Suured andmed, vähe villa

Kuna riigi valitsemise digitaliseerimine genereerib üha rohkem andmeid, siis Facebooki andmete ekspluateerimine Cambridge Analyticas toob välja avaliku sektori kogutud andmete kasutamise võimalikud ohud.

Erinevate andmete kombineerimisega võib suureneda oht rikkuda inimeste õigust privaatsusele, see võib suurendada ebaeetilist poliitikakujundamist, teha raskemaks turvalisuse tagamise nii eraisiku kui ka riiklikul tasandil ning suurendada ebavõrdsust ligipääsus avalikele teenustele. Riigist võib saada monstrum, mis jälgib ja kontrollib inimeste iga sammu, otsustajad manipuleerivad andmeid ning loovad tõendeid vastavalt poliitilistele eesmärkidele.

Pessimistliku vaatele oponeerib optimistlik vaade, mis rõhutab, et suurandmete põhjal saab analüüsida poliitika mõju ja saada ülevaade avalike teenuste puudustest. Kui era- ja avaliku sektori andmeid kombineerida, saab avastada käitumismustreid, teha reaalajas kiireid prognoose ning suunata kodanikke „õigete“ otsuste suunas. Kõik see aitab liikuda tõenditel põhineva poliitikakujundamise poole.

Ei nähta tervikpilti

Praegune avaliku sektori andmete kasutamise seis on tegelikult kaugel mõlemast kirjeldatud vaatest. Kuigi nii akadeemiline kirjandus kui ka poliitikadokumendid, näiteks Eesti Infoühiskonna Arengukava 2020, rõhutavad suurandmete tähtsat rolli avaliku sektori valitsemisel.

Iirimaal aprillis toimunud rahvusvahelisel e-valitsemise teooria ja praktika konverentsil rõhutasid Majandusarengu ja Koostöö Organisatsiooni (OECD) ümarlaual nelja riigi esindajad, et kuigi riigid arenevad üha andmete-keskse valitsemise suunas ja on häid näiteid suurandmete kasutamisest, on arenguruumi palju. Kogutud andmeid tihipeale ei taaskasutata ja need ei ole avatud. Valitsused keskenduvad andmekogumise mõnele aspektile, kuid ei näe tervikpilti. Isegi mõistest „suurandmed“ saadakse aru erinevalt.

Tervikpildi loomise teeb raskemaks n-ö andmete kaevamise põhine lähenemine suurandmete kasutamisele. Suurandmete kasutamist iseloomustab madal kontseptualiseerimine ja vähene seotus avaliku sektori valitsemise teooriatega. Igasuguse analüütilise töö puhul on kasulik enne alustamist küsida, kas antud juhul määravad andmed ja meetod uurimusküsimuse või määrab uurimusküsimus meetodi ja andmevajaduse? Suurandmete puhul domineerib kindlalt esimene.

Mahud kasvavad, leiud mitte

Samas on tugeva kontseptuaalse aluse loomine oskusliku andmeanalüüsi eeltingimus. Vastasel korral on leitud seosed ja järeldused vildakad või lausa ekslikud. Igaüks, kes on statistikat õppinud, teab, et korrelatsioon ei tähenda põhjuslikke seoseid.

Kuigi andmemahud ja potentsiaal nende kasutamiseks kasvavad, on nende põhjal tehtud leiud tagasihoidlikud. Keskmiste näitajate ja üldiste käitumismustrite kirjeldamisest ei piisa. Sisulisemat ja sügavamat arusaama ei ole suurandmete abil poliitikakujundamises saavutatud, et näiteks muuta avaliku sektori programme tõhusamaks ja kaasavamaks.

Iiri valitsuse Chief Information Officer Brian Lowry ütles OECD ümarlaual, et valitsustel tuleb seada konkreetsed sihid ja selgelt väljendada, mille jaoks andmeid kasutatakse. Tema hinnangul saab suurandmete abil pakkuda tõhusamaid teenuseid, muuta valitsemine proaktiivsemaks ning kasutada andmeid paremaks poliitikakujundamiseks.

Erinevad silotornid

Sellise arusaama rakendamine suurandmete kasutamisel on raskendatud, kuna oskused kasutada uusi tehnoloogiad avaliku sektori valitsemisel on piiratud. Takistused on ennekõike organisatoorsed ja institutsionaalsed. Nagu ka laiemalt avaliku sektori valitsemise puhul, tegutsetakse nn silodes, ja silode üleselt ei saa andmeid jagada.

Kes on püüdnud erinevaid andmeid uurimustöödes kasutada, teavad, et avaliku sektori andmebaaside ja/või era- ja avaliku sektori andmebaaside kombineerimine on parimal juhul administratiivselt keeruline ja halvemal juhul võimatu. Kui kasutada suurandmete kõige minimalistlikumat definitsiooni ja püüda kombineerida erinevate asutuste poolt kogutud administratiivseid andmeid, siis on see Eestis isegi ühe ministeeriumi haldusalas suur ettevõtmine.

Suurandmete potentsiaali realiseerumine sõltub sellest, kuivõrd suudetakse suurendada motivatsiooni koostööks.