Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Big data -strategia

2,326 views

Published on

Liikenne- ja Viestintäministeriön "Big datan hyödyntäminen" -strategiaehdotuksen tiivistelmä esitysmuodossa.

Published in: Government & Nonprofit
  • Be the first to comment

Big data -strategia

  1. 1. Big data -strategia LVM: Big datan hyödyntäminen
  2. 2. Jatkumoa LVM:n big data -selvityksessä ● 09/2013: LVM: Big data Suomessa -selvitys ● 08/2014: LVM: Big datan hyödyntäminen - strategialuonnos ja toimintaehdotuksia
  3. 3. Tausta “Liikenne- ja viestintäministeriö asetti 11.12.2013 big datan käyttö -työryhmän. Työryhmä katsottiin tarpeelliseksi luomaan näkymää ja määrittämään kansallisia kehittämistoimia tietoaineistojen paremmaksi hyödyntämiseksi eri sektoreilla. Useissa eri maissa on laadittu vastaavia strategioita ja EU-tasolla aihe on noussut Digitaaliselle agendalle. Hanke liittyy hallitusohjelmaan kirjattuihin älystrategioihin, joilla ministeriö on KIDE-ohjelman puitteissa edistänyt digitaalisen tiedon hyödyntämistä ja julkisten tietoaineistojen avaamista.”
  4. 4. Sisällys 1. Johdanto 2. Edellytykset 3. Sovellusalueet ja niiden potentiaali Suomessa 4. Julkishallinto big data sovellusalueena 5. Sovellusalueet läpileikkaavia teemoja 6. Toimenpiteet 7. Vaikuttavuus 8. Strategian toimeenpano
  5. 5. “1. Johdanto
  6. 6. “Strategian tavoitteena on suurten tietoaineistojen laaja ja edistyksellinen, taloudellista kasvua ja yhteiskunnan avoimuutta edistävä käyttö.
  7. 7. Strategian tausta ja tavoitteet ● Liikenne- ja viestintäministeriö asetti 11.12.2013 big datan käyttötyöryhmän. Työryhmä katsottiin tarpeelliseksi luomaan näkymää ja määrittämään kansallisia kehittämistoimia tietoaineistojen paremmaksi hyödyntämiseksi eri sektoreilla. ● Big data kytkeytyy myös useisiin muihin meneillään oleviin hankkeisiin. Eri hankkeissa ja julkisen hallinnon strategioissa on tärkeä huomioida big data -näkökulma, mikäli sitä ei ole vielä tehty
  8. 8. Tavoitteet Isojen datamassojen ja uusien big data -menetelmien laajempi hyödyntäminen.. ● ...yritysten liiketoiminnan kasvattamisessa, kilpailukyvyssä ja uuden liiketoiminnan synnyttämisessä ● ...julkisen hallinnon ja sen palvelujen kehittämisessä ja yhteentoimivuudessa ● ...tutkimuksen laadun ja yhteiskunnallisen vaikuttavuuden parantamisessa ● ...yksilön mahdollisuuksissa hyödyntää omia tietojaan.
  9. 9. Yhteydet muihin hankkeisiin
  10. 10. Strategian rakenne ● Strategiassa luodaan big dataan liittyvän toimintaympäristön kuvaus, jollaista ei Suomessa aiemmin ole tehty ● Strategia keskittyy tunnistamaan, kuvaamaan ja luomaan edellytyksiä, joita datan ja muun muassa uusien analyysimenetelmien ja –ratkaisujen laajassa hyödyntämisessä tarvitaan.
  11. 11. Strategian rakenne
  12. 12. Big datan määritelmä? “...puhutaan siis datasta, jota on paljon, jota tulee nopeasti lisää ja joka on muodoltaan vaihtelevaa. Syntyhetkellä sen oikeellisuus, oleellisuus ja arvo ovat konteksti- ja aikasidonnaisia. Data voi olla arvotonta nyt, mutta arvokasta tulevaisuudessa. Yhdelle organisaatiolle kullanarvoinen data on toiselle arvotonta. Ratkaisut painivat datan tallentamiseen, yhdistelemiseen, siirtämiseen ja ennen kaikkea analysointiin eli hyödyntämiseen liittyvien ongelmien kanssa. Data itsessään ei missään mittakaavassa tai muodossa ole arvokasta, vaan vasta sen organisointi ja analysointi tekee siitä arvokasta.” LVM 2013, Big data Suomessa
  13. 13. Big datan hyödyntäminen ● Big datan laajemman hyödyntämisellä haetaan useita selkeitä etuja niin yritysmaailmassa kuin julkisessa hallinnossa. ● Mahdollisuuksiin ja hyötyihin kuuluvat muun muassa ○ toiminnan optimointi ja siitä seuraavat säästöt ○ tarkemman tiedon saaminen päätöksenteon tueksi ○ tarkemman tilannekuvan saaminen ○ uusien mallien ja yhteyksien löytäminen mallintamalla ○ parempi asiakaspalvelu ○ tulevan ennustaminen
  14. 14. Datan hyödyntämisen arvoketju
  15. 15. Big datan haasteet ● Haasteita on paljon. Tässä muutama esimerkki: ○ yksityisyyden ja luottamuksen vaarantuminen ○ tiedon omistajuuden keskittyminen vain harvoille toimijoille ○ liiallinen käyttäjien seuraaminen ○ liiallisesta profiloinnista mahdollisesta seuraava diskriminointi ● Yleisesti datan luotettavuus ja oikeellisuus on kriittinen kysymys
  16. 16. Big datan haasteita ● Datan omistajuus, immateriaalioikeudet ● Saatavilla olevan datan käyttöehdot ● Yksityisyydensuoja, tietosuoja ● Kansainvälisesti eroava lainsäädäntö ● Analytiikan luoma eriarvoisuus tai syrjintä ● Reagointivalmius voimakkaasti muuttuvaan teknologia- ja menetelmäympäristöön
  17. 17. “2. Edellytykset
  18. 18. “Nykyaikaisen analytiikan ja big datan omaksuminen osaksi jokapäiväistä työtä on keskeinen askel kohti tiedolla johtamisen yrityskulttuuria.
  19. 19. Datatietoisuus ● On ymmärrettävä datan potentiaali liiketoimintaa ohjaavana tekijänä ● On opittava arvioimaan omaa datan keräämisen, tallentamisen ja hyödyntämisen prosessia jatkuvasti ● On opeteltava datan arvo markkinoilla, datavetoinen yhteistyö ja datakauppa ● On tarkasteltava omaa toimintaympäristöä laajemmin ja yhdisteltävä datan lähteitä. Kokeiltava jatkuvasti uutta. ● On ymmärrettävä datavetoisen liiketoiminnan uudet riskit
  20. 20. Sote -strategiasta Sosiaali- ja terveysministeriön Sote-tieto hyötykäyttöön -strategiatyössä big data on ymmärretty merkittävimmäksi keinoksi tavoitteiden saavuttamisessa: ”Big data -ratkaisuja kehitetään tukemaan suurten tietomassojen hyödyntämistä, edistynyttä erityyppisten tietojen yhdistelyä, kliinisen potilas- ja genomitiedon sekä kuvantamistietojen analysointia sekä tietojen yhdistelyä kansallisten ja henkilökohtaisten tietovarantojen kanssa. Arvioidaan kansallisen big data alustan toteuttaminen tutkimuskäytön edistämiseksi (esim. toteutus kansallisessa osaamiskeskuksessa, johon otettaisiin mukaan eri yritysten big data teknologioita ja analytiikka-työkaluja).”
  21. 21. Koulutus ja osaaminen ● Big datan hyödyntämisen kannalta osaamisen saatavuus on avainasemassa. Jo nyt on nähtävissä osaamisen kapeikkoja. Muun muassa erilaisten analyysimenetelmien osaajista on tulevaisuudessa kasvavaa pulaa ● Koulutuspuutteet voivat muodostua merkittäväksi esteeksi big datan laajemmassa hyödyntämisessä ● Big datan hyödyntäminen mahdollistaa ja edellyttää myös työprosessien uudistamista
  22. 22. Big data tiimin osaaminen
  23. 23. Osaaminen avainasemassa ● Erilaisten analyysimenetelmien osaajat ● Big datan käsittelyn ja teknologiat tuntevat ohjelmoijat ● Data-analyysin mahdollisuudet tuntevat johtajat ● Johdon tukiorganisaatiot, jotka osaavat tulkita tulokset ● Yleiset “datataidot” digitalisoituvassa maailmassa ● Datan käsittelylle lisää painoarvoa jo peruskoulussa
  24. 24. Mistä opettajat? ● Opettajien osaamisen rajoitteet uhkana oppimiselle ● Uudet lähestymistavat, yhteistyö oppilaitosten välillä ja kaupallisten kouluttajien kanssa ● Online-oppiminen, verkkokurssit, tallenteet ● Yliopistotason koulutusohjelmien sopeuttaminen nopeassa syklissä muuttuviin trendeihin ● Oppilaitosten ja yritysten yhteistyö osaamistavoitteiden ajantasaisuuden ylläpitämiseksi ● Moniulotteista osaamista: tekniikka, liiketoiminta, juridiikka
  25. 25. Tutkimuksen rooli big datassa ● Uudet teknologiat ja analyysimenetelmät on integroitava osaksi tutkimuskäytäntöjä ● Soveltavan tutkimuksen kautta syntyvät innovaatiot ruokkivat ekosysteemiä tuottamalla uusia välineitä ja malleja ● Big data on luonnollinen ympäristö yhdistää eri alojen tutkimusta ja luoda siten uutta
  26. 26. Big data ja tiedeparadigmat ● Big dataa voidaan hyödyntää monilla tutkimusaloilla ○ Esimerkiksi biotieteiden, tähtitieteen, fysiikan ja vaikkapa psykologian (psykonometria) ja taloustieteen (ekonometria) alalla big data -kehityksestä ja - menetelmistä on saatavissa selkeitä hyötyjä ja mahdollisuuksia tutkimuksen kehittämiseen ● Tutkimusnäkökulmasta big dataa voi ajatella myös yhteistoiminnan areenana. Tätä edellyttää monialaisia tutkimusryhmiä
  27. 27. Big data ja neljä tiedeparadigmaa
  28. 28. Big data -teknologiat ● Big data -teknologian ytimessä ovat yleisimmin avoimen lähdekoodin ratkaisut, kuten esimerkiksi Apache Software Foundationin Hadoop-projekti, sekä siihen suoraan tai välillisesti liittyvät projektit ja työkalut, kuten Hive, Storm, Spark ja Kafka ● Moderni big data -laskenta perustuu hajautusta ja samanaikaisuutta hyödyntäävään monivaiheiseen laskentaan
  29. 29. Organisaation big data -arkkitehtuuri esimerkki
  30. 30. Big data ja standardit ● Eri organisaatioihin kertyvä data täytyy pystyä ottamaan tehokkaasti käyttöön siellä missä sitä tarvitaan ○ Tätä tarkoitusta varten tarvitaan yhteisiä sopimuksia tai standardeja siitä, kuinka dataa tallennetaan, jaellaan ja prosessoidaan ● Tällä hetkellä teknologioiden yhteentoimivuutta edistäviä yhteisiä, maailmanlaajuisessa käytössä olevia, esimerkiksi datan varastointiin ja tiedon siirtämiseen liittyviä big data - standardeja ei kaikilla osa-alueilla ole
  31. 31. Big datan yhtenäistäminen ● Teknologioiden konvergenssi helpottaa liikkeellelähtöä tulevaisuudessa ● Määritelmien yhdenmukaisuutta edistettävä ● Rajapintojen, hallintamallien sekä tallennus- ja siirtomenetelmien vakiintuminen nopeuttaa yhteistyötä ● Datan hyödyntämisen etiikka ja säännöstö vakiintuu hiljalleen
  32. 32. Big data ja avoin data sekä hallinto ● Data rinnastetaan useissa puheissa luonnonvaroihin tai hyödykkeisiin, jolla on arvoa myös kauppatavarana ● Jotta big datasta saadaan enemmän hyötyä irti, täytyy raaka- aineen eli datan itsensä, olla mahdollisimman laajasti avointa ja helposti käytettävissä ● Julkisen tiedon tulee olla mahdollisimman laajasti avointa ja maksutonta
  33. 33. Avoimen datan rooli kasvaa ● Avoin data ja avattavat julkiset datavirrat vauhdittavat pk- yritysten syntyä ja kasvua ● EU- ja kansallinen lainsäädäntö ohjaavat avaamaan yhä uusia lähteitä ● Kaupallisten toimijoiden ja yritysten intressit oman datansa (osittaiseen) avaamiseen ovat kasvussa
  34. 34. Big data, avoin data ja avoin hallinto
  35. 35. Big data -kehityksen vauhdittaminen ● Julkisen rahoituksen ja tuen kohdentaminen ● Toimintaa vauhdittavien instanssien luominen, vrt. Alan Turing Institute, UK ● EU:n Horisontti 2020 -ohjelma huomioinut big datan ● Suuryrityksillä kansainvälisesti malleja start-up -hautomoille oman datavarantonsa myötä
  36. 36. “3. Sovellusalueet ja niiden potentiaali Suomessa
  37. 37. Suomen potentiaali ● Poikkeuksellisen korkeatasoiset digitaaliset rekisterit ● Lääketiede, mobiiliala, peliteollisuus, ympäristö ● Teollisen internetin mahdollisuudet perinteiselle teollisuudelle ● Vahvaa menetelmä- ja IT-osaamista ● Edelläkävijyyttä julkisen avoimen datan hankkeissa ● Korkean tietosuojan infrastruktuuri → Odotteluun ei kuitenkaan ole varaa, etumatka hupenee
  38. 38. Sovellusalueet ja niiden potentiaali Suomessa ● Työryhmä on tunnistanut ja priorisoinut Suomen kannalta olennaisia laajojen tietoaineistojen hyödyntämisen sovellusalueita ● Tässä strategiassa priorisoidut sovellusalueet ovat kuitenkin toimialoja, jotka samalla edustavat Suomelle potentiaalia tulevaisuudessa, että tarvitsevat erityisiä kehitystoimia niistä odotettujen hyötyjen saavuttamiseksi
  39. 39. Suomelle tunnistettuja sovellusalueita ● Terveys, terveydenhuolto ja itsehoito ● Älykkäät infrastruktuurit, älykaupungit ● Älykkäät verkot, kapasiteetinhallinta ● Big datan vauhdittama tutkimus, uudet lähteet ja teknologiat ● Liikenne, ajoneuvojen verkottuminen, älykkäät palvelut ● Teollinen internet, sensoriteknologian nousu teollisuudessa ● Puhdas teknologia, Cleantech, vientivalttina ● Digitaalinen markkinointi, digitalisoituvassa Suomessa
  40. 40. “4. Julkishallinto big datan sovellusalueena
  41. 41. “Big data ajattelutapana ja teknologiana antaa hallinnolle uudenlaisia näkökulmia, joilla se voi edistää tavoitteitaan ja parantaa suorituskykyään, mikä lisää samalla kansalaisten tyytyväisyyttä julkisiin palveluihin.
  42. 42. Julkishallinnon sovellusalueet ● Analytiikka ja tieto palveluiden kehittämisen taustalle ● Asiakaslähtöisyys ja kustannustehokkuus ohjenuorana ● Tietolähteiden jatkuva tunnistaminen ja hyödyntäminen ● Tiedon avaaminen yhteiskunnan eduksi ● Kansan mielipiteiden kuuleminen ja päätöksenteon läpinäkyvyys luomaan luottamusta ● Yksilöllisiä, henkilökohtaisia, kohdennettuja ja älykkäitä palveluja kansalaisille
  43. 43. “5. Sovellusalueet läpileikkaavia teemoja
  44. 44. Sovellusalueet läpileikkaavia teemoja ● Läpileikkaavat teemat ovat asioita, jotka vaikuttavat useilla sovellusalueilla ● Teemoilla on oma tärkeä osansa big data-kehityksessä ● Teemat ovat vielä pitkälti kehittyviä, ripeät liikkeet ja kehitys niissä voivat tarjota Suomelle monia mahdollisuuksia
  45. 45. Läpileikkaavat teemat
  46. 46. Läpileikkaavat teemat ● Omadata, oikeus oman datan hallintaan ja jakamiseen ● Itsemittaus, sensorien tuottama data elämästä ● Joukkoistaminen, demokraattinen päätöksenteko ● Tiedon etsintä, koostaminen, löytämisen helpottaminen ● Paikkatieto, yhä useammalla sektorilla mukana
  47. 47. Omadata, esimerkkina terveys- ja hyvinvointiala
  48. 48. “6. Toimenpiteet
  49. 49. Toimenpiteiden vaikukset ● Tunnistettuja kehityskohteita on paljon ja mahdollisuudet suuria ● Vaikuttavuuden saavuttaminen vaatii panostuksia ja aikaa
  50. 50. Toimien vaikuttavuus ajassa
  51. 51. Toimenpide-ehdotuksia ● Big datan hyödyntäminen kaikilla sektoreilla on olennaista, joten tietoisuutta aiheesta on lisättävä kohti datan tunnistamista, kokeiluja ja kehitystoimintaa ● Korkeatasoinen osaaminen on olennaisin big dataa edistävä tekijä. Sen puute on toisaalta kehitystä rajoittava tekijä ● Suomessa big data-tutkimusalan huippuosaamista on useissa yliopistoissa ja tutkimusorganisaatioissa, mutta tutkimus on suhteellisen koordinoimatonta → koordinaatiota kaivataan tässäkin lisää
  52. 52. Toimenpide-ehdotuksia ● Big datan hyödyntäminen vaatii korkealuokkaista tieto- ja viestintäinfrastruktuuria ○ Perusedellytysten, kuten viestintä- ja tiedonsiirtoyhteyksien, pilvikapasiteetin ja datavarastoinnin ratkaisujen on oltava kansainvälistä huipputasoa ● Suomen ja suomalaisten yritysten tulee pysyä mukana ja edistää standardointikehitystä osallistumalla mahdollisuuksiensa mukaan erilaisten ja eri alojen standardointielinten toimintaan
  53. 53. Toimenpide-ehdotuksia ● Avoimet rajapinnat ja data ovat myös big datan hyödyntämisen mahdollistajia, joten tätä kehitystyötä tulisi edelleen vahvistaa sekä luoda tapoja yhdistää julkista avointa dataa ja yritysten laajoja tietoaineistoja. ● Hallintoon tulee saada big data -osaamista kehittäviä henkilöitä ○ Esimerkiksi voidaan rekrytoida osaajia erilaisiin projekteihin kumppanikoodarimallilla
  54. 54. Toimenpide-ehdotuksia ● Suurena kehityshaasteena on tasapainottaa big datan hyödyntämiseen ja tietosuojaan liittyvät toimet sääntelyssä ● Datan hyödyntämisen avulla on haettavissa synergioita eri aloilta ○ Yksittäisellä toimijalla ei välttämättä ole resursseja koota yhteistyöverkostoja
  55. 55. Toimenpide-ehdotuksia ● Kokeilevaa toimintaa big datan hyödyntämiseksi ja analyysimenetelmien soveltamiseksi käytännön tilanteisiin ja yhteiskunnallisiin haasteisiin sekä uuteen liiketoimintaan on edistettävä ● Omadatan edellytyksiä on kehitettävä, jotta yksilöillä olisi parempi kontrolli itseään koskevan tiedon hallitsemiseen ja mahdollisuus antaa tietoja palvelukehitykseen
  56. 56. “7. Vaikuttavuus
  57. 57. Big datan vaikuttavuus ● Suurten tietoaineistojen hyödyntämisen vaikuttavuuden ja taloudellisten tulosten laajempi arviointi on vielä varsin alussa ● Suomen osalta tutkimus arvioi big datan hyödyntämisen tuovan noin 2,1 % prosentin kasvun bruttokansantuotteeseen 2020 mennessä ● Yleisesti ottaen datalähtöisesti päätöksiä tekevien yritysten on tutkittu olevan keskimäärin noin 5-6- prosenttia tuottavampia kuin perinteisillä menetelemillä päätöksiä tekevät yritykset
  58. 58. Big datasta saatavia hyötyjä Hallinto Yritykset Kansalaiset Tutkimus ● Prosessien tehokkuus ● Paremmat palvelut ● Läpinäkyvyys ● Kustannussäästöt ja resurssien kohdentuminen ● Päätöksenteon laatu ● Innovaatiot ● Markkinaosuuksien ja voittojen kasvaminen ● Prosessien tehokkuus ● Omaisuuden käyttö ● Tuottavuus ● Hävikin vähentäminen ● Asiakaskokemuksen parantaminen ● Palvelujen laatu ja valinta- mahdollisuudet ● Uudet palvelut ● Parempi kontrolli itseä koskeviin tietoihin ● Vaikuttamis- mahdollisuudet ● Yhteiskunnallinen osallistuminen ● Kuluttajan oikeudet ● Uusien aineistojen mahdollistamat laajemmat tutkimushankkeet ● Tiedon yhdistelystä uutta tutkimusta ● Menetelmistä tutkimuksen laatua ja tehokkuutta ● Tutkimuksen vaikuttavuus
  59. 59. Pk-sektorin yritysten tuottavuuden kasvu Sektori Tuottavuuden kasvu Teollisuus +4,7 % Vakuutus +4,1 % Vähittäiskauppa +3,1 % Energia +2,5 % Investointipankit +2,4 % Kuljetus- ja logistiikka +2,4 % Sektori Tuottavuuden kasvu Tele- kommunikaatio +2,2 % Hallinto +2,1 % Muut alat +1,7 % Pankit +1,6 % Terveysala +1,5 % “Professional services” +1,2 %
  60. 60. “8. Strategian toimeenpano
  61. 61. “Perinteisesti Suomessa on huippuluokan osaamista esimerkiksi tieteellisestä laskennasta, algoritmiikasta, tiedon louhinnasta, tilastollisista menetelmistä, tiedonhallinnasta ja näihin liittyvistä ohjelmointimenetelmistä. Big data - tutkimus vaatii näiden osaamisalueiden menestyksellistä ja luovaa yhdistämistä erilaisiin sovellusalueisiin. Suomalaisella big data - tutkimuksella on oivat mahdollisuudet kuulua maailman kärkikastiin.
  62. 62. “Eri organisaatioihin kertyvä data täytyy pystyä ottamaan tehokkaasti käyttöön siellä missä sitä tarvitaan. Tätä tarkoitusta varten tarvitaan yhteisiä sopimuksia ja standardeja siitä, kuinka dataa tallennetaan, jaellaan ja prosessoidaan.
  63. 63. Taru Rastas (puheenjohtaja) Liikenne- ja viestintäministeriö Emil Asp (sihteeri) Liikenne- ja viestintäministeriö Ismo Kosonen Liikenne- ja viestintäministeriö Sami Niinimäki Opetus- ja kulttuuriministeriö Antti Eskola Työ- ja elinkeinoministeriö Anne Kauhanen-Simanainen Valtiovarainministeriö Marko Heikkinen Tekes Juha Latikka Suomen Akatemia Johanna Bragge Aalto yliopisto Jyrki Nummenmaa Tampereen yliopisto Tarja Riihisaari Ilmatieteen laitos Minna Ruckenstein Kuluttajatutkimuskeskus Matti Vakkuri Tieto Oy Pekka Lehti Valuemotive Oy Veikko Hara Rovio Entertainment Ltd Ulla Kruhse-Lehtonen Sanoma Oy Jani Pirkola CyberLightning Oy Immo Salo Ivorio Oy Markku Rauhamaa Nokia Solutions and Networks Oy Big datan käyttö -työryhmän jäsenet *Lisäksi strategian laadinnassa ja kirjoitustyössä ovat työryhmän ulkopuolelta auttaneet Markku Alanko, Ivorio, Marko Forsblom, LVM, Tuomas Nieminen, LVM, Jan Juslen, Liikennevirasto, Tommi Arola, Trafi, Aleksi Kallio, CSC ja Aija Leiponen, Imperial College London
  64. 64. Kiitos! Markku Alanko markku.alanko@ivorio.fi 045 1301 943 Immo Salo immo.salo@ivorio.fi 045 1233 563

×