Структуриране на рисковете и решенията при използване на BigData за получаване на официална статистика

Предговор на преводача

Материалът ме заинтересува, предимно заради таблицата по-долу:

С оглед на факта, че статистиката (а руската, по генетичен код) не обича всичко, което се различава от линейната зависимост, тези момчета успяха да наложат използването на активационна функция в параболична форма за определяне на степента на риск от използване на BigData в официалната статистика. Браво. Естествено, статистиците добавиха своето мнение към тази работа – «1 Всички грешки и пропуски са изключителна отговорност на авторите. Мненията, изразени в този документ, са лични и не непременно отразяват официалната позиция на Европейската комисия». Но работата беше публикувана. Мисля, че за днес това е достатъчно и те (авторите) не забраняваха на никого да намери своите скали в тези аспекти.

В работата достатъчно структурирано може да се определи къде и как статистическите методи се различават от изследователските методи за BigData. На мен ми се струва, че най-голямата полза от тази работа ще бъде при разговора с клиента и за опровергаване на неговите изказвания от типа:

— А ние сами събираме статистиката, какво искате да проучвате още?
— А вие ни представете вашите резултати така, че да ги съгласуваме с нашата статистика. По този въпрос авторите казват, че би било добре да се прочете тази работа (3 Какво е голямото означаване на Big Data? Изследване на ролята на Big Data в официалната статистика)

В тази работа авторите представиха своето виждане за нивото на риск. Този параметър е поставен в скобки, да не се бърка с позоваване на източници.

Второ наблюдение. Авторите използват термина BDS – това е аналог на понятието BigData. (явно поклон на официалната статистика).

Предговор на авторите

Все повече статистически управления разглеждат възможността за използване на големи източници на данни за подготовка на официална статистика. Към момента съществуват само няколко примера, при които тези източници са били напълно интегрирани в реалното статистическо производство. Следователно, пълните последици от тяхната интеграция все още не са ясен известен. Междувременно бяха направени първоначални опити да се анализират условията и влиянието на големите данни върху различни аспекти на статистическата продукция, като качество или методология. Наскоро целевата група разработи качествена основа за подготовка на статистически данни на базата на големи данни в контекста на проекта за големи данни на Европейската икономическа комисия на Организацията на обединените нации (ЕЕО ООН). Според европейския статистически кодекс за практика предоставянето на висококачествена статистическа информация е основна задача на статистическите управления. Тъй като рискът се определя като влияние на неяснотата върху целите (например международната организация за стандартизация ISO 31000), считаме за уместно да категоризираме рисковете съгласно измеренията на качеството, на които те влияят.
Предлаганата структура за качество на статистическите данни, получавани от големи източници на данни, осигурява структурирано представяне на качеството, свързано с всички етапи на статистическия бизнес процес, и по този начин може да служи като основа за комплексна оценка и управление на рисковете, свързани с тези нови източници на данни. Въведени са нови качествени измерения, които са специфични за или (с висока важност когато) използването на големи данни за официална статистика, като институционална/делова среда или сложност. Използвайки тези нови качествени измерения, е възможно по-систематично да се идентифицират рисковете, свързани с използването на големи източници на данни в официалната статистика.

В настоящата работа ние стремим да идентифицираме рисковете, произтичащи от употребата на големи данни в контекста на официалната статистика. Държим на системен подход за определяне на рисковете в контекста на предложената структура за качество. Концентрируйки се върху новопредложените измерения на качеството, можем да опишем рискове, които в момента отсъстват или не влияят на производството на официалната статистика. В същото време можем да идентифицираме текущите рискове, които ще бъдат оценявани съвсем различно при използването на големи данни за получаване на статистика. След това преминаваме по-далеч в цикъла на управление на рисковете и предоставяме оценка на вероятността и влиянието на тези рискове. Тъй като оценката на рисковете предполага субективност в тяхната атрибуция, измерваме вероятността и влиянието на различни рискове чрез споразумение между десетки различни заинтересовани страни, предоставени независимо. След това предлагаме варианти за намаляване на тези рискове в съответствие с четирите основни категории: избягване, намаляване, споделяне и задържане. Според ИСО, един от принципите за управление на рисковете трябва да бъде създаването на стойност, т.е. ресурсите за намаляване на рисковете трябва да бъдат по-малко от тези за бездействие. В съответствие с този принцип, накрая ще проведем оценка на възможното влияние на някои мерки за намаляване на рисковете върху качеството на крайния резултат, за да стигнем до по-подробна оценка за използването на големи данни в официалната статистика.

1. Въведение

1.1. Фон

Развитието на "големи данни" е описано от Кенет Нийл Кукиер и Виктор Майер-Шенбергер в тяхната статия "Растежът на големите данни" (2. www.foreignaffairs.com/articles/139104/kenneth-neil-cukier-and-viktor-mayer-schoenberger/therise-of-big-data) терминът "датефикация". Датефикацията се описва като процес на "превръщане на всички аспекти на живота в данни". Например, Facebook предоставя лични мрежи, сензори за всякакви условия на околната среда, смартфони за лична комуникация и движение, носими устройства за лични условия. Това води до почти повсеместно събиране и наличност на данни.

Как и в много други сектори, официалната статистика едва наскоро започна да обсъжда проблема с големите данни на стратегическо ниво. Все още няма общо и широко разпространено разбиране за пътя напред, независимо дали става дума за предизвикателство или възможност, малко или голямо и т.н. В рамките на Групата на високо ниво за модернизация на статистическото производство и услуги (3 Каква е големината на Big Data? Изследване на ролята на големите данни в официалната статистика: www1.unece.org/stat/platform/download/attachments/99484307/VirtualSprintBigDatapaper.docx?version=1&modificationDate=1395217470975&api=v2), а Първият SWOT анализ, съпроводен с груб анализ на риска/печалбата, бе извършен. Отбелязано е, че „пълният анализ на рисковете ще включва също и аспекти като вероятност и влияние и, възможно, ще бъде разширен, за да определи стратегии за управление и намаляване на рисковете“.

Въпреки че този документ е далеч от пълния анализ на рисковете, той е насочен към подобряване на ситуацията именно чрез създаването на първия структуриран преглед. Бихме искали да подчертаем, че този преглед трябва да се разглежда като отправна точка за насърчаване на общо обсъждане в рамките на Официалното статистическо общество (OSC).

1.2. Обхват

Тази статия е посветена изключително на рисковете, без да се включват не само ползите, но и силните и слабите страни, възможностите и заплахите. Това означава, че „рисковете от бездействие“ (например рискът Official Statistical Community (OSC) да остане извън конкуренцията с други участници, ако не бъде модернизирана) не влизат в обхвата; това по-скоро са заплахи. Вместо това се опитваме да изведем рисковете, които могат да възникнат (а) ако OSC използва възможностите, предоставяни от големите данни, и започне да разработва или подобрява конкретен „продукт на официалната статистика на базата на големи данни“ (BOSP); (б) рискове за новия „обикновен бизнес“, тоест рискове за официалната статистика, основаваща се на производството на „големи данни“. (Тъй като всичкото производство на официална статистика е свързано с рискове, ние се ограничаваме до (б) специфичните за „рисковете от големи данни“, т.е. рискове, които не съществуват или са незначителни за „традиционния“ процес на събиране на официална статистика.)

1.3. Структура

В раздел 2 представяме основните принципи, свързани с тази задача, започвайки с изрично необходимата основа за управление на рисковете и управление на рисковете (раздел 2.1). Също така представяме предварителната структура на качеството на статистическите данни, получени на базата на големи данни (раздел 2.2), тъй като свързването на структурата на качеството с рисковете изпълнява две цели:

• Тя определя контекста за определяне на рисковете. Определени показатели за качество, заедно с разглежданите характеристики, изразяват стойностите на обекта, които се считат за важни и решаващи за предоставяне на услуги на клиентите и потребителите.
• Това позволява назначаването на конкретни рискове на качествени измервания, които са вложени в общите хиперпространства и привързани към определени етапи в процеса на производство на статистически продукти.

В раздели 3, 4, 5 и 6 представяме рисковете, които са били идентифицирани досега в различни контексти (4 Документите за бизнес казус на ESS (https://www.europeansocialsurvey.org/about/structure_and_governance.html) Проект за големи данни, а също и в мрежите ESS Big Data, съдържат списък на рисковете, частично свързани с проекта и частично с използването на източници на големи данни за статистически цели. Документът „Предложена структура за качеството на големи данни“ споменава някои рискове, свързани с измерванията на качеството.). Тук използваме класификация на достъпа до данни, правната среда, конфиденциалността и сигурността на данните, както и умения; реорганизацията в съответствие с качествената структура на статистиката, получена от големи данни (раздел 2.2), трябва да бъде разгледана незабавно, след като тази структура достигне по-завършен статус. За всеки от идентифицираните рискове предоставяме (i) оценка на вероятността и въздействието (в съответствие с раздел 2.1.3) и (ii) предлагаме стратегии за намаляване и управление на рисковете (вж. раздел 2.1.4).

Накрая ще обсъдим нашите изводи и ще очертаем някои следващи стъпки в Раздел 7.

2. Основи

2.1. Рискове и управление на рисковете

Според ISO 31000: 20095 риск се определя като „влиянието на несигурността върху поставените цели“. Това означава, че целите трябва да бъдат определени или известни, преди да се могат да се определят рискове. Тези цели обикновено се определят с оглед на институционалния контекст на съответната организация. Друго важно съображение е, че рисковете носят характер на несигурност, тоест не е ясно дали описаното събитие ще се случи. Следователно рисковете се измерват от гледна точка на вероятността за настъпване на събитието и последиците от него, т.е. влиянието, което това мероприятие оказва върху постигането на поставените цели. Оценката на рисковете трябва да предостави по-обективна информация, която в крайна сметка да позволи намирането на подходящ баланс между реализирането на възможности за печалба и минимизирането на неблагоприятните последствия. Управлението на рисковете е неотменима част от практиката на управление и важен елемент от добрата корпоративна практика (6 Statistics Canada: 2014-2015 report on Plans and Priorities, www.statcan.gc.ca/aboutapercu/rpp/2014-2015/s01p06-eng.htm). Този процес е итеративен, който в идеалния случай позволява непрекъснато подобряване на процеса на вземане на решения и допринася за постоянно подобрение на производителността.

Рисковете също така са свързани с качеството. Прилагането на система за качество трябва да позволи използването на възможности, предоставяни от различни източници и методологии, за постигане на резултати с определено ниво на качество в смисъл, че този резултат удовлетворява нуждите на потребителите. Подобно на рисковете, нивата на качество могат да бъдат получени от институционалната среда и целите на определени учреждения. В този контекст институционалната среда определя общото ниво на риск, с което организацията е готова да се справи, за да постигне своите цели.

Процесът на оценка и управление на рисковете може да бъде разбит на различни етапи, които включват установяване на контекста, определяне на рисковете, анализ на рисковете от гледна точка на вероятността и въздействието, оценка на рисковете и, накрая, обработка на рисковете.

2.1.1. Институционален контекст

В първата стъпка е необходимо да се установи стратегическият, организационен контекст и контекстът на управление на риска, в който ще протече останалата част от процеса. Това включва установяване на критерии, по които ще бъдат оценявани рисковете, и определяне на структурата на анализа.

2.1.2. Идентификация на риска

На втория етап трябва да бъдат определени събитията, които могат да окажат влияние върху постигането на поставените цели. Идентификацията трябва да включва въпроси, свързани с типа рискове, сроковете за събитията, мястото или начина, по който събитията могат да предотвратят, влошат, забавят или подобрят постигането на целите.

2.1.3. Оценка на риска

Следващата стъпка включва определянето на съществуващите средства за контрол и анализа на рисковете от гледна точка на вероятността, а също и от гледна точка на потенциалните последици. В контекста на настоящата статия вероятността или шансът за възникване на рискове се използва скала от 1 (малко вероятно) до 5 (често). Въздействието на възникването на събитията се измерва по скала от 1 (незначително) до 5 (крайно). Както е показано в таблица 1, произведението на вероятността и въздействието дава „ниво на риск“ в диапазона от 1 до 25.

Оценените нива на риск могат да бъдат сравнени с предварително определените критерии, за да се установи баланс между потенциалните ползи и неблагоприятните резултати. Това позволява да се правят оценки за приоритетите в управлението.

Приоритетите за действия трябва да се насочат към критичните рискове (вж. таблица 2), т.е. тези, които могат да се случат и имат сериозни или екстремни последствия за целите на организацията.

2.1.4. Реакция на рисковете

Последната стъпка включва решения относно реакцията на рисковете. Някои рискове, които са под предварително определения риск, могат да бъдат пренебрегнати или допуснати. За други, разходите за неутрализиране на рисковете могат да бъдат толкова високи, че да надвишават потенциалните ползи. В такъв случай организацията може да реши да се откаже от съответната дейност. Рисковете също могат да бъдат прехвърлени на трети страни, като например застраховане, което компенсира понесените разходи. Последната възможност е да се вземат предвид рисковете при определянето на стратегии и действия, които балансират разходите с потенциалните ползи. Така организацията ще вземе решение за внедряване на стратегии, за да максимизира ползите и да минимизира потенциалните разходи.

2.2. Системи за качество

Целева група, състояща се от представители на национални и международни статистически организации, разработи през 2014 година предварителна структура за качество за статистиката, получена от големи данни. Целевата група работеше под егидата на проекта UNECE/HLG „Ролята на големите данни в модернизацията на статистическото производство“. Тя разшири съществуващите системи за качество, разработени за оценка на статистиката, получена от административни източници на данни, с показатели за качество, които бяха считани за актуални за големите източници на данни.

В рамките на тази система се извършва разграничение между три фази на бизнес процеса: вход, производителност и изход. Фазата вход съответства на фазите „планиране“ и „събиране“ на GSBP, производителността на фазите „процес“ и „анализ“, а изходните данни са еквивалентни на фазата „разпространение“.

В структурата се прилага йерархична структура, която е взета от структурата на административните данни, разработена от Статистическото управление на Нидерландия (7 Daas, P., S. Ossen, R. Vis-Visschers, и J. Arends-Toth, (2009), Проверка за оценка на качеството на административните източници на данни. Statistics Netherlands, Хага/Херлен). Измерванията на качеството са вложени в йерархична структура, наречена хиперпространства. Трите определени хиперразмера са „източник“, „метаданни“ и „данни“. Измерванията на качеството се вграждат в тези хиперразмери и се присвояват на всеки етап от производството. За етапа на въвеждане са предложени допълнителни аспекти „конфиденциалност и поверителност“, „сложност“ (съгласно структурата на данните), „пълнота“ на метаданните и „свързаност“ (възможността да свържете данни с други данни), за да се добавят към модела на стандартното качество. За всеки от показателите за качество се предлагат фактори, свързани с тяхното описание, както и възможни показатели.

В контекста на тази статия рисковете могат да бъдат изключени от тези фактори. Например, факторите, които трябва да се вземат предвид за измерване на качеството „институционална / бизнес среда“, са устойчивостта на доставчика на данни. Свързаният с това риск може да бъде, че данните няма да са достъпни при доставчика в бъдеще. Друг пример е свързан с наскоро предложен аспект на качеството, конфиденциалността и безопасността. Един от важните фактори е „възприемането“, което означава възможното негативно възприятие за предполагаемото използване на конкретни източници на данни от различни заинтересовани страни.

3. Рискове, свързани с достъпа до данни

3.1. Липса на достъп до данни
3.1.1. Описание

Този риск се състои в проект, свързан с разработването на BOSP, който не получава достъп до необходимия източник на големи данни (BDS).

До момента OSC е усвоил трудния път, че дори излизането от стартиращите блокове и получаването на този достъп понякога са непреодолими препятствия. Понякога е лесно да получите достъп до конкретен източник — например записи на данни от обаждания (CDR), за цели на тестване / изследване, но много по-трудно (поради юридически или търговски причини) е да получите достъп до него за производствени цели.

3.1.2. Вероятност

Вероятността значително зависи от характеристиките на BDS. Ако става въпрос за големи административни данни, те могат да бъдат само 1, особено ако (както в случая на данните за трафик, изследвани от Daas и др. 8 Daas, P., M. Puts, B. Buelens и P. van den Hurk. 2015. «Big Data as a Source for Official Statistics». Journal of Official Statistics 31 (2). (Очаква се публикуване през юни 2015 г.)) няма проблеми със защитата на личните данни. Ако случай BDS принадлежи на частно лице, особено ако е чувствителен (например, по отношение на защитата на данните) или ценен (от търговска гледна точка), вероятността може да бъде много висока (5).

3.1.3. Въздействие

Въздействието зависи от BOSP и начина на използване на BDS. Ако BDS е в самия център, въздействието може да бъде много високо (4 = напълно невъзможно да се произеде BOSP), докато може да бъде по-ниско, ако все пак е възможно да се произведе BOSP (макар и с по-ниско качество), разчитайки на други URB, което води до въздействие в диапазона 2-3.

3.1.4. Профилактика

За да се намали рискът от отсъствие на достъп, трябва да се установят предварителни контакти с доставчика на данни и да се сключи дългосрочно споразумение за достъп до данни. Освен това трябва да се проведе комплексен правен анализ, относно конкретната комбинация от BDS и BOSP. Трябва също да се оценят възможностите за достъп до данни, с оглед на действащото или бъдещото законодателство.

3.1.5. Смекчаване

Ако има алтернативни BDS, които могат да бъдат използвани за BOSP, те могат да се проучат вместо това. Ако няма начин да се произведе BOSP без BDS, и ако не е възможно да се преодолее отсъствието на достъп, усилията трябва да бъдат прекратени, и новият BOSP няма да види бял свят.

3.2. Загуба на достъп до данни
3.2.1. Описание

Този риск се състои в това, че статистическото управление губи BDS, стоящи в основата на BOSP.

3.2.2. Вероятност

Ако BOSP вече се произвежда, обикновено съществува определена стабилност, а в някои случаи рискът може да бъде много нисък (1). Въпреки това, в частност, при частни субекти, с които са сключени недостатъчно стабилни споразумения, нищо не пречи, например, ново ръководство да промени политиката за предоставяне на данни, което да доведе до умерен риск от нарушаване (3). Освен това, ако BDS е свързан с нестабилна дейност, винаги съществува риск, че доставчикът просто ще фалира, а рискът може да бъде дори по-висок (4).

3.2.3. Влияние

Тъй като съществуващият BOSP може да е невъзможен за производство, често възниква много силно въздействие (5). В други случаи, когато BDS има спомагателен характер, въздействието може да бъде по-скоро загуба на качество с въздействие в диапазона 2-3.

3.2.4. Профилактика

Стратегията за предотвратяване е подобна на стратегията за липса на достъп до данни, но с подчертана концентрация върху постоянната бдителност и в производствени условия.

Не слагайте всичките си яйца в една кофа (т.е. имайте няколко BDS, лежащи в основата на всеки BSOP) също може да бъде стратегия, но това може да бъде или непрактично, или твърде скъпо.

3.2.5. Смекчаване

Ако BDS е резултат от нестабилна дейност, нов BDS, отразяващ същото социално явление, може постепенно да стане достъпен. Въпреки това, би било твърде късно да се започне 'сканиране на пазара', след като BSOP се провали; необходима е постоянна бдителност — а това може да бъде трудно да се постигне.

4. Риск, свързан с правната среда

4.1. Несъответствие с приложимото законодателство
4.1.1. Описание

Този риск се състои в проекта, свързан с разработването на BOSP, при което не се взима предвид приложимото законодателство, което прави BOSP неприложим за посоченото законодателство. Това може да касае законодателството за защита на данните, нормативните актове, свързани с бремето на реакция и т.н.

4.1.2. Вероятност

Имайки предвид неосведомеността на OSC относно големите данни, не е изключено случайно (3) несъответствие да се случи. Вероятността обикновено е свързана с BDS, тъй като колкото по-малко е 'чувствителен' източникът, толкова по-малка е вероятността от несъответствие.

4.1.3. Влияние

Въздействието обикновено е критично (4) в смисъл, че за несъответстващо производство е необходимо спирането на BOSP (или, ако той все още не е достигнал етап на реализация, разработката му трябва да бъде прекратена). Това може да бъде дори екстремно (5), тъй като репутационните рискове, произтичащи от несъответстваща («незаконна») официална статистика, могат да имат последици.

4.1.4. Профилактика

За всеки BOSP е нужно да се проведе внимателен правен анализ — и това става в няколко етапа (това, което е приемливо на етапа на разработка / разузнаване, може да не е така на етапа на внедрение / производство). Това от своя страна може да доведе до реинженеринг на BOSP, за да го направи съвместим.

4.1.5. Смягчаване

В зависимост от тежестта на несъответствието, първата стъпка може да бъде превключването на BOSP в офлайн режим.

Реинженерингът на BOSP, за да го направи съвместим, може да бъде опция, но дали BOSP ще бъде «спасен» по този начин, зависи в голяма степен от характера на несъответствието.

4.2. Неблагоприятни промени в правната среда
4.2.1. Описание

Може да бъде въведен нов законодателен акт, който да се отнася до разработвания BOSP, което всъщност прави BOSP несъвместим.

4.2.2. Вероятност

Не е изключено, че привържениците на засилената защита на данни ще успеят да въведат нови изисквания, които пряко или косвено да влияят на възможността за създаването на конкретни BOSP. Вероятността в диапазона 2-3 изглежда като реалистична оценка.

4.2.3. Въздействие

Въздействието обикновено е критично (4), в смисъл че несъответстващото производство ще изисква спиране на BOSP.

4.2.4. Профилактика

Определена бизнес информация трябва да се провежда регулярно, за да се следи развитието на законодателството — възможно е също така да влияе на него, като се излагат аргументи в полза на официалната статистика на съответните (например, консултативни) форуми.

4.2.5. Смягчаване

При условие, че е проведено упреждаващо наблюдение, може да има време за реинженеринг на BOSP, за да се приведe в съответствие с новото законодателство от самия първи ден на неговото влизане в сила.

От друга страна, ако мониторингът не е извършен и новото законодателство е станало "неочакваност" — или ако законодателството е толкова радикално, че не съществува начин BOSP да бъде несъвместим — единствената опция може да бъде изключването на BOSP.

5. Рискове, свързани с конфиденциалността и безопасността на данните

5.1. Нарушения в безопасността на данните
5.1.1. Описание

Този риск се отнася до неразрешен достъп до данни, съхранявани в статистическите управления. Трети страни могат да получат данни, които са под ембарго, например поради публикуването на график (9 За всяка BOSP, която е напълно основана на единствена BDS, е неизбежно, че данните ще бъдат неявно известни на първоначалния собственик на данните, а ако методологията е прозрачна, производната статистика също ще бъде известна. Тази ситуация не се разглежда тук, а по-скоро в риска, свързан със злоупотреба с позицията на собствениците.) (10 Освен това, тези данни могат да носят риск от нарушаване на конфиденциалността. Този риск ще бъде разгледан отделно.). Например, това могат да бъдат данни, които инвеститорите очакват на фондовия пазар.

5.1.2. Вероятност

Що се отнася до техническите аспекти на защитата на ИТ средата в статистическото звено, рискът има същата вероятност за BDS, както и за традиционните източници. Въпреки това, има две допълнителни аспекта, които трябва да се вземат предвид.

На първо място, с някои BDS общият риск леко се увеличава поради факта, че безопасността на данните при първоначалния собственик може да бъде застрашена. Това може да бъде свързано, например, с индустриален шпионаж или хакерство.

На второ място, след като потенциално ценни данни започнат да се съхраняват в офиса, рискът от привличане на злонамерени намерения ще се увеличи. Ако съхраняваните данни имат много висока стойност за бизнеса, трябва да бъдете готови за много висока вероятност от атаки, насочени срещу ИТ инфраструктурата, поради което вероятността от хакерство може да бъде потенциално по-висока (4).

Ако съхраняваните данни не се възприемат като ценни, общата вероятност изглежда не много висока — от (1) до (3) в зависимост от източника на данните.

5.1.3. Влияние

Потенциалният репутационен риск може да бъде значителен (5). В случая с BDS е важно, че ако нарушение на сигурността настъпи при първоначалния собственик, влиянието върху репутацията на статистическото управление, както се очаква, ще бъде по-ниско в сравнение с нарушение на данни, която се съхранява от него.

От друга страна, е възможно нарушение в статистическото управление да има негативни последици за първоначалния собственик. В този случай отново е възможно сериозно негативно влияние да се получи поради вредата от гледна точка на доверието между доставчика и статистическото управление (5).

5.1.4. Профилактика

Характерно за случая BDS е, че процедурите за сигурност на първоначалния собственик могат да бъдат уместни. Малко вероятно е статистическите управления да получат одиторски правомощия за контрол върху това. Собствениците, чиито данни се използват за изработването на записи с конфиденциални графици за публикуване, трябва да бъдат информирани за последствията за официалната статистика от потенциално нарушение на сигурността в техните помещения и трябва да получат официална гаранция, че се прилагат подходящи процедури за сигурност.

Директен начин за предотвратяване на сериозно влияние от нарушение на сигурността в помещението на собственика върху статистическото управление е да се осигури използването на множество източници за едно и също изделие, така че един компрометиран източник да не е достатъчен за получаване на окончателната цифра. Предимството на този подход е, че по-голям контрол е в ръцете на статистическото управление.

Начинът за предотвратяване на негативните последствия от нарушения на сигурността в статистическия офис за първоначалния собственик на данни е да се намери начин на работа, който не предполага пренос на потенциално чувствителни данни от гледна точка на собственика към статистическото управление. В суров вид. Един възможен превантивен подход е използването на агрегирани данни. Трябва да се има предвид, обаче, че някои форми на агрегация, например тези, предназначени да предотвратят идентификацията на отделни членове на населението, може да не са подходящи в този случай. Една от причините за това може да бъде фактът, че рискът за собственика е свързан с търговската стойност на данните, която може да бъде съществена дори след постигане на анонимност.

5.1.5. Смекчаване

В случай на нарушение на данни, които са в управлението на статистиката, мерките за смекчаване на последствията ще бъдат същите, както и в случай на традиционни източници, освен ако не е имало отрицателно въздействие върху първоначалния собственик.

В случай на негативни последствия за първоначалния собственик, статистическото управление трябва да преразгледа и подобри своите процедури за сигурност и ясно да съобщи и демонстрира ангажимента си по този въпрос.

Ако нарушението е настъпило в помещението на първоначалния собственик, съответната статистическа служба трябва ясно да съобщи за ситуацията и да настоява за подобряване на процедурите за сигурност на собственика. При необходимост може да се търси алтернативен доставчик.

5.2. Нарушения на конфиденциалността на данните

5.2.1. Описание

Това е рискът, че конфиденциалността на едно или повече лица от статистическата съвкупност ще бъде нарушена. Това може да е свързано с атака срещу ИТ инфраструктурата, поради натиск от други държавни учреждения или поради недостатъчни мерки за контрол на разкриването на статистически данни.

5.2.2. Вероятност

Както и в случая с риска от нарушение на сигурността на данните, техническите условия за съхранение на микроданни не се променят значително при добавяне на BDS. Въпреки това, и тук има предостережения.

Микроданните от определени източници на данни могат да имат висока бизнес стойност, поради което тяхното съхранение увеличава вероятността от атаки.

Освен това, някои микро данни могат да бъдат потенциално много полезни за други държавни институции, например правоохранителните органи, данъчните служби или здравеопазването. При определени обстоятелства, ангажиментът към принципа на статистическата конфиденциалност може да бъде под значителен натиск.

Що се отнася до проблемите с контрола на разкриването на статистическа информация, вече съществува утвърдена практика. BDS може да позволи генерирането на статистически данни за малки подгрупи от населението или да предостави възможност за свързване на агрегирани данни от различни BDS, което може да увеличи вероятността от риск. Освен това, новите източници обаче ще изискват нови методологични разработки, така че реалната опасност е, че методологията за контрол на разкритията не се актуализира адекватно.

Общо взето, при разумни превантивни мерки вероятността може да бъде запазена на разумни нива, но тъй като съществуват множество различни и разнообразни фактори, съответната оценка тук, очевидно, е, че вероятността е висока (4).

5.2.3. Влияние

Потенциалната вреда за репутацията може да бъде значителна (5). Както при риска от нарушение на сигурността на данните, инцидент в статистическото управление може да има негативни последици за първоначалния собственик. Тук влиянието на такова събитие може да бъде потенциално дори по-голямо, особено ако настоящите тенденции в общественото мнение се запазят. Ущерите в отношенията между доставчика на данни и статистическото управление също се очаква да бъдат много значителни.

5.2.4. Профилактика

Непогрешимият начин да се предотврати такава опасност е изобщо да не се съхраняват микроданни от BDS (въпреки че съхранението на други микроданни все пак носи съответен риск, но с различна вероятност и влияние). Тази посока, както и в случая с риска от нарушение на сигурността на данните, ще доведе до необходимостта от разработване на нови методи за използване на данните за статистически цели. Освен това, тук различната природа на източниците ще означава, че ще трябва да се разработят нови методологии с конкуриращи се цели за извличане на максимално количество полезна информация и защита на конфиденциалността от опасността.

В случай на съхранение на микроданни, механизмите за осигуряване на IT сигурност и контрол на достъпа трябва да бъдат на необходимото ниво и да се контролират постоянно. Особено внимание трябва да се обърне на осигуряването на сигурността на новите методи за получаване на данни. Парадоксално, такъв нов метод може да бъде физическото транспортиране на носители на данни (например, твърди дискове). Ако този метод се използва, тогава доставката трябва да бъде физически защитена и да се използва криптиране.

5.2.5. Смекчение

Мерките за смекчаване тук по принцип са същите, както и в случая на нарушение на сигурността на данните. Ако причината за нарушението е натиск от друга държавна институция, следва да се възползвате от възможността за укрепване на независимостта на управлението, така че подобни нарушения в бъдеще да станат още по-трудни.

5.3. Манипулации с източника на данни
5.3.1. Описание

Доставчиците на данни от трети страни, например данни от социални мрежи или доброволно предоставени данни, са изложени на риск от манипулации. Това може да бъде направено или от самия доставчик на данни, или от трети лица. Например, много фалшиви съобщения в социалните мрежи могат да бъдат генерирани, за да подтикнат статистическия индекс, получен на базата на тези данни, по един или друг начин, ако е известно, че индексът се изчислява на базата на такива данни.

При доброволно предоставените данни може да има случай, в който доброволците представляват определена група интереси с определена дневна ред.

5.3.2. Вероятност

За данни, манипулирането с които може да донесе значителна полза, вероятността е по-висока. Това могат да бъдат данни, за които статистиката е интересна, например, фондовия пазар. В светлината на последните скандали, свързани с LIBOR и Forex, може да се предположи, че докато съществува стимул, опитите за манипулиране на данни ще бъдат вероятни.

За статистика, основана на доброволно предоставени данни, е достатъчно да се погледне на последната PR-практика на наемане на хора, които претендират, че имат определено мнение и които получават заплащане за публичното си изразяване (например, на интернет форуми), за да се направи заключение, че вероятността не е малка. Общо взето, цифрата от 3 до 4 изглежда адекватна.

5.3.3. Влияние

Голям проблем с манипулациите е, че те могат да продължат дълго време без да бъдат открити. Ако манипулациите продължават за дълъг период, влиянието върху качеството може да стане значително. Освен това щетите за общественото доверие в официалната статистика също могат да бъдат значителни, особено ако публично е подчертано ролята на статистическите управления като доставчици на качествени данни. От друга страна, ако манипулациите бъдат открити навреме и след това публикувани, това всъщност може да подобри общественото възприятие. С изключение на изключително лоши случаи, може да се представи максималното влияние (3).

5.3.4. Профилактика

Извършването на редовни контролни упражнения с алтернативни източници е един от възможните профилактични подходи. Тези алтернативни източници могат да бъдат традиционни или различни. Използването на статистика, базирана на комбинация от източници, може да предотврати значителни въздействия от манипулации. В случаи, когато се опасват от провокирани от доставчика манипулации, юридическите споразумения също могат да бъдат един от начините за предотвратяване на такава практика.

5.3.5. Смекчение

От гледна точка на щетите за обществените отношения, мерките за смекчение, които трябва да бъдат предприети, не се различават много от мерките за справяне с всяка криза.

От гледна точка на качеството на данните, би било полезно, ако минали данни могат да бъдат коригирани така, че дори с голямо забавяне правилната серия да може да бъде
Производството може да бъде подпомогнато от редовно бенчмаркинг. Обратите внимание, че целта на сравнителния анализ в този случай отстъпва по смисъл на целта за предотвратяване. За предотвратяване е важно бързо да се забележи и разследва подозрително несъответствие между данните от референтния тест и BDS. За смекчаване на последствията стари полезни данни винаги са от полза.

Освен това е необходимо да се обърне внимание, за да не се допуснат подобни манипулации в бъдеще - в особено чувствителни случаи това може да означава получаване на потенциално излишни данни от няколко доставчици за сравнителен анализ.

5.4. Неблагоприятно обществено възприятие на използването на големи данни от официалната статистика
5.4.1. Описание

Масмедиите и широката общественост са много чувствителни към въпросите на конфиденциалността и използването на лични данни от големи източници на данни, особено в контекста на вторичното използване на данни от държавни органи, които предприемат административни или правни мерки срещу гражданите. Негативно възприеманото използване може да е позиционирането на контрол на скоростта на базата на анализа на навигационни данни (11 See www.theguardian.com/technology/2011/apr/28/tomtom-satnav-data-police-speed-traps).
Конкретният случай TomTom Netherlands доведе до значително намаляване на търсенето на устройства TomTom и предизвика решението на компанията да ограничи достъпа до данните. В този конкретен случай данните се отнасяха до отделни лица, но до нива на скоростта по участъците на пътищата.

Въпреки това, може да съществуват приложения с големи данни, които биват възприемани положително от обществеността. Един от примерите може да са приложения, които предотвратяват престъпления, като кражба с взлом, на базата на методи за големи данни.

Позитивното, както и негативното обществено мнение може да оказва силно влияние на използването на BDS в контекста на производството на официална статистика.

Следствие от негативното обществено възприятие може да бъде, че:

• BDS вече няма да бъде достъпен за статистическите управления, или поради решения на доставчика на данни, или правителствени решения за не използване на данните, или
• използването на данните ще бъде ограничено, което може да попречи на производството, ако определени BOSP.

5.4.2. Вероятност

Фактори, които могат да повлияят на вероятността за такова събитие или неговото въздействие върху производството на статистика:

• конфиденциалност на данните, т.е. колко лесно могат да бъдат идентифицирани хората;
• обем на информацията, която данните разкриват за физически лица, например, увеличава се чрез свързване на данни от различни източници;
• тип данни, например финансовите операции се възприемат като по-конфиденциални от други данни;
• тип потенциално действие, което може да бъде предприето спрямо гражданите, например, глобяване на хора за превишаване на скоростта;
• неясна правна среда, в която работят доставчиците и потребителите на данни или когато правните условия противоречат на обществените етични мнения / стандарти;
• степен на зависимост от определен източник на данни за получаване на статистика; на етапа на разузнаване този фактор може да има незначително значение. Въпреки това, той може да има голямо влияние върху получаването на статистика на по-късен етап и следователно трябва да бъде разгледан и на етапа на разузнаване. Един от проблемите може да бъде, че окончателният обем на използване на данните в началото е неизвестен, тъй като източниците на данни потенциално могат да обслужват повече от една статистическа област.

Оценката на времето за нежелани явления е невъзможна, тъй като мобилизацията на обществеността често се инициира от осветяването на събития, които оказват отрицателно влияние върху гражданите. Въпреки това, с нарастващото използване на големи данни от правителствата и частни предприятия, и особено с активния маркетинг на данни за други цели, освен тези, които са довели до първоначалното им събиране, е по-вероятно да се случат такива събития.

Събитията, които оказват голямо влияние върху общественото възприятие, са не чести, а по-скоро случайни (3) и отдалечени (2). С увеличаването на използването на големи източници на данни вероятността също ще нарасне.

5.4.3. Влияние

Въздействието на събитието значително зависи от факторите, обсъдени по-горе. Като цяло влиянието е по-сериозно върху вече съществуващото производство на статистически данни, тъй като е възможно действието да трябва да бъде прекратено. Въздействието също зависи от достъпността на алтернативни източници на данни, въпреки че е възможно общественото възприятие да не различава различните източници на данни в случай на материализиране на събитието. В текущото състояние на използване на големи данни изглежда, че тези източници не могат напълно да заместят традиционните източници на данни, а по-скоро допълват съществуващата статистика. Това ще намали въздействието на събитията. Следователно, въздействието на събитието се разглежда в диапазон от 2 (незначително) до 3 (основно). На етапа на производството влиянието може да нарасне до 4 (критично значение).

5.4.4. Профилактика

Профилактичните мерки могат да включват определяне на етични принципи за големите данни в официалната статистика. Етичните ръководни принципи трябва да се основават на такива принципи, като кодекс за практика за европейската статистика или основополагащи принципи на официалната статистика (12 unstats.un.org/unsd/dnss/gp/fundprinciples.aspx). Следващата мярка ще бъде определяне на комуникационна стратегия, която ще публикува резултатите от етичните ръководни принципи за обществеността и може да се използва за информиране на заинтересованите страни за етичното използване на BDS за BOSP.

Отделна оценка на риска за конкретна BDS може да бъде проведена, за да се идентифицират рисковете и да се предложат профилактични или смекчаващи действия на базата на етични принципи. Отделната оценка на рисковете може също да включва заинтересовани страни, като агенции за защита на данните, за да се осигури идентификация на всички рискове и законосъобразност на действията.

5.4.5. Смекчаване

Комуникационната стратегия трябва да включва мерки за справяне с нарастващото негативно обществено отношение. Отделна оценка на риска трябва да събира положителни примери за използване на данни и мерки за предотвратяване на злоупотребата с данни, които могат да бъдат задължително приети на политическо ниво, а статистическото общество може да се окаже не в състояние ефективно да влияе на тях.

5.5. Загуба на доверие — получена не в резултат на наблюдение
5.5.1. Описание

Потребителите на официалната статистика обикновено имат високо доверие в точността и достоверността на статистическите данни. Това се основава на факта, че производството на статистически данни е вградено в надеждна и общодостъпна методологическа основа, както и в документацията за качеството на статистическия продукт. Освен това, повечето статистически данни се основават на наблюдения, т.е. получени от проучвания или преброявания, които установяват лесно разбираема връзка между наблюдението и статистическите данни. Използването на BDS, които не са събрани за основната цел на статистиката, носи риск за загуба на тези отношения и потребителите да загубят доверие в данните на официалната статистика. Пример, свързан с последния кръг (2010 г.) на преброяване на населението, е, че в някои страни статистическите данни са получени с използване на няколко източника и статистически модели. В редица случаи заинтересованите страни оспорват статистическите данни.

5.5.2. Вероятност

Вероятността за възникване на риска зависи от фактори като сложността на статистическия / методологическия модел, достоверността на отношенията между BSD и BOSP или съответствието с други статистически данни. Вероятността трябва да бъде в диапазона от 3 (случайни) до 4 (вероятни), което означава, че това може да се случи няколко пъти или често.

5.5.3. Влияние

Влиянието на възникването на риска ще зависи в значителна степен от това дали НСО ще успеят да докажат точността и достоверността на статистическите данни. В случай, че това не може да бъде постигнато, последиците от загубата на доверие могат да засегнат и други статистически области, а именно достоверността не само на определени статистически данни, но и самата организация. НСО биха загубили конкурентно предимство пред други частни организации, които действат в тази сфера.

5.5.4. Профилактика

Профилактичните действия ще включват разработването и публикуването на научно обоснована методология, която ще бъде призната от научното общество, обогатявайки данните с метаданни за качество, осигурявайки съответствие между BOSP и не BOSP, и осъществявайки строг контрол на качеството.

Преди да започне статистическото производство, BOSP може да бъде публикуван в качеството на експериментален, а заинтересованите страни могат да бъдат препоръчани да оспорят BOSP, за да потвърдят или подобрят BOSP.

5.5.5. Смягчаване

Има два случая, които трябва да се различават. В случай, че статистическите данни са оспорени, но притежават високо / достатъчно качество (правилно / точно), би било достатъчно да се обяснят и предоставят статистическите данни на обществеността, като се предлагат лесни за разбиране примери.

6. Рискове, свързани с уменията

6.1. Липса на специалисти
6.1.1. Описание

Анализ на цифровите следи, оставяни от хората по време на техните дейности, изисква определени инструменти за анализ на данни, които в момента не са сред най-разпространените в официалната статистика. Първо, използването на косвени данни за дейността на хората вместо директни анкети в проучванията изисква прилагане на статистически модели и следователно умения за заключения и машинно обучение. Второ, тези цифрови записи се състоят от данни, които често нямат обичайния табличен формат, познат от резултатите от проучвания, с редове, съответстващи на статистическа единица, и колони с конкретни характеристики на тези статистически единици. Цифровите трагове също така са представени под формата на текст, звук, изображения и видео. Извличането на съответната статистическа информация от тези типове данни изисква умения за обработка на естествен език, обработка на аудиосигнали и обработка на изображения. Трето, тези източници на данни имат тенденция да предоставят масивни набори от данни, обработката на които изисква добро разбиране на методологиите за разпределени изчисления.

Рискът от недостиг на експерти се състои в добиването на данни от един от тези нови големи източници на данни, тъй като статистическото управление няма възможността да го обработва и анализира адекватно, поради липсата на необходимите умения в своя персонал.

6.1.2. Вероятност

Вероятността за този риск ще зависи от три фактора: 1) конкретните типове умения, необходими за всеки тип източник на големи данни, и вероятността статистическото управление да намери възможност да проучи такъв източник; 2) текущата наличност на необходимите умения в статистическото управление; и 3) организационната култура в статистическото управление.

Що се отнася до типовете умения, които може да се наложат, е важно да се отбележи, че не всички източници изискват всички изброени умения. Някои (като данни от Google Trends) не изискват разпределени изчисления, тъй като те вече са предварително обработени от носителя на данни или разполагат с умения за обработка на сигнали, и основно ще им бъдат нужни умения за статистическо моделиране. Въпреки това, съществува голямо разнообразие от източници на големи данни, за повечето от които са необходими умения за разпределени изчисления, обработка на сигнали и машинно обучение. В същото време, правилното проучване на тези цифрови следи ще изисква обработка на многобройни източници. Следователно, има голяма вероятност големите източници на данни, станали достъпни за статистическото управление, да изискват тези необичайни умения, а вероятността за този риск е много висока (5).

Що се отнася до текущата наличност на необходимите умения, това ще зависи от конкретното статистическо управление. Дори ако методиката на анкетиране е по-малко разпространена от методологията на проучването, тя също така се използва в официалната статистика в определени области. Следователно, дори ако това може да изисква определено преструктуриране на човешките ресурси, статистическите управления могат да намерят решение със собствени сили. Относно уменията за разпределени изчисления, основно свързани с ИТ, те ще зависят от начина, по който ИТ инфраструктурата се управлява в организацията. В зависимост от това колко ИТ отделът е на преден план, решения могат да бъдат намерени в контекста на съществуващите споразумения. Въпреки това, уменията за обработка на сигнали и машинно обучение обикновено не съществуват в повечето официални статистически управления, и прилагането на тези умения не може да бъде външно възложено, тъй като те трябва да бъдат прилагани от експерти в областта на статистиката. Следователно, от тази гледна точка вероятността за този риск също изглежда много висока (5).

Организационната култура също ще окаже влияние върху вероятността от този риск. Наличието на персонал, готов да усвои необходимите умения чрез самообучение, може да предостави на организацията възможност да реагира на ситуация с нови източници на данни, изискващи умения, различни от обичайните. Това ще зависи от организационната култура на статистическото управление, а именно дали ще насърчава служителите да овладяват нови умения и дали им предоставя време за самообучение.

По този начин, вероятността статистическото управление да не може да обработва и анализира нови източници на данни поради недостатък на умения у своите служители ще бъде между вероятна (4) и честа (5) в зависимост от културата на самообучение в организацията.

6.1.3. Влияние

Статистическото управление, неспособно да обработва и анализира големи източници на данни поради недостиг на умения у своите служители, може да има две възможни негативни последици: 1) източникът на данни няма да бъде проучен, поне не напълно; 2) източникът ще бъде неправилно използван.

Липсата на възможност за пълно проучване на потенциала на ценен източник от големи данни ще окаже незначително влияние (2) в краткосрочен план, тъй като статистическите управления наистина разполагат със статистически инструменти за задоволяване на текущите нужди. Въпреки това, в дългосрочен план (и, възможно, дори в средносрочен план) последиците от загубата на тази възможност ще бъдат решаващи (4), тъй като статистическите управления все по-често се сблъскват с конкуренцията на частни доставчици, които нямат такава институционална структура, която да им позволи да гарантират независимост на статистическите данни.

Въпреки че неправилната употреба на източника ще има крайно негативни последици за статистическите управления, тъй като официалната статистика в значителна степен зависи от своята репутация при изпълнението на своята мисия. Въпреки това, можем да твърдим, че най-важното умение, което, ако бъде пропуснато, може да доведе до неправилни резултати, е статистическото извеждане, по-специално извеждането, основано на модел, което също така е по-малко вероятно да липсва. Затова очакваното въздействие ще бъде по-скоро критично (4), отколкото екстремно.

6.1.4. Профилактика

Статистическите служби могат активно да предотвратят този риск по два начина: 1) обучение; и 2) наемане.

Статистическите управления могат да предоставят на персонала необходимите умения, като детайлно определят уменията, необходими за използването на големи източници на данни в статистическото производство, изготвят списък на съществуващите умения на персонала, определят нуждите от обучение и след това организират учебни курсове.

Статистическите управления също така могат да наемат нови служители с необходимите умения. Това, изглежда, има сериозни ограничения, тъй като статистическите управления няма да могат да наемат критична маса персонал за ситуация, при която използването на големи източници на данни ще бъде широко разпространено в отделението, а новите служители все още ще изискват няколко години, за да достигнат нивото на опит на съществуващите служители. Въпреки това, поне част от новите служители, наемани в рамките на обикновено обновяване на персонала, могат да притежават умения, свързани с големи данни.

6.1.5. Смекчаване

Сблъсквайки се със ситуация, когато новите източници на големи данни са налични без служители с необходимите умения, статистическите управления могат да смекчат негативните последици по два начина: 1) подизпълнение; и 2) сътрудничество.

Статистическите управления могат да сключват договори за обработка на данни и анализ на нови източници на големи данни с други организации, които предлагат тези услуги. Изглежда, че това е жизнеспособно решение, тъй като се появява нов сектор на предприятия, които се специализират в обработката на такива данни. Въпреки това, това решение само по себе си носи определени рискове, тъй като статистическите управления ще имат по-малък контрол върху производството на потенциално чувствителни статистически продукти. Това решение също така има недостатък, тъй като не позволява на служителите на статистическите управления да учат и придобиват необходимите умения.

Сътрудничеството с други организации, в които има служители с необходимите умения и които също са заинтересовани в изучаването на източниците на големи данни, изглежда по-перспективно решение. Това сътрудничество може да приеме формата на съвместни проекти между служители на статистическите управления и служители от други организации на равноправна основа, които споделят своите знания. Това би позволило не само да се намали рискът от недостиг на умения, но и да се позволи на служителите на статистическите управления да придобият тези умения.

6.2. Изтичане на експерти към други организации
6.2.1. Описание

Този риск се състои в това, че статистическите управления губят своя персонал на други организации, след като те придобият умения, свързани с големи данни.

6.2.2. Вероятност

Вероятността за този риск ще зависи от два фактора: 1) съществуващи атрактивни възможности в организации извън официалната статистика; 2) условията на работа в статистическите управления.

Що се отнася до възможностите в организациите извън официалната статистика, вероятността за този риск изглежда вероятна (4). Съществува висок интерес към хора с умения за работа с големи данни в частния сектор, а също и в други организации от публичния сектор. След придобиване на умения за работа с големи данни, официалната статистика ще получи сравнително предимство, като бъде опитен специалист в областта на статистиката. Освен специфичните умения за работа с големи данни, другите организации се нуждаят от специалисти по данни, които притежават по-традиционни умения, като оценка на потребностите на потребителите и разработване на ключови показатели за ефективност (KPI), които са основни за официалните статистици. Освен това се очаква, че служителите, които са по-склонни да придобиват нови умения, ще бъдат тези, които също ще бъдат по-отворени към промени в кариерата и ще напуснат статистическите управления.

Що се отнася до условията на работа в статистическите управления, това очевидно ще зависи главно от конкретния офис. Въпреки това, статистическите управления в цялост остават привлекателни професионални възможности за хора с количествени умения. Статистическите управления предлагат най-голям диапазон от потенциални области за работа и най-широк избор от данни за работа. Това по някакъв начин ще намали вероятността статистическите управления да загубят персонал поради непредвидени обстоятелства (3).

6.2.3. Влияние

Въздействието на този риск ще бъде такова, каквото е и рискът от липса на персонал с подходящи умения в първата редица. Следователно, въздействието ще бъде критично (4), както е посочено по-горе.

6.2.4. Профилактика

Очевидно, че единствената възможност за статистическите управления да предотвратят този риск е да осигурят привлекателни условия на работа за своите служители. Това важи в цялост за целия персонал. Въпреки това, в конкретния случай, когато служителите са отворени за усвояване на нови умения, по-специално умения за работа с големи данни, условията на труд могат да се подобрят, като им се предоставят възможности за обучение, където могат да развиват своите професионални интереси. Статистическите управления също могат да обърнат особено внимание на това да бъдат отворени за нови иновационни проекти и идеи, свързани с новите източници на големи данни, постъпващи от статистици, работещи в различни области на статистиката. Накрая, предотвратяването на загубата на персонал за други организации на база техните умения за работа с големи данни ще зависи от добрата идентификация на персонала, способен и желаещ да работи с такива данни, и от осигуряването на добри възможности за тяхното професионално развитие.

6.2.5. Облекчение

Снижаването на този риск ще бъде направено по отношение на риска от липса на персонал с подходящи умения: 1) подизпълнение; и 2) сътрудничество.

7. Дискусия

От този първоначален преглед е очевидно, че е невъзможно да се установи единна вероятност или влияние за дадения „риск от големи данни“ — като правило, и двата показателя в значителна степен зависят от източника на големите данни, а също и от „официалната статистика на база големи данни“.
продукт „.

Следователно, стигаме до извода, че логичната следваща стъпка в тази посока е приемането на редица възможни пилотни проекти (всеки от които включва комбинация от един или няколко BDS и един или няколко BDOS) като отправна точка и – за всеки такъв пилот – стремежът да се оцени вероятността и въздействието на всеки риск.

С тази цел, ние сме на прага на стартирането на анкета за заинтересованите страни, опитвайки се да оценим оценката на OSC за вероятността, въздействието (и възможните действия за предотвратяване / облекчаване) относно редица възможни пилотни проекти – и да поискаме предложения от OSC относно рисковете, които не сме включили в този документ.

8. СПРАВОЧНИКUNECE (2014), „Предложена структура за качеството на Големите Данни“, Резултати от Работната група на UNECE за качеството на големите данни, www1.unece.org/stat/platform/download/attachments/108102944/BigDat
a%20Quality%20Framework%20-%20final-%20Jan08-2015.pdf?version=1&modificationDate=1420725063663&api=v2

UNECE (2014), „Колко големи са Големите Данни? Изследване на ролята на Големите Данни в официалната статистика“, www1.unece.org/stat/platform/download/attachments/99484307/VirtualSprintBigDatapaper.docx?version=1&modificationDate=1395217470975&api=v2

Даас, П., С. Осен, Р. Вис-Висчърс и Ж. Арендс-Тот, (2009), Контролен списък за оценка на качеството на административни източници на данни, Статистическа служба на Нидерландия, Хага/Херлен

Дорфман, Марк С. (2007), Въведение в управлението на риска (издание e), Кеймбридж, Великобритания, Woodhead-Faulkner, с. 18, ISBN 0-85941-332-22)

Евростат (2014), „Процедура за акредитация на статистически данни от нерегистрирани източници“ в Анализ на методологиите за използване на интернет за събиране на статистики за информационното общество и други статистики, www.cros-portal.eu/content/analysismethodologies-using-internet-collection-information-society-and-other-statistics-1

Реймсбах-Кунатце, Ц. (2015), „Пролиферация на Големите Данни и последствия за официалната статистика и статистически агенции: Предварителен анализ“, Доклади за цифровата икономика на ОИСР, No. 245, Издателство на ОИСР. dx.doi.org/10.1787/5js7t9wqzvg8-en

Рейс, Ф., Ферейра, П., Пердука, В. (2014) „Използване на доказателства от уеб активността за увеличаване на навременността на индикаторите на официалната статистика“, статия, представена на конференцията IAOS 2014, iaos2014.gso.gov.vn/document/reis1.p1.v1.docx

Въпреки че не споменава рисковете експлицитно, тази статия всъщност разглежда многобройните рискове, свързани с използването на данни от уеб активност за официалната статистика. Евростат (2007), Ръководство за методи и инструменти за оценка на качеството на данни, ec.europa.eu/eurostat/documents/64157/4373903/05-Handbook-ondata-quality-assessment-methods-and-tools.pdf/c8bbb146-4d59-4a69-b7c4-218c43952214

Източник: habr.com