. Zorg dat u over de juiste gegevensbronnen beschikt.

Analytics- en datavisualisatietools zijn essentieel als je werkt met een breed scala aan datasets en een groot volume aan gegevens. Ook is het voor verantwoorde samenwerkingsverbanden op het gebied van open data en het delen van gegevens van essentieel belang dat rekening wordt gehouden met eventuele privacy- en veiligheidsbehoeften.

Meer informatie vindt u in Technologie en gegevens: Welke oplossingen en middelen hebt u nodig om uw impact mogelijk te maken en te vergroten?

Kunstmatige intelligentie, of AI, is de ruggengraat van de digitale transformatie die de wereld momenteel doormaakt. Industriële operaties, bedrijfsprocessen, klantenbeheer en meer worden getransformeerd door machine learning dat de mogelijkheid creëert voor meer experimenten, efficiëntie en snelheid. Door het verzamelen, opslaan en beheren van grote hoeveelheden gegevens te stroomlijnen, ontstaan betrouwbaardere inzichten die organisaties kunnen gebruiken bij hun besluitvorming.

Grote en diverse datasets kunnen die inzichten helpen versterken of aanvullen. Open gegevens, d.w.z. gegevens die door iedereen zonder beperkingen kunnen worden ingezien, gebruikt en gedeeld, kunnen gebruikers helpen problemen sneller en met meer gezag op te lossen, wat tot snellere doorbraken kan leiden en, omdat ze ook voorspellend kunnen zijn, voorspellingen met grotere nauwkeurigheid kan genereren. Om deze redenen is de waarde van open gegevens in de gezondheidszorg, de wetenschap, het onderwijs, het milieu en nog veel meer, onmetelijk om de grootste uitdagingen van de samenleving te helpen oplossen.

In de meeste gevallen ligt de waarde niet in de gegevens op zich, maar in wat je met die gegevens doet. In dit verband is het ook belangrijk te wijzen op een paar economische aspecten van gegevens. Gegevens zijn nietrivaliserend - ze kunnen door velen worden gebruikt zonder dat ze hun waarde verliezen, en ze kunnen worden gebruikt om netwerkeffecten te bereiken - meer gegevens kunnen bijvoorbeeld leiden tot betere AI, die meer gebruik kan aantrekken en meer gegevens kan genereren.

Door gegevens open te stellen of toegankelijker te maken, kan meer waarde worden gegenereerd dan door ze in een silo te bewaren en kan een enorme publieke waarde worden ontsloten. Gebruikers die de data combineren met andere datasets of er in een nieuwe context mee werken, kunnen nieuwe inzichten ontdekken die bij het oorspronkelijke gebruik niet duidelijk waren. Zoals het Open Data Policy Lab in zijn 9 R's Framework aangeeft, kan meer open data ook reproduceerbaarheid mogelijk maken, waardoor het vertrouwen in de resultaten toeneemt doordat anderen identiek of verwant werk kunnen uitvoeren.

Het gaat er niet alleen om gegevens over te dragen aan andere gebruikers, maar met hen samen te werken om te begrijpen hoe ze worden gebruikt en hoe de voordelen van dat gebruik kunnen worden gedeeld met de gemeenschap. De waarde ervan ligt in de manier waarop ze worden gebruikt om nieuwe betekenissen en oplossingen mogelijk te maken. Het openstellen van gegevens kan helpen om de gemiste toepassingen - en de gemiste waarde van gegevens als ze gesloten worden gehouden - te voorkomen. Dit is de coöperatieve geest van open data. De waarde ervan is eindeloos.

Voor meer informatie over de waarde van gegevens, zie het rapport "The Value of Data " van het Open Data Institute.

Een punt van zorg bij het openstellen van gegevens kan het risico zijn dat gevoelige gegevens openbaar worden gemaakt. Het beschermen van de privacy van personen en van vertrouwelijke of commercieel gevoelige informatie kan wettelijk verplicht zijn of contractueel zijn vastgelegd. Daarnaast moeten organisaties ook rekening houden met de reputatie, de ethische en de commerciële risico's van het delen van gevoelige gegevens.

Om de belanghebbenden in het ecosysteem van gegevensuitwisseling te beschermen en het vertrouwen in gegevensuitwisseling te bevorderen, is het belangrijk gevoelige gegevens te beschermen met de juiste juridische, technische en organisatorische middelen. Deze vereiste mag organisaties er echter niet van weerhouden een doeltreffende datastrategie te volgen. De mate van bescherming kan veeleer worden bereikt door geschikte governance-kaders voor het verantwoord delen van gegevens te implementeren.

Er kunnen bijvoorbeeld hulpmiddelen ter verbetering van de privacy worden gebruikt om persoonlijke informatie privé te houden. Technologieën en technieken zoals differentiële privacy, homomorfe encryptie, vertrouwelijk computergebruik, anonimisering en de-identificatie kunnen worden gebruikt om de individuele privacy te beschermen en tegelijkertijd de toegang tot gegevens voor organisaties, onderzoekers en het maatschappelijk middenveld te verbeteren. Hoewel deze technologieën misschien niet geschikt zijn voor alle situaties, kunnen zij in bepaalde contexten nuttig zijn.

Voor meer informatie over de voorwaarden en belemmerende factoren die vaak de impact van open data-initiatieven bepalen, kunt u terecht op The GovLab's Periodic Table of Open Data's Impact Factors.

Open gegevens kunnen belanghebbenden nieuwe kennis verschaffen die hen helpt beter geïnformeerde en objectievere beslissingen te nemen. De waarde van aanvullende datasets uit verschillende bronnen kan gebruikers helpen meer duidelijkheid te krijgen over problemen en nieuwe inzichten te ontsluiten. Zoals het gezegde luidt: "je weet niet wat je niet weet". Open data bieden een kans om nieuwe mogelijkheden aan het licht te brengen die gebruikers nooit eerder hadden overwogen.

De drijvende kracht achter dit proces is de aard van open gegevens zelf. Gegevens kunnen bijvoorbeeld op verschillende manieren worden geanalyseerd om patronen te ontdekken en zo een veelzijdig beeld te krijgen van het probleem dat de gebruiker probeert op te lossen. Deze bevindingen kunnen worden gedeeld met het bredere publiek voor crowdsourcing om de bevindingen te verbeteren of nieuwe, nog niet ontdekte, bevindingen te creëren. Naast het bredere delen en bewustzijn, kunnen open data anderen aanmoedigen tot wederkerigheid en bijdragen opleveren die iedereen ten goede komen.

The Nature Conservancy (TNC)-India en Microsoft maken bijvoorbeeld gebruik van bestaande open satellietbeelden om een nieuwe open dataset over zonneparken in India te creëren. Deze gegevens zullen helpen bij het identificeren van factoren die bepalen of land geschikt is voor zonne-energieprojecten en uiteindelijk overheidsinstanties helpen bij het beter plannen van de ontwikkeling van zonne-energie.

Besluitvorming hoeft daarom niet strikt gebaseerd te zijn op datasets die zich binnen één organisatie bevinden. Open data maakt toegang mogelijk tot gegevens die door anderen zijn gepubliceerd, en kan de mogelijkheid scheppen voor verdere input in de gegevens van uw organisatie, waardoor het eindresultaat en de besluitvorming verder worden geïnformeerd.

Zoals hierboven gesuggereerd, helpen open data gebruikers bij het identificeren en aanpakken van verschillende problemen die in eerste instantie misschien niet zijn overwogen. Open data helpen organisaties ook verbanden te leggen met andere datasets. De Purdue Food and Agricultural Vulnerability Index maakte gebruik van zeer uiteenlopende open datasets om nieuwe inzichten te genereren in de impact van COVID-19 op de landbouwproductie en de gezondheid van boeren en landarbeiders.

Met toegang tot meer gegevens kunnen sneller inzichten worden verkregen. Dit geeft gebruikers de vrijheid om te experimenteren met nieuwe ideeën, om correlaties te zien die eerder niet bekend waren, of om de ontdekkingsfase te verlengen. Deze voortdurende ontvouwing van de gegevens maakt nieuwe mogelijkheden mogelijk op manieren die efficiënter kunnen zijn dan voorheen het geval was.

Doorbraken in de wetenschap met behulp van open gegevens hebben ons al laten zien dat het een belangrijk model is voor onderzoekers, een model dat het delen van protocollen, het rapporteren en verspreiden van resultaten, het delen van code, enzovoort bevordert. De aard zelf van elk soort onderzoek is immers afhankelijk van de zorg dat gegevens doorzoekbaar, toegankelijk en herbruikbaar zijn om onderzoek door derden mogelijk te maken.

De belofte van open gegevens is dat zij die deuren openen en onderzoek en innovatie versnellen ten voordele van het publiek. Het delen of openbaar maken van bepaalde gezondheidsgegevens heeft bijvoorbeeld geholpen om de ontwikkeling van medische behandelingen zoals de vaccins tegen het COVID-19-virus te versnellen. De lering die uit deze ervaring is getrokken, heeft de VS ertoe aangezet miljarden dollars uit te trekken om tijdiger onderzoek te ondersteunen. De National Institutes of Health hebben tot dusver bijna 4,9 miljard dollar ter beschikking gesteld ter ondersteuning van COVID-19-onderzoeksprojecten. De integratie van de beginselen van open gegevens in deze programma's kan het onderzoek helpen versnellen, wat zowel de huidige pandemie als de toekomstige crises ten goede zal komen.

• In een rapport van McKinsey Global Institute uit 2013 wordt de markt voor open gegevens, die wordt geschat op 3 biljoen dollar per jaar, toegespitst op de waarde van het combineren van open overheidsgegevens met gedeelde gegevens van bedrijven.
• In 2014 schatte Lateral Economics dat de potentiële waarde van open gegevens voor de G20 ongeveer 2,6 biljoen dollar per jaar zou bedragen, wat zou bijdragen tot een cumulatief bruto binnenlands product (bbp) van de G20-landen van ongeveer 1,1% van 2014-2019, of 55% van de 2% extra groeidoelstelling van de G20.
• In 2020 schatte het European Data Portal de waarde van open data voor de EU28+ op 184,45 miljard euro in 2019, en voorspelde dat deze zou oplopen tot tussen 199,51 en 334,20 miljard euro in 2025. In het verslag werd ook gekeken naar de werkgelegenheidscijfers, met 1,09 miljoen open data-werknemers in 2019 en een prognose van 1,12 tot 1,97 miljoen open data-werknemers tegen 2025.
• Transport for London heeft gemeld dat het gebruik van zijn open gegevens particuliere bedrijven in staat heeft gesteld tussen 12 en 15 miljoen pond per jaar bij te dragen aan de Londense economie.

Voor meer inzichten en casestudy's over waarom bedrijven gegevens willen delen, kunt u terecht bij de "Seven reasons why businesses should be sharing data" van het Open Data Institute.

Voor meer informatie over de business case voor datasamenwerking en hergebruik van gegevens in het algemeen belang, zie het Open Data Policy Lab's 9Rs Framework.

Het Open Data for Social Impact Framework is een instrument dat leiders kunnen gebruiken om data in te zetten voor het oplossen van belangrijke maatschappelijke vraagstukken, zoals het terugdringen van de CO2-uitstoot, het dichten van de breedbandkloof, het ontwikkelen van vaardigheden voor banen en het bevorderen van toegankelijkheid en inclusie. Het volgende raamwerk is ontworpen om leiders van organisaties in het data-ecosysteem - overheden, non-profitorganisaties en multilaterale organisaties - te leiden naar inzichten en oplossingen die zij kunnen gebruiken om belangrijke maatschappelijke vraagstukken te helpen aanpakken.

Deze site identificeert vijf themagebieden die organisaties zouden moeten overwegen wanneer zij data willen gebruiken om sociale resultaten te verbeteren: leiderschap, kansen, vaardigheden, gemeenschapsbestuur, en technologie en data. Er worden vragen gesteld en middelen aangeboden die kunnen helpen deze vragen te beantwoorden. Deze concepten worden tot leven gebracht met voorbeelden uit de praktijk van open data projecten. Er is ook een routekaart naar open data die organisatieleiders kunnen gebruiken om aan de slag te gaan.

Dit raamwerk kan dienen als een hulpmiddel om de basis te leggen voor open data en data samenwerking. Er zijn echter nog vele andere uitstekende bronnen om uit te putten die degenen kunnen helpen die data willen gebruiken voor sociale impact, waarvan we er een aantal op deze site noemen.

Het raamwerk bevordert een cultuur van open data en datasamenwerking door organisatieleiders te leiden door de volgende vragen:

1. Leiderschap: Bent u klaar om data aan het werk te zetten om sociale resultaten te verbeteren?

2. Opportuniteit: Wat zijn de vragen die u met gegevens wilt beantwoorden?

3. Vaardigheden: Beschikt u over het talent dat nodig is voor gegevensanalyse?

4. Communautair bestuur: Hebt u in uw gemeenschap vertrouwen opgebouwd rond het gebruik van gegevens?

5. Technologie en gegevens: Welke oplossingen en middelen heb je nodig om je impact te meten, mogelijk te maken en te vergroten?

Leiders van organisaties kunnen te maken krijgen met een aantal bezwaren of weerstanden wanneer ze gegevens inzetten om moeilijke uitdagingen op te lossen. In sommige van deze gevallen is het talent - met rollen variërend van datawetenschappers en data-analisten tot programmamanagers en onderzoekers - niet in huis om gegevens op te nemen en te analyseren. In andere gevallen kan de lange aanlooptijd die nodig is om een governance-structuur voor het delen van gegevens met andere organisaties te ontwikkelen, ertoe leiden dat de samenwerking wordt afgebroken voordat deze vruchten afwerpt.

Uiteindelijk is het voor de meeste organisaties een cultuuromslag om voor een open gegevensaanpak te kiezen.

Hierbij is het belangrijk te erkennen dat organisaties zich op een spectrum van data-volwassenheid bevinden - van een vroeg engagement om data te gebruiken voor innovatie tot een cultuur waar data-innovatie op elk niveau is ingebed. Ongeacht waar een organisatie zich in dit spectrum bevindt, een open data-aanpak vereist een leider die toegewijd is om de data van een organisatie aan het werk te zetten. Deze betrokkenheid kan verschillende vormen aannemen, zoals:

• Pleiten voor en in het openbaar spreken over het belang van gegevensuitwisseling.
• Inzichten putten uit gegevens.
• Stimuleren van samenwerking en betrokkenheid van de gemeenschap.
• Opbouwen van relaties met belangrijke begunstigden en potentiële gebruikers van gegevens.
• Vaststelling van een kader voor het verantwoord gebruik van gegevens.

Dit zijn allemaal acties die bijdragen tot een betrouwbare aanpak van gegevensuitwisseling die de belanghebbenden vertrouwen kan inboezemen.

Overweeg de volgende stappen om uw organisatie beter in staat te stellen gegevens op innovatieve wijze te gebruiken om prioritaire problemen op te lossen:

• Welke investeringen zijn nodig om gegevens aan het werk te zetten?
• Welke stimulansen zijn nodig om gegevens aan het werk te zetten?
• Hoe bouwt u vertrouwen op, intern en extern? Wie zijn uw partners/stakeholders?
• Hoe kunt u binnen uw organisatie het momentum creëren om innovatie met gegevens als een langetermijnprioriteit te beschouwen, en niet als een kortetermijnproject?

Het is dan ook geen verrassing dat organisaties die prioriteit geven aan data als een vitale hulpbron, sterk leiderschap nodig hebben. Volgens een onderzoek dat in juli 2021 door Data Orchard werd gepubliceerd, zegt 63% van de respondenten dat het leiderschap in hun organisatie niet overtuigd is van de waarde van data. Slechts een derde zegt dat hun leiderschap betrokken en ondersteunend is, de juiste vragen stelt over de data en actief is in het benutten van de waarde ervan. De belofte van het benutten van data creëert een aanzienlijke kans voor leiders om hun capaciteiten te verbeteren om data te gebruiken ten voordele van hun organisaties.

Het GovLab van NYU biedt een Data Stewards Academy aan, die een zelfgestuurd leerprogramma omvat. De cursus is bedoeld voor mensen die in verschillende hoedanigheden over de hele wereld als data stewards fungeren - een functie die de hierboven genoemde vragen probeert te beantwoorden op een manier die systemische, duurzame en verantwoorde datasamenwerking mogelijk maakt.

Culturele, strategische en operationele verschuivingen zijn allemaal nodig om initiatieven op het gebied van open data en het delen van data te implementeren. Om het potentieel van deze voordelen - waaronder resultaatverantwoordelijkheid, vertrouwen, transparantie en veiligheid - te realiseren, moet het leiderschap eerst interne barrières en andere vormen van organisatorische weerstand aanpakken. Dit kan betekenen dat de status quo ter discussie moet worden gesteld, grootschalige hervormingen moeten worden doorgevoerd of nieuwe risico's moeten worden genomen - voor al deze veranderingen, en vooral in een grote organisatie, is sterk leiderschap en betrokkenheid van vitaal belang.

Bij het transformeren van de cultuur van een organisatie naar een meer datagestuurde organisatie, bewijst de Wereldgezondheidsorganisatie (WHO) voortdurend dat dit noodzakelijk is. Met meer dan 8.000 werknemers wereldwijd en een verantwoordingsplicht tegenover haar 194 lidstaten in zes regio's, kon de implementatie van een digitaal transformatie-initiatief alleen worden gerealiseerd door sterk leiderschap en actie op elk niveau.

Als multilaterale organisatie heeft de WHO een unieke status als een op wetenschap en bewijs gebaseerde entiteit die wereldwijd toepasbare normen en standaarden vaststelt met als missie de gezondheid te bevorderen, de wereld veilig te houden en de kwetsbaren te dienen. Toen Dr. Tedros Adhanom Ghebreyesus in 2017 werd benoemd tot directeur-generaal van de WHO, zag hij in dat gegevens een cruciaal onderdeel vormden van het verwezenlijken van deze missie en het behalen van de 'triple billion'-doelstellingen: één miljard meer mensen die een betere gezondheid en welzijn genieten, één miljard meer mensen met toegang tot betaalbare universele gezondheidsdekking, en één miljard meer mensen die beter beschermd zijn tegen noodsituaties op gezondheidsgebied.

In 2019 toonde Dr. Tedros zijn inzet om de WHO om te vormen tot een moderne, datagestuurde organisatie door publiekelijk zijn visie aan te kondigen en een nieuwe divisie voor Data, Analytics en Delivery for Impact (DDI) op te richten. Deze divisie werd opgericht om dringend lacunes in de gegevens aan te pakken, de versnippering van gegevens te verminderen en de efficiëntie van de end-to-end gegevensprocessen van de WHO te verhogen. Bijzondere nadruk werd gelegd op de consolidatie van gezondheidsgegevens en -middelen voor externe en interne gebruikers, alsook op het gebruik van moderne technologieën, waaronder beveiliging voor privé- en gevoelige gegevens, transparante analyses en krachtige visualisatiemethoden.

Vanaf het begin heeft het WHO-leiderschap ernaar gestreefd vertrouwen en continuïteit op te bouwen met zowel interne als externe belanghebbenden door een strategische en coherente aanpak van gegevensbeheer te bevorderen. Intern werd een Data Governance Committee gevormd, bestaande uit senior leiderschap, om de bedrijfsrichting voor datastrategie en -beleid te bepalen. Er werd ook een Data Hub and Spoke Collaborative opgericht om de implementatie van het beleid inzake data governance binnen de WHO te vergemakkelijken, waarbij alle relevante programma's en elke regio vertegenwoordigd zijn. De hogere leidinggevenden kregen de opdracht om regelmatig de vergaderingen van het samenwerkingsverband te ondersteunen en richtsnoeren te geven, en zo de vooruitgang aan te moedigen en de broodnodige steun te verlenen om een nieuw mechanisme voor datagovernance te institutionaliseren.

Extern heeft de WHO extern advies ingewonnen en samengewerkt met niet-VN-organisaties, waaronder de particuliere sector, om haar capaciteiten op het gebied van gegevens en analyses te vergroten. In juni en september 2021 riep de WHO twee Health Data Governance Summits bijeen om de WHO, de lidstaten, partners en het grote publiek bijeen te brengen om beste praktijken te bespreken en de noodzaak van gezondheidsgegevens als een mondiaal openbaar goed te onderstrepen.

Daarnaast heeft de WHO, in samenwerking met onder andere Microsoft en Avanade, een langetermijninvestering gedaan om de technische systemen te ontwikkelen en te onderhouden die nodig zijn om beslissingen te nemen op basis van tijdige, betrouwbare en bruikbare gegevens. Deze investering resulteerde in de ontwikkeling van de World Health Data Hub (WHDH). De WHDH is 's werelds eerste allesomvattende end-to-end oplossing voor de wereldgezondheid en heeft als doel processen te stroomlijnen en ervoor te zorgen dat gegevens toegankelijk, vindbaar en bruikbaar zijn voor alle belanghebbenden.

Tijdens dit transformatieproces hebben de leiders van de WHO blijk gegeven van hun inzet door zich publiekelijk uit te spreken, zichtbaar en betrokken te zijn, zowel intern als extern, en door langetermijninvesteringen te doen in de praktische hulpmiddelen (zoals de WHDH) en de gedragsverandering (zoals een bijgewerkt waardenhandvest) die nodig zijn voor de implementatie. Deze grootschalige cultuuromslag naar een datagestuurde organisatie zou onmogelijk zijn zonder de inzet van het leiderschap, en de WHO kan als voorbeeld dienen voor andere organisaties die een soortgelijke omslag willen maken.

Begrijpen waarom u een probleem wilt oplossen lijkt een eenvoudige taak. Sterker nog, "waarom" vragen lijkt zo eenvoudig dat deze stap vaak over het hoofd wordt gezien. Het "waarom" vragen is echter essentieel om een project op te starten en ook om een duurzame oplossing te behouden. Het is nodig tijdens de hele levenscyclus van de innovatie, van het opbouwen van momentum binnen een organisatie, het informeren van de betrokkenheid van belanghebbenden, het stimuleren van de voortgang van het project, het afleiden van de juiste aanpak voor governance, ervoor zorgen dat de gegevens geschikt zijn voor het doel, tot het implementeren van een technische oplossing.

Het identificeren van de vragen die u wilt beantwoorden is een cruciale eerste stap. Zodra de vragen zijn geïdentificeerd, kunt u beginnen na te denken over de oplossingen die nodig zijn om ze aan te pakken en het probleem te helpen oplossen.

Voorbeelden van problemen die met open gegevens kunnen worden opgelost, zijn

• Mijn organisatie beschikt over gegevens die kunnen bijdragen tot een betere mobiliteitsplanning in mijn regio. Hoe kan ik deze gegevens op een zinvolle en verantwoorde manier delen?
• Mijn organisatie heeft open data gepubliceerd over raciale ongelijkheid. Hoe kunnen we het gebruik van deze gegevens aanmoedigen?
• Wat zijn de meest kosteneffectieve en billijke maatregelen om de luchtkwaliteit in elke regio te verbeteren, met name voor de verontreinigingsbronnen die landen met lage en middeninkomens treffen?

Voor dit laatste voorbeeld en andere dringende vragen met een grote impact die zouden kunnen worden beantwoord als relevante datasets op een verantwoorde manier zouden worden gebruikt, kunt u terecht op The GovLab's The 100 Questions Initiative.

Nu u de vragen hebt geïdentificeerd, is de volgende stap te begrijpen waar uw organisatie zich bevindt op de weg naar het verkrijgen van die antwoorden. Om dit te doen, kan het nuttig zijn om het huidige data-ecosysteem in kaart te brengen. Het in kaart brengen van het data-ecosysteem kan worden gebruikt om nieuwe gegevensbronnen te verkennen, bestaande gegevensstromen te benutten, te bepalen waar veranderingen nodig zijn en andere belanghebbenden te identificeren die ook werken aan het oplossen van hetzelfde of een soortgelijk probleem.

Een manier om te beginnen is het in kaart brengen van de data-actoren in uw data-ecosysteem en hoe waarde wordt uitgewisseld binnen het systeem. De waarde kan bijvoorbeeld komen in de vorm van gegevens, maar het kan ook de uitwisseling van feedback of kennis zijn.

Voor een oefening in het in kaart brengen van een data-ecosysteem, ga naar Data Ecosystem Mapping van het Open Data Institute: Tool and Guidance.

Toegang verschaffen tot gegevens kan een cruciaal onderdeel zijn van de oefening, maar het is niet het enige element dat in overweging moet worden genomen. Het is ook belangrijk om meer in het algemeen na te denken over hoe alle belanghebbenden in uw data-ecosysteem waarde zullen creëren.

Intern moeten de senior leiders de belanghebbenden overtuigen en binnen de organisatie het momentum creëren om de uitdaging aan te gaan. Externe belanghebbenden moeten begrijpen dat het project aansluit bij hun belangen en moeten worden gestimuleerd om mee te doen. Met andere woorden, zij moeten een antwoord krijgen op de vraag: "Wat levert het mij op?"

Rekening houden met de belangen van stakeholders zal uiteindelijk helpen vertrouwen op te bouwen. Dit kan onder meer door uw stakeholders te betrekken bij de discussie over waarde-uitwisselingen, bijvoorbeeld door het bijwonen van een groep data-ecosysteem mapping sessie.

Het is een ontmoedigende taak om het datalandschap te beoordelen. Als je eenmaal duidelijk hebt gedefinieerd welke vragen je wilt beantwoorden, wordt de stap van het identificeren van datasets een meer beheersbare taak. Beoordeel de data die je hebt en identificeer welke open en gedeelde data nodig zijn om het probleem op te lossen. U kunt dit bereiken door:

• Gebruik van een checklist om te bepalen welke gegevens je hebt en wat je ermee kunt doen, bijvoorbeeld:
  • Waaruit bestaat de dataset?
  • Welke aspecten moet u beschermen en hoe gevoelig zijn de gegevens?
  • Waar komen de gegevens vandaan? Inzicht in de afstamming van de gegevens is een essentieel onderdeel van een betrouwbaar gebruik van gegevens. De "stamboom" verwijst naar de kwaliteit van de dataset en is gebaseerd op verschillende factoren, waaronder de herkomst van de dataset (met inbegrip van criteria voor geschatte betrouwbaarheid, vertrouwen en risico).
  • Waar worden de gegevens opgeslagen?
  • Voor welk doel zal het worden gebruikt?
  • Zijn er beperkingen op de toegang of het gebruik?
• Het opsporen van hiaten in gegevens en het identificeren van partners die aan het project kunnen bijdragen of middelen om open gegevens te verkrijgen.
• Gebruikmaken van open datasets, zoals dedatasets die onder open data voorwaarden beschikbaar zijn gesteld op Azure Open Datasets, GitHub, en Microsoft Research Open Data.
• Voorbereiding van uw interne datasets voor extern delen. Voor gegevens die als open beschikbaar kunnen worden gesteld, is het aanbevolen de Community Data License Agreement - Permissive, Version 2.0 (CDLA-Permissive-2.0) of een andere open datalicentie te gebruiken om uw gegevens te delen. Voorwaarden helpen gebruikers om de voorwaarden en beperkingen voor het gebruik van de data te begrijpen. Het bijvoegen van de juiste voorwaarden identificeert de data als open, schept duidelijkheid over hergebruik, en bevordert innovatie. Non-profitorganisaties kunnen toegang krijgen tot de Microsoft Nonprofit Innovation Hub, die een lichtgewicht juridisch sjabloon bevat voor het opzetten van een datasamenwerking.
• Samenwerken met andere organisaties of belanghebbenden die hetzelfde probleem proberen op te lossen.

Begin 2021 lanceerden het Open Data Institute en Microsoft een Peer Learning Network met als doel organisaties die samenwerken rond data te helpen de uitdagingen waarmee ze worden geconfronteerd effectiever aan te pakken. Dit omvatte ook het onderzoeken van kwesties in verband met vertrouwen en betrouwbaarheid tussen deelnemers en andere belanghebbenden.

In de eerste workshop maakten de deelnemers kennis met de Data Ecosystem Mapping tool om de stromen van data en waarde in hun ecosystemen te onderzoeken. Dit omvatte het overwinnen van belemmeringen voor het delen van data door het ontwikkelen van een betrouwbare ecosysteemkaart om te begrijpen waar vertrouwen - of het gebrek daaraan - de waarde creëert die door datastromen wordt gecreëerd.

Een van de projecten van het Peer Learning Network, Caring for Equality, een samenwerking van de regering van de stad Buenos Aires in Argentinië, het Center for Global Development en het Open Data Charter, was gericht op het aanpakken van ongelijkheidsverschillen met betrekking tot zorggerelateerde taken die de economische zelfstandigheid van vrouwen beperken. Met behulp van gegevens uit verschillende particuliere en openbare bronnen creëerden de teams een "Caring Indicator System" dat de situatie in Buenos Aires zou aanpakken en informatie zou verschaffen om de beleidsvorming en de verantwoording aan de burgers van de stad te verbeteren.

De samenwerking gebruikte de oefening "Data Ecosystem Mapping" om de gegevensverstrekkers en -bronnen te identificeren, hoe de gegevens kunnen worden geraadpleegd en benut, en hoe rekening kan worden gehouden met de vertrouwensuitdagingen voor het delen van gegevens met en binnen de overheid. Deze oefening leidde tot belangrijke beslissingspunten om het initiatief vooruit te helpen met een gemeenschappelijk begrip van de waarde van het zorgsysteem dat wordt gebouwd.

Meer informatie over Caring for Equality vindt u hier.

Toen Londen zijn plan aankondigde om tegen 2030 een koolstofvrije stad te zijn, moest er worden nagedacht over groenere vervoersmethoden in de stad en de omliggende voorsteden. Aangezien de overstap van benzine- en dieselvoertuigen naar elektrische voertuigen de koolstofuitstoot kan helpen verminderen, moest de stad meer inzicht krijgen in de mogelijkheden om een betere infrastructuur voor elektrisch laden te creëren. Dat hield in dat ontwikkelaars en exploitanten van oplaadpunten moesten samenwerken om rijkere datasets te creëren om de vraag van eigenaars van elektrische voertuigen (EV's) te begrijpen.

Een proefproject voor het delen van gegevens werd opgezet om te begrijpen hoe de EV-laadinfrastructuur in Londen kan worden verbeterd. Het publiek-private programma voor het delen van gegevens ontwikkelde inzichten om potentiële locaties voor EV-laadstations te bepalen. De pilot demonstreerde het potentieel van het delen van data, datasamenwerking en open data om de laadinfrastructuur voor EV's in Londen te helpen ontwikkelen en uiteindelijk de doelstelling van Londen te ondersteunen om CO2-neutraal te zijn in 2030.

Met behulp van datasets, waaronder gegevens over verkeersgedrag, gegevens over oplaadcapaciteit en gegevens uit het kadaster konden meer dan 2 000 openbare percelen in de stad worden geïdentificeerd die verder in overweging moeten worden genomen als kandidaat-locaties voor EV-laadpunten.

De transparantie van de gegevens stelt de stad in staat de basis voor de analyse aan te tonen, en helpt zo vertrouwen te wekken bij sceptici en motivatie bij investeerders in EV-laadinfrastructuur. Derden kunnen de analyse onder de loep nemen om na te gaan of de bereikte conclusies betrouwbaar en accuraat zijn. In het algemeen toonde het gebruik van open gegevens in het project aan dat het door het delen van gegevens mogelijk was om infrastructuurbarrières te overwinnen voor een dergelijke grootschalige onderneming.

Meer informatie over de proef met EV-laadinfrastructuur is hier te vinden.

Net zoals de toegang tot gegevens voor organisaties van cruciaal belang is om problemen op te lossen en te innoveren, is het voor elke organisatie van vitaal belang om over de vaardigheden te beschikken die nodig zijn om met die gegevens te werken. Volgens cijfers van LinkedIn werkt echter ongeveer de helft van alle mensen met technische AI-vaardigheden in de technologiesector en is er vaak een tekort in andere organisaties en sectoren.

Wanneer u data aan het werk wilt zetten voor uw organisatie, is het van cruciaal belang ervoor te zorgen dat uw organisatie over het talent beschikt dat nodig is om een plan op te stellen en uit te voeren om de inzichten en antwoorden te verkrijgen die u wilt bereiken. Dit betekent niet dat u teams van informatici in dienst moet nemen. Integendeel, verschillende beroepen en vaardigheden werken met gegevens in verschillende vormen, waaronder gegevensanalisten, gegevenswetenschappers, software-engineers en onderzoekers. Het talent dat u nodig hebt, zal worden bepaald door de datavaardigheden die nodig zijn voor uw initiatief.

Een checklist met vragen die uw organisatie voor die evaluatie kan gebruiken, kan het volgende omvatten:

• Welke essentiële datavaardigheden zijn nodig om de vastgestelde uitdaging aan te gaan? Technische vaardigheden zijn bijvoorbeeld het beheer van systemen en infrastructuur voor gegevensverwerking, het implementeren van datapijplijnen en analytics, en het visualiseren van of rapporteren over gegevens. Niet-technische vaardigheden zijn bijvoorbeeld het verzamelen van adviesbehoeften, stakeholdermanagement en programmamanagement.
• Over welke datavaardigheden beschikt uw organisatie vandaag?
• Waar is er een tekort aan essentiële vaardigheden?
• Kunt u samenwerken met een andere organisatie om deze leemte op te vullen, of hebt u het talent binnen uw eigen organisatie nodig?
• Moet u nieuw talent aanwerven? Is er een kans om huidig talent bij te scholen?
• Biedt u vandaag opleidingsprogramma's aan om uw datavaardigheden te helpen verbeteren? Welke opleidingsprogramma's kunnen nodig zijn?

Gedetailleerde beschrijvingen van de belangrijkste technische en zakelijke rollen voor een interdisciplinair team zijn te vinden in "The AI playbook", dat hier kan worden gedownload.

Raadpleeg het Data Skills Framework van het Open Data Institute voor meer informatie.

Crowdsourcing met gebruikmaking van open gegevens helpt organisaties bij het oplossen van moeilijke problemen, omdat het kan leiden tot onverwachte oplossingen, snellere probleemoplossing en minder belasting voor de gebruiker. Crowdsourcing werkt door gebruik te maken van vrijwillige (of betaalde) gegevensverzamelaars die al dan niet directe banden hebben met de organisatie die het onderzoek uitvoert. Hun hulp kan uiteindelijk de kosten en tijd verminderen door de huidige vaardigheden en systemen uit te breiden. De vooruitgang in mobiele technologie heeft bijgedragen tot de populariteit van crowdsourcing, omdat meer mensen nu een betere toegang hebben tot gegevens en een breed scala van gemeenschappen over de hele wereld.

De voordelen van crowdsourcing zijn onder meer:

• Diverse gegevens. Omdat de bijdragers een verscheidenheid van gebruikers uit de hele wereld kunnen vertegenwoordigen, zal hun input waarschijnlijk de diversiteit weerspiegelen die nodig is om de meest betrouwbare resultaten te verkrijgen.
• Lagere kosten. Door de gegevensverzameling uit te besteden, kunnen organisaties de kosten drukken en zijn er minder middelen nodig voor het verzamelen, opschonen en structureren van gegevensverzamelingen binnen de organisatie.
• Groter vertrouwen. De naam "crowdsourcing" impliceert dat de gegevens van buiten een bepaalde organisatie worden betrokken en dat een breed scala van bijdragers wordt aangesproken. Hierdoor kan het proces aan geloofwaardigheid winnen. Dit grotere vertrouwen kan leiden tot een grotere deelname van het publiek om te helpen bij het onderzoek.

Een goed voorbeeld van crowdsourcing in de medische wereld is Vouwen@home, een organisatie en online platform dat crowdsourcing gebruikt om simulaties te versnellen, zoals die van het coronavirus dat verantwoordelijk is voor COVID-19, en om nieuwe therapieën te ontwikkelen.

Via een partnerschap met Microsoft AI for Health riep Dr. Greg Bowman, een moleculair biofysicus aan de Washington University School of Medicine in St. Louis, vrijwilligers van over de hele wereld op om hun persoonlijke computerkracht te gebruiken om eiwitsimulaties uit te voeren en de gegenereerde gegevens terug te sturen naar zijn servers. De collectieve passie om een wereldwijde pandemie op te lossen zorgde ervoor dat het aantal apparaten dat Folding@home draaide in slechts twee maanden tijd groeide van ongeveer 10.000 tot 1 miljoen. Bowman ziet de crowdsourcing-methode van het gebruik van open gegevens als een model om zowel bestaande als toekomstige ziekten te bestrijden.

"Wij kunnen een probleem dat 500 jaar zou hebben gekost op een enkele desktop in zes maanden oplossen," zei hij.

Leer meer over Folding@home en Dr. Greg Bowman.

Meer informatie over Microsofts AI for Health-programma en -projecten is hier te vinden.

Het gebruik van gegevens om sociale problemen aan te pakken zal vaak belangrijke kwesties van governance en naleving met zich meebrengen. Het is belangrijk deze vraagstukken ook te plaatsen in de context van de gemeenschap van belanghebbenden die belang hebben bij de gegevens en het gebruik ervan. Het opbouwen van sterke relaties met die gemeenschap zal helpen bij het bevorderen van goed bestuur en het identificeren van nieuwe en toegestane toepassingen die kunnen leiden tot onverwachte voordelen van een gegevenssamenwerking of gerelateerd initiatief. Wanneer uw gemeenschap vertrouwen heeft in deze mogelijkheden, kunnen de voordelen van uw data-initiatief voor alle betrokken of beïnvloedende organisaties, personen en gemeenschappen worden vergroot.

Goede governancekaders kunnen helpen risico's te beperken. Deze risico's kunnen van juridische en regelgevende aard zijn, maar ook risico's voor het vertrouwen van het publiek en de reputatie zijn van groot belang voor organisaties. Deze moeten worden afgewogen tegen de risico's van het niet verlenen van toegang tot gegevens voor doeleinden van openbaar belang. Het GovLab en anderen beschouwen dit proces als het vinden van manieren om zowel misbruik, zoals ongeoorloofd gebruik dat de betrokkenen schade berokkent, als gemiste toepassingen, waaronder gemiste kansen om het leven van mensen te verbeteren door hergebruik van gegevens, te voorkomen. Hieronder worden voorbeelden gegeven van governance-overwegingen die, wanneer zij in een vroeg stadium worden overwogen en toegepast, kunnen worden gebruikt om zowel de risico's te beperken als de kansen voor gegevensgebruik te vergroten.

Wat als we het gebruik van gegevens die iedereen kan begrijpen mogelijk kunnen maken? Dit zou kunnen inhouden dat een initiatief wordt ontwikkeld met een van de volgende overwegingen vanaf het begin ingebouwd:

• Transparantie in het bestuur van het initiatief en de bestuursraden
• Transparantie in het doel van het initiatief
• Transparantie in de verzamelde, geraadpleegde of gecreëerde gegevens
• Transparantie over hoe het gebruik van de gegevens in overeenstemming is met de wet- en regelgeving
• Een gegevensbeheerder aanwijzen
• Gegevens veilig opslaan en delen
• Toegang verschaffen tot of delen van gegevens op een manier die de privacy en commercieel gevoelige informatie vrijwaart
• Inzichten verschaffen aan een breed scala van belanghebbenden waarbij de voordelen worden gedeeld
• benaderingen te gebruiken die personen en organisaties zeggenschap geven over aspecten van de wijze waarop gegevens worden verzameld, gebruikt, opgeslagen en gedeeld

Wat als we gegevens konden verzamelen die lokale gemeenschappen helpen lokale problemen op te lossen? Wat als we gegevens zouden gebruiken om belemmeringen voor inclusie aan te pakken? Antwoorden op dergelijke vragen zullen helpen het publiek te laten zien dat het in hun belang is gegevens op nieuwe en verantwoorde manieren te gebruiken en dat dit op lange termijn positieve effecten kan hebben.

Welke mechanismen zijn er om ervoor te zorgen dat de gegevens kunnen worden gedeeld en gebruikt? Overwegingen kunnen zijn:

• Hoe kunnen de gegevens "zo open mogelijk" worden gemaakt om innovatie en gebruik te bevorderen en de gegevens op nieuwe en interessante manieren te combineren? Kunnen de gegevens open worden gemaakt of op een betrouwbare manier worden gedeeld, bijvoorbeeld door anonimisering?
• Hoe kunnen de gegevens interoperabel worden gemaakt door gebruik te maken van gemeenschappelijke gegevensmodellen, normen of stabiele identificatiecodes? De FAIR-beginselen bieden bijvoorbeeld richtsnoeren voor het verbeteren van de vindbaarheid, toegankelijkheid, interoperabiliteit en herbruikbaarheid van onderzoeksgegevens.

Het in kaart brengen van deze doelstellingen kan zeer nuttig zijn bij het ontwikkelen van een governancekader voor een eerlijk, open en betrouwbaar data-ecosysteem. Een nuttig instrument voor het ontwikkelen en evalueren van het gebruik van data is het Data Ethics Canvas van het Open Data Institute.

Tijdens de levenscyclus van het initiatief moet het governancekader opnieuw worden bekeken om een feedbackloop te creëren en ervoor te zorgen dat de doelstellingen voortdurend opnieuw worden geëvalueerd, vooral als die doelstellingen veranderen. U kunt besluiten dat beslissingen over governance het beste kunnen worden gedelegeerd aan een groep belanghebbenden of een onafhankelijk orgaan, bijvoorbeeld aan een governance board of een onafhankelijke data steward. Wanneer beslissingen worden gedelegeerd, kan het bijzonder belangrijk zijn om over richtsnoeren of een overeengekomen principiële aanpak te beschikken, zodat die beslissingen zich kunnen ontwikkelen op een manier die in de geest van het initiatief is.

Daarnaast kan de co-creatie van beginselen en voorwaarden voor toegang tot en hergebruik van gegevens door middel van directe beraadslagingen, zoals het model dat wordt gepresenteerd door The Data Assembly van The GovLab, zorgen voor een extra sociale licentie voor datasamenwerking.

Een principiële benadering van governance zal u helpen een governance-kader te ontwikkelen dat verder gaat dan juridische en compliance-overwegingen. Dit kan nuttig zijn wanneer meerdere organisaties betrokken zijn bij een initiatief voor data-innovatie. Door het in eerste instantie eens te worden over de principes op basis waarvan u data wilt verzamelen, opslaan, gebruiken en delen, wordt de groep gemachtigd om in de toekomst beslissingen te nemen. De principes kunnen in sommige gevallen worden vastgelegd in een datahandvest.

Als uitgangspunt voor het beoordelen en evalueren van uw beleid en principes voor het delen van gegevens, heeft Microsoft vijf principes gepubliceerd die onze bijdragen en toezeggingen voor betrouwbare samenwerking op het gebied van gegevens bepalen. Wij hopen dat deze principes zullen bijdragen aan het bredere gesprek over open gegevens en dat anderen erop kunnen voortbouwen en ze kunnen verbeteren. De vijf principes zijn:

• Open - Wij zullen ons inzetten om gegevens die relevant zijn voor belangrijke sociale problemen zo open mogelijk te maken, onder meer door zelf open gegevens aan te dragen
• Bruikbaar - Wij zullen investeren in de ontwikkeling van nieuwe technologieën en instrumenten, governancemechanismen en beleid om gegevens voor iedereen bruikbaarder te maken
• Empowering - Wij zullen organisaties helpen om waarde te genereren uit hun data volgens hun keuzes, en hun AI-talent te ontwikkelen om data effectief en onafhankelijk te gebruiken
• Veilig - Wij zullen veiligheidscontroles toepassen om ervoor te zorgen dat de samenwerking op het gebied van gegevens operationeel veilig is waar zij gewenst is
• Privé - Wij zullen organisaties helpen om de privacy van individuen te beschermen in samenwerkingsverbanden voor gegevensuitwisseling waarbij persoonlijk identificeerbare informatie betrokken is

Een voorbeeld van communautair bestuur is het in 2021 gepubliceerde datahandvest, naar aanleiding van de aanbevelingen van de London Data Commission.

Het ontsluiten van datagestuurde oplossingen is van cruciaal belang voor het oplossen van problemen die van invloed zijn op de toekomstige groei van de stad. Zonder synergie tussen lokale overheden en particuliere belangen zou het vinden van oplossingen voor dringende problemen zoals het verbeteren van de luchtkwaliteit, het verkorten van forensentijden, het verbeteren van het transitverkeer en het verminderen van files onmogelijk zijn. Eind 2019 heeft de bedrijvengroep London First een groep publieke en private organisaties bijeengeroepen als leden van de London Data Commission. De Data Commission, aangestuurd door een projectteam van leveringspartners, waaronder London First, Arup, Oliver Wyman Forum en Microsoft, bracht lokale overheden en particuliere bedrijven samen rond het zo open mogelijk delen van gegevens. De opdracht van de Data Commission was om te fungeren als de gezaghebbende stem van het bedrijfsleven op het gebied van stadsgegevens en om een ecosysteem voor gegevensuitwisseling op gang te helpen brengen door normen voor gegevenskwaliteit op te stellen en kwesties als privacy, ethiek en vertrouwen aan te pakken. In september 2020 heeft de London Data Commission voorstellen ontwikkeld voor een Data for London-kader. Dit kader beval de oprichting aan van een London Data Board en een London Data Charter.

Naar aanleiding van de aanbevelingen van de London Data Commission heeft London First een werkgroep opgericht om deze aanbevelingen uit te voeren en met de Chief Digital Officer for London te blijven samenwerken om de London Data Board te realiseren en het London Data Charter te ontwikkelen.

Het London Data Charter is gebaseerd op een raamwerk van zeven principes: Baten voor Londenaren; Innovatie voor iedereen; Privacy en veiligheid beschermen; Vertrouwen bevorderen; Lessen delen met anderen; Schaalbare en duurzame oplossingen creëren; en Zo open mogelijk zijn. Een breed scala aan bedrijven heeft zich aan het kader verbonden, en het handvest overweegt nu mijlpalen voor Londen in de manier waarop het met het bedrijfsleven van de stad samenwerkt om gegevens veilig te stellen ten behoeve van overheidsprojecten.

Meer informatie over de London Data Commission vindt u hier, en het London Data Charter hier.

Van fundamenteel belang voor open gegevens is de technische infrastructuur die nodig is om met die gegevens te werken en het delen van gegevens te ondersteunen. Dit omvat tools voor data-analyse en datavisualisatie, alsook technologieën en platforms om gemakkelijk en veilig toegang te krijgen tot gegevens en deze te delen binnen en tussen organisaties.

Om de technologische en platformbehoeften van uw data-initiatief te bepalen, zijn belangrijke factoren waarmee rekening moet worden gehouden:

• Zijn de gegevens gevoelig?
• Wat moet u beschermen, en volgens welke norm, wettelijk of contractueel?
• Wat moet u beschermen, rekening houdend met ethische, reputatie- en commerciële overwegingen?
• Voor welk doel worden de gegevens beschikbaar gesteld?
• Aan wie worden de gegevens ter beschikking gesteld?
• Welke mate van bruikbaarheid is vereist om met de gegevens te werken?
• Kan het vereiste niveau van bruikbaarheid worden bereikt door de toepassing van privacyverbeteringstechnologieën?
• Welke platforms bestaan er om het delen van en de toegang tot gegevens te vergemakkelijken, in overeenstemming met de vereiste normen?
• Welke governance-kaders zijn er voor gevoelige gegevens om de toegang en het delen van gegevens te controleren?

De "Data Responsibility Journey " van het GovLab is een evaluatie-instrument waarmee wordt getracht dergelijke vragen op interactieve wijze te beantwoorden.

Elk van deze factoren kan wijzen op een reeks technologische behoeften. Tools voor gegevensanalyse kunnen bijvoorbeeld helpen om trends te volgen, problemen en efficiëntie te identificeren en voorspellingen te doen. Met datavisualisatietools kunt u de gegevens waarmee u werkt visualiseren en visueel manipuleren.

In scenario's waarin de privacy moet worden beschermd, moet een reeks technieken worden overwogen om de privacy te beschermen, zoals anonimisering en desidentificatie. Differentiële privacy is een door de industrie gestuurde techniek om gegevens opener te maken op een manier die de gegevensbescherming niet in het gedrang brengt. Conceptueel maakt differentiële privacy gebruik van twee stappen om privacyvoordelen te bereiken:

• Eerst wordt aan elk resultaat ruis toegevoegd om de bijdrage van individuele gegevenspunten te maskeren. De ruis is significant genoeg om de privacy van een individu te beschermen, maar met het doel om de nauwkeurigheid van de door analisten en onderzoekers verkregen antwoorden niet wezenlijk te beïnvloeden.
• Ten tweede wordt de hoeveelheid informatie die bij elke zoekopdracht wordt onthuld, berekend en afgetrokken van een algemeen privacyverliesbudget. Zodra het privacy-budget volledig is opgebruikt, worden de gegevens buiten gebruik gesteld en worden geen extra zoekopdrachten meer toegestaan om te voorkomen dat de persoonlijke levenssfeer in gevaar wordt gebracht. Dit kan worden gezien als een ingebouwde uitschakelaar die voorkomt dat het systeem gegevens laat zien wanneer dit de privacy van iemand in gevaar kan brengen.

Als het op beveiliging aankomt, is het belangrijk na te denken over het beleid of de staat van de gegevenslevenscyclus die moet worden afgedwongen, en over de juiste mechanismen om de beveiligingsdoelstellingen van uw organisatie te bereiken. Het is van cruciaal belang de toegang tot gegevens te controleren en ervoor te zorgen dat degenen aan wie toegang wordt verleend, geautoriseerd en correct geauthenticeerd zijn, maar afhankelijk van de gegevens en de manier waarop ze zullen worden gebruikt, kunnen aanvullende technische maatregelen nodig zijn. Confidential computing helpt gevoelige gegevens in de cloud te beschermen door beveiliging te bieden via encryptie van gegevens-in-gebruik die extra bescherming biedt voor uw gegevens terwijl ze worden verwerkt en meer samenwerking tussen organisaties mogelijk maakt.

Acht maanden na de pandemie van COVID-19 hebben het Open Data Institute en Microsoft een Education Open Data Challenge opgezet om de impact van de overgang naar afstandsonderwijs op het onderwijs van jonge studenten te onderzoeken.

Om deelnemers aan de uitdaging toegang te geven tot nieuwe en relevante datasets, heeft Microsoft datasets gepubliceerd over het percentage breedbandgebruik in de Verenigde Staten, zowel op districtsniveau als op postcode-niveau, afgeleid van geanonimiseerde gegevens die we verzamelen als onderdeel van onze voortdurende inspanningen om de prestaties en veiligheid van onze software en diensten te verbeteren. De dataset op postcode-niveau geeft een granulair beeld van de percentages breedbandgebruik door huishoudens binnen een postcode, dus hebben we een extra stap gezet om de privacy van de gegevens te waarborgen. We hebben differentiële privacy toegepast en ruis toegevoegd aan de gegevensaggregaties. BroadbandNow heeft ook deelgenomen en heeft voor het eerst zijn prijsgegevens en breedbandprovidergegevens op districtsniveau beschikbaar gesteld.

De Education Open Data Challenge leverde inzichtelijke inzendingen en analyses op met combinaties en visualisaties van gegevens. De challenge diende ook om te benadrukken hoe meer open data beschikbaar kan worden gemaakt, terwijl de privacy wordt beschermd.

Lees meer over de Education Open Data Challenge.

Voor leiders die data willen gebruiken voor sociale innovatie is er de Data Stewards Academy van het Open Data Policy Lab : Developing a Data Reuse Strategy for Solving Public Problems biedt een zelfsturend leerprogramma.

Organisaties in de sociale sector kunnen de Data Maturity Assessment tool van data.org gebruiken om te meten en te begrijpen waar uw organisatie nu staat.

Voor een oefening in het in kaart brengen van een data-ecosysteem, ga naar Data Ecosystem Mapping van het Open Data Institute: Tool and Guidance.

Voor meer informatie over het beoordelen van het datalandschap en de context waarin uw data-initiatief opereert, inclusief het identificeren van het probleem dat uw initiatief probeert op te lossen, bezoekt u het ' Data Landscape Playbook' van het Open Data Institute.

Als het gaat om opleidingsprogramma's om huidig talent bij te scholen of de vaardigheden van bestaand talent aan te scherpen, zijn er tal van bronnen waaruit kan worden geput:

• LinkedIn Learning en Microsoft Learn cursussen voor data-analisten. De cursussen van LinkedIn Learning worden gegeven door experts uit de sector, en de Microsoft Learn-cursussen bieden korte stapsgewijze tutorials, interactieve code- en scriptomgevingen via de browser en taakgerichte prestaties.
• Microsoft Certificeringen op het gebied van data en AI fundamentals. Door de industrie erkende Microsoft Certificeringen helpen talent bij het valideren van hun vaardigheden en het vermogen om te presteren in een rol waarbij gebruik wordt gemaakt van Microsoft technologieën.
• Microsoft Digitale Vaardigheden Centrum voor Nonprofits. Een samenwerking tussen TechSoup Courses en Microsoft, speciaal voor nonprofits, om toegang te krijgen tot Microsoft product training, inclusief cursussen gericht op Excel, Power BI, en meer.
• Microsoft workshops en trainingen beschikbaar via de Microsoft Store. Deze gratis, live trainingen voor bedrijven en professionals omvatten inleidende en diepgaande sessies.
• Microsoft Viva Learning. On-demand training is beschikbaar als onderdeel van Microsoft Viva Learning in Microsoft Teams.
• MySkills4Afrika-initiatief. Via MySkills4Afrika stellen Microsoft-medewerkers van over de hele wereld hun tijd, talent en expertise beschikbaar om individuen en organisaties in Afrika te helpen.

Raadpleeg het Data Skills Framework van het Open Data Institute voor meer informatie.

Het Data Ethics Canvas van het Open Data Institute is een nuttig instrument om te ontwikkelen en te evalueren hoe gegevens worden gebruikt.

The Data Assembly van het GovLab biedt een model voor de co-creatie van beginselen en voorwaarden voor de toegang tot en het hergebruik van gegevens via directe beraadslagingen.

Het London Data Charter, dat eind 2021 is gepubliceerd, is een voorbeeld van communautair bestuur in actie.

Bij het beoordelen van de technologie- en middelenbehoeften van een organisatie voor een datasamenwerking of -initiatief is de Data Responsibility Journey van The GovLab een hulpmiddel dat de kansen en risico's schetst waarmee rekening moet worden gehouden in elke fase van de levenscyclus van de data.

Microsoft's samenwerking met het OpenDP Initiative, geleid door Harvard, heeft SmartNoise vrijgegeven, een eerste open source platform voor differentiële privacy. Iedereen kan het platform beginnen te gebruiken om zijn datasets op grote schaal beschikbaar te maken voor anderen over de hele wereld. De open source code en voorbeelden zijn beschikbaar op GitHub.

Confidentialcomputing helpt bij de bescherming van gevoelige gegevens in de cloud door beveiliging te bieden via encryptie van gegevens-in-gebruik die extra bescherming biedt voor uw gegevens terwijl ze worden verwerkt. Een nuttige inleiding tot confidential computing vindt u hier, samen met voorbeeldprojecten hier.

Microsoft heeft verschillende technologieën die meer open data ondersteunen in verschillende use cases, zoals Azure Data Share, waarmee organisaties eenvoudig en veilig data kunnen delen met meerdere klanten en partners en waarmee organisaties interne data kunnen combineren met data van partners voor nieuwe inzichten.

GitHub is 's werelds grootste platform voor softwareontwikkeling en het hosten van code. GitHub wordt vaak gebruikt voor dataprojecten, met name voor kleinere datasets, gezamenlijk geversioneerde data, data co-located met code, en machine learning workflows. GitHub ondersteunt het renderen van data en notebooks in verschillende formaten.