{"id":75636,"date":"2020-03-27T07:42:42","date_gmt":"2020-03-27T05:42:42","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki"},"modified":"2020-03-27T07:42:42","modified_gmt":"2020-03-27T05:42:42","slug":"strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki","status":"publish","type":"post","link":"https:\/\/prohoster.info\/et\/blog\/administrirovanie\/strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki","title":{"rendered":"Riskide ja lahenduste struktureerimine BigData kasutamisel ametliku statistika saamiseks","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><i>T\u00f5lkija sisendus<\/i><\/p>\n<p>See materjal k\u00f6itis mind peamiselt alloleva tabeli t\u00f5ttu:<\/p>\n<p><img decoding=\"async\" alt=\"Riskide ja lahenduste struktureerimine BigData kasutamisel ametliku statistika saamiseks\" src=\"\/wp-content\/uploads\/2020\/03\/e39f7d729696e704d437fca4d74b3d9d.jpeg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nArvestades, et statistikud (ja vene statistikud, geneetiliselt) ei armasta pehmelt \u00f6eldes k\u00f5ike, mis erineb lineaarsest s\u00f5ltuvusest, suutsid need kutid h\u00e4mmastavalt kasutada aktiveerimisfunktsiooni paraboolse vormina BigData kasutamise riskide m\u00e4\u00e4ratlemiseks ametlikus statistikast. T\u00f5eliselt tubli saavutus. Loomulikult lisasid statistikud sellele t\u00f6\u00f6le oma m\u00e4rkuse \u2013 \u201e1 K\u00f5ik vead ja puuduj\u00e4\u00e4gid on autori otsene vastutus. K\u00e4esolevas dokumendis v\u00e4ljendatud arvamused on isiklikud ja ei kajasta tingimata Euroopa Komisjoni ametlikku seisukohta.\u201c Kuid t\u00f6\u00f6 avaldati. Arvan, et t\u00e4naseks on seda piisavalt, ja nad (autorid) ei ole kedagi keelanud leidmast oma skaalu nende aspektide seas.<\/p>\n<p>T\u00f6\u00f6s on piisavalt struktureeritud, et saaks jagada, kus ja kuidas statistilised meetodid erinevad BigData uurimismeetoditest. Minu arvates on selle t\u00f6\u00f6 suurim kasu suhtluses tellijaga ja tema v\u00e4idete \u00fcmberl\u00fckkamiseks, n\u00e4iteks:<\/p>\n<p> \u2014 Aga me kogume ise statistikat, mida te siin veel uurida soovite?<br \/>\n \u2014 Aga esitage meile oma tulemused nii, et me saaksime need oma statistikaga koosk\u00f5lastada. Sel teemal \u00fctlevad autorid, et oleks hea lugeda seda t\u00f6\u00f6d (3 <noindex><a rel=\"nofollow\" href=\"http:\/\/www1.unece.org\/stat\/platform\/download\/attachments\/99484307\/Virtual%20Sprint%20Big%20Data%20paper.docx?version=1&amp;modificationDate=1395217470975&amp;api=v2\">Kui suur on Suur Andmed? Suurandmete roll ametlikes statistikas<\/a><\/noindex>)<\/p>\n<p>Selles t\u00f6\u00f6s on autorid esitanud oma n\u00e4gemuse riskitasemest. See parameeter on sulgudes, \u00e4rge segage allikatele viitamisega.<\/p>\n<p>Teine t\u00e4helepanek. Autorid kasutavad terminit BDS \u2013 see on analoog m\u00f5istele Suur Andmed. (tundub, et see on selge viide ametlikule statistikale).<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><br \/>\n<i>Autorite eess\u00f5na<\/i><\/p>\n<p>\u00dcha rohkem statistika ametiasutusi uurib suurandmete kasutamise v\u00f5imalusi ametliku statistika koostamiseks. Praegu on vaid m\u00f5ned n\u00e4ited, kus need allikad on t\u00e4ielikult integreeritud tegelikku statistika tootmisse. Seet\u00f5ttu pole nende integreerimise t\u00e4ielikud tagaj\u00e4rjed veel kindlaks tehtud. Vahepeal on tehtud esimesi katseid anal\u00fc\u00fcsida suurandmete m\u00f5ju erinevatele statistika tootmise aspektidele, nagu kvaliteet ja metodoloogia. Hiljuti t\u00f6\u00f6tas sihtgrupp v\u00e4lja kvaliteedikriteeriumid suurandmete p\u00f5hjal statistiliste andmete ettevalmistamiseks, mis on osa \u00dcRO Euroopa Majanduskomisjoni suurandmete projektist. Vastavalt Euroopa statistika hea tava koodeksile on k\u00f5rge kvaliteediga statistilise teabe pakkumine statistika ametiasutuste peamine \u00fclesanne. Kuna risk m\u00e4\u00e4ratletakse kui ebakindluse m\u00f5ju eesm\u00e4rkidele (n\u00e4iteks Rahvusvahelise Standardiseerimise Organisatsiooni ISO 31000 kohaselt), oleme leidnud, et on m\u00f5ttekas kategoriseerida riskid kvaliteedi m\u00f5\u00f5diku j\u00e4rgi, millele nad m\u00f5ju avaldavad. <br \/>\nPakutud kvaliteediandmete struktuur, mis p\u00e4rineb suurtest andmeallikatest, tagab struktureeritud \u00fclevaate kvaliteedist, mis on seotud k\u00f5ikide statistikaga seotud \u00e4ritegevuse etappidega ning seel\u00e4bi v\u00f5ib olla aluseks laiapindseks hindamiseks ja riskijuhtimiseks, mis on seotud nende uute andmeallikatega. See toob sisse uusi kvaliteedi m\u00f5\u00f5dikuid, mis on spetsiifilised v\u00f5i (k\u00f5rge t\u00e4htsusega, kui) suuri andmeid kasutatakse ametlikus statistikas, nagu institutsionaalne\/\u00e4ri keskkond v\u00f5i keerukus. Uute kvaliteedi m\u00f5\u00f5dikute abil on v\u00f5imalik s\u00fcsteemsemalt tuvastada riske, mis on seotud suuremate andmeallikate kasutamisega ametlikus statistikas.<\/p>\n<p>K\u00e4esolevas t\u00f6\u00f6s p\u00fc\u00fcame tuvastada suurte andmete kasutamisega seotud riske ametlikus statistikast tulenevalt. Me j\u00e4rgime s\u00fcsteemset l\u00e4henemist riskide m\u00e4\u00e4ratlemiseks pakutud kvaliteedi struktuuri kontekstis. Keskendudes uuele kvaliteedi m\u00f5\u00f5tmiseks esitatud l\u00e4henemisviisile, saame kirjeldada riske, mis praegu puuduvad v\u00f5i ei m\u00f5juta ametliku statistika tootmist. Samuti saame m\u00e4\u00e4ratleda praegused riskid, mida hinnatakse suurte andmete kasutamisel statistika saamisel t\u00e4iesti erinevalt. Edasi liikudes riskide haldamise ts\u00fcklisse, esitame nende riskide t\u00f5en\u00e4osuse ja m\u00f5ju hindamise. Kuna riskihinnangud eeldavad subjektiivsust nende m\u00e4\u00e4ratlemises, m\u00f5\u00f5dame erinevate riskide t\u00f5en\u00e4osuse ja m\u00f5ju jaoks leitud kokkuleppeid, mille on esitanud s\u00f5ltumatud erinevad huvigrupid. Seej\u00e4rel pakume v\u00e4lja meetmeid nende riskide v\u00e4hendamiseks neljas peamises kategoorias: v\u00e4ltimine, v\u00e4hendamine, jagamine ja hoidmine. ISO kohaselt peaks riskide juhtimise p\u00f5him\u00f5te olema v\u00e4\u00e4rtuse loomine, st riskide v\u00e4hendamiseks vajalikud ressursid peaksid olema madalamad kui mittev\u00f5tmise korral. Koosk\u00f5las selle p\u00f5him\u00f5ttega viime l\u00f5puks l\u00e4bi hindamise, et m\u00f5ista, kuidas m\u00f5ned riskide v\u00e4hendamise meetmed m\u00f5jutavad l\u00f5pptulemuste kvaliteeti, et j\u00f5uda p\u00f5hjalikuma arusaamiseni suurte andmete kasutamisest ametlikus statistikast.<\/p>\n<h2>1. Sissejuhatus<\/h2>\n<p><\/p>\n<h4>1.1. Taust<\/h4>\n<p>\nSuure andmete arengut on iseloomustanud Kenneth Neil Cukier ja Viktor Mayer-Sch\u00f6nberger nende artiklis \"Suure andmete kasv\" (2. <noindex><a rel=\"nofollow\" href=\"http:\/\/www.foreignaffairs.com\/articles\/139104\/kenneth-neil-cukier-and-viktor-mayer-schoenberger\/therise-of-big-data\">www.foreignaffairs.com\/articles\/139104\/kenneth-neil-cukier-and-viktor-mayer-schoenberger\/therise-of-big-data<\/a><\/noindex>) m\u00f5istet \"andmete vormimine\". Andmete vormimine on protsess, mis h\u00f5lmab elu k\u00f5ikide aspektide andmeteks muutmist. N\u00e4iteks. Facebook pakub isiklikke v\u00f5rke, andureid erinevate keskkonnatingimuste kohta, nutitelefone isiklikuks suhtlemiseks ja liikumiseks ning kantavaid seadmeid individuaalse seisundi j\u00e4lgimiseks. See viib peaaegu laialdase andmete kogumise ja kergesti k\u00e4tte saamise v\u00f5imaluseni.<\/p>\n<p>Nagu paljudes teistes valdkondades, on ametlik statistika alles hiljuti hakanud arutama suuri andmeid strateegilisel tasandil. Kuni n\u00fc\u00fcd pole veel \u00fchtset ja laialdaselt tunnustatud arusaama edasiviivast suunast, s\u00f5ltumata sellest, kas see on v\u00e4ljakutse v\u00f5i v\u00f5imalus, v\u00e4ikeste v\u00f5i suurte m\u00f5\u00f5tmete osas jne. \u00dcRO majanduskomisjoni k\u00f5rgetasemelise r\u00fchma raames, mis k\u00e4sitleb statistilise tootmise ja teenuste moderniseerimist (3 Kuidas suured on suurandmed? Suurandmete roll ametlikus statistikas: <noindex><a rel=\"nofollow\" href=\"http:\/\/www1.unece.org\/stat\/platform\/download\/attachments\/99484307\/Virtual%20Sprint%20Big%20Data%20paper.docx?version=1&amp;modificationDate=1395217470975&amp;api=v2\">www1.unece.org\/stat\/platform\/download\/attachments\/99484307\/VirtualSprintBigDatapaper.docx?version=1&amp;modificationDate=1395217470975&amp;api=v2<\/a><\/noindex>), Esimene SWOT-anal\u00fc\u00fcs, mida toetas j\u00e4me riski\/kasu anal\u00fc\u00fcs, viidi l\u00e4bi. M\u00e4rgiti, et \u201et\u00e4ielik riskianal\u00fc\u00fcs h\u00f5lmab ka selliseid aspekte nagu t\u00f5en\u00e4osus ja m\u00f5ju ning v\u00f5ib-olla laiendatakse seda ka riskide v\u00e4hendamise ja haldamise strateegiate m\u00e4\u00e4ratlemiseks.\u201d<\/p>\n<p>Kuigi see dokument on veel kaugel t\u00e4ieliku riski anal\u00fc\u00fcsi tegemisest, on see suunatud olukorra parandamisele, luues esimese struktureeritud \u00fclevaate. Tahame r\u00f5hutada, et seda \u00fclevaadet tuleks k\u00e4sitleda alguspunktina, et stimuleerida \u00fcldist arutelu Ametliku statistika kogukonna (OSC) raames.<\/p>\n<h4>1.2. Valdkond<\/h4>\n<p>\nSee artikkel keskendub ainult riskidele, j\u00e4ttes v\u00e4lja mitte ainult eelised, vaid ka tugevad ja n\u00f5rgad k\u00fcljed, v\u00f5imalused ja ohud. See t\u00e4hendab, et \"tegevusetuse riskid\" (n\u00e4iteks risk, et OSC j\u00e4\u00e4b konkurentsis teiste osalejatega alla, kui seda ei uuendata) ei kuulu selle tegevusvaldkonda; need on pigem ohud. Selle asemel p\u00fc\u00fcame v\u00e4lja tuua riskid, mis v\u00f5ivad tekkida (a) juhul, kui OSC kasutab suurte andmete v\u00f5imalusi ja hakkab arendama v\u00f5i t\u00e4iustama konkreetset \"ametlik statistika toode suurte andmete p\u00f5hjal\" (BOSP); (b) riskid uue \"tava\u00e4ri\" jaoks, st riskid ametlikule statistikale, mis p\u00f5hineb suurte andmete tootmisel. (Kuna k\u00f5ik ametliku statistika tootmine on seotud riskidega, piirame end (b) suurte andmete riske puudutavatega, s.t. riskidega, mis ei eksisteeri v\u00f5i on ebaolulised \"traditsioonilises\" ametliku statistika kogumise protsessis.)<\/p>\n<h4>1.3. Struktuur<\/h4>\n<p>\nJaotises 2 tutvustame peamisi p\u00f5him\u00f5tteid, mis seonduvad selle \u00fclesande t\u00e4itmisega, alustades selgelt vajalikest riskihalduse alustest (jaotis 2.1). Samuti esitame kvalitatiivsete andmete esialgse struktuuri, mis p\u00f5hineb suurandmetel (jaotis 2.2), kuna kvaliteedi struktuuri sidumine riskidega t\u00e4idab kahte eesm\u00e4rki:<\/p>\n<ul>\n<li>See loob konteksti riskide m\u00e4\u00e4ratlemiseks. Kindlaksm\u00e4\u00e4ratud kvaliteedi n\u00e4itajad koos k\u00e4sitletavate omadustega v\u00e4ljendavad objekti v\u00e4\u00e4rtusi, mis peetakse klientidele ja kasutajatele teenuste osutamisel olulisteks ja m\u00e4\u00e4ravaks.<\/li>\n<li>See v\u00f5imaldab m\u00e4\u00e4rata konkreetseid riske kvaliteedi m\u00f5\u00f5tmistele, mis on integreeritud \u00fcldistesse h\u00fcperruumidesse ja seotud teatud etappidega statistiliste toodete tootmisprotsessis.<\/li>\n<\/ul>\n<p>\nJaotistes 3, 4, 5 ja 6 esitame seni tuvastatud riskid erinevates kontekstides. ESS suurandmete projektiga seotud \u00e4riettepanekute dokumendid, samuti ESS Big Data v\u00f5rgustik sisaldavad nimekirja riskidest, mis on osaliselt seotud projektiga ja osaliselt suurandmete allikate kasutamisega statistilistel eesm\u00e4rkidel. Dokumendis \u201eSuurandmete kvaliteedi soovitatud raamistik\u201c mainitakse m\u00f5ningaid kvaliteediga seotud riske. Siin kasutame andmete juurdep\u00e4\u00e4suklassifikatsiooni, \u00f5iguslikku keskkonda, andmete privaatsust ja turvalisust ning oskusi; reorganiseerimine vastavalt suurandmetest saadud statistika kvaliteedistruktuurile (jaotis 2.2) peaks toimuma kohe, kui see struktuur saavutat oma t\u00e4iendatud seisundi. Iga tuvastatud riski puhul (i) esitame t\u00f5en\u00e4osuse ja m\u00f5ju hindamise (vastavalt jaotisele 2.1.3) ja (ii) pakume v\u00e4lja riski v\u00e4hendamise ja haldamise strateegiad (vt jaotist 2.1.4).<\/p>\n<p>L\u00f5puks arutame meie j\u00e4reldusi ja m\u00e4\u00e4ratleme m\u00f5ned j\u00e4rgmised sammud jaos 7<\/p>\n<h2>2. P\u00f5hialused<\/h2>\n<p><\/p>\n<h4>2.1. Riskid ja riskijuhtimine<\/h4>\n<p>\nISO 31000:20095 kohaselt m\u00e4\u00e4ratakse risk kui \"ebamugavuste m\u00f5ju seatud eesm\u00e4rkidele\". See t\u00e4hendab, et eesm\u00e4rgid peavad olema m\u00e4\u00e4ratletud v\u00f5i tuntud, enne kui riske saab hinnata. Need eesm\u00e4rgid m\u00e4\u00e4ratakse tavaliselt vastava organisatsiooni institutsionaalsest kontekstist l\u00e4htuvalt. Veel \u00fcks oluline aspekt on see, et riskid endas kannavad ebamugavuse omadust, see t\u00e4hendab, et ei ole selge, kas kirjeldatud s\u00fcndmus toimub. Seega m\u00f5\u00f5detakse riske t\u00f5en\u00e4osuse ja selle tagaj\u00e4rgede, st selle m\u00f5ju kaudu, mida see tegevus avaldab seatud eesm\u00e4rkide saavutamisele. Riskide hindamine peaks andma objektiivsemat teavet, mis l\u00f5puks v\u00f5imaldab leida sobiva tasakaalu kasumi teenimise v\u00f5imaluste realiseerimise ja kahjulikest tagaj\u00e4rgedest hoidumise vahel. Riskihaldus on lahutamatu osa juhtimistavast ja oluline element n\u00f5uetekohasest ettev\u00f5tlustavast (6 Statistics Canada: 2014-2015 report on Plans and Priorities, <noindex><a rel=\"nofollow\" href=\"http:\/\/www.statcan.gc.ca\/aboutapercu\/rpp\/2014-2015\/s01p06-eng.htm\">www.statcan.gc.ca\/aboutapercu\/rpp\/2014-2015\/s01p06-eng.htm<\/a><\/noindex>). See iterative process, which ideally allows for continuous improvement of decision-making and promotes ongoing performance enhancement.<\/p>\n<p>Risks are also associated with quality. Implementing a quality system should enable the utilization of opportunities provided by various sources and methodologies to achieve a result of a certain level of quality in the sense that this result meets user needs. Like risks, quality levels can derive from the institutional environment and the objectives of certain institutions. In this context, the institutional environment defines the overall level of risk that an organization is willing to accept to achieve its goals.<\/p>\n<p>The process of risk assessment and management can be broken down into various stages, including context establishment, risk identification, risk analysis in terms of likelihood and impact, risk evaluation, and finally, risk treatment.<\/p>\n<h4>2.1.1. Institutional context<\/h4>\n<p>\nEsimese sammuna tuleb luua strateegiline, organisatsiooniline kontekst ja riskijuhtimise kontekst, mille raames toimub \u00fclej\u00e4\u00e4nud protsess. See h\u00f5lmab kriteeriumite kindlaksm\u00e4\u00e4ramist, mille alusel riske hinnatakse, ja anal\u00fc\u00fcsi struktuuri m\u00e4\u00e4ratlemist.<\/p>\n<h4>2.1.2. Riski tuvastamine<\/h4>\n<p>\nTeises etapis tuleb m\u00e4\u00e4ratleda s\u00fcndmused, mis v\u00f5ivad m\u00f5jutada seatud eesm\u00e4rkide saavutamist. Tuvastamine peab h\u00f5lmama k\u00fcsimusi, mis on seotud riskide t\u00fc\u00fcpide, s\u00fcndmuste ajakava, koha v\u00f5i sellega, kuidas s\u00fcndmused v\u00f5ivad takistada, s\u00fcvendada, viivitada v\u00f5i parandada eesm\u00e4rkide saavutamist.<\/p>\n<h4>2.1.3. Riski hindamine<\/h4>\n<p>\nJ\u00e4rgmine samm seisneb olemasolevate riskide kontrollimise ja anal\u00fc\u00fcsi vahendite m\u00e4\u00e4ratlemises t\u00f5en\u00e4osuse ja v\u00f5imalike tagaj\u00e4rgede seisukohalt. K\u00e4esoleva artikli kontekstis kasutatakse riskide tekkimise t\u00f5en\u00e4osuse m\u00e4\u00e4ramiseks skaalat, mis ulatub 1 (harva) kuni 5 (sage). \u00dcksuste m\u00f5ju m\u00f5\u00f5detakse skaalal 1 (marginaalne) kuni 5 (ekstreemne). Nagu on n\u00e4idatud tabelis 1, on t\u00f5en\u00e4osuse ja m\u00f5ju korrutamine, mis m\u00e4\u00e4rab \u201eriskitaseme\u201c vahemikus 1 kuni 25.<\/p>\n<p><img decoding=\"async\" alt=\"Riskide ja lahenduste struktureerimine BigData kasutamisel ametliku statistika saamiseks\" src=\"\/wp-content\/uploads\/2020\/03\/486877e0bd16137b74227392fe85957c.jpeg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nHinnatud riskitasemeid saab v\u00f5rrelda eelnevalt m\u00e4\u00e4ratletud kriteeriumidega, et saavutada tasakaal potentsiaalsete kasude ja soovimatute tulemite vahel. See v\u00f5imaldab teha otsuseid juhtimise prioriteetide osas.<\/p>\n<p><img decoding=\"async\" alt=\"Riskide ja lahenduste struktureerimine BigData kasutamisel ametliku statistika saamiseks\" src=\"\/wp-content\/uploads\/2020\/03\/b49cbaff80da9d93fdfedf7a94750b78.jpeg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nTegevuste prioriteedid tuleks seada kriitilistele riskidele (vt tabel 2), st riskidele, mis v\u00f5ivad juhtuda ja millel on t\u00f5sised v\u00f5i ekstreemsed tagaj\u00e4rjed organisatsiooni eesm\u00e4rkidele.<\/p>\n<h4>2.1.4. Riskide reageerimine<\/h4>\n<p>\nViimane samm h\u00f5lmab otsuste tegemist selle kohta, kuidas reageerida riskidele. M\u00f5ned riskid, mis j\u00e4\u00e4vad madalamale etten\u00e4htud riskitasemele, v\u00f5ivad olla eiratud v\u00f5i aktsepteeritud. Teiste puhul v\u00f5ivad riskide neutraliseerimise kulud olla nii k\u00f5rged, et need kaaluvad \u00fcles potentsiaalsed kasud. Sellisel juhul v\u00f5ib organisatsioon otsustada loobuda vastavast tegevusest. Riskid v\u00f5ivad samuti olla edastatud kolmandatele isikutele, n\u00e4iteks kindlustusele, mis h\u00fcvitab kantud kulud. Viimane valik on arvesse v\u00f5tta riske strateegiate ja tegevuste m\u00e4\u00e4ratlemisel, mis tasakaalustavad kulud potentsiaalsete kasudega. Seega teeb organisatsioon otsuse rakendada strateegiaid kasude maksimeerimiseks ja potentsiaalsete kulude minimeerimiseks.<\/p>\n<p><img decoding=\"async\" alt=\"Riskide ja lahenduste struktureerimine BigData kasutamisel ametliku statistika saamiseks\" src=\"\/wp-content\/uploads\/2020\/03\/ff6b25f08f78d1619dcf2c657ae0bb63.jpeg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<\/p>\n<h4>2.2. Kvaliteedis\u00fcsteemid<\/h4>\n<p>\nSihtgrupp, kuhu kuuluvad riiklike ja rahvusvaheliste statistikaorganisatsioonide esindajad, t\u00f6\u00f6tas 2014. aastal v\u00e4lja suurandmete statistikaga seotud kvaliteedi esialgse struktuuri. Sihtgrupp t\u00f6\u00f6tas UNECE\/HLS projekti raames, mille teemaks oli \u201eSuurandmete roll statistika tootmise moderniseerimisel\u201c. See laiendas olemasolevaid kvaliteedis\u00fcsteeme, mis on v\u00e4lja t\u00f6\u00f6tatud statistika hindamiseks, mis on saadud haldusandmeallikatest, kvaliteedi n\u00e4itajatega, mis on peetud asjakohaseks suurandmete allikate jaoks.<\/p>\n<p>Selle s\u00fcsteemi raames eristatakse kolme \u00e4riprotsessi etappi: sisend, tootmine ja v\u00e4ljund. Sisendi etapp vastab GSBP \u201eprojekti\u201c ja \u201ekogumise\u201c etappidele, tootmine vastab \u201eprotsessi\u201c ja \u201eanal\u00fc\u00fcsi\u201c etappidele, samas kui v\u00e4ljund vastab \u201elevitamise\u201c etapile.<\/p>\n<p>Struktuuris kasutatakse hierarhilist struktuuri, mis on p\u00e4rit Hollandi Statistikaameti v\u00e4lja t\u00f6\u00f6tatud haldusrikkumise andmete struktuurist (7 Daas, P., S. Ossen, R. Vis-Visschers ja J. Arends-Toth, (2009), Checklist for the Quality evaluation of Administrative Data Sources. Statistics Netherlands, The Hague\/Heerlen). Kvaliteedi m\u00f5\u00f5tmed on embeditud hierarhilisse struktuuri, mida nimetatakse h\u00fcperruumideks. Kolm kindlat h\u00fcperdimensiooni on \u201eallikas\u201c, \u201emetandmed\u201c ja \u201eandmed\u201c. Kvaliteedi m\u00f5\u00f5tmed on seotud nende h\u00fcperdimensioonidega ja m\u00e4\u00e4ratakse igas tootmisetapis. Sisendifaasi jaoks on pakutud t\u00e4iendavaid aspekte nagu \u201eprivaatsus ja konfidentsiaalsus\u201c, \u201ekeerukus\u201c (vastavalt andmestruktuurile), \u201emetandmete t\u00e4ielikkus\u201c ja \u201eseostatavus\u201c (v\u00f5ime seostada andmeid teiste andmetega), et lisada standardkvaliteedi mudelile. Iga kvaliteedikriteeriumi jaoks on pakutud tegureid, mis on seotud nende kirjeldusega, samuti v\u00f5imalikud n\u00e4itajad.<\/p>\n<p>Selles artiklis v\u00f5ib riske v\u00e4listada nendest teguritest. N\u00e4iteks tegurid, mida tuleb arvestada kvaliteedi m\u00f5\u00f5tmisel, nagu \"institutsionaalne \/ \u00e4ri keskkond\", on andmete pakkuja usaldusv\u00e4\u00e4rsus. Sellega seotud risk v\u00f5ib seisneda selles, et andmed ei pruugi tulevikus andmete pakkuja juures saadaval olla. Teine n\u00e4ide on hiljuti ettepanek tehtud kvaliteedi, privaatsuse ja turvalisuse aspekt. \u00dcks oluline tegur on \"tajumine\", mis t\u00e4hendab v\u00f5imalikku negatiivset tajumist konkreetsete andmeallikate eeldatava kasutamise osas erinevate sidusr\u00fchmade poolt.<\/p>\n<h2>3. Andmete juurdep\u00e4\u00e4suga seotud riskid<\/h2>\n<p><\/p>\n<h4>3.1. Andmetega juurdep\u00e4\u00e4su puudumine<br \/>\n3.1.1. Kirjeldus<\/h4>\n<p>\nSee risk seisneb BOSP arendusega seotud projektis, millel ei ole juurdep\u00e4\u00e4su vajalikule suurandmete allikale (BDS).<\/p>\n<p>Praeguseks on OSC omandanud keerulise tee, kus isegi stardiplokkidest v\u00e4ljumine ja juurdep\u00e4\u00e4su saamine v\u00f5ivad m\u00f5nikord olla \u00fcletamatud takistused. M\u00f5nikord on lihtne juurdep\u00e4\u00e4s teatud allikale \u2014 n\u00e4iteks k\u00f5neandmete (CDR) salvestusele, testimise \/ uurimise eesm\u00e4rgil, kuid oluliselt raskem (juriidiliste v\u00f5i kaubanduslike p\u00f5hjuste t\u00f5ttu) p\u00e4\u00e4seda sellele tootmisotstarbel.<\/p>\n<h4>3.1.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nT\u00f5en\u00e4osus s\u00f5ltub suuresti BDS omadustest. Kui tegemist on suurte haldusandmetega, v\u00f5ivad need olla \u00fcksnes 1, eriti juhul, kui (nagu liiklusloopide andmete puhul, millele on viidatud Daas et al. 8 Daas, P., M. Puts, B. Buelens ja P. van den Hurk. 2015. \u00abBig Data as a Source for Official Statistics\u00bb. Journal of Official Statistics 31 (2). (K\u00e4imasolev; avaldamine on planeeritud 2015. aasta juuniks.)) ei esine isikuandmete kaitse probleeme. Kui BDS juhtum kuulub f\u00fc\u00fcsilisele isikule, sealhulgas juhul, kui ta on tundlik (n\u00e4iteks andmekaitse seisukohalt) v\u00f5i v\u00e4\u00e4rtuslik (kaubanduslikult), v\u00f5ib t\u00f5en\u00e4osus olla v\u00e4ga k\u00f5rge (5).<\/p>\n<h4>3.1.3. M\u00f5ju<\/h4>\n<p>\nM\u00f5ju s\u00f5ltub BOSP-ist ja BDS-i kasutamisviisist. Kui BDS on s\u00fcda, v\u00f5ib m\u00f5ju olla v\u00e4ga k\u00f5rge (4 = BOSP-i loomine on absoluutselt v\u00f5imatu), samas kui see v\u00f5ib olla madalam, kui BOSP-i loomine on endiselt v\u00f5imalik (kui ka madalama kvaliteediga), toetudes teistele URB-dele, mis viib m\u00f5ju vahemikus 2-3.<\/p>\n<h4>3.1.4. Ennetamine<\/h4>\n<p>\nLigip\u00e4\u00e4su riski v\u00e4hendamiseks tuleks luua eelnevad kontaktid andmete pakkujaga ja s\u00f5lmida pikaajaline andmete ligip\u00e4\u00e4su leping. Samuti tuleks l\u00e4bi viia p\u00f5hjalik \u00f5igusanal\u00fc\u00fcs, mis puudutab konkreetset BDS-i ja BOSP-i kombinatsiooni. Tuleb hinnata v\u00f5imalusi andmete ligip\u00e4\u00e4suks vastava v\u00f5i tulevase seadusandluse kohaselt.<\/p>\n<h4>3.1.5. Leevendamine<\/h4>\n<p>\nKui on alternatiivseid BDS-e, mida saaks BOSP-i jaoks kasutada, v\u00f5iks neid uurida. Kui ei ole v\u00f5imalust luua BOSP-i ilma BDS-ita ja ligip\u00e4\u00e4su puudumise \u00fcletamine on v\u00f5imatu, tuleks pingutused l\u00f5petada, ja uus BOSP ei n\u00e4e p\u00e4evavalget.<\/p>\n<h4>3.2. Andmete ligip\u00e4\u00e4su kaotus<br \/>\n3.2.1. Kirjeldus<\/h4>\n<p>\nSelle riski p\u00f5hjus seisneb selles, et statistiline haldus kaotab BDS-i, mis on BOSP-i aluseks.<\/p>\n<h4>3.2.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nKui BOSP-d juba toodetakse, eksisteerib tavaliselt teatud stabiilsus, ja m\u00f5nel juhul v\u00f5ib risk olla v\u00e4ga madal (1). Siiski, eriti erasektorite puhul, kellega on s\u00f5lmitud piisavalt n\u00f5rgad lepingud, ei takista miski n\u00e4iteks uut juhtkonda andmepoliitika muutumast, mis toob kaasa m\u00f5\u00f5duka katkestamise riski (3). Veelgi enam, kui BDS on seotud ebastabiilse tegevusega, eksisteerib alati risk, et teenusepakkuja l\u00e4heb lihtsalt pankrotti, ja risk v\u00f5ib olla isegi k\u00f5rgem (4).<\/p>\n<h4>3.2.3. M\u00f5ju<\/h4>\n<p>\nKuna olemasolevat BOSP-d v\u00f5ib olla \u00fclioluline tootmine, toimub sageli v\u00e4ga tugev m\u00f5ju (5). Teistes olukordades, kus BDS on abistav, v\u00f5ib m\u00f5ju pigem olla kvaliteedikaotuse n\u00e4ol, mille m\u00f5ju ulatub vahemikku 2-3.<\/p>\n<h4>3.2.4. Ennetamine<\/h4>\n<p>\nEnnetusstrateegia on sarnane andmete puudumise strateegiale, kuid suurenenud r\u00f5huga pidevale ettevaatusele ka tootmisolukordades.<\/p>\n<p>\u00c4rge pange k\u00f5iki mune \u00fchte korvi (st. omage mitu BDS-i, mis p\u00f5hinevad igal BSOP-il) v\u00f5ib samuti olla strateegia, kuid see v\u00f5ib osutuda kas praktiliselt teostamatuks v\u00f5i liiga kulukaks.<\/p>\n<h4>3.2.5. Leevendamine<\/h4>\n<p>\nKui BDS on ebastabiilse tegevuse tulemus, v\u00f5ib j\u00e4rk-j\u00e4rgult ilmneda uus BDS, mis kajastab sama sotsiaalset n\u00e4htust. Kuid \u201eturuuuringute skaneerimise\u201d alustamine kohe, kui BSOP eba\u00f5nnestub, on liiga hilja; vajalik on pidev ettevaatus \u2014 ja seda v\u00f5ib olla raske saavutada.<\/p>\n<h2>4. \u00d5igusliku keskkonna risk<\/h2>\n<p><\/p>\n<h4>4.1. Vastava seadusandluse mittej\u00e4rgimine<br \/>\n4.1.1. Kirjeldus<\/h4>\n<p>\nSee risk tuleneb projektist, mis on seotud BOSP arendamisega, kus ei ole arvesse v\u00f5etud asjakohast seadusandlust, mis muudab BOSP vastavaks nimetatud seadusandlusele. See v\u00f5ib h\u00f5lmata andmekaitseseadusandlust, regulatsioone reageerimise koormuse jms kohta.<\/p>\n<h4>4.1.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nArvestades OSC teadlikkuse puudumist suurandmete osas, ei ole v\u00e4listatud juhuslik rikkumine. T\u00f5en\u00e4osus on tavaliselt seotud BDS-iga, kuna mida v\u00e4hem \"tundlik\" on allikas, seda v\u00e4iksem on t\u00f5en\u00e4osus, et ebasobivus esineb.<\/p>\n<h4>4.1.3. M\u00f5ju<\/h4>\n<p>\nM\u00f5ju on tavaliselt kriitiline, kuna ebasobiva tootmise korral tuleb BOSP peatada (v\u00f5i juhul, kui see ei ole veel rakendamise etapini j\u00f5udnud, peab selle arendamine l\u00f5petatama). See v\u00f5ib olla isegi \u00e4\u00e4rmuslik, kuna ebasobiva (\"illegaalne\") ametliku statistika t\u00f5ttu tekkivad maine riskid v\u00f5ivad omada t\u00f5siseid tagaj\u00e4rgi.<\/p>\n<h4>4.1.4. Ennetamine<\/h4>\n<p>\nIga BOSP puhul on vajalik p\u00f5hjalik \u00f5iguslik anal\u00fc\u00fcs \u2014 ja see toimub mitmel etapil (see, mis on vastuv\u00f5etav arendamise \/ uurimise etapis, ei pruugi olla sama rakendamise \/ tootmise etapis). See v\u00f5ib omakorda kaasa tuua BOSP \u00fcmberkujundamise, et selle \u00fchilduvust tagada.<\/p>\n<h4>4.1.5. Leevendamine<\/h4>\n<p>\nRikkumise t\u00f5sidusest s\u00f5ltuvalt v\u00f5ib esimeseks sammuks olla BOSP viimine v\u00f5rgu\u00fchenduseta re\u017eiimi.<\/p>\n<p>BOSP-i uuendamine \u00fchilduvaks muutmiseks v\u00f5ib olla variant, kuid kas BOSP p\u00e4\u00e4stetakse sel viisil, s\u00f5ltub tugevalt vastuolu iseloomust.<\/p>\n<h4>4.2. Ebasoodsad muutused \u00f5iguslikus keskkonnas<br \/>\n4.2.1. Kirjeldus<\/h4>\n<p>\nV\u00f5ib kehtestada uus seadusandlus, mis puudutab arendatavat BOSP-i, mis tegelikult muudab BOSP-i \u00fchilduvusetuks.<\/p>\n<h4>4.2.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nEi saa v\u00e4listada, et andmekaitse tugevdamise pooldajatel \u00f5nnestub kehtestada uusi n\u00f5udeid, mis otseselt v\u00f5i kaudselt m\u00f5jutavad konkreetsete BOSP-ide loomise v\u00f5imalusi. T\u00f5en\u00e4osus vahemikus 2-3 tundub realistlik hinnang.<\/p>\n<h4>4.2.3. M\u00f5ju<\/h4>\n<p>\nM\u00f5ju on tavaliselt kriitiline (4), kuna sobimatute tootmiste puhul on vajalik BOSP-i peatamine.<\/p>\n<h4>4.2.4. Ennetamine<\/h4>\n<p>\nTeatud \u00e4riteavet tuleb regulaarselt koguda seadusandlikku arengut j\u00e4lgimiseks \u2014 v\u00f5ib-olla ka selle m\u00f5jutamiseks, esindades argumente ametlikuks statistikaks asjakohastes (nt konsultatiivsetes) foorumites.<\/p>\n<h4>4.2.5. Leevendamine<\/h4>\n<p>\nEeldusel, et on toimunud ennetav j\u00e4lgimine, v\u00f5ib olla aega BOSP-i uuesti \u00fcles ehitada, et see oleks koosk\u00f5las uue seadusandlusega alates selle j\u00f5ustumise esimesest p\u00e4evast.<\/p>\n<p>Kui j\u00e4lgimist ei ole aga toimunud, mist\u00f5ttu uus seadusandlus on \u201e\u00fcllatus\u201d - v\u00f5i kui seadusandlus on nii radikaalne, et ei ole v\u00f5imalik BOSP-i kohandada - v\u00f5ib ainus v\u00f5imalus olla BOSP-i v\u00e4ljal\u00fclitamine.<\/p>\n<h2>5. Andmete privaatsuse ja turvalisuse riskid<\/h2>\n<p><\/p>\n<h4>5.1. Andmete turvarikkumised<br \/>\n5.1.1. Kirjeldus<\/h4>\n<p>\nSee risk is associated with unauthorized access to data stored in statistical managements. Third parties may obtain embargoed data, for example, due to the release of schedules. For any BOSP that is fully based on a single BDS, it is inevitable that the data will be implicitly known to the original data owner, and if the methodology is transparent, the derived statistics will also be known. This situation is not considered here, but rather in the risk associated with the abuse of power by owners. Additionally, this data may carry a risk of breaching confidentiality. This risk will be considered separately. This may include, for example, data that investors expect on the stock market.<\/p>\n<h4>5.1.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nMis puutub IT-keskkonna kaitse tehnilistesse aspektidesse statistilises osakonnas, siis on risk sama t\u00f5en\u00e4osus BDS-idele kui traditsioonilistele allikatele. Kuid on kaks t\u00e4iendavat aspekti, mida tuleb arvesse v\u00f5tta.<\/p>\n<p>Esiteks, m\u00f5nede BDS-ide puhul suureneb \u00fcldine risk veidi, kuna algse omaniku andmete turvalisus v\u00f5ib olla ohus. See v\u00f5ib olla seotud n\u00e4iteks t\u00f6\u00f6stusliku spionaa\u017ei v\u00f5i h\u00e4kkimisega.<\/p>\n<p>Teiseks, kui potentsiaalselt v\u00e4\u00e4rtuslikud andmed hakkavad kontoris s\u00e4ilima, siis suureneb t\u00f5en\u00e4osus, et neid p\u00fc\u00fctakse kurja meelt haarata. Kui salvestatud andmed on ettev\u00f5ttele \u00e4\u00e4rmiselt v\u00e4\u00e4rtuslikud, tuleb valmistuda v\u00e4ga k\u00f5rgeks r\u00fcnnakuteks, mis on suunatud IT-infrastruktuurile, mist\u00f5ttu on h\u00e4kkimise t\u00f5en\u00e4osus potentsiaalselt k\u00f5rgem (4).<\/p>\n<p>Kui salvestatud andmeid ei peeta v\u00e4\u00e4rtuslikeks, siis tundub \u00fcldine t\u00f5en\u00e4osus mitte v\u00e4ga k\u00f5rge \u2013 vahemikus (1) kuni (3), s\u00f5ltuvalt andmeallikast.<\/p>\n<h4>5.1.3. M\u00f5ju<\/h4>\n<p>\nPotentsiaalne mainekahju v\u00f5ib olla suur (5). BDS-ide puhul on oluline see, et kui turvarikkumine toimub algse omaniku juures, siis eeldatakse, et m\u00f5ju mainele on madalam kui juhul, kui rikkumine toimuks andmetega, mis on tema hoole all.<\/p>\n<p>Teiselt poolt v\u00f5ib statistilise halduse rikkumine omada negatiivset m\u00f5ju algsele omanikule. Sellisel juhul v\u00f5ib usaldusv\u00e4\u00e4rsuse kahepoolse m\u00f5ju t\u00f5ttu tekkida taas suur negatiivne m\u00f5ju (5).<\/p>\n<h4>5.1.4. Ennetamine<\/h4>\n<p>\nBDS-i juhtumi iseloomulik on see, et algse omaniku turvamenetlused v\u00f5ivad olla asjakohased. Ebat\u00f5en\u00e4oline on, et statistilised haldused saavad auditeerimise \u00f5igusi selle kontrollimiseks. Omanikud, kelle andmeid kasutatakse konfidentsiaalsete avaldamise ajakavadetega seotud rekordite koostamiseks, peavad olema teadlikud potentsiaalse turvarikkumise tagaj\u00e4rgedest ametlikule statistikale ning neil peab olema ametlikus vormis tagatis, et n\u00f5uetekohaseid turvamenetlusi rakendatakse.<\/p>\n<p>Otsene viis v\u00e4ltida omanikust toodete turvaaukude t\u00f5sist m\u00f5ju statistilisele juhtimisele on tagada, et sama toote puhul kasutatakse mitmeid allikaid, nii et \u00fcht kompromiteeritud allikat ei piisa, et saada l\u00f5plikku numbrit. Selle l\u00e4henemise eeliseks on suurem kontroll statistilise juhtimise k\u00e4es.<\/p>\n<p>Andmete algse omaniku jaoks k\u00fcberturbe rikkumise negatiivsete tagaj\u00e4rgede v\u00e4ltimise viis seisneb andmete edastamise meetodi leidmises, mis ei eelda omaniku seisukohalt tundlike andmete edastamist statistika haldamisse. Toorelt. \u00dcks v\u00f5imalik ennetav l\u00e4henemine on kasutada koondatud andmeid. Tuleb siiski meeles pidada, et teatud aggregatsiooni vormid, n\u00e4iteks need, mis on m\u00f5eldud, et v\u00e4ltida \u00fcksikute elanikkonna liikmete tuvastamist, ei pruugi sellel juhul sobida. \u00dcks p\u00f5hjusi v\u00f5ib olla see, et omaniku risk on seotud andmete kaubandusliku v\u00e4\u00e4rtusega, mis v\u00f5ib olla m\u00e4rkimisv\u00e4\u00e4rne isegi p\u00e4rast anon\u00fc\u00fcmsuse saavutamist.<\/p>\n<h4>5.1.5. Leevendamine<\/h4>\n<p>\nStatistika haldamise all olevate andmete rikkumise korral on leevendusmeetmed samasugused nagu traditsiooniliste allikate puhul, kui algsele omanikule ei ole negatiivset m\u00f5ju olnud.<\/p>\n<p>Kui algse omaniku jaoks on negatiivsed tagaj\u00e4rjed, peab statistiline haldus \u00fcle vaatama ja tugevdama oma turvamenetlusi ning selgelt edastama ja n\u00e4itama oma p\u00fchendumust sellele.<\/p>\n<p>Kui rikkumine toimus algse omaniku ruumides, peab vastav statistikaasutus selgelt teavitama olukorrast ja n\u00f5udma omaniku turvamenetluste parandamist. Vajadusel v\u00f5ib otsida alternatiivset teenusepakkujat.<\/p>\n<h4>5.2. Andmete privaatsuse rikkumised<\/h4>\n<p><\/p>\n<h4>5.2.1. Kirjeldus<\/h4>\n<p>\nSee on risk, et \u00fche v\u00f5i mitme isiku privaatsust statistilises kogumis rikutakse. See v\u00f5ib olla seotud r\u00fcnnakuga IT-infrastruktuuri osas, kusjuures r\u00f5hk v\u00f5ib tulla teistelt valitsusasutustelt v\u00f5i ebapiisavatelt kontrollimeetmetelt, mis puudutavad statistiliste andmete avalikustamist.<\/p>\n<h4>5.2.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nNagu andmete turvalisuse rikkumise riskiga, ei muutu mikrodokumentide tehnilised hoiustamistingimused BDS-i lisamisel oluliselt. Kuid ka siin on hoiatusi.<\/p>\n<p>Mikroandmed teatud andmeallikatest v\u00f5ivad omada suurt \u00e4ri v\u00e4\u00e4rtust, seet\u00f5ttu suurendab nende s\u00e4ilitamine r\u00fcnnakute t\u00f5en\u00e4osust.<\/p>\n<p>Lisaks v\u00f5ivad m\u00f5ned mikroandmed olla potentsiaalselt v\u00e4ga kasulikud teistele riigiasutustele, n\u00e4iteks \u00f5iguskaitseorganitele, maksustamisele v\u00f5i tervishoiule. Teatud asjaoludel v\u00f5ib statistilise konfidentsiaalsuse p\u00f5him\u00f5tte j\u00e4rgimine seista suure surve all.<\/p>\n<p>Mis puudutab statistilise teabe avalikustamise kontrolli probleemide, siis on olemas juba v\u00e4lja kujunenud praktika. BDS v\u00f5ib v\u00f5imaldada statistikat v\u00e4ikeste elanike alagruppide jaoks v\u00f5i pakkuda v\u00f5imalust siduda erinevatest BDS-dest kogutud andmeid, mis v\u00f5ib suurendada riski t\u00f5en\u00e4osust. Uued allikad vajavad siiski uusi meetodilisi arendusi, seega on tegelik oht see, et teabe avalikustamise kontrollimise meetodit ei uuendata \u00f5igesti.<\/p>\n<p>\u00dcldiselt v\u00f5ib m\u00f5istlike ennetavate meetmete korral t\u00f5en\u00e4osus p\u00fcsida m\u00f5istlikes piirides, kuid kuna on palju erinevaid ja mitmekesiseid tegureid, n\u00e4ib asjakohane hindamine siin olevat, et t\u00f5en\u00e4osus on k\u00f5rge (4).<\/p>\n<h4>5.2.3. M\u00f5ju<\/h4>\n<p>\nPotentsiaalne mainekahju v\u00f5ib olla suur (5). Nagu andmete turvalisuse riskide korral, v\u00f5ib statistilise halduse rikkumine omada negatiivset m\u00f5ju algsele omanikule. Sellise s\u00fcndmuse m\u00f5ju v\u00f5ib olla potentsiaalselt isegi suurem, eriti arvestades, et t\u00e4nased arvamistrendid v\u00f5ivad j\u00e4tkuda. Kahju andmete pakkuja ja statistilise halduse vahel on samuti v\u00e4ga suur, nagu oodatakse.<\/p>\n<h4>5.2.4. Ennetamine<\/h4>\n<p>\nVea t\u00f5hus viis sellise riski v\u00e4ltimiseks on t\u00e4ielikult v\u00e4ltida BDS-i mikrodokumentide olemasolu (kuigi teiste mikrodokumentide s\u00e4ilitamine on endiselt seotud vastava riskiga, kuid erineva t\u00f5en\u00e4osuse ja m\u00f5juga). See tee, nagu ka andmete turvakaalutluste risk, toob endaga kaasa vajaduse t\u00f6\u00f6tada v\u00e4lja uusi meetodeid andmete kasutamiseks statistilistel eesm\u00e4rkidel. Lisaks t\u00e4hendab allikate erinev lood, et tuleb v\u00e4lja t\u00f6\u00f6tada uusi metodoloogiaid, millel on omavahel konkureerivad eesm\u00e4rgid, et maksimeerida kasuliku teabe kogumist ja kaitsta konfidentsiaalsust ohu eest.<\/p>\n<p>Kui mikrodatasid s\u00e4ilitatakse, peavad IT turvamehanismid ja juurdep\u00e4\u00e4sukontroll olema n\u00f5utaval tasemel ja pideva kontrolli all. Erilist t\u00e4helepanu tuleb p\u00f6\u00f6rata uute andmete hankimise viiside turvalisusele. Paraku v\u00f5ib selline uus viis olla salvestusseadmete (nt k\u00f5vaketaste) f\u00fc\u00fcsiline transport. Kui seda meetodit kasutatakse, peab kohaletoimetamine olema f\u00fc\u00fcsiliselt kaitstud ning tuleb kasutada kr\u00fcpteerimist.<\/p>\n<h4>5.2.5. Leevendamine<\/h4>\n<p>\nLeevendamise meetmed on p\u00f5him\u00f5tteliselt samasugused kui andmeturbepettuste korral. Kui rikkumise p\u00f5hjustab surve teiselt riigiasutuselt, tuleks kasutada v\u00f5imalust haldamise s\u00f5ltumatuse tugevdamiseks, et sarnaseid rikkumisi tulevikus veelgi raskemaks muuta.<\/p>\n<h4>5.3. Andmeallika manipuleerimine<br \/>\n5.3.1. Kirjeldus<\/h4>\n<p>\nKolmandate osapoolte andmed, n\u00e4iteks sotsiaalmeedia v\u00f5i vabatahtlikult esitatud andmed, on manipuleerimise ohus. Seda v\u00f5ib teha kas andmete pakkuja ise v\u00f5i kolmandad osalised. N\u00e4iteks v\u00f5ivad paljusid valeuudiseid sotsiaalmeedias genereerida selliselt, et nad m\u00f5jutavad statistilist indeksi, mis p\u00f5hineb nendel andmetel, kui on teada, et indeks arvutatakse nende andmete alusel.<\/p>\n<p>Vabatahtlike esitatud andmete puhul v\u00f5ib juhtuda, et vabatahtlikud esindavad teatud huvigruppi, millel on kindel p\u00e4evakord.<\/p>\n<h4>5.3.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nAndmete manipuleerimise t\u00f5en\u00e4osus, mis v\u00f5ib tuua suuri eeliseid, on k\u00f5rgem. Need v\u00f5ivad olla andmed, mille statistika on huvitav, n\u00e4iteks aktsiaturg. Arvestades hiljutisi skandaale, mis on seotud LIBORi ja Forexiga, v\u00f5ib arvata, et seni, kuni stiimulid eksisteerivad, j\u00e4\u00e4vad andmete manipuleerimise katsed t\u00f5en\u00e4oliseks.<\/p>\n<p>Kuidas n\u00e4ha statistikat, mis p\u00f5hineb vabatahtlikult esitatud andmetel, piisab vaid pilguheitest hiljutisse PR-praktikasse, kus otsitakse inimesi, kes teesklevad arvamust ja kellele makstakse avaliku v\u00e4ljenduse eest (nt internetifoorumites), et t\u00f5deda, et t\u00f5en\u00e4osus on \u00fcsna suur. \u00dcldiselt tundub vahemik 3 kuni 4 \u00f5igustatud.<\/p>\n<h4>5.3.3. M\u00f5ju<\/h4>\n<p>\nSuurep\u00e4rased manipuleerimiste probleem on see, et need v\u00f5ivad p\u00fcsida kaua avastamata. Kui manipuleerimised kestavad pikka aega, v\u00f5ib m\u00f5ju kvaliteedile olla m\u00e4rkimisv\u00e4\u00e4rne. Lisaks v\u00f5ib kahju avalikkuse usaldusv\u00e4\u00e4rsusele ametliku statistika suhtes samuti olla suur, eriti kui r\u00f5hutatakse statistikaametite rolli kvaliteetsete andmete pakkujatena. Teisest k\u00fcljest, kui manipuleerimised avastatakse \u00f5igeaegselt ja seej\u00e4rel avaldatakse, v\u00f5ib see tegelikult parandada avalikku arusaama. Eranditult \u00e4\u00e4rmiselt kehvadel juhtudel v\u00f5ib arvata maksimaalset m\u00f5ju (3).<\/p>\n<h4>5.3.4. Ennetamine<\/h4>\n<p>\nRegulaarsete kontrollharjutuste tegemine alternatiivsete allikatega on \u00fcks v\u00f5imalikest ennetavatest l\u00e4henemistest. Need alternatiivsed allikad v\u00f5ivad olla traditsioonilised v\u00f5i muud. Statistika kasutamine allikate kombinatsiooni alusel v\u00f5ib takistada m\u00e4rkimisv\u00e4\u00e4rseid manipuleerimise m\u00f5jusid. Kui on kahtlusi, et teenusepakkuja on algatanud manipuleerimist, v\u00f5ivad juriidilised lepingud samuti olla \u00fcks v\u00f5imalus sellise praktika v\u00e4ltimiseks.<\/p>\n<h4>5.3.5. Leevendamine<\/h4>\n<p>\nKuna tegemist on avalike suhete kahjustamisega, ei erine siin rakendatavad leevendusmeetmed eriti neist, mis on vajalikud igasuguste kriiside lahendamiseks.<\/p>\n<p>Andmekvaliteedi vaatenurgast oleks kasulik, kui minevikus kogutud andmeid saaks parandada nii, et isegi pika viivituse korral oleks \u00f5ige j\u00e4rjekord v\u00f5imalik.<br \/>\ntootab. Selleks v\u00f5ib olla kasulik regulaarne v\u00f5rdlus. Pange t\u00e4hele, et antud juhul on v\u00f5rdluse eesm\u00e4rk veidi erinev ennetamise eesm\u00e4rgist. Ennetamiseks on oluline kiiresti m\u00e4rgata ja uurida kahtlast lahknevust etalonkatseandmete ja BDS vahel. Tagaj\u00e4rgede leevendamiseks on vanad kasulikud andmed alati abiks.<\/p>\n<p>Samuti tuleb hoolitseda selle eest, et tulevikus ei lubataks sarnaseid manipulatsioone \u2014 eriti delikaatsetes olukordades v\u00f5ib see t\u00e4hendada potentsiaalselt liigsete andmete hankimist mitmest tarnijast v\u00f5rdluse jaoks.<\/p>\n<h4>5.4. Suurandmete kasutamisega seotud negatiivne \u00fchiskondlik taju ametlikus statistikas<br \/>\n5.4.1. Kirjeldus<\/h4>\n<p>\nMeedia ja laiem avalikkus on \u00e4\u00e4rmiselt tundlikud privaatsuse ja isikuandmete kasutamise k\u00fcsimuste suhtes suurest andmeallikast, eriti seoses andmete teise ringi kasutamisega riigiasutuste poolt, kes v\u00f5tavad kodanike suhtes haldus- v\u00f5i \u00f5igusmeetmeid. Negatiivselt tajutud kasutuseks v\u00f5ib olla kiiruseregulatsiooni positsioneerimine navigeerimisandmete anal\u00fc\u00fcsi p\u00f5hjal (11 Vaata <noindex><a rel=\"nofollow\" href=\"http:\/\/www.theguardian.com\/technology\/2011\/apr\/28\/tomtom-satnav-data-police-speed-traps\">www.theguardian.com\/technology\/2011\/apr\/28\/tomtom-satnav-data-police-speed-traps<\/a><\/noindex>). <br \/>\nKonkreetne juhtum TomTom Netherlands juhtis t\u00e4helepanu sellele, et n\u00f5udlus TomTom seadmete j\u00e4rele langes oluliselt ning ettev\u00f5te otsustas andmete ligip\u00e4\u00e4su piirata. Selles konkreetses juhul viidatud andmed kuulusid eraisikutele, kuid olid seotud kiirusetappide m\u00e4\u00e4ratlemisega teede l\u00f5ikudes.<\/p>\n<p>Siiski v\u00f5ivad olla ka suure andmemahu rakendused, mida avalikkus tajub positiivselt. \u00dche n\u00e4itena v\u00f5ivad olla rakendused, mis takistavad selliseid kuritegusid nagu sissemurdmine, tuginedes suurte andmete meetoditele.<\/p>\n<p>Positiivne ning negatiivne avalik arvamus v\u00f5ib avaldada tugevat m\u00f5ju BDS-i kasutamisele ametlike statistiliste andmete koostamisel.<\/p>\n<p>Negatiivse avaliku tajumise tagaj\u00e4rg v\u00f5ib olla see, et:<\/p>\n<ul>\n<li>BDS ei ole enam statistikaametite jaoks saadaval, kas andmete pakkuja otsuste v\u00f5i valitsuse otsuste t\u00f5ttu, et andmeid mitte kasutada, v\u00f5i<\/li>\n<li>andmete kasutamine on piiratud, mis v\u00f5ib takistada tootmist, kui teatud BOSP-d esinevad.<\/li>\n<\/ul>\n<p><\/p>\n<h4>5.4.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nTegurid, mis v\u00f5ivad m\u00f5jutada sellise s\u00fcndmuse t\u00f5en\u00e4osust v\u00f5i selle m\u00f5ju ametlike statistiliste andmete tootmisele:<\/p>\n<ul>\n<li>andmete konfidentsiaalsus, st kui kergesti on inimesi v\u00f5imalik tuvastada;<\/li>\n<li>teabe maht, mida andmed f\u00fc\u00fcsiliste isikute kohta avaldavad, n\u00e4iteks suurendades andmete sidumist erinevatest allikatest;<\/li>\n<li>andmete t\u00fc\u00fcp, n\u00e4iteks rahalisi tehinguid peetakse konfidentsiaalseteks rohkem kui teisi andmeid;<\/li>\n<li>potentsiaalse tegevuse t\u00fc\u00fcp, mida v\u00f5ib kodanike suhtes teha, n\u00e4iteks kiirus\u00fcletamise eest trahvimine;<\/li>\n<li>ebajare \u00f5iguslik keskkond, kus tegutsevad andmete pakkujad ja kasutajad, v\u00f5i kui \u00f5iguslikud tingimused on vastuolus \u00fchiskondlike eetiliste arvamuste \/ standarditega;<\/li>\n<li>m\u00e4\u00e4r, mil andmed s\u00f5ltuvad teisest allikast statistika saamiseks; uurimisetapis v\u00f5ib see tegur olla v\u00e4hem t\u00e4htis. K\u00fcll aga v\u00f5ib see v\u00e4ga tugevalt m\u00f5jutada statistika saamist hiljem, seega peaks seda arvesse v\u00f5tma ka uurimisetapis. \u00dcks probleemidest v\u00f5ib olla see, et andmete l\u00f5plik kasutus on alguses teadmata, kuna andmeallikad v\u00f5ivad potentsiaalselt teenindada rohkem kui \u00fchte statistika valdkonda.<\/li>\n<\/ul>\n<p>\nKahjuks ei ole v\u00f5imalik hinnata ebameeldivate n\u00e4htuste kestvust, kuna avalikkuse mobiliseerimine toimub sageli siis, kui kajastatakse s\u00fcndmusi, mis avaldavad kodanikele negatiivset m\u00f5ju. Siiski, suureneva andmete kasutamisega valitsuste ja erasektori poolt, ning eriti andmete aktiivse turustamisega, mille eesm\u00e4rk on midagi muud kui see, milleks need algselt koguti, on selliste s\u00fcndmuste toimumise t\u00f5en\u00e4osus suurem.<\/p>\n<p>S\u00fcndmused, mis m\u00f5jutavad avalikku tajumist, ei ole sagedased, vaid pigem juhuslikud (3) ja kauged (2). Suuremate andmeallikate kasutamise suurenemisega kasvab ka t\u00f5en\u00e4osus.<\/p>\n<h4>5.4.3. M\u00f5ju<\/h4>\n<p>\nS\u00fcndmuse m\u00f5ju s\u00f5ltub tugevalt eespool arutatud teguritest. \u00dcldiselt on m\u00f5ju t\u00f5sisem juba loodud statistiliste andmete tootmise jaoks, kuna tegevus v\u00f5ib vajada l\u00f5petamist. M\u00f5ju s\u00f5ltub ka alternatiivsete andmeallikate k\u00e4ttesaadavusest, kuigi v\u00f5ib juhtuda, et avalik arvamus ei erista erinevaid andmeallikaid s\u00fcndmuse materialiseerumise korral. Suurte andmete hetkeolukorras tundub, et need allikad ei saa traditsioonilisi andmeallikaid t\u00e4ielikult asendada, vaid pigem t\u00e4iendavad olemasolevat statistikat. See v\u00e4hendab s\u00fcndmuste m\u00f5ju. Seet\u00f5ttu hinnatakse s\u00fcndmuse m\u00f5ju vahemikus 2 (t\u00fchine) kuni 3 (oluline). Tootmisetapis v\u00f5ib m\u00f5ju suureneda kuni 4 (kriitiline tase).<\/p>\n<h4>5.4.4. Ennetamine<\/h4>\n<p>\nEetiliste printsiipide m\u00e4\u00e4ramine suurte andmete jaoks ametlikus statistikas v\u00f5ib olla ennetav meede. Eetilised juhised peaksid p\u00f5hinema sellistel printsiipidel nagu Euroopa statistika praktika koodeks v\u00f5i ametliku statistika p\u00f5hialused (12 <noindex><a rel=\"nofollow\" href=\"http:\/\/unstats.un.org\/unsd\/dnss\/gp\/fundprinciples.aspx\">unstats.un.org\/unsd\/dnss\/gp\/fundprinciples.aspx<\/a><\/noindex>). J\u00e4rgmine meede on kommunikatsioonistrateegia m\u00e4\u00e4ratlemine, mis avaldab eetiliste juhiste tulemusi avalikkusele ja mida saab kasutada sidusr\u00fchmade teavitamiseks eetilisest kasutamisest BDS-i BOSP jaoks.<\/p>\n<p>Konkreetse BDS-i jaoks v\u00f5ib l\u00e4bi viia eraldi riskihindamise, et tuvastada riske ja ettepanekuid ennetavate v\u00f5i leevendavate meetmete osas, mis p\u00f5hinevad eetilistel printsiipidel. Eraldi riskihindamine v\u00f5ib h\u00f5lmata ka sidusr\u00fchmi, nagu andmekaitseagentuurid, et tagada k\u00f5ikide riskide tunnustamine ja meetmete p\u00f5hjendatus.<\/p>\n<h4>5.4.5. Leevendamine<\/h4>\n<p>\nSuhtlemisstrateegia peaks h\u00f5lmama ka meetmeid, kui avalikkuse negatiivne suhtumine kasvab. Eraldi riskihinnang peaks koguma positiivseid andmete kasutamise n\u00e4iteid ja meetmeid, mis takistavad andmete kuritarvitamist, mida tuleks poliitilisel tasandil kohustuslikult rakendada, ja statistika\u00fchiskond ei pruugi olla suuteline neid t\u00f5husalt m\u00f5jutama.<\/p>\n<h4>5.5. Usalduse kaotus \u2014 mittevaatluse k\u00e4igus saadud<br \/>\n5.5.1. Kirjeldus<\/h4>\n<p>\nAmetlik statistika kasutajad usuvad tavaliselt nende andmete t\u00e4psusesse ja usaldusv\u00e4\u00e4rsusesse. See p\u00f5hineb t\u00f5siasjal, et statistika tootmine on sisse ehitatud usaldusv\u00e4\u00e4rsesse ja avalikult kergesti k\u00e4tte saadavasse metoodilisse alusesse ning kvaliteedi dokumentatsiooni. Lisaks p\u00f5hinevad enamik statistilisi andmeid vaatluste p\u00f5hjal, st need on saadud uuringutest v\u00f5i loendustest, mis loovad selge seose vaatluse ja statistiliste andmete vahel. BDS-de kasutamine, mis ei ole kogutud statistika p\u00f5hieesm\u00e4rgil, toob endaga kaasa riski, et need seosed v\u00f5ivad kaduda, ja kasutajad kaotavad usalduse ametlikku statistikat. N\u00e4ide, mis viitab viimasele rahvaloendusele (2010. aastal), on seotud sellega, et m\u00f5nes riigis saadi statistilised andmed mitme allika ja statistiliste mudelite abil. Mitmel juhul vaidlustasid huvigrupid statistilisi andmeid.<\/p>\n<h4>5.5.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nRiski tekkimise t\u00f5en\u00e4osus s\u00f5ltub sellistest teguritest nagu statistilise\/metodoloogilise mudeli keerukus, BSD ja BOSP vaheliste suhete usaldusv\u00e4\u00e4rsus v\u00f5i vastavus teistele statistilistele andmetele. T\u00f5en\u00e4osus peaks olema vahemikus 3 (juhuslikud) kuni 4 (t\u00f5en\u00e4olised), mis t\u00e4hendab, et see v\u00f5ib juhtuda korduvalt v\u00f5i sageli.<\/p>\n<h4>5.5.3. M\u00f5ju<\/h4>\n<p>\nRiski tekkimise m\u00f5ju s\u00f5ltub suurel m\u00e4\u00e4ral sellest, kas NSO-d suudavad edukalt t\u00f5estada statistiliste andmete t\u00e4psust ja usaldusv\u00e4\u00e4rsust. Kui seda ei suudeta saavutada, siis usalduse ja usaldusv\u00e4\u00e4rsuse kaotamine v\u00f5ib m\u00f5jutada ka teisi statistilisi valdkondi, st mitte ainult m\u00f5nede statistiliste andmete usaldusv\u00e4\u00e4rsust, vaid seada ka kahtluse alla kogu organisatsiooni. NSO-d kaotaksid konkurentsieelise teiste erasektoris tegutsevate organisatsioonide ees.<\/p>\n<h4>5.5.4. Ennetamine<\/h4>\n<p>\nEnnetavad tegevused seisnevad teaduslikult p\u00f5hjendatud metoodika v\u00e4ljat\u00f6\u00f6tamises ja avaldamises, mis tunnustatakse teaduskonnas, rikastades andmeid kvaliteedi metaandmetega, tagades BOSP ja mitte-BOSP vahelise koosk\u00f5la ning viies l\u00e4bi ranget kvaliteedikontrolli.<\/p>\n<p>Enne statistilise tootmise alustamist v\u00f5iks BOSP avaldada katsetamisena ning asjaosalistele soovitatakse BOSP-d vaidlustada, et kinnitada v\u00f5i t\u00e4iustada BOSP-d.<\/p>\n<h4>5.5.5. Leevendamine<\/h4>\n<p>\nOn kaks olukorda, mida eristada. Juhul, kui statistilised andmed vaidlustatakse, kuid omavad k\u00f5rget \/ piisavat kvaliteeti (\u00f5ige \/ t\u00e4pne), oleks piisav selgitada ja edastada statistilised andmed avalikkusele, tuues v\u00e4lja lihtsasti m\u00f5istetavad n\u00e4ited.<\/p>\n<h2>6. Oskustega seotud riskid<\/h2>\n<p><\/p>\n<h4>6.1. Spetsialistide puudumine<br \/>\n6.1.1. Kirjeldus<\/h4>\n<p>\nInimeste tegevuse k\u00e4igus j\u00e4\u00e4nud digitaalseid j\u00e4lgi anal\u00fc\u00fcsida on vajalikud teatud andmeanal\u00fc\u00fcsi t\u00f6\u00f6riistad, mida ei kasutata praegu ametlikus statistikas laialdaselt. Esiteks, inimeste tegevuse kaudsete andmete kasutamine otsek\u00fcsitlustes n\u00f5uab statistiliste mudelite rakendamist ning seega j\u00e4reldus- ja masin\u00f5ppeoskusi. Teiseks, need digitaalsed salvestused on sageli kujul, mis ei vasta tavap\u00e4rasele tabelivormingule, mille jaoks k\u00fcsitlusandmed on tavaliselt korraldatud, kus read vastavad statistilisele \u00fcksusele ja veerud selle statistilise \u00fcksuse spetsiifilistele omadustele. Digitaalsed radade j\u00e4ljed on esindatud ka tekstina, helina, pildina ja videona. Sellistest andmet\u00fc\u00fcpidest asjakohase statistilise teabe v\u00e4ljat\u00f5mbamine n\u00f5uab looduskeele t\u00f6\u00f6tlemise, helit\u00f6\u00f6tluse ja pildit\u00f6\u00f6tluse oskusi. Kolmandaks, need andmeallikad kipuvad pakkuma suuri andmekogumeid, mille t\u00f6\u00f6tlemine n\u00f5uab head arusaamist hajutatud arvutustehnikadest.<\/p>\n<p>Risk, etten\u00e4htud ekspertide puudumise puhul, seisneb andmete hankimises \u00fchest neist uutest suurtest andmeallikatest, kuna statistikaasutusel puudub v\u00f5ime seda korralikult t\u00f6\u00f6delda ja anal\u00fc\u00fcsida, kuna nende personalil ei ole vajalikke oskusi.<\/p>\n<h4>6.1.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nSelle riski t\u00f5en\u00e4osus s\u00f5ltub kolmest tegurist: 1) iga suurte andmeallikate t\u00fc\u00fcbi jaoks vajalike konkreetsete oskuste t\u00fc\u00fcpide ja t\u00f5en\u00e4osuse kohta, et statistikaasutus leiab v\u00f5imaluse sellist allikat uurida; 2) vajalike oskuste praegune olemasolu statistikaasutuses; ja 3) statistikaasutuse organisatsioonikultuur.<\/p>\n<p>Kui r\u00e4\u00e4kida vajalikest oskust\u00fc\u00fcpidest, tuleks m\u00e4rkida, et mitte k\u00f5ik allikad ei n\u00f5ua k\u00f5iki \u00fclal loetletud oskusi. M\u00f5ned (n\u00e4iteks Google Trends'i andmed) ei vaja hajusate arvutuste oskusi, kuna need on juba andmehoidja poolt eelnevalt t\u00f6\u00f6deldud v\u00f5i omavad signaalit\u00f6\u00f6tluse oskusi, ning neil on peamiselt vajalikud statistilise modelleerimise oskused. Siiski on olemas suur mitmekesisus suurte andmeallikate seas, millest enamik n\u00f5uab hajusate arvutuste, signaalit\u00f6\u00f6tluse ja masin\u00f5ppe oskusi. Samuti n\u00f5uab nende digitaalsete j\u00e4lgede \u00f5ige uurimine mitme allika t\u00f6\u00f6tlemist. Seega on suur t\u00f5en\u00e4osus, et suured andmeallikad, mis muutuvad statistiliseks haldamiseks kergesti k\u00e4ttesaadavaks, vajavad neid ebatavalisi oskusi, ja selle riski t\u00f5en\u00e4osus on v\u00e4ga k\u00f5rge (5).<\/p>\n<p>Mis osas puuduvad vajalikud oskused, s\u00f5ltub see konkreetsetest statistikaametitest. Isegi kui k\u00fcsitlusmeetod on v\u00e4hem levinud kui uurimismeetod, kasutatakse seda siiski ametlikus statistikas teatud valdkondades. Seet\u00f5ttu v\u00f5ivad statistikaametid leida lahenduse oma j\u00f5ududega, isegi kui see v\u00f5ib n\u00f5uda inimressursside \u00fcmberjaotamist. Mis puudutab hajutatud arvutuse oskusi, mis on peamiselt seotud IT-ga, s\u00f5ltub see organisatsiooni IT-infrastruktuuri haldamisest. S\u00f5ltuvalt sellest, kui osakonna IT-tugi on, v\u00f5ivad lahendused leida oma olemasolevate lepingute kaudu. Siiski ei eksisteeri signaalit\u00f6\u00f6tluse ja masin\u00f5ppe oskused enamuses ametlikest statistikaametitest, ning nende oskuste rakendamine ei saa olla allhangitav, kuna neid peavad rakendama statistikaeksperdid. Seega, vaadates seda perspektiivist, paistab selle riski t\u00f5en\u00e4osus v\u00e4ga k\u00f5rge (5).<\/p>\n<p>Organisatsioonikultuur m\u00f5jutab ka selle riski toimumise t\u00f5en\u00e4osust. Kui t\u00f6\u00f6tajatel on valmidus omandada vajalikke oskusi iseseisva \u00f5ppe kaudu, v\u00f5ib see anda organisatsioonile v\u00f5imaluse reageerida olukordadele uute andmeallikate korral, mis n\u00f5uavad teistsuguseid oskusi v\u00f5rreldes tavap\u00e4rastega. See s\u00f5ltub organisatsiooni statistilise juhtimise kultuurist, nimelt sellest, kas see soodustab t\u00f6\u00f6tajate uute oskuste omandamist ja kas t\u00f6\u00f6tajatel on aega iseseisvaks \u00f5ppimiseks.<\/p>\n<p>Seega on t\u00f5en\u00e4osus, et statistiline juhtimine ei suuda t\u00f6\u00f6tada ja anal\u00fc\u00fcsida uusi andmeallikaid oma t\u00f6\u00f6tajate oskuste puudumise t\u00f5ttu, t\u00f5en\u00e4oliselt vahemikus t\u00f5en\u00e4oline (4) kuni sage (5), s\u00f5ltuvalt organisatsiooni iseseisva \u00f5ppimise kultuurist.<\/p>\n<h4>6.1.3. M\u00f5jud<\/h4>\n<p>\nStatistiline juhtimine, mis ei suuda hallata ja anal\u00fc\u00fcsida suuri andmeallikaid oma t\u00f6\u00f6tajate oskuste puudumise t\u00f5ttu, v\u00f5ib kaasa tuua kaks v\u00f5imalikku negatiivset tagaj\u00e4rge: 1) andmeallikat ei uurita, v\u00e4hemalt mitte t\u00e4ielikult; 2) andmeallikat kasutatakse valev\u00e4\u00e4rtustena.<\/p>\n<p>V\u00f5imetus t\u00e4ielikult uurida v\u00e4\u00e4rtusliku suurandmeallika potentsiaali m\u00f5jutab l\u00fchiajaliselt (2) vaid pisut, kuna statistikaasutustel on t\u00f5eliselt olemas statistilised t\u00f6\u00f6riistad praeguste vajaduste rahuldamiseks. Kuid pikaajalises perspektiivis (ja v\u00f5ib-olla isegi keskpikas perspektiivis) toovad selle v\u00f5imaluse kaotamise tagaj\u00e4rjed kaasa otsustava t\u00e4htsuse (4), kuna statistikaasutused seisavad \u00fcha rohkem silmitsi konkurentsiga erasektori pakkujate poolt, kellel ei ole sama institutsionaalset struktuuri, mis v\u00f5imaldaks neil tagada \u00fchiskonnale s\u00f5ltumatute statistiliste andmete k\u00e4ttesaadavuse.<\/p>\n<p>Kuid vale allika kasutamine toob statistikaasutustele kaasa \u00e4\u00e4rmiselt negatiivseid tagaj\u00e4rgi, kuna ametlik statistika s\u00f5ltub suuresti oma maine tugevusest oma \u00fclesannete t\u00e4itmisel. Sellegipoolest saame v\u00e4ita, et k\u00f5ige olulisem oskus, mille puudumine v\u00f5ib viia valej\u00e4reldusteni, on statistiline j\u00e4reldamine, eriti mudelip\u00f5hine j\u00e4reldamine, mille puudumist on samuti v\u00e4hem t\u00f5en\u00e4oline. Seet\u00f5ttu on oodatav m\u00f5ju pigem kriitiline (4) kui \u00e4\u00e4rmuslik.<\/p>\n<h4>6.1.4. Ennetamine<\/h4>\n<p>\nStatistikaasutused saavad seda riski aktiivselt ennetada kahel viisil: 1) koolitamine; ja 2) v\u00e4rbamine.<\/p>\n<p>Statistikaorganid v\u00f5ivad anda personalile vajalikud oskused, m\u00e4\u00e4ratledes \u00fcksikasjalikult oskused, mis on vajalikud suurte andmeallikate kasutamiseks statistilises tootmises, koostades olemasolevate oskuste nimekirja, m\u00e4\u00e4ratledes koolitusvajadused ning korraldades seej\u00e4rel koolituskursused.<\/p>\n<p>Statistikaametid v\u00f5ivad samuti v\u00e4rvata uusi t\u00f6\u00f6tajaid, kellel on vajalikud oskused. See n\u00e4ib omavat t\u00f5siseid piiranguid, kuna statistikaametid ei pruugi suuta saavutada kriitilist massi t\u00f6\u00f6tajatest olukorras, kus suurte andmeallikate kasutamine on osakonnas laialdaselt levinud, ja uutel t\u00f6\u00f6tajatel kulub ikka aastaid, et saavutada kogemuste tase, millel on olemasolevad t\u00f6\u00f6tajad. Siiski v\u00f5ivad m\u00f5ned uued t\u00f6\u00f6tajad, kes v\u00e4rvatakse tavalise personaliv\u00e4rbamise k\u00e4igus, omada oskusi, mis on seotud suurte andmetega.<\/p>\n<h4>6.1.5. Leevendamine<\/h4>\n<p>\nSilmas pidades olukorda, kus uued suured andmeallikad on saadaval ilma vajalike oskustega t\u00f6\u00f6tajateta, saavad statistikaametid leevendada negatiivseid tagaj\u00e4rgi kahel viisil: 1) allt\u00f6\u00f6v\u00f5tt; ja 2) koost\u00f6\u00f6.<\/p>\n<p>Statistika valitsemine v\u00f5ib s\u00f5lmida lepinguid andmete t\u00f6\u00f6tlemise ja uute suurandmete allikate anal\u00fc\u00fcsimiseks teiste organisatsioonidega, mis pakuvad selliseid teenuseid. Tundub, et see on eluj\u00f5uline lahendus, kuna ilmub uus ettev\u00f5tete sektor, mis spetsialiseerub sellise andmet\u00f6\u00f6tluse poole. Siiski on see lahendus, millega kaasnevad teatud riskid, kuna statistika valitsemine omab v\u00e4hem kontrolli potentsiaalselt tundlike statistikatooteid tootmise \u00fcle. Sellel lahendusel on ka puudus, kuna see ei v\u00f5imalda statistika valitsemise t\u00f6\u00f6tajatel \u00f5ppida ja omandada vajalikke oskusi.<\/p>\n<p>Koost\u00f6\u00f6 teiste organisatsioonidega, kus on t\u00f6\u00f6tajad, kellel on vajalikud oskused ja kes on samuti huvitatud suurandmete allikate uurimisest, tundub t\u00f5husama lahendusena. See koost\u00f6\u00f6 v\u00f5ib v\u00f5tta vormi \u00fchisprojektidena statistikaameti t\u00f6\u00f6tajate ja teiste organisatsioonide t\u00f6\u00f6tajate vahel, kes jagavad omavahel oma teadmisi. See oleks v\u00f5imaldanud mitte ainult v\u00e4hendada oskuste puuduj\u00e4\u00e4gi riski, vaid ka v\u00f5imaldada statistikaameti t\u00f6\u00f6tajatel neid oskusi omandada.<\/p>\n<h4>6.2. Ekspertide lahkumine teistesse organisatsioonidesse<br \/>\n6.2.1. Kirjeldus<\/h4>\n<p>\nSee risk seisneb selles, et statistikaametid kaotavad oma personali teistele organisatsioonidele, p\u00e4rast seda, kui nad on omandanud suurandmetega seotud oskused.<\/p>\n<h4>6.2.2. T\u00f5en\u00e4osus<\/h4>\n<p>\nSelle riski t\u00f5en\u00e4osus s\u00f5ltub kahest tegurist: 1) seni olemasolevad atraktiivsed v\u00f5imalused organisatsioonides, mis ei kuulu ametlikku statistika valdkonda; 2) t\u00f6\u00f6tingimused statistikaametes.<\/p>\n<p>Mis osutab v\u00f5imalustele organisatsioonides, mis j\u00e4\u00e4vad ametlikest statistikatest v\u00e4ljapoole, tundub, et selle riski t\u00f5en\u00e4osus on suur (4). Suurenenud n\u00f5udlus on inimeste j\u00e4rele, kellel on suurte andmete t\u00f6\u00f6tlemise oskused, nii erasektoris kui ka teistes riiklikes organisatsioonides. Suurte andmete t\u00f6\u00f6tlemise oskuste omandamisel saavad ametlikud statistikaasutused konkurentsieelise, olles kogenud statistika spetsialistid. Peale suurte andmete t\u00f6\u00f6tlemise spetsiifiliste oskuste vajavad teised organisatsioonid andmeprofessionaale, kellel on traditsioonilisemad oskused, nagu kasutajate vajaduste hindamine ja v\u00f5tme n\u00e4itajate (KPI) koostamine, mis on ametlike statistikaasutuste seas tavalised. Lisaks eeldatakse, et t\u00f6\u00f6tajad, kes on avatumad uute oskuste omandamisele, on ka need, kes on avatud karj\u00e4\u00e4rimuutustele ja lahkuvad statistikaametist.<\/p>\n<p>Mis osas statistikaametite t\u00f6\u00f6tingimusi, s\u00f5ltub see ilmselt peamiselt konkreetsest kontorist. Siiski pakkuda statistikaametitele laiemad professionaalsed v\u00f5imalused inimestele, kellel on kvantitatiivsed oskused. Statistikaametite t\u00f6\u00f6valdkondade valik on \u00fcks suuremaid ja andmete k\u00e4tte saamise v\u00f5imalused on samuti \u00fcsna ulatuslikud. See v\u00e4hendab t\u00f5en\u00e4oliselt personali kaotamise riski ootamatute olukordade t\u00f5ttu (3).<\/p>\n<h4>6.2.3. M\u00f5ju<\/h4>\n<p>\nSelle riski m\u00f5ju on sama, mis riskil, et puudub vastavaid oskusi omav personal. Seet\u00f5ttu on m\u00f5ju kriitiline (4), nagu eelnevalt mainitud.<\/p>\n<h4>6.2.4. Ennetamine<\/h4>\n<p>\nTundub, et ainsaks v\u00f5imaluseks statistiliste ametite jaoks selle riski v\u00e4ltimiseks on meelitada oma t\u00f6\u00f6tajaid atraktiivsete t\u00f6\u00f6tingimustega. See kehtib \u00fcldiselt kogu personali kohta. Siiski, konkreetsel juhul, kui t\u00f6\u00f6tajad on avatud uute oskuste omandamiseks, sealhulgas suurandmete anal\u00fc\u00fcsi oskuste, saab t\u00f6\u00f6tingimusi parandada, pakkudes neile koolitusv\u00f5imalusi, kus nad saavad arendada oma ametialaseid huve. Statistilised ametid v\u00f5iksid samuti p\u00f6\u00f6rata erilist t\u00e4helepanu sellele, et olla avatud uutele innovaatilistele projektidele ja ideedele, mis on seotud uute suurandmeallikatega, mis tulevad mitmesugustes statistika valdkondades t\u00f6\u00f6tavate statistikutelt. L\u00f5puks s\u00f5ltub teistele organisatsioonidele t\u00f6\u00f6tajate kadumise v\u00e4ltimine nende suurandmete oskustega t\u00f6\u00f6tajate hea tuvastamise ja neile korralike ametialaste arenguv\u00f5imaluste pakkumisest.<\/p>\n<h4>6.2.5. Leevendamine<\/h4>\n<p>\nSelle riski v\u00e4hendamine toimub seoses oskustega t\u00f6\u00f6tajate puudumise riskiga: 1) allt\u00f6\u00f6v\u00f5tt; ja 2) koost\u00f6\u00f6.<\/p>\n<h2>7. Arutelu<\/h2>\n<p>\nSellest esimesest \u00fclevaatest selgub, et ei ole v\u00f5imalik m\u00e4\u00e4rata \u00fchtset t\u00f5en\u00e4osust v\u00f5i m\u00f5ju antud \u201ebig data riskile\u201d \u2014 \u00fcldiselt s\u00f5ltuvad m\u00f5lemad n\u00e4itajad suurel m\u00e4\u00e4ral suurte andmete allikast ning \u201eametlikest suurte andmete statistikatest\u201d.<br \/>\ntoode \u201e.<\/p>\n<p>Seega j\u00f5uame j\u00e4reldusele, et loogiline j\u00e4rgmine samm selles suunas on mitmete v\u00f5imalike pilotprojektide vastuv\u00f5tmine (iga\u00fches neist on kombinatsioon \u00fchest v\u00f5i mitmest BDS-ist ja \u00fchest v\u00f5i mitmest BDOS-ist) l\u00e4htepunktina ja - iga sellise pilootprojekti jaoks - p\u00fc\u00fcd hinnata iga riski t\u00f5en\u00e4osust ja m\u00f5ju.<\/p>\n<p>Selle eesm\u00e4rgil k\u00e4ivitame huvir\u00fchmade k\u00fcsitluse, et hinnata OSC t\u00f5en\u00e4osust, m\u00f5ju (ja v\u00f5imalikke ennetamise \/ leevendamise meetmeid) seoses mitmete v\u00f5imalike pilootprojektidega \u2013 ning k\u00fcsida OSC ettepanekute kohta riskide osas, mida me antud dokumendis ei ole arvesse v\u00f5tnud.<\/p>\n<p><b class=\"spoiler_title\">8. VIITED<\/b>UNECE (2014), \u201eSuurandmete kvaliteedi raamistik\u201c, UNECE suurandmete kvaliteedi t\u00f6\u00f6grupi v\u00e4ljundi dokumendid, <noindex><a rel=\"nofollow\" href=\"http:\/\/www1.unece.org\/stat\/platform\/download\/attachments\/108102944\/Big%20Dat\">www1.unece.org\/stat\/platform\/download\/attachments\/108102944\/BigDat<\/a><\/noindex><br \/>\na%20Quality%20Framework%20-%20final-%20Jan08-2015.pdf?version=1&amp;modificationDate=1420725063663&amp;api=v2 <\/p>\n<p>UNECE (2014), \u201eKui suur on suurandmed? Suurandmete roll ametlikus statistikas\u201c, <noindex><a rel=\"nofollow\" href=\"http:\/\/www1.unece.org\/stat\/platform\/download\/attachments\/99484307\/Virtual%20Sprint%20Big%20Data%20paper.docx?version=1&amp;modificationDate=1395217470975&amp;api=v2\">www1.unece.org\/stat\/platform\/download\/attachments\/99484307\/VirtualSprintBigDatapaper.docx?version=1&amp;modificationDate=1395217470975&amp;api=v2<\/a><\/noindex><\/p>\n<p>Daas, P., S. Ossen, R. Vis-Visschers ja J. Arends-Toth (2009), Halduse andmeallikate kvaliteedi hindamise kontrollnimekiri, Statistika Holland, Haag\/Heerlen <\/p>\n<p>Dorfman, Mark S. (2007), Riskihalduse sissejuhatus (e v\u00e4ljaanne), Cambridge, \u00dchendkuningriik, Woodhead-Faulkner, lk 18, ISBN 0-85941-332-22)<\/p>\n<p>Eurostat (2014), \u201eAmetlikest allikatest mitteametlike andmete akrediteerimise protseduur\u201c Interneti kasutamise metoodikate anal\u00fc\u00fcs, et koguda infotehnoloogia ja muu statistika kohta, <noindex><a rel=\"nofollow\" href=\"http:\/\/www.cros-portal.eu\/content\/analysismethodologies-using-internet-collection-information-society-and-other-statistics-1\">www.cros-portal.eu\/content\/analysismethodologies-using-internet-collection-information-society-and-other-statistics-1<\/a><\/noindex><\/p>\n<p>Reimsbach-Kounatze, C. (2015), \u201eSuurandmete levik ja sellega seotud tagaj\u00e4rjed ametlikule statistikale ja statistikaagentuuridele: esialgne anal\u00fc\u00fcs\u201c, OECD digitaalmajanduse paberid, nr 245, OECD v\u00e4ljaanne. <noindex><a rel=\"nofollow\" href=\"http:\/\/dx.doi.org\/10.1787\/5js7t9wqzvg8-en\">dx.doi.org\/10.1787\/5js7t9wqzvg8-en<\/a><\/noindex><\/p>\n<p>Reis, F., Ferreira, P., Perduca, V. (2014) \u201eVeebitegevuse t\u00f5endite kasutamine ametlik statistika n\u00e4itajate \u00f5igeaegsuse suurendamiseks\u201c, ettekande esitamine IAOS 2014 konverentsil, <noindex><a rel=\"nofollow\" href=\"https:\/\/iaos2014.gso.gov.vn\/document\/reis1.p1.v1.docx\">iaos2014.gso.gov.vn\/document\/reis1.p1.v1.docx<\/a><\/noindex><\/p>\n<p>Kuigi riskide otsene mainimine ei ole vajalik, k\u00e4sitleb see artikkel tegelikult paljusid riske, mis on seotud veebitegevuse andmete kasutamisega ametlikes statistikas. Eurostat (2007), Andmekvaliteedi hindamise meetodite ja t\u00f6\u00f6riistade k\u00e4siraamat, <noindex><a rel=\"nofollow\" href=\"http:\/\/ec.europa.eu\/eurostat\/documents\/64157\/4373903\/05-Handbook-ondata-quality-assessment-methods-and-tools.pdf\/c8bbb146-4d59-4a69-b7c4-218c43952214\">ec.europa.eu\/eurostat\/documents\/64157\/4373903\/05-Handbook-ondata-quality-assessment-methods-and-tools.pdf\/c8bbb146-4d59-4a69-b7c4-218c43952214<\/a><\/noindex><\/p>\n<p>Allikas: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/post\/494044\/\">habr.com<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u041f\u0440\u0435\u0434\u0438\u0441\u043b\u043e\u0432\u0438\u0435 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0447\u0438\u043a\u0430 \u041c\u0430\u0442\u0435\u0440\u0438\u0430\u043b \u0437\u0430\u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043e\u0432\u0430\u043b \u043c\u0435\u043d\u044f, \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u0438\u0437-\u0437\u0430 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u043d\u0438\u0436\u0435: \u0421 \u0443\u0447\u0435\u0442\u043e\u043c \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 (\u0430 \u0440\u043e\u0441\u0441\u0438\u0439\u0441\u043a\u0438\u0435, \u043d\u0430 \u0433\u0435\u043d\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u0443\u0440\u043e\u0432\u043d\u0435), \u043c\u044f\u0433\u043a\u043e \u0433\u043e\u0432\u043e\u0440\u044f, \u043d\u0435 \u043b\u044e\u0431\u044f\u0442 \u0432\u0441\u0435, \u0447\u0442\u043e \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u0442 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438, \u044d\u0442\u0438 \u043f\u0430\u0440\u043d\u0438 \u0443\u043c\u0443\u0434\u0440\u0438\u043b\u0438\u0441\u044c \u043f\u0440\u043e\u0442\u0430\u0449\u0438\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0432 \u043f\u0430\u0440\u0430\u0431\u043e\u043b\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u0432\u0438\u0434\u0435 \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0441\u0442\u0435\u043f\u0435\u043d\u0438 \u0440\u0438\u0441\u043a\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f BigData \u0432 \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0435. \u041c\u043e\u043b\u043e\u0434\u0446\u044b. \u0415\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0441\u0432\u043e\u0435 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":75637,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-75636","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 4.9.10 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u041f\u0440\u0435\u0434\u0438\u0441\u043b\u043e\u0432\u0438\u0435 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0447\u0438\u043a\u0430 \u041c\u0430\u0442\u0435\u0440\u0438\u0430\u043b \u0437\u0430\u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043e\u0432\u0430\u043b \u043c\u0435\u043d\u044f, \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u0438\u0437-\u0437\u0430 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u043d\u0438\u0436\u0435: \u0421 \u0443\u0447\u0435\u0442\u043e\u043c \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 (\u0430 \u0440\u043e\u0441\u0441\u0438\u0439\u0441\u043a\u0438\u0435, \u043d\u0430 \u0433\u0435\u043d\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u0443\u0440\u043e\u0432\u043d\u0435), \u043c\u044f\u0433\u043a\u043e \u0433\u043e\u0432\u043e\u0440\u044f, \u043d\u0435 \u043b\u044e\u0431\u044f\u0442 \u0432\u0441\u0435, \u0447\u0442\u043e \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u0442 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438, \u044d\u0442\u0438 \u043f\u0430\u0440\u043d\u0438 \u0443\u043c\u0443\u0434\u0440\u0438\u043b\u0438\u0441\u044c \u043f\u0440\u043e\u0442\u0430\u0449\u0438\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0432 \u043f\u0430\u0440\u0430\u0431\u043e\u043b\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u0432\u0438\u0434\u0435 \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0441\u0442\u0435\u043f\u0435\u043d\u0438 \u0440\u0438\u0441\u043a\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f BigData \u0432 \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0435. \u041c\u043e\u043b\u043e\u0434\u0446\u044b. \u0415\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0441\u0432\u043e\u0435\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/et\/blog\/administrirovanie\/strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 4.9.10\" \/>\n\t\t<meta property=\"og:locale\" content=\"et_EE\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u0421\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0440\u0438\u0441\u043a\u043e\u0432 \u0438 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u043f\u0440\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0438 BigData \u0434\u043b\u044f \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u044f \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u041f\u0440\u0435\u0434\u0438\u0441\u043b\u043e\u0432\u0438\u0435 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0447\u0438\u043a\u0430 \u041c\u0430\u0442\u0435\u0440\u0438\u0430\u043b \u0437\u0430\u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043e\u0432\u0430\u043b \u043c\u0435\u043d\u044f, \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u0438\u0437-\u0437\u0430 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u043d\u0438\u0436\u0435: \u0421 \u0443\u0447\u0435\u0442\u043e\u043c \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 (\u0430 \u0440\u043e\u0441\u0441\u0438\u0439\u0441\u043a\u0438\u0435, \u043d\u0430 \u0433\u0435\u043d\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u0443\u0440\u043e\u0432\u043d\u0435), \u043c\u044f\u0433\u043a\u043e \u0433\u043e\u0432\u043e\u0440\u044f, \u043d\u0435 \u043b\u044e\u0431\u044f\u0442 \u0432\u0441\u0435, \u0447\u0442\u043e \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u0442 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438, \u044d\u0442\u0438 \u043f\u0430\u0440\u043d\u0438 \u0443\u043c\u0443\u0434\u0440\u0438\u043b\u0438\u0441\u044c \u043f\u0440\u043e\u0442\u0430\u0449\u0438\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0432 \u043f\u0430\u0440\u0430\u0431\u043e\u043b\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u0432\u0438\u0434\u0435 \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0441\u0442\u0435\u043f\u0435\u043d\u0438 \u0440\u0438\u0441\u043a\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f BigData \u0432 \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0435. \u041c\u043e\u043b\u043e\u0434\u0446\u044b. \u0415\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0441\u0432\u043e\u0435\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/et\/blog\/administrirovanie\/strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2020-03-27T05:42:42+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-03-27T05:42:42+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Riskide ja lahenduste struktureerimine BigData kasutamisel ametliku statistika saamiseks | ProHoster","description":"T\u00f5lkija eess\u00f5na Materjal k\u00f6itis mind eelk\u00f5ige allpool oleva tabeli t\u00f5ttu: arvestades, et statistikud (ja Vene statistika geneetilisel tasemel) ei armasta, pehmelt \u00f6eldes, k\u00f5ige eristuvat lineaarsetest seostest, suutsid need kutid t\u00f5sta esile aktiveerimisfunktsiooni kasutamise parabolavormis, et m\u00e4\u00e4rata BigData kasutamise riskiastet ametlikus statistikas. Tubli t\u00f6\u00f6. Loomulikult lisasid statistikud oma.","canonical_url":"https:\/\/prohoster.info\/et\/blog\/administrirovanie\/strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"et_EE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u0421\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0440\u0438\u0441\u043a\u043e\u0432 \u0438 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u043f\u0440\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0438 BigData \u0434\u043b\u044f \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u044f \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 | ProHoster","og:description":"\u041f\u0440\u0435\u0434\u0438\u0441\u043b\u043e\u0432\u0438\u0435 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0447\u0438\u043a\u0430 \u041c\u0430\u0442\u0435\u0440\u0438\u0430\u043b \u0437\u0430\u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043e\u0432\u0430\u043b \u043c\u0435\u043d\u044f, \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u0438\u0437-\u0437\u0430 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u043d\u0438\u0436\u0435: \u0421 \u0443\u0447\u0435\u0442\u043e\u043c \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 (\u0430 \u0440\u043e\u0441\u0441\u0438\u0439\u0441\u043a\u0438\u0435, \u043d\u0430 \u0433\u0435\u043d\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u0443\u0440\u043e\u0432\u043d\u0435), \u043c\u044f\u0433\u043a\u043e \u0433\u043e\u0432\u043e\u0440\u044f, \u043d\u0435 \u043b\u044e\u0431\u044f\u0442 \u0432\u0441\u0435, \u0447\u0442\u043e \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u0442 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438, \u044d\u0442\u0438 \u043f\u0430\u0440\u043d\u0438 \u0443\u043c\u0443\u0434\u0440\u0438\u043b\u0438\u0441\u044c \u043f\u0440\u043e\u0442\u0430\u0449\u0438\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0432 \u043f\u0430\u0440\u0430\u0431\u043e\u043b\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u0432\u0438\u0434\u0435 \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0441\u0442\u0435\u043f\u0435\u043d\u0438 \u0440\u0438\u0441\u043a\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f BigData \u0432 \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0435. \u041c\u043e\u043b\u043e\u0434\u0446\u044b. \u0415\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0441\u0432\u043e\u0435","og:url":"https:\/\/prohoster.info\/et\/blog\/administrirovanie\/strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-03-27T05:42:42+00:00","article:modified_time":"2020-03-27T05:42:42+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"75636","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 17:53:27","updated":"2022-09-28 07:15:59"},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/posts\/75636","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/comments?post=75636"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/posts\/75636\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/media\/75637"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/media?parent=75636"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/categories?post=75636"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/tags?post=75636"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}