Структуриране на рисковете и решенията при използване на BigData за получаване на официални статистики

Предговор на преводача

Материалът ме заинтригува най-вече заради таблицата по-долу:

Като се има предвид факта, че статистиката (и руската, на генетично ниво), меко казано, не харесва всичко, което се различава от линейната зависимост, тези момчета успяха да прокарат използването на функцията за активиране в параболична форма определяне на степента на риск от използването на BigData в официалната статистика. Много добре. Естествено, статистиците добавят своята бележка към този труд – „1 Всички грешки или пропуски са отговорност единствено на авторите. Мненията, изразени в този документ, са лични и не отразяват непременно официалната позиция на Европейската комисия. Но работата е публикувана. Мисля, че това е достатъчно за днес и те (авторите) не са забранили на никого да намери свои собствени мащаби в тези аспекти.

В работата е доста структурирано да се отдели къде и как статистическите методи се различават от изследователските методи за BigData. Според мен най-голямата полза от тази работа ще бъде, когато разговаряте с клиента и опровергавате неговите твърдения като:

- И ние сами събираме статистика, какво още искате да изучавате тук?
- И вие ни представяте вашите резултати, за да ги хармонизираме с нашата статистика. В този брой авторите казват, че би било хубаво да прочетете това произведение (3 Колко големи са Big Data? Проучване на ролята на големите данни в официалната статистика)

В тази статия авторите излагат своята визия за нивото на риска. Този параметър е в скоби, за да не се бърка с препратки към източници.

Второ наблюдение. Авторите използват термина БДС, който е аналог на понятието BigData. (явно намигване към официалната статистика).

Авторски предговор

Все по-голям брой статистически служби проучват възможността за използване на големи източници на данни за изготвяне на официална статистика. Понастоящем има само няколко примера, при които тези източници са били напълно интегрирани в действителното статистическо производство. Следователно пълната степен на последствията, причинени от тяхната интеграция, все още не е известна. Междувременно бяха направени първите опити да се анализират условията и въздействието на големите данни върху различни аспекти на статистическото производство, като качество или методология. Работна група наскоро разработи качествена рамка за производство на големи статистически данни в контекста на проекта за големи данни на Икономическата комисия за Европа на ООН (ИКЕ на ООН). Съгласно Европейския кодекс на статистическата практика предоставянето на висококачествена статистическа информация е основна задача на статистическите служби. Тъй като рискът се дефинира като ефекта от несигурността върху целите (напр. ISO 31000), намерихме за полезно да категоризираме рисковете според качествените измерения, върху които те влияят.
Предложената рамка за качество на статистически данни, получени от големи източници на данни, предоставя структуриран изглед на качеството, свързано с всички етапи на статистическия бизнес процес, и по този начин може да служи като основа за цялостна оценка и управление на рисковете, свързани с тези нови източници на данни . Той въвежда нови качествени измерения, които са специфични за или (от голямо значение при) използването на големи данни за официална статистика, като например институционална/бизнес среда или сложност. Използвайки тези нови качествени мерки, рисковете, свързани с използването на големи източници на данни в официалната статистика, могат да бъдат идентифицирани по-систематично.

В този документ ние се стремим да идентифицираме рисковете, породени от използването на големи данни в контекста на официалната статистика. Ние прилагаме систематичен подход за идентифициране на рисковете в контекста на предложената рамка за качество. Като се фокусираме върху новопредложените измерения на качеството, можем да опишем рискове, които в момента не съществуват или не засягат производството на официална статистика. В същото време можем да идентифицираме настоящите рискове, които ще бъдат оценени по съвсем различен начин, когато използваме големи данни за генериране на статистика. След това преминаваме по-нататък в цикъла на управление на риска и предоставяме оценка на вероятността и въздействието на тези рискове. Тъй като оценката на риска включва субективност при приписването на вероятността и въздействието върху различните рискове, ние измерваме съгласието между десетки различни заинтересовани страни, предоставяни независимо. След това предлагаме опции за смекчаване на тези рискове според четири основни категории: избягване, намаляване, споделяне и задържане. Според ISO един от принципите на управлението на риска трябва да бъде създаването на стойност, т.е. ресурсите за намаляване на риска трябва да са по-малко, отколкото за бездействие. В съответствие с този принцип, накрая ще оценим възможното въздействие на някои мерки за намаляване на риска върху качеството на крайните резултати, за да стигнем до по-всеобхватна оценка на използването на големи данни за официална статистика.

1. Въведение

1.1. Заден план

Развитието на „големите данни“ беше характеризирано от Кенет Нийл Кукиър и Виктор Майер-Шьонбергер в тяхната статия „Възходът на големите данни“ (2. www.foreignaffairs.com/articles/139104/kenneth-neil-cukier-and-viktor-mayer-schoenberger/therise-of-big-data) с термина „пренос на данни“. Datafication се описва като процес на "вземане на всеки аспект от живота и превръщането му в данни". Например. Facebook предоставя лични мрежи, сензори за всякакви условия на околната среда, смартфони за лична комуникация и движение, преносими данни за лични условия. Това води до почти повсеместно събиране на данни и наличност.

Както в много други сектори, официалната статистика едва наскоро започна да обсъжда въпроса за големите данни на стратегическо ниво. Все още няма общо и широко разпространено разбиране за пътя напред, независимо дали е предизвикателство или възможност, дали е малък или голям и т.н. в рамките на Групата на високо равнище за модернизиране на статистическата продукция и услуги (3 Колко големи са големите данни Проучване на ролята на големите данни в официалната статистика: www1.unece.org/stat/platform/download/attachments/99484307/Virtual%20Sprint%20Big%20Data%20paper.docx?version=1&modificationDate=1395217470975&api=v2), a Беше извършен първият SWOT анализ, последван от груб анализ на съотношението риск/полза. Беше отбелязано, че „пълният анализ на риска ще включва и аспекти като вероятност и въздействие и може също да бъде разширен, за да идентифицира стратегии за намаляване и управление на риска“.

Въпреки че този документ далеч не е пълен анализ на риска, той има за цел да подобри ситуацията именно чрез създаване на първи структуриран преглед. Бихме искали да подчертаем, че този преглед трябва да се разглежда като отправна точка за стимулиране на обща дискусия в рамките на Официалната статистическа общност (OSC).

1.2. Сфера

Тази статия се фокусира единствено върху рисковете, като изключва не само предимствата, но и силните, слабите страни, възможностите и заплахите. Това означава, че „рисковете от неактивност“ (например рискът OSC да бъде извън конкуренцията с други участници, ако не бъде модернизиран) не са включени в обхвата; това е по-скоро заплаха. Вместо това, ние се опитваме да подчертаем рисковете, които могат да възникнат (а) ако OSC се възползва от възможностите, предоставени от големите данни, и започне да разработва или подобрява конкретен „официален статистически продукт за големи данни“ (BOSP); б) рискове за новия „бизнес както обикновено“, т.е. рискове за официалната статистика, основана на производството на „големи данни“. (Тъй като цялото производство на официална статистика включва рискове, ние се ограничаваме до (б) специфични рискове за „големи данни“, т.е. рискове, които не съществуват или са незначителни за „традиционния“ процес на събиране на официални статистики.)

1.3. Структура

В раздел 2 представяме основните принципи, свързани с тази задача, започвайки с изрично необходимата рамка за управление на риска и управление на риска (раздел 2.1). Ние също така представяме предварителна рамка за качество за големи статистически данни (раздел 2.2), тъй като свързването на рамката за качество с риска служи за две цели:

• Той определя контекста за идентифициране на рисковете. Определени показатели за качество, заедно с разглежданите характеристики, изразяват стойностите на обекта, които се считат за важни и определящи за предоставянето на услуги на клиенти и потребители.
• Това позволява специфични рискове да бъдат приписани на качествени измервания, които са вложени в споделени хиперпространства и са обвързани със специфични стъпки в процеса на производство на статистически продукти.

В раздели 3, 4, 5 и 6 ние представяме идентифицираните досега рискове в различни контексти (4 Документите по бизнес казуси на ESS (https://www.europeansocialsurvey.org/about/structure_and_governance.html) Big Data project също като в Big Data ESSnets съдържа списък на рисковете, частично свързани с проекта и частично с използването на големи източници на данни за статистически цели.Документите за бизнес случаи на проекта ESS Big Data, както и в мрежите на ESS Big Data, съдържат списък на рисковете, свързани отчасти с проекта и отчасти с използването на големи източници на данни за статистически цели.с показатели за качество). Тук използваме класификация за достъп до данни, правна среда, поверителност и сигурност на данните и умения; реорганизация в съответствие с качествената структура на статистиката, получена от големи данни (раздел 2.2), трябва да се обмисли веднага щом тази структура достигне по-завършен статус. За всеки от идентифицираните рискове ние (i) предоставяме оценка на вероятността, както и въздействието (съгласно раздел 2.1.3) и (ii) предлагаме смекчаване на риска и стратегии за управление на риска (вижте раздел 2.1.4).

Накрая обсъждаме нашите открития и очертаваме някои следващи стъпки в раздел 7.

2. Основи

2.1. Рискове и управление на риска

Съгласно ISO 31000: 20095 рискът се определя като „ефектът на несигурността върху целите“. Това означава, че целите трябва да бъдат определени или известни, преди да могат да бъдат идентифицирани рисковете. Тези цели обикновено се определят, като се вземе предвид институционалния контекст на съответната организация. Друго важно съображение е, че рисковете носят характеристиката на несигурност, тоест не е ясно дали описаното събитие ще се случи. По този начин рисковете се измерват по отношение на вероятността от настъпване на събитие и неговите последствия, т.е. въздействието, което това събитие има върху постигането на целите. Оценката на риска трябва да предостави по-обективна информация, която в крайна сметка ще позволи намирането на подходящ баланс между реализиране на възможности за печалба и минимизиране на неблагоприятните ефекти. Управлението на риска е неразделна част от управленската практика 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). Това е итеративен процес, който в идеалния случай позволява непрекъснато подобряване на вземането на решения и непрекъснато подобряване на производителността.

Рисковете също са свързани с качеството. Прилагането на система за качество трябва да позволява използването на възможностите, предоставени от различни източници и методологии, за постигане на резултат с определено ниво на качество в смисъл, че този резултат удовлетворява нуждите на потребителите. Подобно на рисковете, нивата на качество могат да бъдат извлечени от институционалната среда и целите на конкретни институции. В този контекст институционалната среда определя общото ниво на риск, което една организация желае да поеме, за да постигне своите цели.

Процесът на оценка и управление на риска може да бъде разделен на различни стъпки, които включват определяне на контекста, идентифициране на рисковете, анализиране на рисковете по отношение на вероятност и въздействие, оценка на рисковете и накрая третиране на риска.

2.1.1. Институционален контекст

Като първа стъпка е необходимо да се установи стратегическият, организационният контекст и контекстът за управление на риска, в който ще се проведе останалата част от процеса. Това включва установяване на критериите, спрямо които ще се оценяват рисковете, и определяне на структурата на анализа.

2.1.2. Идентификация на риска

На втория етап трябва да се идентифицират събития, които могат да окажат влияние върху постигането на целите. Идентифицирането трябва да включва въпроси, свързани с вида на рисковете, времето на събитието, местоположението или как събитията могат да предотвратят, влошат, забавят или подобрят постигането на целите.

2.1.3. Оценка на риска

Следващата стъпка се състои от идентифициране на съществуващите контроли и анализиране на рисковете по отношение на вероятността, както и потенциалните последствия. В контекста на тази статия вероятността или вероятността от възникване на риск е скала от 1 (малко вероятно) до 5 (често). Въздействието на възникването на събития се измерва по скала от 1 (незначително) до 5 (крайно). Както е показано в таблица 1, произведението на вероятността и въздействието създава „ниво на риск“, вариращо от 1 до 25.

Оценените нива на риск могат да бъдат сравнени с предварително определени критерии, за да се постигне баланс между потенциални ползи и неблагоприятни резултати. Това позволява да се правят преценки относно приоритетите на управлението.

Приоритет за действие трябва да бъде даден на критичните рискове (вижте таблица 2), т.е. тези, които е вероятно да възникнат и да имат сериозни или екстремни последици за целите на организацията.

2.1.4. Реакция на риска

Последната стъпка се състои от решения за това как да се отговори на рисковете. Някои рискове, които са под предварително определено ниво на риск, могат да бъдат игнорирани или толерирани. За други разходите за справяне с рисковете може да са толкова високи, че да надхвърлят потенциалните ползи. В този случай организацията може да реши да се откаже от съответната дейност. Рисковете могат да се прехвърлят и на трети страни, като например застраховка, която компенсира направените разходи. Последният вариант е да се вземат предвид рисковете, когато се определят стратегии и действия, които балансират разходите с потенциалните ползи. По този начин организацията ще реши да приложи стратегии за максимизиране на ползите и минимизиране на потенциалните разходи.

2.2. Системи за качество

Работна група, съставена от представители на национални и международни статистически организации, разработи през 2014 г. предварителна рамка за качество на статистиката за големи данни. Работната група работи под егидата на проекта на UNECE/HLG „Ролята на големите данни в модернизацията на статистическото производство“. Той разшири съществуващите системи за качество, разработени за оценка на статистиката, получена от административни източници на данни, с мерки за качество, които се считат за подходящи за големи източници на данни.

В рамките на тази система се прави разлика между три фази на бизнес процеса: вход, изпълнение и изход. Входната фаза съответства на фазите на „проектиране“ и „събиране“ на GSBP, изпълнението за фазите „процес“ и „анализ“, а изходът е еквивалентен на фазата на „разпространение“.

Структурата използва йерархична структура, която е взета от структурата на административните данни, разработена от Статистическата служба на Холандия (7 Daas, P., S. Ossen, R. Vis-Visschers и J. Arends-Toth, (2009), Контролен списък за качеството оценка на източниците на административни данни, Statistics Netherlands, Хага/Херлен). Качествените измерения са вложени в йерархична структура, наречена хиперпространства. Трите дефинирани хиперизмерения са "източник", "метаданни" и "данни". Измерванията на качеството са вложени в тези хиперизмерения и са присвоени на всяка от производствените стъпки. За фазата на въвеждане бяха предложени допълнителни аспекти на „поверителност и поверителност“, „сложност“ (според структурата на данните), „пълнота“ на метаданните и „свързаност“ (способност за свързване на данни с други данни). добавете стандартно качество към модела. За всеки от показателите за качество са предложени фактори, свързани с тяхното описание, както и възможни индикатори.

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 на „институционалната/бизнес среда“, е устойчивостта на доставчика на данни. Свързаният риск може да бъде, че данните няма да бъдат достъпни от доставчика на данни в бъдеще. Друг пример е свързан с наскоро предложения аспект на качеството, поверителността и сигурността. Един важен фактор е „възприятието“, което означава възможното отрицателно възприемане на предвиденото използване на определени 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 това проект за разработка на BOSP да не получи достъп до необходимия източник на големи данни (BDS).

Досега OSC е научил по трудния начин, че дори излизането от началните блокове и получаването на този достъп понякога е непреодолимо препятствие. Понякога е лесно да получите достъп до определен източник - като записи на данни за обаждания (CDR), за целите на тестване/проучване, но много по-трудно (по правни или търговски причини) да получите достъп до него за производствени цели.

3.1.2. Вероятност

Вероятността до голяма степен зависи от характеристиките на БДС. Когато става въпрос за големи административни данни, той може да бъде толкова нисък, колкото 1, особено ако (както в случая с данните от трафика, изследвани от Daas et al. 8 Daas, P., M. Puts, B. Buelens и P. , van den Hurk, 2015 г. „Големи данни като източник за официална статистика“ Journal of Official Statistics 31 (2) (Предстоящо; публикация е предвидена за юни 2015 г.)) без проблеми с поверителността. Ако случаят на BDS е собственост на частно лице, особено ако е чувствителен (например от гледна точка на защитата на данните) или ценен (от търговска гледна точка), вероятността може да бъде много голяма (5).

3.1.3. Влияние

Въздействието зависи от BOSP и начина на използване на БДС. Ако BDS е в самия център, въздействието може да бъде много високо (4 = изобщо не е възможно да се произведе BOSP), докато може да бъде по-ниско, ако все още е възможно да се произведе BOSP (макар и с по-ниско качество) чрез разчитайки на други БДС, което води до влияние в рамките на 2-3.

3.1.4. Превенция

За да намалите риска от липса на достъп, трябва да установите предварителни контакти с доставчика на данни и да сключите дългосрочно споразумение за достъп до данните. Освен това следва да се направи цялостен правен анализ относно конкретната комбинация от БДС и БОСП. Възможностите за достъп до данни чрез настоящо или бъдещо законодателство също трябва да бъдат оценени.

3.1.5. Смекчаване

Ако има алтернативни BDS, които могат да се използват за BOSP, те могат да бъдат проучени вместо това. Ако няма начин да се създаде BOSP без BDS и ако липсата на достъп не може да бъде преодоляна, усилията трябва да бъдат изоставени и нито един нов BOSP няма да види бял свят.

3.2. Загуба на достъп до данни
3.2.1. описание

Този риск е статистическата служба да загуби БДС, който стои в основата на BOSP.

3.2.2. Вероятност

Ако BOSP вече се произвежда, обикновено има известна стабилност и в някои случаи рискът може да е много нисък (1). Но особено при частните субекти, с които са сключени недостатъчно твърди споразумения, нищо не пречи, например. нови насоки от промяна в политиката за предоставяне на данни, което води до умерен риск от прекъсване (3). Освен това, ако BDS е свързан с нестабилна дейност, винаги има риск доставчикът просто да фалира, като рискът може да бъде още по-висок (4).

3.2.3. Влияние

Тъй като съществуващ BOSP може да не е осъществим за производство, често има много голямо въздействие (5). В други случаи, когато БДС има спомагателен характер, въздействието може да бъде по-скоро загуба на качество с въздействие в диапазона 2-3.

3.2.4. Превенция

Стратегията за превенция е подобна на тази за липса на достъп до данни, но с повишен акцент върху постоянната бдителност и в производствените среди.

Да не поставяте всичките си яйца в една кошница (т.е. наличието на множество BDS в основата на всеки BSOP) също може да бъде стратегия, но може да бъде или непрактично, или твърде скъпо.

3.2.5. Смекчаване

Ако БДС е резултат от неустойчива дейност, може би постепенно ще се появи нов БДС, който отразява същия социален феномен. Въпреки това, би било твърде късно да започнете да "сканирате пазара", след като BSOP падне; това ще изисква постоянна бдителност - а това може да бъде трудно постижимо.

4. Риск, свързан с правната среда

4.1. Неспазване на съответното законодателство
4.1.1. описание

Този риск се състои от проект за развитие на BOSP, който не взема предвид съответното законодателство, което прави BOSP несъвместим със споменатото законодателство. Това може да се отнася до законодателство за защита на данните, разпоредби относно тежестта на отговора и др.

4.1.2. Вероятност

Като се има предвид невежеството на OSC относно големите данни, възможно е случайно (3) да възникне несъответствие. Вероятността обикновено се свързва с BDS, тъй като колкото по-малко "чувствителен" е източникът, толкова по-малка е вероятността да възникне несъответствие.

4.1.3. Влияние

Въздействието обикновено е критично (4) в смисъл, че несъответстващото производство ще изисква BOSP да бъде спрян (или, ако все още не е достигнал етап на внедряване, неговото развитие трябва да бъде прекратено). Това може дори да е крайно (5), тъй като рисковете за репутацията в резултат на неподходящи („незаконни“) официални статистики могат да имат последици

4.1.4. Превенция

За всеки BOSP трябва да се извърши задълбочен правен анализ - и това се случва на няколко етапа (това, което е приемливо на етапа на разработване / проучване, може да не е така на етапа на изпълнение / производство). Това от своя страна може да доведе до преработване на BOSP, за да стане съвместим.

4.1.5. Смекчаване

В зависимост от сериозността на несъответствието, първата стъпка може да бъде да изключите BOSP офлайн.

Реинженерингът на BOSP, за да стане съвместим, може да бъде опция, но дали BOSP е „спасен“ по този начин зависи силно от естеството на несъответствието.

4.2. Неблагоприятни промени в правната среда
4.2.1. описание

Може да бъде въведено ново законодателство, свързано с разработвания BOSP, което на практика прави BOSP несъвместим.

4.2.2. Вероятност

Възможно е силните защитници на защитата на данните да могат да въведат нови изисквания, които пряко или косвено ще засегнат възможността за създаване на конкретни BOSP. Вероятност в диапазона 2-3 изглежда като реалистична оценка.

4.2.3. Влияние

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

4.2.4. Превенция

Определено бизнес разузнаване трябва да се извършва редовно, за да се следи развитието на законодателството - може би и за да се повлияе върху него чрез представяне на официална статистика в съответните (напр. консултативни) форуми.

4.2.5. Смекчаване

При условие, че е извършен проактивен мониторинг, може да има време BOSP да бъде преработен, за да бъде приведен в съответствие с новото законодателство от първия ден, в който влезе в сила.

Ако, от друга страна, не е имало наблюдение, така че новото законодателство да "дойде като изненада" - или ако законодателството е толкова радикално, че няма начин да направи BOSP несъвместим - единствената възможност може да бъде деактивирането на BOSP.

5. Рискове, свързани с поверителността и сигурността на данните

5.1. Нарушения на сигурността на данните
5.1.1. описание

Този риск е свързан с неоторизиран достъп до данни, съхранявани от статистическите служби. Трети страни могат да получат данни, които са ембаргови, например поради освобождаване по график (9 За всеки BOSP, който е изцяло базиран на един BDS, неизбежно е данните да бъдат имплицитно известни на първоначалния собственик на данните и ако методологията е прозрачна, получените статистически данни също ще бъдат известни. Тук не се разглежда тази ситуация, а по-скоро рискът от злоупотреба на собственика.) (10 Освен това тези данни може да носят риск за поверителността. Този риск ще се разглежда отделно. ). Това могат да бъдат например данните, които инвеститорите очакват на фондовия пазар.

5.1.2. Вероятност

По отношение на техническите аспекти на защитата на ИТ средата в статистическата единица рискът има същата вероятност за BDS, както и за традиционните източници. Има обаче два допълнителни аспекта, които трябва да се вземат предвид.

Първо, при някои BDS общият риск е леко повишен поради факта, че сигурността на данните при първоначалния собственик може да бъде компрометирана. Това може да се дължи например на индустриален шпионаж или хакерство.

Второ, след като потенциално ценни данни започнат да се съхраняват в офиса, рискът от привличане на злонамерени намерения ще се увеличи. Ако съхранените данни имат много висока бизнес стойност, трябва да сте подготвени за много голяма вероятност от атаки, насочени към ИТ инфраструктурата, така че вероятността от хак може потенциално да бъде по-висока (4).

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

5.1.3. Влияние

Потенциалните щети за репутацията могат да бъдат големи (5). Това, което е важно в случая на BDS е, че ако възникне пробив в сигурността при първоначалния собственик, се очаква въздействието върху репутацията на статистическата служба да бъде по-малко, отколкото ако данните, които съхранява, са били пробити.

От друга страна е възможно пробив в статистическата служба да има отрицателни последици за първоначалния собственик. В този случай отново е възможно силно отрицателно въздействие поради нарушаване на доверието между доставчика и статистическата служба (5).

5.1.4. Превенция

Специфичното за случая с BDS е, че процедурите за сигурност на първоначалния собственик може да са подходящи. Малко вероятно е статистическите служби да получат одитен орган, който да контролира това. Собствениците, чиито данни се използват за създаване на записи с поверителни графици за публикуване, трябва да бъдат информирани за последиците за официалните статистики от потенциално нарушение на сигурността в техните помещения и трябва да получат официално уверение, че са въведени подходящи процедури за сигурност.

Директен начин за предотвратяване на сериозно въздействие върху статистическата служба при пробив в сигурността в помещенията на собственика е да се гарантира, че се използват множество източници за един и същи продукт, така че един компрометиран източник да не е достатъчен, за да се получи крайната цифра. Предимството на този подход е, че по-големият контрол е в ръцете на статистическата служба.

Начинът да се предотврати отрицателното въздействие на пробив в сигурността в статистическата служба върху първоначалния собственик на данните е да се намери начин на работа, който не включва прехвърляне на данни, които са потенциално чувствителни от гледна точка на собственика, към статистическата служба . Сурови. Възможен превантивен подход е използването на обобщени данни. Трябва да се помни обаче, че някои форми на агрегиране, като тези, предназначени да предотвратят идентифицирането на отделни членове на популацията, може да не са подходящи в този случай. Една от причините за това може да е фактът, че рискът за собственика е свързан с търговската стойност на данните, която може да бъде значителна дори след постигане на анонимност.

5.1.5. Смекчаване

В случай на нарушение на данните, съхранявани от статистическата служба, мерките за смекчаване ще бъдат същите като за традиционните източници, освен ако няма отрицателно въздействие върху първоначалния собственик.

В случай на отрицателно въздействие върху първоначалния собственик, статистическата служба трябва да преразгледа и засили своите процедури за сигурност и ясно да съобщи и демонстрира своя ангажимент за това.

Ако нарушението е станало в помещенията на първоначалния собственик, тогава съответната статистическа служба трябва ясно да съобщи ситуацията и да настоява за подобряване на процедурите за сигурност на собственика. Ако е необходимо, можете да потърсите алтернативен доставчик.

5.2. Нарушения на поверителността на данните

5.2.1. описание

Това е рискът поверителността на един или повече индивиди в популацията да бъде компрометирана. Това може да се дължи на атака срещу ИТ инфраструктурата поради натиск от други държавни агенции или поради неадекватни мерки за контрол при разкриването на статистически данни.

5.2.2. Вероятност

Както при риска за сигурността на данните, спецификациите за съхранение на микроданни не се променят много с добавянето на БДС. Тук обаче също има уговорки.

Микроданните от определени източници на данни могат да имат висока бизнес стойност, така че съхраняването им ще увеличи шанса за атаки.

В допълнение, някои микроданни имат потенциала да бъдат много полезни за други правителствени агенции, като правоприлагане, данъчно облагане или здравеопазване. При определени обстоятелства спазването на принципа на статистическа поверителност може да бъде подложено на голям натиск.

По отношение на пропуските в контрола за разкриване на статистическа информация, вече има утвърдена практика. BDS може да позволи изготвянето на статистика за малки субпопулации или да предостави възможност за свързване на обобщени данни от различни BDS, което може да увеличи вероятността от възникване на риск. Освен това новите източници обаче ще изискват нови методологични разработки, така че реалната опасност е методологията за контрол на разкриването да не се актуализира правилно.

Като цяло, с разумни превантивни мерки, вероятността може да се поддържа на разумни нива, но тъй като има много различни и разнообразни фактори, подходящата оценка тук изглежда е, че вероятността е висока (4).

5.2.3. Влияние

Потенциалните щети за репутацията могат да бъдат големи (5). Както при риска от нарушаване на данните, нарушението в статистическата служба може да има отрицателни последици за първоначалния собственик. Тук въздействието на такова събитие може потенциално да бъде още по-голямо, особено ако текущите тенденции в общественото мнение се запазят. Щетите за връзката между доставчика на данни и статистическата служба също се очаква да бъдат много големи.

5.2.4. Превенция

Сигурен начин да предотвратите възникването на този риск е изобщо да нямате микроданни по BDS (въпреки че съхраняването на други микроданни все още носи същия риск, макар и с различна вероятност и въздействие). Такъв път, както в случая с риска за сигурността на данните, ще доведе до необходимостта от разработване на други начини за използване на данни за статистически цели. Освен това тук различното естество на източниците ще означава, че ще трябва да се разработят нови методологии с конкуриращи се цели за извличане на възможно най-много полезна информация и защита на поверителността от опасност.

В случай на съхранение на микроданни, ИТ сигурността и механизмите за контрол на достъпа трябва да бъдат на необходимото ниво и постоянно да се наблюдават. Особено внимание трябва да се обърне на гарантирането на сигурността на новите начини за получаване на данни. По ирония на съдбата, този нов начин може да бъде физическият транспорт на устройства за съхранение (като твърди дискове). Ако се използва този метод, тогава доставката трябва да бъде физически защитена и трябва да се използва криптиране.

5.2.5. Смекчаване

Мерките за смекчаване тук са основно същите като в случай на нарушение на сигурността на данните. Ако причината за нарушението е натиск от друг публичен орган, трябва да се използва възможността за укрепване на независимостта на администрацията, така че подобни нарушения да стават още по-трудни в бъдеще.

5.3. Манипулиране на източника на данни
5.3.1. описание

Доставчиците на данни от трети страни, като например данни от социални медии или данни, предоставени доброволно, са изложени на риск от манипулиране. Това може да бъде направено или от самия доставчик на данни, или от трети страни. Например, много фалшиви публикации в социалните медии могат да бъдат генерирани, за да се прокара статистическият индекс, получен от тези данни по един или друг начин, ако е известно, че индексът се изчислява от такива данни.

За доброволно предоставени данни може да се окаже, че доброволците представляват конкретна група по интереси с конкретна програма.

5.3.2. Вероятност

За данни, които могат да бъдат много полезни, когато бъдат манипулирани, вероятността е по-висока. Това може да са данни, за които статистиката представлява интерес, като фондовия пазар. В светлината на последните скандали с LIBOR и Forex може да се предположи, че докато стимулът съществува, опитите за манипулиране на данни ще са вероятни.

За статистика, базирана на данни от доброволци, трябва само да се погледне скорошната PR практика за наемане на хора, които претендират, че имат определено мнение и на които се плаща за публично изразяване (например в интернет форуми), за да се заключи, че вероятността не е малка. Като цяло цифра от 3 до 4 изглежда адекватна.

5.3.3. Влияние

Големият проблем с манипулациите е, че могат да продължат дълго време, без да бъдат открити. Ако манипулациите продължат дълго време, въздействието върху качеството може да стане значително. Освен това щетите върху общественото доверие в официалната статистика също могат да бъдат големи, особено ако публично се подчертае ролята на статистическите служби като доставчици на качествени данни. От друга страна, ако манипулациите бъдат засечени навреме и след това публикувани, това наистина може да подобри общественото възприятие. Освен в изключително лоши случаи, може да се представи максималното въздействие (3).

5.3.4. Превенция

Извършването на редовни контролни упражнения с алтернативни източници е един възможен превантивен подход. Тези алтернативни източници могат да бъдат традиционни или други. Използването на статистика, базирана на комбинация от източници, може да предотврати значителни манипулационни ефекти. В случаите, когато има опасения от инициирана от ISP манипулация, правните споразумения също могат да бъдат един от начините за предотвратяване на подобни практики.

5.3.5. Смекчаване

По отношение на щетите върху обществените отношения смекчаващите мерки, които трябва да се вземат тук, не се различават много от тези за справяне с всяка криза.

От гледна точка на качеството на данните би било полезно, ако миналите данни могат да бъдат коригирани, така че дори и с голямо закъснение, правилните серии да могат да бъдат
произведени. За това редовното сравняване може да бъде полезно. Имайте предвид, че целта на сравнителния анализ в този случай е малко по-различна от целта на превенцията. За превенция е важно бързо да забележите и разследвате подозрително несъответствие между данните от бенчмарка и БДС. За целите на смекчаването старите полезни товари винаги са полезни.

Освен това трябва да се внимава да се предотвратят 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 възприемане на използването на големи данни от официалната статистика
5.4.1. описание

Медиите и широката общественост са много чувствителни към проблемите на неприкосновеността на личния живот и използването на лични данни от големи източници на данни, особено в контекста на вторично използване на данни от държавни агенции, които предприемат административни или правни действия срещу граждани. Негативно възприемана употреба може да бъде позиционирането на контрола на скоростта въз основа на анализ на навигационни данни (11 Вж www.theguardian.com/technology/2011/apr/28/tomtom-satnav-data-police-speed-traps).
Конкретният случай с TomTom Холандия предизвика значителен спад в търсенето на устройства TomTom и доведе до решението на компанията да ограничи достъпа до данни. В конкретния случай данните се отнасят за физически лица, но за нива на скорост по пътни участъци.

Възможно е обаче да има приложения с големи данни, които да се приемат положително от обществеността. Един пример са приложения, които предотвратяват престъпления като кражби с взлом, базирани на техники за големи данни.

Положителното, както и отрицателното обществено мнение може да окаже силно влияние върху използването на БДС в контекста на изготвянето на официална статистика.

Отрицателното обществено възприятие може да доведе до:

• БДС вече няма да бъде на разположение на статистическите служби поради решения на доставчика на данни или правителството да не използва данните, или
• използването на данните ще бъде ограничено, което може да попречи на производството, ако някои BOSP.

5.4.2. Вероятност

Фактори, които могат да повлияят на вероятността от такова събитие или влиянието му върху изготвянето на статистика:

• поверителност на данните, т.е. колко лесно хората могат да бъдат идентифицирани;
• количеството информация, която данните разкриват за лица, например, се увеличава чрез свързване на данни от различни източници;
• тип данни, например финансовите транзакции се възприемат като по-поверителни от други данни;
• видът потенциални действия, които могат да бъдат предприети спрямо гражданите, като например глобяване на хора за превишена скорост;
• неясна правна среда, в която работят доставчиците и потребителите на данни или когато правните условия са в конфликт с обществените етични мнения/стандарти;
• степента на зависимост от конкретен източник на данни за получаване на статистика; по време на фазата на проучване този фактор може да е от второстепенно значение. Това обаче може да има много силно въздействие върху придобиването на статистически данни на по-късен етап и следователно трябва да се вземе предвид и на етапа на проучване. Един от проблемите може да е, че крайната степен на използване на данни не е известна в самото начало, тъй като източниците на данни биха могли потенциално да обслужват повече от една статистическа област.

Оценяването на времето на неблагоприятните събития не е възможно, тъй като обществената мобилизация често се задейства от отразяване на събития, които имат отрицателно въздействие върху гражданите. Въпреки това, с увеличаването на използването на големи данни от правителствата и частните предприятия и особено с активния маркетинг на данни за цели, различни от тази, която е довела до първоначалното им събиране, е по-вероятно да се случат такива събития.

Събитията, които силно влияят на общественото възприятие, не са чести, а по-скоро случайни (3) и далечни (2). С увеличаването на използването на големи източници на данни, вероятността също ще се увеличи.

5.4.3. Влияние

Въздействието на дадено събитие силно зависи от факторите, обсъдени по-горе. Като цяло въздействието е по-сериозно за производството на вече установена статистика, тъй като може би операцията трябва да бъде прекратена. Въздействието също зависи от наличието на алтернативни източници на данни, въпреки че може да се окаже, че общественото възприятие не прави разлика между различните източници на данни в случай на материализиране на събитие. При текущото състояние на използване на големи данни изглежда, че тези източници не могат напълно да заменят традиционните източници на данни, а по-скоро допълват съществуващите статистики. Това ще намали влиянието на събитията. Следователно въздействието на събитието се разглежда в диапазона от 2 (незначително) до 3 (голямо). По време на производствената фаза влиянието може да се увеличи до 4 (критична стойност).

5.4.4. Превенция

Превантивните мерки могат да бъдат дефинирането на етични принципи за големи данни в официалната статистика. Етичните насоки следва да се основават на принципи като кодекса на европейската статистика или основните принципи на официалната статистика (12). unstats.un.org/unsd/dnss/gp/fundprinciples.aspx). Следващата стъпка ще бъде да се определи комуникационна стратегия, която ще публикува резултатите от етичните насоки за обществеността и може да се използва за информиране на заинтересованите страни относно етичната употреба на БДС за BOSP.

Може да се извърши отделна оценка на риска за конкретен БДС, за да се идентифицират рисковете и да се предложат превантивни или смекчаващи действия въз основа на етични принципи. Отделна оценка на риска може да включва и заинтересовани страни, като например агенции за защита на данните, за да се гарантира, че всички рискове са идентифицирани и действията са оправдани.

5.4.5. Смекчаване

Комуникационната стратегия трябва да включва и мерки при нарастващи негативни обществени нагласи. Отделна оценка на риска трябва да събере положителни примери за използване на данни и мерки за предотвратяване на злоупотреба с данни, които непременно могат да бъдат предприети на политическо ниво и статистическата общност може да не е в състояние да им повлияе ефективно.

5.5. Загуба на доверие – не се получава в резултат на наблюдение
5.5.1. описание

Потребителите на официалната статистика обикновено имат високо доверие в точността и надеждността на статистиката. Това се основава на факта, че производството на статистически данни е вградено в надеждна и публично достъпна методологична база, както и документация за качеството на статистическия продукт. Освен това повечето статистики са базирани на наблюдения, т.е. получени от проучвания или преброявания, които установяват лесно разбираема връзка между наблюдение и статистика. Използването на BDS, които не се събират за основната цел на статистиката, крие риск тези връзки да бъдат загубени и потребителите да загубят доверие в официалните статистики. Пример, свързан с последния кръг (2010 г.) на преброяването на населението е, че в някои страни статистиката е получена с помощта на множество източници и статистически модели. В редица случаи заинтересованите страни оспориха статистиката.

5.5.2. Вероятност

Вероятността за възникване на риск зависи от фактори като сложността на статистическия/методологичния модел, валидността на връзката между BSD и BOSP или съответствие с други статистики. Вероятността трябва да бъде в диапазона от 3 (случайна) до 4 (вероятна), което означава, че може да се случи няколко пъти или често.

5.5.3. Влияние

Въздействието на появата на риск до голяма степен ще зависи от това дали НСО могат успешно да докажат точността и валидността на статистиката. В случай, че това не може да бъде постигнато, въздействието от гледна точка на загуба на доверие и надеждност може да засегне и други статистически области, т.е. валидността не само на някои от статистиките, но и да постави под съмнение самата организация. НСО ще загубят конкурентното си предимство пред други частни организации, работещи в тази област.

5.5.4. Превенция

Превантивните действия ще включват разработване и публикуване на основана на доказателства методология, която е призната от научната общност, обогатяване на данните с качествени метаданни, гарантиране, че BOSP е в съответствие с не-BOSP, и прилагане на строг контрол на качеството.

Преди да започне статистическо производство, BOSP може да бъде публикуван като експериментален и заинтересованите страни ще бъдат насърчавани да оспорват BOSP, за да валидират или подобрят BOSP.

5.5.5. Смекчаване

Трябва да се разграничат два случая. В случай, че статистиката се оспорва, но е с високо/достатъчно качество (правилна/точна), би било достатъчно да се обясни и съобщи статистиката на обществеността чрез предоставяне на лесни за разбиране примери.

6. Рискове, свързани с уменията

6.1. Липса на специалисти
6.1.1. описание

Анализът на дигиталните отпечатъци, оставени от хората по време на извършване на тяхната дейност, изисква определени инструменти за анализ на данни, които в момента не са най-често срещаните в официалната статистика. Първо, използването на непреки данни за човешката дейност вместо директни проучвания в проучванията изисква използването на статистически модели и следователно умозаключения и умения за машинно обучение. Второ, тези цифрови записи се състоят от данни, които често нямат обичайния табличен формат, общ за резултатите от проучването, с редове, съответстващи на статистическата единица, и колони със специфични характеристики на тези статистически единици. Цифровите записи също се представят под формата на текст, звук, изображения и видео. Извличането на подходяща статистическа информация от тези типове данни изисква умения за обработка на естествен език, обработка на аудио сигнали и обработка на изображения. Трето, тези източници на данни са склонни да предоставят масивни набори от данни, които изискват добро разбиране на разпределените изчислителни методологии за обработка.

Рискът от недостиг на експерти е в получаването на данни от един от тези нови големи източници на данни, тъй като статистическата служба няма капацитет да ги обработва и анализира правилно поради факта, че нейният персонал няма необходимите умения.

6.1.2. Вероятност

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

По отношение на видовете умения, които може да са необходими, трябва да се отбележи, че не всички източници изискват всички умения, изброени по-горе. Някои (като данни като Google Trends) не изискват разпределено изчисление, тъй като вече са предварително обработени от притежателя на данни или имат умения за обработка на сигнали и най-вече ще се нуждаят от умения за статистическо моделиране. Съществува обаче голямо разнообразие от източници на големи данни, повечето от които изискват умения за разпределени изчисления, обработка на сигнали и машинно обучение. В същото време правилното изследване на тези цифрови следи ще изисква обработката на няколко източника. Следователно има голяма вероятност големите източници на данни, които стават достъпни за статистическата служба, да изискват тези необичайни умения и вероятността за този риск е много висока (5).

Що се отнася до текущата наличност на необходимите умения, това ще зависи от конкретната статистическа служба. Дори ако методологията на проучването е по-рядко срещана от методологията на изследването, тя също се използва в официалната статистика в някои области. Следователно, дори ако това може да изисква известно преразпределение на човешки ресурси, статистическите служби могат да намерят решение сами. Доколкото уменията за разпределени изчисления са свързани най-вече с ИТ, те ще зависят от това как се управлява ИТ инфраструктурата в организацията. В зависимост от това доколко е изнесен ИТ отделът, решения могат да бъдат намерени в контекста на съществуващите договорености. Въпреки това уменията за обработка на сигнали и машинно обучение обикновено не съществуват в повечето официални статистически служби и прилагането на тези умения не може да бъде възложено на външни изпълнители, тъй като те трябва да се прилагат от статистически експерти. Следователно, от тази гледна точка, вероятността от този риск също изглежда много висока (5).

Организационната култура също ще повлияе на вероятността от този риск. Наличието на персонал, който желае да придобие необходимите умения чрез самообучение, може да даде на организацията способността да реагира на нов източник на данни, който изисква умения, различни от конвенционалните. Това ще зависи от организационната култура на статистическата служба, а именно дали тя насърчава персонала да усвоява нови умения и дали това дава време на служителите да се учат сами.

По този начин вероятността една статистическа служба да не може да обработва и анализира нови източници на данни поради липса на умения сред нейния персонал ще бъде между вероятна (4) и честа (5) в зависимост от културата на самообучение на организацията.

6.1.3. Влияние

Статистическа служба, която не е в състояние да обработва и анализира големи източници на данни поради липсата на умения на своя персонал, може да има две възможни отрицателни последици: 1) източникът на данни няма да бъде проучен, поне не напълно; 2) източникът ще бъде злоупотребен.

Неспособността да се изследва напълно потенциалът на ценен източник на големи данни ще има малко въздействие (2) в краткосрочен план, тъй като статистическите служби разполагат със статистическите инструменти, за да посрещнат настоящите нужди. Въпреки това, в дългосрочен план (и може би дори в средносрочен план), последиците от загубата на тази възможност ще бъдат критични (4), тъй като статистическите служби все повече се сблъскват с конкуренция от частни доставчици, които нямат същата институционална структура, която да им позволи да се гарантира на обществото независимост на статистическите данни.

Злоупотребата с източника обаче ще има изключително негативни последици за статистическите служби, тъй като официалната статистика разчита в голяма степен на тяхната репутация, за да изпълни своята мисия. Въпреки това можем да твърдим, че най-важното умение, което, ако бъде пропуснато, може да доведе до неправилни резултати, е статистическият извод, по-специално изводът, базиран на модел, който също е по-малко вероятно да липсва. Следователно очакваното въздействие ще бъде по-скоро критично (4), отколкото екстремно.

6.1.4. Превенция

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

Статистическите служби могат да осигурят на персонала необходимите умения, като посочат подробно уменията, необходими за използване на големи източници на данни в статистическото производство, изброят съществуващите умения на персонала, идентифицират нуждите от обучение и след това организират курсове за обучение.

Статистическите служби също могат да наемат нов персонал с необходимите умения. Това изглежда има сериозни ограничения, тъй като статистическите служби няма да могат да наемат критична маса от персонал за ситуация, при която използването на големи източници на данни е широко разпространено в службите и на новия персонал все още са необходими няколко години, за да достигне нивото на опит на съществуващия персонал. Въпреки това, поне някои от новите служители, наети като част от редовното текучество на персонала, може да имат умения за работа с големи данни.

6.1.5. Смекчаване

Изправени пред ситуация, в която са налични нови източници на големи данни без персонал с необходимите умения, статистическите служби могат да смекчат отрицателното въздействие по два начина: 1) възлагане на подизпълнители; и 2) сътрудничество.

Статистическите служби могат да сключват договори за обработка на данни и анализ на нови източници на големи данни с други организации, които предоставят този вид услуги. Това изглежда жизнеспособно решение, тъй като има нов сектор от предприятия, специализирани в обработката на този тип данни. Това обаче е решение, което само по себе си носи определени рискове, тъй като статистическата служба ще има по-малък контрол върху производството на потенциално чувствителни статистически продукти. Това решение има и недостатъка, че не позволява на служителите на статистическите служби да учат и да придобият необходимите умения.

Сътрудничеството с други организации, които имат служители с необходимите умения и които също се интересуват от изследване на източника на големи данни, изглежда по-обещаващо решение. Това сътрудничество може да приеме формата на съвместни проекти с персонала на статистическата служба и персонала на други организации като равни, които споделят знанията си. Това не само ще намали риска от недостиг на умения, но и ще позволи на служителите на статистическите служби да придобият тези умения.

6.2. Изтичане на експерти към други организации
6.2.1. описание

Този риск е статистическите служби да загубят персонала си в полза на други организации, след като са придобили умения, свързани с големи данни.

6.2.2. Вероятност

Вероятността от този риск ще зависи от два фактора: 1) съществуващи привлекателни възможности в организации извън официалната статистика; 2) условия на труд в статистическите служби.

По отношение на възможностите в организации извън официалната статистика, вероятността от този риск изглежда вероятна (4). Има голямо търсене на хора с умения за големи данни в частния сектор, както и в други организации от обществения сектор. След като придобият умения за големи данни, официалните статистици ще получат сравнително предимство като опитни статистици. В допълнение към специфични умения за големи данни, други организации изискват специалисти по данни с по-традиционни умения като оценка на нуждите на потребителите и разработване на ключови показатели за ефективност (KPI), които са общи за официалните статистици. Освен това се очаква, че членовете на персонала, които ще са по-склонни да придобият нови умения, също ще бъдат тези, които също ще бъдат по-отворени за промени в кариерата и ще напуснат статистическата служба.

Що се отнася до условията на работа в статистическите служби, това очевидно ще зависи основно от конкретната служба. Въпреки това статистическите служби като цяло все още предлагат привлекателни професионални възможности за хората от количествена гледна точка. Статистическите служби предлагат най-голямата гама от възможни домейни за работа и най-големия избор от данни за работа. Това по някакъв начин ще намали вероятността статистическите служби да загубят своя персонал поради непредвидени обстоятелства (3).

6.2.3. Влияние

Въздействието на този риск ще бъде същото като риска от липса на персонал с правилните умения на първо място. Следователно въздействието ще бъде критично (4), както по-горе.

6.2.4. Превенция

Изглежда, че единственият начин статистическите служби да предотвратят този риск е да осигурят атрактивни условия на труд на своите служители. Това обикновено е вярно за целия персонал. Въпреки това, в конкретния случай, когато служителите са отворени за усвояване на нови умения, а именно умения за работа с големи масиви от данни, условията на работа могат да бъдат подобрени, като им се предоставят възможности за учене, където могат да развият професионалните си интереси. Статистическите служби могат също да обърнат специално внимание на това да бъдат отворени към нови иновативни проекти и идеи, свързани с нови източници на големи данни, идващи от статистици, работещи в няколко области на статистиката. И накрая, предотвратяването на загубата на персонал за други организации в последователността на техните умения за големи данни ще зависи от доброто идентифициране на персонала, способен и желаещ да работи с такива данни, и от предоставянето на добри възможности за тяхното професионално развитие.

6.2.5. Смекчаване

Намаляването на този риск ще се извършва във връзка с риска от липса на персонал с подходящи умения: 1) подизпълнители; и 2) сътрудничество.

7. Дискусия

От този първи преглед става ясно, че не е възможно да се установи една единствена вероятност или въздействие за даден „риск от големи данни“ – като цяло и двата показателя са силно зависими от източника на големи данни, както и от „официалната статистика за големи данни ”.
продукт."

По този начин заключаваме, че логичната следваща стъпка в тази посока е да се вземат редица възможни пилотни проекти (всеки включващ комбинация от един или повече BDS и един или повече BDOS) като отправна точка и – за всеки такъв пилот – желанието за оценка на вероятността и въздействието на всеки риск.

За тази цел сме на крачка от стартирането на проучване на заинтересованите страни, опитвайки се да оценим оценката на OSC за вероятността, въздействието (и възможните действия за избягване/смекчаване) на редица възможни пилотни проекти – и да поискаме предложения от OSC за рисковете, които имаме не са включени в този документ.

8. ЛИТЕРАТУРАИКЕ на ООН (2014 г.), „Предложена рамка за качеството на големите данни“, Резултати от работния екип за качество на големите данни на ИКЕ на ООН, www1.unece.org/stat/platform/download/attachments/108102944/Big%20Dat
a%20Quality%20Framework%20-%20final-%20Jan08-2015.pdf?version=1&modificationDate=1420725063663&api=v2

UNECE (2014), „Колко големи са големите данни? Проучване на ролята на големите данни в официалната статистика”, www1.unece.org/stat/platform/download/attachments/99484307/Virtual%20Sprint%20Big%20Data%20paper.docx?version=1&modificationDate=1395217470975&api=v2

Daas, P., S. Ossen, R. Vis-Vischers и J. Arends-Toth, (2009), Контролен списък за оценка на качеството на източниците на административни данни, Statistics Netherlands, The Hague/Heerlen

Дорфман, Марк С. (2007), Въведение в управлението на риска (e ed.), Кеймбридж, Обединеното кралство, Woodhead-Faulkner, p. 18, ISBN 0-85941-332-22)

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

Reimsbach-Kounatze, C. (2015), „Разпространението на „Големи данни“ и последици за официалната статистика и статистическите агенции: предварителен анализ“, OECD Digital Economy Papers, No. 245, Публикуване на ОИСР. dx.doi.org/10.1787/5js7t9wqzvg8-en

Reis, F., Ferreira, P., Perduca, V. (2014) „Използването на доказателства за уеб дейността за увеличаване на сроковете на официалните статистически показатели“, документ, представен на конференцията IAOS 2014, iaos2014.gso.gov.vn/document/reis1.p1.v1.docx

Дори и да не споменава изрично рисковете, този документ всъщност се доближава до многото рискове, свързани с използването на данни за уеб активността за официална статистика. Евростат (2007), Наръчник за методи и инструменти за оценка на качеството на данните, ec.europa.eu/eurostat/documents/64157/4373903/05-Handbook-ondata-quality-assessment-methods-and-tools.pdf/c8bbb146-4d59-4a69-b7c4-218c43952214

Източник: www.habr.com