Kehitämme Sitrassa reilun datatalouden itsearviointityökalua, joka auttaa yrityksiä arvioimaan kestävän ja reilun datan käytön valmiuksiaan. Ensimmäinen versio kansainvälisestikin ainutlaatuisesta ”Fair Data Economy Score -työkalusta” valmistui loppuvuodesta 2020. Kehitystyö jatkuu läpi kevään keräämällä erilaisten toimijoiden näkemyksiä siitä, mihin suuntaan työkalua kannattaa viedä, jotta se auttaisi yrityksiä toimimaan ihmislähtöisesti datataloudessa. Reilu datatalouden kypsyysmalli yrityksille -kehittämistyöpaja 23.3.2021 Esitykset: - Tiina Härkönen, Sitra - Katri Korhonen, Sitra

1. Reilu datatalous – mitä se tarkoittaa?
Tulevaisuuden menestyvät digitaaliset palvelut pohjautuvat luottamukseen
ja tuottavat arvoa kaikille

2. Ekologisella
jälleen-
rakentamisella
on kiire
Verkostomainen
valta voimistuu
Teknologia
sulautuu
kaikkeen
Talous hakee
suuntaa
Väestö ikääntyy ja
monimuotoistuu
Uudenlaiset
heimot ja
yhteisöt
Keskitetyt päätökset vai laaja osallistuminen?
Ratkaisut mahdollisuutena vai uhkana?
Tulevaisuusvalta
Kestävyysvaje
Ympäristö resurssina vai
ympäristön tilan
parantaminen?
Reilu vai eriarvoistava siirtymä?
Työn ja
kulutuksen
muutos

3. “The impact of digitalisation along with the need to capture, transfer and process more and more data
will inevitably require new policy instruments to reach the 2030 and 2050 climate targets…”
https://ec.europa.eu/digital-single-market/en/news/energy-efficient-cloud-computing-technologies-and-policies-eco-friendly-cloud-market
Millaisessa ympäristössä toimimme?

4. Startupien maailmankartta:
Eurooppa tulee perässä

5. TRUST
Tarvitsemme luottamuspohjaisia datan jakamisen
ekosysteemejä
Organisations
Lähde: Towards a European-governed Data Sharing Space, Enabling data exchange and unlocking AI potential
BDVA Position Paper, V2 11-2020
https://www.bdva.eu/sites/default/files/BDVA%20DataSharingSpaces%20PositionPaper%20V2_2020_Final.pdf
People
Governance
Data
Technology

6. Mikä sitten on yksilön kannalta epäreilua
datataloutta?
10% lasten
sovelluk-
sista
varasti
lapsen
fyysisen
sijainti-
tiedon
Messenger
haluaa
sinulta 46
eri lupaa
puheli-
meesi,
Facebook
45
BBC:n
tutkimus
vuodelta
2018 selvitti,
että ehtojen
ymmärtämi-
nen
edellyttäisi
yliopisto-
tasoista
koulutusta
Käyttöeh-
dot/tieto-
suoja-
selosteet
pidempiä
kuin Shake-
spearen
näytelmät
Seitsemän
kymme-
nestä äpistä
antaa
datasi
tuntemat-
tomille
yrityksille

7. Reilu datatalous on talouden osa-
alue, joka keskittyy luomaan
palveluja ja dataan perustuvia
tuotteita eettisesti. Reiluus
tarkoittaa sitä, että yksilöiden
oikeuksia suojellaan ja kaikkien
sidosryhmien tarpeet otetaan
huomioon datataloudessa.
Reilu datatalous tuottaa arvoa
kaikille: ihmisille, yrityksille ja
yhteiskunnalle

8. MAHDOLLISTAVA
ARKKITEHTUURI
IHAN® blueprint,
IHAN®
kehittäjäyhteisön tuki,
Teknologiakokeilut
Hallintamalli
IHAN® LIIKE-
TOIMINNALLE
Yritysvastuufoorumi,
Sisältöä, parhaita
käytäntöjä, työpajoja
ja tapahtumia
yrityksille
IHAN®
KANSALAISILLE
Digijälki,
Digiprofiilitesti,
Kampanjat, kyselyt ja
tutkimukset
IHAN®
PÄÄTÖKSEN-
TEKIJÖILLE
Faktoja
päätöksentekoon,
Tiekartta, Kyselyt ja
tutkimukset
KYVYKKYYKSIEN
RAKENTAMINEN
AJATTELUTAVAN
MUUTOS
LIIKETOIMINTA-
KYVYKKYYKSIEN
RAKENTAMINEN
IHAN® Dataverkostojen
sääntökirja,
Yrityskehitysohjelma,
Osaamisen kehittäminen
MyData
Euroopan komission
datastrategia

9. Uusia toimintamalleja peliin!
Yritykset eivät
kilpaile vain
tuotteilla, palveluilla
tai teknologioilla.
Todellinen kilpailu
tehdään
liiketoiminta-
malleilla.
Tarvitaan
uudenlaisia
työkaluja
yrityksille.
(eivätkä ne synny
yksin yritysten
voimin)

10. Reilun
datatalouden
kypsyysmalli
11.2.2021

12. Reilun datatalouden
kypsyysmalli
Kohti käytäntöä
23.3.2021
Kehittämistyöpaja yrityksille ja edunvalvojille
Katri Korhonen, Sitra

13. Tehtävä
Mieti esityksen aikana: mitä oivalluksia syntyi?
Mikä jäi vielä mietityttämään?
Käymme ajatuksianne läpi pienryhmissä 

14. Näiden teemojen avulla kohti reilua datataloutta
Yritysten
kehittäminen
Innovatiivisten palvelujen suunnittelu
ja uusien liiketoimintamallien
edistäminen
Eettiset periaatteet, käytännesäännöt (code of conduct),
työkalut ja käytänteet
Regulaatio, standardit, teknologia
§ § §
Ihmisten
osallistaminen
Reilun
datatalouden
kypsyysmalli

15. - viitekehys sille miten yritysten pitäisi
toimia reilussa datataloudessa
- kriteeristö, joka kertoo mitä yritysten
tulisi huomioida kun ne keräävät,
jakavat ja käyttävät dataa, ja kun ne
luovat datasta palveluita
- kypsyysmalli, joka auttaa yrityksiä
määrittelemään kullakin mallissa
arvioitavalla ulottuvuudella niiden
nykyisen tason, tavoitetason sekä
askeleet tavoitetasolle pääsemiseksi
- työkalu, joka eroaa perinteisistä ICT-
kypsyysmalleista etsimällä erityisen
avoimia, läpinäkyviä ja luottamusta
lisääviä datan käytön käytänteitä
• Fair Data Economy Score provides
a framework and a maturity model,
according to which organizations
should operate in the fair data
economy
• Fair Data Economy Score tells
what organizations should take
into account when collecting,
sharing and using data, as well as
developing data-driven services.
• With the help of the
Fair Data Economy Score, an
organization is able to define the
current state of its
Reilun datatalouden
kypsyysmalli

16. Prosessi
2020-2021
Näin sen homma etenee.

17. Katsaus taaksepäin: ajatusprosessin muodostuminen
Reilun datatalouden kypsyysmalli pohjautuu EU:n datatalouden
periaatteisiin
- Sitra kehitti reilun datatalouden periaatteet, jotka
pohjautuvat Euroopan unionin datatalouden
periaatteisiin (data economy principles)
- Yhdessä analytiikkatalo Gartnerin kanssa kehitimme
kriteeristön arvioimaan kutakin periaatetta
- Kriteeristö on sittemmin kehittynyt kypsyysmalliksi,
joka määritteleee reilun datatalouden kannalta
olennaisimmat ulottuvuudet ja niille kaikille
kypsyystasot
- Reilun datatalouden kypsyysmalli auttaa
yrityksiä arvioimaan niiden suoritusta useilla eri
toiminta-alueilla
Reilun datatalouden kypsyysmallin kehittyminen
EU:n datatalouden periaatteet
Reilun datatalouden periaatteet
Kriteeristö, joka määrittelee reilun
datatalouden periaatteita
Reilun datatalouden kypsyysmalli

18. Vaihe 1: ensimmäinen kehittämiskierros
Syyskuu
Keskeiset teemat
akateemisesta
tutkimuksesta, kv.
Keskusteluista, Gartnerin
omista toimintaympäristö-
analyyseistä jne
Lokakuu
Ensimmäinen hahmotelma
ulottuvuuksia mittaavista
kysymyksistä
Syyskuu
Ensimmäinen hahmotelma
ulottuvuuksista ja valintojen
perustelut
Lokakuu
Asiantuntijoiden näkemykset
ulottuvuuksista ja
kysymypatteristoista
Lokakuu
Yritysten näkemykset
ulottuvuuksista ja
kysymypatteristoista
Marraskuu
Kypsyysmallin ensimmäinen
versio
Mallin rakentaminen aloitettiin yhteiskehittämällä asiantuntijoiden, yritysten ja Gartnerin kanssa. Kehitystyö tehtiin syksyllä 2020.
Kirjallisuuskatsaus Työpaja II
Työpaja I Työpaja III Case-haastattelut
Kypsyysmallin 1.
versio
Aikataulu: Sitra Gartner & sidosryhmät

19. Vaihe 2: toinen kehittämiskierros
Tammi-maaliskuu
Pilottiyritykset testaavat
työkalua ja antavat palautetta
Helmi-maaliskuu
Kustakin ulottuvudesta
palautteet
erityisasiantuntijoilta
Helmi-huhtikuu
Ulottuvuuksista, hyödyistä ja
jalkauttamisesta palautteet
sidosryhmiltä
Toukokuu
Kypsyysmallin toinen versio
(vaatimukset 2.0)
Piloting Asiantuntijat
Työpajat: yritykset,
edunvalvonta, kv-
asiantuntijat
Kypsyysmallin 2.
versio
Aikataulu: Sitra sidosryhmät
Mallia kehitetään edelleen eteenpäin asiantuntijoiden ja yritysten kanssa keväällä 2021.

20. Työkalu
No näin se sitten oikeesti toimii.

21. Kypsyysmalli mittaa 5 + 1 ulottuvuutta
Arvonluonti ja liiketoiminta
Datavetoiset palvelut
Data-arkkitehtuuri ja
teknologiat
Datan hallinta ja kyvykkyydet
Arvot, kulttuuri ja osaaminen
Datan jakaminen ja
ekosysteemitoiminta
Organisaatio voidaan ajatella reiluksi näillä viidellä “pääulottuvuudella”.
Vasta datan jakaminen lisää merkittäästi arvonmuodostusta.

22. Jokainen ulottuvuus arvioidaan erikseen. Suositukset
perustuvat nykytilaan, tavoitetilaan ja kysymyksen tärkeyteen.
Target level Recommendation
L1 -> L2 Build internal awareness of ecosystem fueled business models, data economy and the potential and challenges
L2 -> L3 Establish guidelines and principles that enable data ecosystem engagement while managing data related risks
L3 -> L4 Continue to develop distributed data management capabilities and enforce data governance guidelines especially in your external
data flows.
L4 -> L5 Test and iterate the way you act in data ecosystems and look for opportunities to take a leading role in developing balanced and fair
ecosystem governance, rules and practices.

23. Actional analysis helps organisations outline
their Fair Data Economy development roadmap
12

24. Ajatuksia tälle päivälle:
- Käydään läpi ajatuksenne tästä esityksestä
- Arvioidaan työkalun sisältöä,
ymmärrettävyyttä ja käytettävyyttä
- Mietitään parhaat keinot jalkauttaa
työkalua
- Pohditaan paras ratkaisu työkalun
hallintamalliin