{"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\/sl\/blog\/administrirovanie\/strukturirovanie-riskov-i-reshenij-pri-ispolzovanii-bigdata-dlya-polucheniya-oficzialnoj-statistiki","title":{"rendered":"Strukturisanje rizika i re\u0161enja prilikom kori\u0161\u0107enja BigData za dobijanje zvani\u010dne statistike","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Predgovor prevajalca<\/i><\/p>\n

Gradivo me je zaintrigiral, predvsem zaradi spodnje tabele:<\/p>\n

\"Strukturisanje
\n
\nOb upo\u0161tevanju, da statistiki (in Rusi, na genski ravni) na nek na\u010din ne marajo vsega, kar se razlikuje od linearne odvisnosti, so ti fantje uspeli potegniti uporabo aktivacijske funkcije v parabolni obliki za dolo\u010ditev stopnje tveganja uporabe BigData v uradni statistiki. Dober pristop. Seveda so statistiki dodali svoje opombe k temu delu - '1 Morebitne napake in opustitve so izklju\u010dno odgovornost avtorjev. Mnenja, izra\u017eena v tem dokumentu, so osebna in nujno ne odra\u017eajo uradnega stali\u0161\u010da Evropske komisije'. Vendar pa so delo objavili. Menim, da je to danes dovolj, in (avtorji) nikomur niso prepovedali, da najdejo svoje lestvice v teh vidikih.<\/p>\n

V delu je dovolj strukturirano mogo\u010de razdeliti, kje in kako se statisti\u010dne metode razlikujejo od metod raziskovanja za BigData. Po mojem mnenju bo najve\u010dja korist tega dela pri pogovoru s stranko in pri ovrgli njegovih izjav tipa:<\/p>\n

\u2014 Mi sami zbiramo statistiko, kaj \u0161e \u017eelite raziskovati?
\n \u2014 Predstavite nam svoje rezultate tako, da jih uskladimo s svojo statistiko. Na tem podro\u010dju avtorji pravijo, da bi bilo dobro prebrati to delo (3 Kako velika je Big Data? Raziskovanje vloge Big Data v uradni statistiki<\/a><\/noindex>)<\/p>\n

V tem delu so avtorji predstavili svojo vizijo ravni tveganja. Ta parameter je v oklepaju, ne zamenjati z referencami na vire.<\/p>\n

Druga opazka. Avtorji uporabljajo izraz BDS \u2013 to je analog pojma BigData. (videti je kot poklon uradni statistiki).
\n<\/a><\/noindex>
\nPredgovor avtorjev<\/i><\/p>\n

Vse ve\u010d statisti\u010dnih uradov raziskuje mo\u017enost uporabe velikih virov podatkov za pripravo uradne statistike. Trenutno je le nekaj primerov, kjer so bili ti viri popolnoma integrirani v dejansko statisti\u010dno produkcijo. Zato polna stopnja posledic, ki izhajajo iz njihove integracije, \u0161e ni znana. Medtem so bili narejeni prvi poskusi analize pogojev in vpliva velikih podatkov na razli\u010dne vidike statisti\u010dne produkcije, kot sta kakovost ali metodologija. Nedavno je ciljno skupino razvila kakovostno osnovo za pripravo statisti\u010dnih podatkov na podlagi velikih podatkov v okviru projekta velikih podatkov Evropske ekonomske komisije Organizacije narodov (EKK OZN). V skladu z evropskim statisti\u010dnim kodeksom praks je zagotavljanje visokokakovostnih statisti\u010dnih informacij osnovna naloga statisti\u010dnih uradov. Ker se tvegana situacija opredeljuje kot vpliv negotovosti na cilje (npr. Mednarodna organizacija za standardizacijo ISO 31000), smo menili, da je smiselno kategorizirati tveganja glede na dimenzije kakovosti, na katere vplivajo.
\nPredlagana struktura kakovosti statisti\u010dnih podatkov, pridobljenih iz velikih virov podatkov, omogo\u010da strukturirano predstavitev kakovosti, povezane z vsemi fazami statisti\u010dnega poslovnega procesa, ter tako lahko slu\u017ei kot osnova za celovito oceno in upravljanje tveganj, povezanih s temi novimi viri podatkov. Uvaja nove kakovostne dimenzije, ki so specifi\u010dne za (ali visoko pomembne) za uporabo velikih podatkov v uradni statistiki, kot so institucionalno\/mendlovsko okolje ali kompleksnost. Z uporabo teh novih kakovostnih dimenzij je mogo\u010de sistemati\u010dneje odkrivati tveganja, povezana z uporabo velikih virov podatkov v uradni statistiki.<\/p>\n

V tejle raziskavi si prizadevamo identificirati tveganja, povezana z uporabo velikih podatkov v kontekstu uradne statistike. Dr\u017eimo se sistemati\u010dnega pristopa k opredelitvi tveganj v okviru predlagane strukture kakovosti. Osredoto\u010damo se na novouvedena merila kakovosti, s katerimi lahko opi\u0161emo tveganja, ki trenutno ne obstajajo ali ne vplivajo na pripravo uradne statistike. Hkrati lahko opredelimo obstoje\u010da tveganja, ki bodo ocenjena na povsem druga\u010den na\u010din pri uporabi velikih podatkov za pridobivanje statistike. Nato nadaljujemo v ciklu upravljanja tveganj in nudimo oceno verjetnosti in vpliva teh tveganj. Ker ocenjevanje tveganj predvideva subjektivnost pri njihovi atribuciji, merimo verjetnost in vpliv na razli\u010dna tveganja ter strinjanje med \u0161tevilnimi razli\u010dnimi zainteresiranimi stranmi, ki so bile predstavljene neodvisno. Nato predlagamo mo\u017enosti za zmanj\u0161anje teh tveganj v skladu s \u0161tirimi glavnimi kategorijami: izogibanje, zmanj\u0161anje, skupna raba in zadr\u017eevanje. Po ISO bi moral biti en od na\u010del upravljanja tveganj ustvarjanje vrednosti, tj. viri za zmanj\u0161anje tveganj bi morali biti manj\u0161i od virov za neukrepanje. V skladu s tem na\u010delom bomo na koncu ocenili mo\u017een vpliv nekaterih ukrepov za zmanj\u0161anje tveganj na kakovost kon\u010dnih rezultatov, da pridemo do bolj celovite ocene uporabe velikih podatkov za uradno statistiko.<\/p>\n

1. Uvod<\/h2>\n

<\/p>\n

1.1. Ozadje<\/h4>\n

\nRazvoj \"velikih podatkov\" je opredelil Kenneth Neil Cukier in Viktor Mayer-Sch\u00f6nberger v svojem \u010dlanku \"Rast velikih podatkov\" (2. www.foreignaffairs.com\/articles\/139104\/kenneth-neil-cukier-and-viktor-mayer-schoenberger\/therise-of-big-data<\/a><\/noindex>) pojem \"datafication\". Datafication je opisan kot proces \"prevzema vseh vidikov \u017eivljenja in njihovega pretvarjanja v podatke\". Na primer, Facebook omogo\u010da osebne mre\u017ee, senzorje za vse vrste okoljskih pogojev, pametne telefone za osebno komunikacijo in premikanje ter nosljive podatke za osebne okoli\u0161\u010dine. To vodi v skoraj vseprisoten zbir podatkov in dostopnost podatkov.<\/p>\n

Kot v mnogih drugih sektorjih je uradna statistika \u0161ele nedavno za\u010dela razpravljati o problematiki velikih podatkov na strate\u0161ki ravni. \u0160e vedno ne obstaja skupno in \u0161iroko sprejeto razumevanje poti naprej, naj bo to izziv ali prilo\u017enost, majhen ali velik in tako naprej. V okviru Skupine visoke ravni za modernizacijo statisti\u010dne proizvodnje in storitev (3 How big is Big Data? Exploring the role of Big Data in Official Statistics: www1.unece.org\/stat\/platform\/download\/attachments\/99484307\/Virtual%20Sprint%20Big%20Data%20paper.docx?version=1&modificationDate=1395217470975&api=v2<\/a><\/noindex>), je bila opravljena prva SWOT analiza, ki jo je spremljala groba analiza tveganja\/koristi. Opazili smo, da bo \"celovita analiza tveganj prav tako vklju\u010dila vidike, kot so verjetnost in vpliv, in morda bo tudi raz\u0161irjena, da bi dolo\u010dila strategije za zmanj\u0161anje tveganj in upravljanje z njimi.\"<\/p>\n

\u010ceprav je ta dokument \u0161e dale\u010d od celovite analize tveganj, je usmerjen k izbolj\u0161anju situacije z ustvarjanjem prvega strukturiranega pregleda. Radi bi poudarili, da je ta pregled treba obravnavati kot izhodi\u0161\u010dno to\u010dko za spodbujanje splo\u0161ne razprave v okviru Odbora za uradno statistiko (OSC).<\/p>\n

1.2. Obmo\u010dje<\/h4>\n

\nTa \u010dlanek se osredoto\u010da izklju\u010dno na tveganja, izklju\u010duje ne samo prednosti, temve\u010d tudi mo\u010dne in \u0161ibke to\u010dke, prilo\u017enosti in gro\u017enje. To pomeni, da \"tveganja opustitve\" (na primer tveganje, da bo OSC izgubila konkuren\u010dnost s drugimi udele\u017eenci, \u010de ne bo modernizirana) ne spadajo v obseg; to so pravzaprav gro\u017enje. Namesto tega posku\u0161amo izpostaviti tveganja, ki se lahko pojavijo (a) \u010de OSC izkoristi prilo\u017enosti, ki jih prina\u0161ajo veliki podatki, in za\u010dne razvijati ali izbolj\u0161ati dolo\u010den \"izdelek uradne statistike na podlagi velikih podatkov\" (BOSP); (b) tveganja za nov \"normalni posel\", torej tveganja za uradno statistiko, ki temelji na \"velikih podatkih\". (Ker je vse, kar zadeva proizvodnjo uradne statistike, povezano s tveganji, se omejujemo na (b) specifi\u010dna za \"tveganja velikih podatkov\", tj. tveganja, ki ne obstajajo ali so nepomembna za \"tradicionalni\" proces zbiranja uradne statistike.)<\/p>\n

1.3. Struktura<\/h4>\n

\nV razdelu 2 predstavljamo osnovne principe, povezane s to nalogo, ki se za\u010dne s o\u010ditno potrebnim temeljem za upravljanje tveganj in obvladovanje tveganj (razdelek 2.1). Predstavljamo tudi predhodno strukturo kakovosti statisti\u010dnih podatkov, pridobljenih na podlagi velikih podatkov (razdelek 2.2), saj povezava strukture kakovosti s tveganji dosega dva cilja:<\/p>\n