Parathënie e përkthyesit
Ky material më tërhoqi vëmendjen, para së gjithash, për shkak të tabelës më poshtë:
Duke pasur parasysh se statistikanĂ«t (sidomos ata rusĂ«, si tĂ« ishte nĂ« nivel gjenetik), pĂ«r ta thĂ«nĂ« butĂ«, nuk e pĂ«lqejnĂ« aspak gjithçka qĂ« devijon nga varĂ«sia lineare, kĂ«ta djem ia dolĂ«n tĂ« fusin pĂ«rdorimin e njĂ« funksioni aktivizimi nĂ« formĂ« parabolike pĂ«r tĂ« pĂ«rcaktuar shkallĂ«n e rrezikut tĂ« pĂ«rdorimit tĂ« BigData nĂ« statistikat zyrtare. Bravo. Natyrisht, statistikanĂ«t i shtuan punimit edhe shĂ«nimin e tyre: «1 Ădo gabim dhe lĂ«shim Ă«shtĂ« pĂ«rgjegjĂ«si ekskluzive e autorĂ«ve. PikĂ«pamjet e shprehura nĂ« kĂ«tĂ« dokument janĂ« personale dhe nuk pasqyrojnĂ« domosdoshmĂ«risht qĂ«ndrimin zyrtar tĂ« Komisionit Evropian». Por punimi u botua. Mendoj se, pĂ«r sot, kjo mjafton, dhe ata (autorĂ«t) nuk ua kanĂ« ndaluar askujt tĂ« gjejĂ« shkallĂ«t e veta nĂ« kĂ«to aspekte.
Në këtë punim mund të dallohet mjaft qartë dhe në mënyrë të strukturuar se ku dhe si ndryshojnë metodat statistikore nga metodat kërkimore për BigData. Sipas mendimit tim, vlera më e madhe e këtij punimi do të shfaqet në bisedat me klientin dhe për të kundërshtuar deklarata të tilla si:
â Po ne i mbledhim vetĂ« statistikat, çfarĂ« tjetĂ«r doni tĂ« hulumtoni kĂ«tu?
â Dhe ju paraqitini rezultatet tuaja nĂ« mĂ«nyrĂ« qĂ« ne tâi harmonizojmĂ« me statistikat tona. PĂ«r kĂ«tĂ« çështje, autorĂ«t thonĂ« se do tĂ« ishte mirĂ« tĂ« lexohej ky punim (3 )
Në këtë punim, autorët kanë përcaktuar vizionin e tyre për nivelin e rrezikut. Ky parametër është vendosur në kllapa; të mos ngatërrohet me referencat ndaj burimeve.
VĂ«zhgimi i dytĂ«. AutorĂ«t pĂ«rdorin termin BDS â ky Ă«shtĂ« njĂ« analog i konceptit BigData. (Me sa duket, njĂ« reverans ndaj statistikĂ«s zyrtare).
Parathënie e autorëve
NjĂ« numĂ«r gjithnjĂ« e mĂ« i madh i zyrave tĂ« statistikĂ«s po shqyrtojnĂ« mundĂ«sinĂ« e pĂ«rdorimit tĂ« burimeve tĂ« mĂ«dha tĂ« tĂ« dhĂ«nave pĂ«r pĂ«rgatitjen e statistikave zyrtare. Aktualisht ka vetĂ«m disa shembuj kur kĂ«to burime janĂ« integruar plotĂ«sisht nĂ« prodhimin real statistikor. PĂ«r rrjedhojĂ«, shkalla e plotĂ« e pasojave tĂ« shkaktuara nga integrimi i tyre ende nuk Ă«shtĂ« pĂ«rcaktuar. NdĂ«rkohĂ«, janĂ« ndĂ«rmarrĂ« pĂ«rpjekjet e para pĂ«r tĂ« analizuar kushtet dhe ndikimin e big data nĂ« aspekte tĂ« ndryshme tĂ« prodhimit statistikor, si cilĂ«sia apo metodologjia. SĂ« fundi, njĂ« grup pune zhvilloi njĂ« kornizĂ« cilĂ«sore pĂ«r pĂ«rgatitjen e tĂ« dhĂ«nave statistikore tĂ« bazuara nĂ« big data nĂ« kuadĂ«r tĂ« projektit tĂ« big data tĂ« Komisionit Ekonomik tĂ« Kombeve tĂ« Bashkuara pĂ«r EvropĂ«n (UNECE). Sipas Kodit Evropian tĂ« PraktikĂ«s Statistikore, ofrimi i informacionit statistikor me cilĂ«si tĂ« lartĂ« Ă«shtĂ« detyra kryesore e zyrave tĂ« statistikĂ«s. MeqenĂ«se rreziku pĂ«rkufizohet si ndikimi i pasigurisĂ« mbi objektivat (pĂ«r shembull nga Organizata NdĂ«rkombĂ«tare pĂ«r Standardizim ISO 31000), e pamĂ« tĂ« arsyeshme tâi kategorizonim rreziqet sipas dimensioneve tĂ« cilĂ«sisĂ« qĂ« ato ndikojnĂ«.
Struktura e propozuar e cilësisë për të dhënat statistikore të marra nga burime të mëdha të të dhënave ofron një pasqyrë të strukturuar të cilësisë në lidhje me të gjitha fazat e procesit statistikor të biznesit dhe, kështu, mund të shërbejë si bazë për vlerësimin gjithëpërfshirës dhe menaxhimin e rreziqeve që lidhen me këto burime të reja të të dhënave. Ajo prezanton dimensione të reja të cilësisë që janë specifike ose me rëndësi të lartë kur përdoren big data për statistika zyrtare, siç janë mjedisi institucional/biznesor ose kompleksiteti. Duke përdorur këto dimensione të reja të cilësisë, rreziqet që lidhen me përdorimin e burimeve të mëdha të të dhënave në statistikat zyrtare mund të identifikohen në mënyrë më sistematike.
Në këtë punim synojmë të identifikojmë rreziqet që lindin nga përdorimi i Big Data në kontekstin e statistikave zyrtare. Ne ndjekim një qasje sistematike për përcaktimin e rreziqeve në kuadër të strukturës së propozuar të cilësisë. Duke u përqendruar te dimensionet e cilësisë të propozuara rishtazi, mund të përshkruajmë rreziqet që aktualisht mungojnë ose nuk ndikojnë në prodhimin e statistikave zyrtare. Në të njëjtën kohë, mund të përcaktojmë rreziqet ekzistuese, të cilat do të vlerësohen krejt ndryshe kur Big Data përdoret për prodhimin e statistikave. Më pas kalojmë në fazën tjetër të ciklit të menaxhimit të rreziqeve dhe paraqesim një vlerësim të probabilitetit dhe ndikimit të këtyre rreziqeve. Meqenëse vlerësimi i rreziqeve përfshin një shkallë subjektiviteti në përcaktimin e tyre, probabilitetin dhe ndikimin e rreziqeve të ndryshme e masim përmes nivelit të dakordësisë midis dhjetëra palëve të interesuara, të dhëna në mënyrë të pavarur. Më pas propozojmë mënyra për zbutjen e këtyre rreziqeve sipas katër kategorive kryesore: shmangie, reduktim, ndarje dhe mbajtje. Sipas ISO, një nga parimet e menaxhimit të rrezikut duhet të jetë krijimi i vlerës, domethënë burimet për zbutjen e rreziqeve duhet të jenë më të ulëta se kostoja e mosveprimit. Në përputhje me këtë parim, në fund do të vlerësojmë ndikimin e mundshëm të disa masave për zbutjen e rrezikut në cilësinë e rezultateve përfundimtare, në mënyrë që të arrijmë në një vlerësim më gjithëpërfshirës të përdorimit të Big Data për statistikat zyrtare.
1. Hyrje
1.1. Sfondi
Zhvillimi i «big data» është karakterizuar nga Kenneth Neil Cukier dhe Viktor Mayer-Schönberger në artikullin e tyre «The Rise of Big Data» (2. ) me termin «datafication». Datafication përshkruhet si procesi i «marrjes së të gjitha aspekteve të jetës dhe shndërrimit të tyre në të dhëna». Për shembull, Facebook ofron rrjete personale, sensorë për lloje të ndryshme të kushteve mjedisore, smartphone për komunikim personal dhe lëvizje, si edhe të dhëna nga pajisjet e veshshme për kushtet personale. Kjo çon në mbledhje dhe disponueshmëri pothuajse të gjithanshme të të dhënave.
Ashtu si në shumë sektorë të tjerë, statistikat zyrtare vetëm kohët e fundit kanë filluar të trajtojnë çështjen e Big Data në nivel strategjik. Ende nuk ka një kuptim të përbashkët dhe gjerësisht të pranuar për rrugën përpara, qoftë si sfidë apo si mundësi, e vogël apo e madhe, etj. Në kuadër të Grupit të Nivelit të Lartë për Modernizimin e Prodhimit dhe Shërbimeve Statistikore (3 How big is Big Data? Exploring the role of Big Data in Official Statistics: ), u krye një analizë e parë SWOT, e shoqëruar me një analizë të përafërt të rrezikut/përfitimit. U vu në dukje se «një analizë e plotë e rreziqeve do të përfshinte gjithashtu aspekte të tilla si probabiliteti dhe ndikimi, dhe ndoshta do të zgjerohej edhe për të përcaktuar strategji për zbutjen dhe menaxhimin e rreziqeve».
Megjithëse ky dokument është ende larg një analize të plotë të rreziqeve, ai synon të përmirësojë situatën pikërisht duke krijuar një pasqyrë të parë të strukturuar. Dëshirojmë të theksojmë se kjo pasqyrë duhet të konsiderohet si pikënisje për të nxitur një diskutim të përgjithshëm brenda komunitetit të Statistikave Zyrtare (OSC).
1.2. Fusha
Ky artikull përqendrohet ekskluzivisht te rreziqet, duke përjashtuar jo vetëm përfitimet, por edhe pikat e forta dhe të dobëta, mundësitë dhe kërcënimet. Kjo do të thotë se «rreziqet e mosveprimit» (për shembull, rreziku që OSC të humbasë konkurrueshmërinë ndaj aktorëve të tjerë nëse nuk modernizohet) nuk përfshihen në këtë fushë; ato janë më tepër kërcënime. Në vend të kësaj, ne përpiqemi të evidentojmë rreziqet që mund të lindin (a) nëse OSC do të shfrytëzojë mundësitë që ofron Big Data dhe do të fillojë të zhvillojë ose përmirësojë një «produkt konkret të statistikave zyrtare të bazuar në Big Data» (BOSP); (b) rreziqet për «biznesin e zakonshëm» të ri, domethënë rreziqet për prodhimin e statistikave zyrtare të bazuara në Big Data. (Meqenëse i gjithë prodhimi i statistikave zyrtare shoqërohet me rreziqe, ne e kufizojmë pikën (b) te rreziqet specifike të «Big Data», pra te rreziqet që nuk ekzistojnë ose janë të papërfillshme për procesin «tradicional» të mbledhjes së statistikave zyrtare.)
1.3. Struktura
Në seksionin 2 paraqesim parimet bazë që lidhen me këtë detyrë, duke filluar me bazën thelbësore të nevojshme për riskun dhe menaxhimin e rrezikut (seksioni 2.1). Gjithashtu paraqesim një strukturë paraprake të cilësisë për të dhënat statistikore të nxjerra nga Big Data (seksioni 2.2), pasi lidhja e strukturës së cilësisë me rreziqet shërben për dy qëllime:
- Ajo përcakton kontekstin për identifikimin e rreziqeve. Tregues të caktuar të cilësisë, së bashku me karakteristikat përkatëse, shprehin vlerat e objektit që konsiderohen të rëndësishme dhe vendimtare për ofrimin e shërbimeve për klientët dhe përdoruesit.
- Kjo bën të mundur caktimin e rreziqeve specifike ndaj dimensioneve të cilësisë, të cilat janë të integruara në hiperhapësira të përgjithshme dhe të lidhura me faza të caktuara në procesin e prodhimit të produkteve statistikore.
Në seksionet 3, 4, 5 dhe 6 paraqesim rreziqet e identifikuara deri më tani në kontekste të ndryshme (4 The business case documents of the ESS (https://www.europeansocialsurvey.org/about/structure_and_governance.html) Big Data project as well as on the Big Data ESSnets contain a list of risks partially related to the project and partially to using big data sources for statistical purposes. The document «A suggested Framework for the Quality of Big Data» mentions some risks related to quality dimensions./ Dokumentet e business case të projektit ESS Big Data, si edhe rrjetet ESS Big Data, përmbajnë një listë rreziqesh që lidhen pjesërisht me projektin dhe pjesërisht me përdorimin e burimeve Big Data për qëllime statistikore. Dokumenti «A suggested Framework for the Quality of Big Data» përmend disa rreziqe që lidhen me dimensionet e cilësisë.). Këtu përdorim klasifikimin sipas aksesit në të dhëna, mjedisit ligjor, konfidencialitetit dhe sigurisë së të dhënave, si edhe aftësive; riorganizimi në përputhje me strukturën cilësore të statistikave të nxjerra nga Big Data (seksioni 2.2) duhet të merret në shqyrtim menjëherë sapo kjo strukturë të arrijë një status më të plotë. Për secilin nga rreziqet e identifikuara, ne (i) japim një vlerësim të gjasës, si edhe të ndikimit (në përputhje me seksionin 2.1.3) dhe (ii) propozojmë strategji për zbutjen dhe menaxhimin e rreziqeve (shih seksionin 2.1.4).
Në fund, do të diskutojmë përfundimet tona dhe do të përcaktojmë disa hapa pasues në Seksionin 7
2. Bazat
2.1. Rreziqet dhe menaxhimi i rrezikut
Sipas ISO 31000: 20095, rreziku përkufizohet si «ndikimi i pasigurisë mbi objektivat e përcaktuara». Kjo do të thotë se objektivat duhet të jenë përcaktuar ose të njohur përpara se të mund të identifikohen rreziqet. Këto objektiva zakonisht përcaktohen duke marrë parasysh kontekstin institucional të organizatës përkatëse. Një tjetër aspekt i rëndësishëm është se rreziqet mbartin elementin e pasigurisë, domethënë nuk është e qartë nëse ngjarja e përshkruar do të ndodhë. Prandaj, rreziqet maten në terma të probabilitetit të ndodhjes së ngjarjes dhe pasojave të saj, pra ndikimit që kjo ngjarje ka në arritjen e objektivave të përcaktuara. Vlerësimi i rrezikut duhet të ofrojë informacion më objektiv, i cili në fund mundëson gjetjen e ekuilibrit të duhur midis shfrytëzimit të mundësive për fitim dhe minimizimit të pasojave të pafavorshme. Menaxhimi i rrezikut është pjesë përbërëse e praktikës së menaxhimit dhe një element i rëndësishëm i praktikës së mirë të qeverisjes korporative (6 Statistics Canada: 2014-2015 report on Plans and Priorities, ). Ky është një proces përsëritës që, në mënyrë ideale, mundëson përmirësimin e vazhdueshëm të procesit të vendimmarrjes dhe nxit përmirësimin e pandërprerë të performancës.
Rreziqet lidhen gjithashtu me cilësinë. Zbatimi i një sistemi cilësie duhet të bëjë të mundur shfrytëzimin e mundësive që ofrohen nga burime dhe metodologji të ndryshme për të arritur një rezultat me një nivel të caktuar cilësie, në kuptimin që ky rezultat i plotëson nevojat e përdoruesve. Ashtu si rreziqet, nivelet e cilësisë mund të burojnë nga mjedisi institucional dhe objektivat e institucioneve të caktuara. Në këtë kontekst, mjedisi institucional përcakton nivelin e përgjithshëm të rrezikut që organizata është e gatshme të marrë përsipër për të arritur objektivat e saj.
Procesi i vlerësimit dhe menaxhimit të rrezikut mund të ndahet në faza të ndryshme, të cilat përfshijnë përcaktimin e kontekstit, identifikimin e rreziqeve, analizën e rreziqeve nga këndvështrimi i probabilitetit dhe ndikimit, vlerësimin e rreziqeve dhe, në fund, trajtimin e rreziqeve.
2.1.1. Konteksti institucional
Si hap i parë, duhet të përcaktohet konteksti strategjik, organizativ dhe i menaxhimit të rrezikut, brenda të cilit do të zhvillohet pjesa tjetër e procesit. Kjo përfshin përcaktimin e kritereve sipas të cilave do të vlerësohen rreziqet dhe caktimin e strukturës së analizës.
2.1.2. Identifikimi i rrezikut
Në fazën e dytë duhet të përcaktohen ngjarjet që mund të ndikojnë në arritjen e objektivave të vendosura. Identifikimi duhet të përfshijë çështje që lidhen me llojin e rreziqeve, kohën e ngjarjes, vendndodhjen ose mënyrën se si ngjarjet mund të pengojnë, përkeqësojnë, vonojnë ose përmirësojnë arritjen e objektivave.
2.1.3. Vlerësimi i rrezikut
Hapi i radhĂ«s pĂ«rfshin pĂ«rcaktimin e masave ekzistuese tĂ« kontrollit dhe analizĂ«n e rreziqeve si nga kĂ«ndvĂ«shtrimi i probabilitetit, ashtu edhe nga ai i pasojave tĂ« mundshme. NĂ« kontekstin e kĂ«tij artikulli, pĂ«r probabilitetin e shfaqjes sĂ« rreziqeve pĂ«rdoret njĂ« shkallĂ« nga 1 (pak i mundshĂ«m) deri nĂ« 5 (i shpeshtĂ«). Ndikimi i ndodhjes sĂ« ngjarjeve matet me njĂ« shkallĂ« nga 1 (i parĂ«ndĂ«sishĂ«m) deri nĂ« 5 (ekstrem). Siç tregohet nĂ« TabelĂ«n 1, prodhimi i probabilitetit dhe ndikimit jep ânivelin e rrezikutâ nĂ« njĂ« interval nga 1 deri nĂ« 25.
Nivelet e vlerësuara të rrezikut mund të krahasohen me kriteret e përcaktuara paraprakisht për të vendosur një ekuilibër midis përfitimeve të mundshme dhe rezultateve të pafavorshme. Kjo bën të mundur marrjen e vendimeve për prioritetet e menaxhimit.
PĂ«rparĂ«sia e veprimeve duhet tâu jepet rreziqeve kritike (shih TabelĂ«n 2), domethĂ«nĂ« atyre qĂ« mund tĂ« ndodhin dhe qĂ« kanĂ« pasoja serioze ose ekstreme pĂ«r objektivat e organizatĂ«s.
2.1.4. Reagimi ndaj rreziqeve
Hapi i fundit konsiston në marrjen e vendimeve se si të reagohet ndaj rreziqeve. Disa rreziqe, që janë nën një prag rreziku të përcaktuar paraprakisht, mund të shpërfillen ose të pranohen. Për të tjerat, kostot e neutralizimit të rrezikut mund të jenë aq të larta sa tejkalojnë përfitimet e mundshme. Në këtë rast, organizata mund të vendosë të heqë dorë nga aktiviteti përkatës. Rreziqet mund të transferohen gjithashtu te palë të treta, si p.sh. sigurimi, i cili kompenson kostot e shkaktuara. Opsioni i fundit është që rreziqet të merren parasysh gjatë përcaktimit të strategjive dhe veprimeve që balancojnë kostot me përfitimet e mundshme. Kështu, organizata do të vendosë të zbatojë strategji për të maksimizuar përfitimet dhe për të minimizuar kostot e mundshme.
2.2. Sistemet e cilësisë
Një grup pune i përbërë nga përfaqësues të organizatave statistikore kombëtare dhe ndërkombëtare zhvilloi në vitin 2014 një kornizë paraprake të cilësisë për statistikat e nxjerra nga Big Data. Grupi i punës veproi nën kujdesin e projektit UNECE/HLG «Roli i Big Data në modernizimin e prodhimit statistikor». Ai zgjeroi sistemet ekzistuese të cilësisë, të zhvilluara për vlerësimin e statistikave të marra nga burime administrative të të dhënave, duke shtuar tregues cilësie që u konsideruan të rëndësishëm për burimet e Big Data.
Brenda kësaj kornize bëhet dallimi ndërmjet tre fazave të procesit të biznesit: input, performancë dhe output. Faza e input-it korrespondon me fazat «projektim» dhe «mbledhje» të GSBP, performanca me fazat «proces» dhe «analizë», ndërsa output-et janë të barasvlershme me fazën e «shpërndarjes».
NĂ« strukturĂ« zbatohet njĂ« ndĂ«rtim hierarkik, i marrĂ« nga struktura e tĂ« dhĂ«nave administrative e zhvilluar nga Zyra e Statistikave e HolandĂ«s (7 Daas, P., S. Ossen, R. Vis-Visschers, and J. Arends-Toth, (2009), Checklist for the Quality evaluation of Administrative Data Sources. Statistics Netherlands, The Hague/Heerlen). Dimensionet e cilĂ«sisĂ« janĂ« tĂ« vendosura brenda njĂ« strukture hierarkike, tĂ« quajtur hipĂ«rhapĂ«sira. Tre hipĂ«rdimensionet e pĂ«rcaktuara janĂ« âburimiâ, âmetadatatâ dhe âtĂ« dhĂ«natâ. Dimensionet e cilĂ«sisĂ« vendosen brenda kĂ«tyre hipĂ«rdimensioneve dhe u caktohen secilĂ«s prej fazave tĂ« prodhimit. PĂ«r fazĂ«n e hyrjes janĂ« propozuar aspekte shtesĂ« si âprivatĂ«sia dhe konfidencialitetiâ, âkompleksitetiâ (nĂ« pĂ«rputhje me strukturĂ«n e tĂ« dhĂ«nave), âplotĂ«siaâ e metadatave dhe ândĂ«rlidhshmĂ«riaâ (mundĂ«sia pĂ«r tâi lidhur tĂ« dhĂ«nat me tĂ« dhĂ«na tĂ« tjera), pĂ«r tâia shtuar modelit standard tĂ« cilĂ«sisĂ«. PĂ«r secilin nga treguesit e cilĂ«sisĂ« propozohen faktorĂ« tĂ« rĂ«ndĂ«sishĂ«m pĂ«r pĂ«rshkrimin e tyre, si edhe tregues tĂ« mundshĂ«m.
NĂ« kontekstin e kĂ«tij artikulli, rreziqet mund tĂ« pĂ«rjashtohen nga kĂ«ta faktorĂ«. PĂ«r shembull, njĂ« nga faktorĂ«t qĂ« duhet marrĂ« parasysh pĂ«r matjen e cilĂ«sisĂ« sĂ« âmjedisit institucional/tĂ« biznesitâ Ă«shtĂ« qĂ«ndrueshmĂ«ria e furnizuesit tĂ« tĂ« dhĂ«nave. Rreziku pĂ«rkatĂ«s mund tĂ« jetĂ« qĂ« nĂ« tĂ« ardhmen tĂ« dhĂ«nat tĂ« mos jenĂ« mĂ« tĂ« disponueshme te furnizuesi i tĂ« dhĂ«nave. NjĂ« shembull tjetĂ«r lidhet me aspektin e propozuar sĂ« fundmi tĂ« cilĂ«sisĂ«, privatĂ«sisĂ« dhe sigurisĂ«. NjĂ« nga faktorĂ«t e rĂ«ndĂ«sishĂ«m Ă«shtĂ« âperceptimiâ, qĂ« nĂ«nkupton perceptimin e mundshĂ«m negativ tĂ« pĂ«rdorimit tĂ« synuar tĂ« burimeve tĂ« caktuara tĂ« tĂ« dhĂ«nave nga palĂ« tĂ« ndryshme tĂ« interesuara.
3. Rreziqet që lidhen me aksesin në të dhëna
3.1. Mungesa e aksesit në të dhëna
3.1.1. PĂ«rshkrimi
Ky rrezik konsiston në faktin që projekti i lidhur me zhvillimin e BOSP nuk arrin të marrë akses në burimin e nevojshëm të të dhënave të mëdha (BDS).
Deri më sot, OSC e ka mësuar në mënyrën më të vështirë se edhe nisja e procesit dhe sigurimi i këtij aksesi ndonjëherë përbëjnë një pengesë të pakapërcyeshme. Nganjëherë është e lehtë të merret akses në një burim të caktuar, si p.sh. regjistrat e të dhënave të thirrjeve (CDR), për qëllime testimi/kërkimi, por është shumë më e vështirë (për arsye ligjore ose tregtare) të merret akses në të për qëllime prodhimi.
3.1.2. Probabiliteti
Probabiliteti varet në masë të madhe nga karakteristikat e BDS. Nëse bëhet fjalë për të dhëna të mëdha administrative, ai mund të jetë vetëm 1, veçanërisht nëse (si në rastin e të dhënave të qarqeve të trafikut, të studiuara nga Daas et al. 8 Daas, P., M. Puts, B. Buelens and P. van den Hurk. 2015. «Big Data as a Source for Official Statistics». Journal of Official Statistics 31 (2). (Forthcoming; publication foreseen for June 2015.)) nuk ka probleme me mbrojtjen e të dhënave personale. Nëse rasti i BDS i përket një pale private, sidomos nëse është i ndjeshëm (për shembull, nga këndvështrimi i mbrojtjes së të dhënave) ose i vlefshëm (nga pikëpamja komerciale), probabiliteti mund të jetë shumë i lartë (5).
3.1.3. Ndikimi
Ndikimi varet nga BOSP dhe mënyra e përdorimit të BDS. Nëse BDS është në qendër të procesit, ndikimi mund të jetë shumë i lartë (4 = është krejtësisht e pamundur të prodhohet BOSP), ndërsa mund të jetë më i ulët nëse BOSP ende mund të prodhohet (edhe pse me cilësi më të ulët), duke u mbështetur te URB të tjera, gjë që çon në një ndikim në intervalin 2-3.
3.1.4. Parandalimi
Për të ulur rrezikun e mungesës së aksesit, duhet të vendosen kontakte paraprake me ofruesin e të dhënave dhe të lidhet një marrëveshje afatgjatë për aksesin në të dhëna. Për më tepër, duhet të kryhet një analizë e plotë ligjore lidhur me kombinimin specifik të BDS dhe BOSP. Duhet gjithashtu të vlerësohen mundësitë e aksesit në të dhëna përmes legjislacionit ekzistues ose atij të ardhshëm.
3.1.5. Zbutja
Nëse ka BDS alternative që mund të përdoren për BOSP, ato mund të shqyrtohen si zgjidhje. Nëse nuk ka asnjë mënyrë për të prodhuar BOSP pa BDS dhe nëse mungesa e aksesit nuk mund të kapërcehet, përpjekjet duhet të ndërpriten dhe BOSP i ri nuk do të realizohet.
3.2. Humbja e aksesit në të dhëna
3.2.1. PĂ«rshkrimi
Ky rrezik konsiston në humbjen nga ana e institucionit statistikor të BDS që qëndron në themel të BOSP.
3.2.2. Probabiliteti
Nëse BOSP tashmë është në prodhim, zakonisht ekziston një nivel i caktuar stabiliteti dhe, në disa raste, rreziku mund të jetë shumë i ulët (1). Megjithatë, veçanërisht në rastin e subjekteve private me të cilat janë lidhur marrëveshje jo mjaftueshëm të forta, asgjë nuk e pengon, për shembull, drejtimin e ri të ndryshojë politikën e ofrimit të të dhënave, gjë që sjell një rrezik mesatar të ndërprerjes (3). Për më tepër, nëse BDS lidhet me një veprimtari të paqëndrueshme, gjithmonë ekziston rreziku që ofruesi thjesht të falimentojë, dhe rreziku mund të jetë edhe më i lartë (4).
3.2.3. Ndikimi
MeqenĂ«se BOSP ekzistues mund tĂ« bĂ«het i pamundur pĂ«r tâu prodhuar, ndikimi shpesh Ă«shtĂ« shumĂ« i madh (5). NĂ« raste tĂ« tjera, kur BDS ka natyrĂ« ndihmĂ«se, ndikimi mund tĂ« jetĂ« mĂ« tepĂ«r humbje cilĂ«sie, me efekt nĂ« intervalin 2-3.
3.2.4. Parandalimi
Strategjia e parandalimit është e ngjashme me strategjinë për mungesën e aksesit në të dhëna, por me theks më të madh te vigjilenca e vazhdueshme edhe në kushtet e prodhimit.
Mos i vendosni të gjitha vezët në një shportë (d.m.th. të keni disa BDS që qëndrojnë në bazë të secilit BSOP) mund të jetë gjithashtu një strategji, por kjo mund të jetë ose jopraktike, ose tepër e kushtueshme.
3.2.5. Zbutja
NĂ«se BDS Ă«shtĂ« rezultat i njĂ« veprimtarie tĂ« paqĂ«ndrueshme, me kalimin e kohĂ«s mund tĂ« bĂ«het i disponueshĂ«m njĂ« BDS i ri qĂ« pasqyron tĂ« njĂ«jtin fenomen shoqĂ«ror. MegjithatĂ«, do tĂ« ishte tepĂ«r vonĂ« tĂ« fillohej âskanimi i tregutâ sapo BSOP tĂ« dalĂ« jashtĂ« funksionit; do tĂ« kĂ«rkohej vigjilencĂ« e vazhdueshme â dhe kjo mund tĂ« jetĂ« e vĂ«shtirĂ« pĂ«r tâu arritur.
4. Rreziku që lidhet me mjedisin ligjor
4.1. Mospërputhja me legjislacionin përkatës
4.1.1. PĂ«rshkrimi
Ky rrezik lidhet me një projekt për zhvillimin e BOSP, në të cilin nuk merret parasysh legjislacioni përkatës, duke e bërë BOSP jo në përputhje me legjislacionin në fjalë. Kjo mund të përfshijë legjislacionin për mbrojtjen e të dhënave, aktet rregullatore që lidhen me barrën e përgjigjes etj.
4.1.2. Gjasat
Duke pasur parasysh mungesĂ«n e njohurive tĂ« OSC pĂ«r big data, nuk pĂ«rjashtohet qĂ« tĂ« ndodhĂ« mospĂ«rputhje e paqĂ«llimshme (3). Gjasat zakonisht lidhen me BDS, pasi sa mĂ« pak âi ndjeshĂ«mâ tĂ« jetĂ« burimi, aq mĂ« e ulĂ«t Ă«shtĂ« mundĂ«sia e shfaqjes sĂ« mospĂ«rputhjes.
4.1.3. Ndikimi
Ndikimi, si rregull, është kritik (4), në kuptimin që për një prodhim jo në përputhje do të kërkohet ndalimi i BOSP (ose, nëse ende nuk ka arritur fazën e zbatimit, zhvillimi i tij duhet të ndërpritet). Madje mund të jetë edhe ekstrem (5), pasi rreziqet reputacionale që lindin nga statistikat zyrtare jo në përputhje («të paligjshme») mund të kenë pasoja
4.1.4. Parandalimi
PĂ«r çdo BOSP duhet tĂ« kryhet njĂ« analizĂ« e thelluar juridike â dhe kjo ndodh nĂ« disa faza (ajo qĂ« Ă«shtĂ« e pranueshme nĂ« fazĂ«n e zhvillimit / eksplorimit mund tĂ« mos jetĂ« e tillĂ« nĂ« fazĂ«n e zbatimit / prodhimit). Kjo, nga ana tjetĂ«r, mund tĂ« çojĂ« nĂ« riinxhinierimin e BOSP pĂ«r ta bĂ«rĂ« atĂ« nĂ« pĂ«rputhje.
4.1.5. Zbutja
Në varësi të seriozitetit të mospërputhjes, hapi i parë mund të jetë kalimi i BOSP në modalitet autonom.
Riinxhinierimi i BOSP për ta bërë atë në përputhje mund të jetë një opsion, por nëse BOSP mund të «shpëtohet» në këtë mënyrë varet shumë nga natyra e mospërputhjes.
4.2. Ndryshime të pafavorshme në mjedisin ligjor
4.2.1. PĂ«rshkrimi
Mund të miratohet legjislacion i ri që lidhet me BOSP në zhvillim, duke e bërë në praktikë BOSP të papajtueshëm.
4.2.2. Probabiliteti
Nuk përjashtohet që mbështetësit e mbrojtjes së forcuar të të dhënave të arrijnë të vendosin kërkesa të reja, të cilat do të ndikojnë drejtpërdrejt ose tërthorazi në mundësinë e krijimit të BOSP-ve të caktuara. Një probabilitet në intervalin 2-3 duket si një vlerësim realist.
4.2.3. Ndikimi
Ndikimi, si rregull, është kritik (4), në kuptimin që prodhimi jo në përputhje do të kërkojë ndalimin e BOSP.
4.2.4. Parandalimi
Duhet tĂ« kryhet rregullisht njĂ« monitorim i caktuar i informacionit tĂ« biznesit pĂ«r tĂ« ndjekur zhvillimet legjislative â dhe ndoshta edhe pĂ«r tĂ« ndikuar mbi to, duke paraqitur argumente nĂ« favor tĂ« statistikave zyrtare nĂ« forumet pĂ«rkatĂ«se (p.sh. konsultative).
4.2.5. Zbutja
Me kusht që të jetë kryer një monitorim proaktiv, mund të ketë kohë për riinxhinierimin e BOSP, në mënyrë që ai të përshtatet me legjislacionin e ri që nga dita e parë e hyrjes së tij në fuqi.
NĂ«se, nga ana tjetĂ«r, monitorimi nuk Ă«shtĂ« kryer, kĂ«shtu qĂ« legjislacioni i ri "erdhi si surprizĂ«" â ose nĂ«se legjislacioni Ă«shtĂ« aq radikal sa nuk ka asnjĂ« mĂ«nyrĂ« pĂ«r ta bĂ«rĂ« BOSP tĂ« pĂ«rputhshĂ«m â i vetmi opsion mund tĂ« jetĂ« çaktivizimi i BOSP.
5. Rreziqet që lidhen me privatësinë dhe sigurinë e të dhënave
5.1. Shkeljet e sigurisë së të dhënave
5.1.1. PĂ«rshkrimi
Ky rrezik lidhet me aksesin e paautorizuar në të dhënat e ruajtura në zyrat statistikore. Palët e treta mund të marrin të dhëna që janë nën embargo, për shembull për shkak të afatit të publikimit (9 Për çdo BOSP që bazohet plotësisht në një BDS të vetme, është e pashmangshme që të dhënat të jenë në mënyrë të nënkuptuar të njohura për pronarin fillestar të të dhënave dhe, nëse metodologjia është transparente, do të njihen edhe statistikat e nxjerra. Kjo situatë nuk trajtohet këtu, por te rreziku që lidhet me abuzimin me pozitën zyrtare nga pronarët.) (10 Përveç kësaj, këto të dhëna mund të mbartin rrezik për shkelje të konfidencialitetit. Ky rrezik do të trajtohet veçmas.). Këto mund të jenë, për shembull, të dhëna që i presin investitorët në tregun e aksioneve.
5.1.2. Gjasat
Sa u përket aspekteve teknike të mbrojtjes së mjedisit IT në njësinë statistikore, ky rrezik ka të njëjtën gjasë për BDSs si edhe për burimet tradicionale. Megjithatë, ka dy aspekte shtesë që duhen marrë parasysh.
Së pari, me disa BDS, rreziku i përgjithshëm rritet lehtë për shkak se siguria e të dhënave te pronari fillestar mund të komprometohet. Kjo mund të lidhet, për shembull, me spiunazh industrial ose hakerim.
Së dyti, sapo të dhënat me vlerë të mundshme të fillojnë të ruhen në zyrë, rreziku i tërheqjes së qëllimeve keqdashëse do të rritet. Nëse të dhënat e ruajtura kanë vlerë shumë të lartë për biznesin, duhet të jeni të përgatitur për një gjasë shumë të lartë të sulmeve që synojnë infrastrukturën IT; prandaj gjasat e një komprometimi mund të jenë potencialisht më të larta (4).
NĂ«se tĂ« dhĂ«nat e ruajtura nuk perceptohen si me vlerĂ«, gjasat e pĂ«rgjithshme duken jo shumĂ« tĂ« larta â nga (1) nĂ« (3), nĂ« varĂ«si tĂ« burimit tĂ« tĂ« dhĂ«nave.
5.1.3. Ndikimi
Dëmi i mundshëm ndaj reputacionit mund të jetë i madh (5). Ajo që është e rëndësishme në rastin e BDS është se, nëse shkelja e sigurisë ndodh te pronari fillestar, ndikimi në reputacionin e institucionit statistikor pritet të jetë më i ulët sesa nëse shkelja do të ndodhte me të dhënat që ruhen prej tij.
Nga ana tjetër, është e mundur që një shkelje në institucionin statistikor të ketë pasoja negative për pronarin fillestar. Edhe në këtë rast, është i mundur një ndikim i fortë negativ për shkak të dëmtimit të besimit midis ofruesit dhe institucionit statistikor (5).
5.1.4. Parandalimi
Karakteristikë e rastit BDS është se procedurat e sigurisë të pronarit fillestar mund të jenë të përshtatshme. Nuk ka shumë gjasa që institucionet statistikore të marrin kompetenca auditimi për ta kontrolluar këtë. Pronarët, të dhënat e të cilëve përdoren për përgatitjen e regjistrimeve me afate konfidenciale publikimi, duhet të informohen për pasojat që një shkelje e mundshme e sigurisë në ambientet e tyre mund të ketë për statistikat zyrtare dhe duhet të marrin një garanci zyrtare se zbatohen procedurat e duhura të sigurisë.
Një mënyrë e drejtpërdrejtë për të parandaluar ndikimin serioz që një shkelje e sigurisë në ambientet e pronarit mund të ketë mbi institucionin statistikor është të sigurohet përdorimi i disa burimeve për të njëjtin produkt, në mënyrë që një burim i vetëm i komprometuar të mos mjaftojë për të nxjerrë shifrën përfundimtare. Përparësia e kësaj qasjeje është se një kontroll më i madh mbetet në duart e institucionit statistikor.
Mënyra për të parandaluar pasojat negative të një shkeljeje sigurie në zyrën statistikore për pronarin fillestar të të dhënave është të gjendet një model pune që nuk kërkon transferimin e të dhënave, të cilat mund të jenë potencialisht të ndjeshme nga këndvështrimi i pronarit, te autoriteti statistikor. Në formë të papërpunuar. Një qasje e mundshme parandaluese është përdorimi i të dhënave të agreguara. Megjithatë, duhet mbajtur parasysh se disa forma agregimi, për shembull ato që synojnë të parandalojnë identifikimin e anëtarëve individualë të popullsisë, mund të mos jenë të përshtatshme në këtë rast. Një nga arsyet për këtë mund të jetë fakti se rreziku për pronarin lidhet me vlerën tregtare të të dhënave, e cila mund të mbetet e konsiderueshme edhe pasi të jetë arritur anonimiteti.
5.1.5. Zbutja
Në rast të një shkeljeje të të dhënave që administrohen nga autoriteti statistikor, masat zbutëse do të jenë të njëjta si për burimet tradicionale, nëse nuk ka pasur ndikim negativ mbi pronarin fillestar.
Në rast të pasojave negative për pronarin fillestar, autoriteti statistikor duhet të rishikojë dhe të forcojë procedurat e veta të sigurisë, si edhe ta komunikojë qartë dhe ta dëshmojë angazhimin e tij ndaj kësaj.
Nëse shkelja ka ndodhur në ambientet e pronarit fillestar, atëherë shërbimi statistikor përkatës duhet ta komunikojë qartë situatën dhe të kërkojë përmirësimin e procedurave të sigurisë së pronarit. Nëse është e nevojshme, mund të kërkohet një furnizues alternativ.
5.2. Shkeljet e konfidencialitetit të të dhënave
5.2.1. PĂ«rshkrimi
Ky është rreziku që konfidencialiteti i një ose më shumë personave nga popullsia statistikore të cenohet. Kjo mund të lidhet me një sulm ndaj infrastrukturës IT për shkak të presionit nga institucione të tjera shtetërore ose për shkak të masave të pamjaftueshme të kontrollit mbi zbulimin e të dhënave statistikore.
5.2.2. Mundësia
Ashtu si në rastin e rrezikut të shkeljes së sigurisë së të dhënave, kushtet teknike për ruajtjen e mikrotë dhënave nuk ndryshojnë shumë me shtimin e BDS. Megjithatë, edhe këtu ka paralajmërime.
Mikrotë dhënat nga burime të caktuara të të dhënave mund të kenë vlerë të lartë tregtare, prandaj ruajtja e tyre rrit gjasat për sulme.
Për më tepër, disa mikro të dhëna mund të jenë potencialisht shumë të dobishme për institucione të tjera shtetërore, si p.sh. organet e zbatimit të ligjit, administrata tatimore ose sektori i shëndetësisë. Në rrethana të caktuara, përkushtimi ndaj parimit të konfidencialitetit statistikor mund të vihet nën presion të konsiderueshëm.
Sa u përket dështimeve në kontrollin e zbulimit të informacionit statistikor, deri më sot tashmë ekziston një praktikë e konsoliduar. BDS mund të bëjë të mundur prodhimin e statistikave për nëngrupe të vogla të popullsisë ose të ofrojë mundësinë për të lidhur të dhëna të agreguara nga BDS të ndryshme, gjë që mund të rrisë gjasat e shfaqjes së rrezikut. Për më tepër, burimet e reja do të kërkojnë zhvillime të reja metodologjike, ndaj rreziku real qëndron në faktin se metodologjia e kontrollit të zbulimit të informacionit nuk përditësohet siç duhet.
Në përgjithësi, me masa parandaluese të arsyeshme, gjasat mund të mbahen në nivele të pranueshme, por duke qenë se ekzistojnë shumë faktorë të ndryshëm dhe të larmishëm, vlerësimi përkatës këtu duket se është se gjasat janë të larta (4).
5.2.3. Ndikimi
Dëmi i mundshëm reputacional mund të jetë i madh (5). Ashtu si në rastin e rrezikut të cenimit të sigurisë së të dhënave, një shkelje në administrimin statistikor mund të ketë pasoja negative për pronarin fillestar. Këtu ndikimi i një ngjarjeje të tillë mund të jetë potencialisht edhe më i madh, veçanërisht nëse prirjet aktuale në opinionin publik vazhdojnë. Dëmi në marrëdhëniet midis ofruesit të të dhënave dhe administratës statistikore pritet gjithashtu të jetë shumë i madh.
5.2.4. Parandalimi
Mënyra më e sigurt për të parandaluar shfaqjen e këtij rreziku është të mos keni fare mikro të dhëna nga BDS (megjithëse ruajtja e mikro të dhënave të tjera mbetet ende e lidhur me një rrezik përkatës, ndonëse me probabilitet dhe ndikim tjetër). Një qasje e tillë, si edhe në rastin e rrezikut të cenimit të sigurisë së të dhënave, do të kërkojë zhvillimin e mënyrave të tjera për përdorimin e të dhënave për qëllime statistikore. Për më tepër, natyra e ndryshme e burimeve në këtë rast do të thotë se do të duhet të zhvillohen metodologji të reja me objektiva konkurruese: nxjerrjen e sa më shumë informacioni të dobishëm dhe mbrojtjen e konfidencialitetit nga rreziku.
NĂ« rast tĂ« ruajtjes sĂ« mikro tĂ« dhĂ«nave, mekanizmat e sigurisĂ« sĂ« IT-sĂ« dhe tĂ« kontrollit tĂ« aksesit duhet tĂ« jenĂ« nĂ« nivelin e kĂ«rkuar dhe tĂ« monitorohen vazhdimisht. VĂ«mendje e veçantĂ« duhet tâi kushtohet garantimit tĂ« sigurisĂ« sĂ« mĂ«nyrave tĂ« reja tĂ« marrjes sĂ« tĂ« dhĂ«nave. NĂ« mĂ«nyrĂ« ironike, njĂ« mĂ«nyrĂ« e tillĂ« e re mund tĂ« jetĂ« transporti fizik i pajisjeve tĂ« ruajtjes (pĂ«r shembull, disqet e ngurtĂ«). NĂ«se pĂ«rdoret kjo metodĂ«, dĂ«rgesa duhet tĂ« jetĂ« e mbrojtur fizikisht dhe duhet tĂ« pĂ«rdoret enkriptimi.
5.2.5. Zbutja
Masat zbutëse këtu, në parim, janë të njëjta si në rastin e cenimit të sigurisë së të dhënave. Nëse shkaku i shkeljes është presioni nga një organ tjetër shtetëror, atëherë duhet të shfrytëzohet mundësia për të forcuar pavarësinë e drejtimit, në mënyrë që shkelje të tilla të bëhen edhe më të vështira në të ardhmen.
5.3. Manipulimi i burimit të të dhënave
5.3.1. PĂ«rshkrimi
Ofruesit e të dhënave nga palë të treta, për shembull të dhënat nga rrjetet sociale ose të dhënat e dhëna vullnetarisht, janë të ekspozuar ndaj rrezikut të manipulimit. Kjo mund të bëhet ose nga vetë ofruesi i të dhënave, ose nga palë të treta. Për shembull, shumë publikime të rreme në rrjetet sociale mund të gjenerohen për të ndikuar në një mënyrë ose në një tjetër në indeksin statistikor të nxjerrë mbi bazën e këtyre të dhënave, nëse dihet se indeksi llogaritet mbi bazën e të dhënave të tilla.
Për të dhënat e dhëna vullnetarisht, mund të ndodhë që vullnetarët të përfaqësojnë një grup të caktuar interesi me një agjendë të caktuar.
5.3.2. Probabiliteti
Për të dhënat, manipulimi i të cilave mund të sjellë përfitim të madh, gjasat janë më të larta. Këto mund të jenë të dhëna për të cilat statistikat janë me interes, për shembull tregu i aksioneve. Në dritën e skandaleve të fundit të lidhura me LIBOR dhe Forex, mund të supozohet se, për sa kohë ekziston një nxitje, përpjekjet për manipulimin e të dhënave do të jenë të mundshme.
Për statistikat e bazuara në të dhëna të ofruara vullnetarisht, mjafton të shihet praktika e fundit PR e punësimit të njerëzve që shtiren sikur kanë një opinion të caktuar dhe paguhen për ta shprehur publikisht atë (për shembull, në forumet në internet), për të arritur në përfundimin se gjasat nuk janë të vogla. Në përgjithësi, një vlerësim nga 3 deri në 4 duket i përshtatshëm.
5.3.3. Ndikimi
Problemi i madh me manipulimet është se ato mund të vazhdojnë për një kohë të gjatë pa u zbuluar. Nëse manipulimet vazhdojnë për një periudhë të gjatë, ndikimi mbi cilësinë mund të bëhet i konsiderueshëm. Për më tepër, dëmi ndaj besimit publik te statistikat zyrtare mund të jetë gjithashtu i madh, veçanërisht nëse theksohet publikisht roli i zyrave të statistikës si ofrues të të dhënave cilësore. Nga ana tjetër, nëse manipulimet zbulohen në kohë dhe më pas bëhen publike, kjo në fakt mund të përmirësojë perceptimin e publikut. Me përjashtim të rasteve jashtëzakonisht të këqija, mund të parashikohet një ndikim maksimal (3).
5.3.4. Parandalimi
Kryerja e kontrolleve të rregullta me burime alternative është një nga qasjet e mundshme parandaluese. Këto burime alternative mund të jenë tradicionale ose të tjera. Përdorimi i statistikave të bazuara në një kombinim burimesh mund të pengojë ndikimet e konsiderueshme të manipulimit. Në rastet kur ekziston frika nga manipulime të nxitura nga ofruesi, marrëveshjet ligjore mund të jenë gjithashtu një nga mënyrat për të parandaluar një praktikë të tillë.
5.3.5. Zbutja
Nga këndvështrimi i dëmit ndaj marrëdhënieve me publikun, masat zbutëse që duhen ndërmarrë këtu ndryshojnë shumë pak nga masat për menaxhimin e çdo krize.
Nga këndvështrimi i cilësisë së të dhënave, do të ishte e dobishme nëse të dhënat e kaluara mund të korrigjoheshin në mënyrë që, edhe me vonesë të madhe, seria e saktë të mund të
kryhet. Për këtë mund të jetë i dobishëm benchmarkingu i rregullt. Vini re se qëllimi i analizës krahasuese në këtë rast ndryshon disi nga qëllimi i parandalimit. Për parandalim, është e rëndësishme të vërehet dhe të hetohet shpejt një mospërputhje e dyshimtë midis të dhënave të testit referues dhe BDS. Për zbutjen e pasojave, të dhënat historike të dobishme janë gjithmonë me vlerë.
Gjithashtu, duhet pasur kujdes qĂ« manipulime tĂ« tilla tĂ« mos lejohen nĂ« tĂ« ardhmen â nĂ« raste veçanĂ«risht delikate, kjo mund tĂ« nĂ«nkuptojĂ« marrjen e tĂ« dhĂ«nave potencialisht tĂ« mbivendosura nga disa furnizues pĂ«r analizĂ« krahasuese.
5.4. Perceptimi i pafavorshëm publik për përdorimin e Big Data nga statistikat zyrtare
5.4.1. PĂ«rshkrimi
Mediat dhe publiku i gjerë janë shumë të ndjeshëm ndaj çështjeve të privatësisë dhe përdorimit të të dhënave personale nga burime të mëdha të të dhënave, veçanërisht në kontekstin e ripërdorimit të të dhënave nga organet shtetërore që marrin masa administrative ose ligjore ndaj qytetarëve. Një përdorim që perceptohet negativisht mund të jetë vendosja e kontrollit të shpejtësisë mbi bazën e analizës së të dhënave të navigimit (11 See ).
Rasti konkret i TomTom Netherlands shkaktoi një rënie të ndjeshme të kërkesës për pajisjet TomTom dhe çoi në vendimin e kompanisë për të kufizuar aksesin në të dhëna. Në këtë rast të veçantë, të dhënat nuk lidheshin me individë, por me nivelet e shpejtësisë në segmente rrugore.
Megjithatë, mund të ketë zbatime të Big Data që perceptohen pozitivisht nga publiku. Një shembull mund të jenë zbatimet që parandalojnë krime të tilla si vjedhja me thyerje, bazuar në metodat e Big Data.
Opinioni publik, qoftë pozitiv apo negativ, mund të ndikojë fuqishëm në përdorimin e BDS në kontekstin e prodhimit të statistikave zyrtare.
Pasojë e perceptimit negativ publik mund të jetë që:
- BDS nuk do të jetë më i disponueshëm për institucionet statistikore, qoftë për shkak të vendimeve të ofruesit të të dhënave ose të vendimeve qeveritare për të mos i përdorur të dhënat, ose
- përdorimi i të dhënave do të kufizohet, gjë që mund të pengojë prodhimin nëse disa BOSP.
5.4.2. Gjasat
Faktorët që mund të ndikojnë në gjasat e një ngjarjeje të tillë ose në ndikimin e saj mbi prodhimin e statistikave:
- konfidencialiteti i të dhënave, pra sa lehtë mund të identifikohen njerëzit;
- vëllimi i informacionit që të dhënat zbulojnë për individët, për shembull, rritet duke lidhur të dhëna nga burime të ndryshme;
- lloji i të dhënave, për shembull, transaksionet financiare perceptohen si më konfidenciale se të dhënat e tjera;
- lloji i veprimit të mundshëm që mund të ndërmerret ndaj qytetarëve, për shembull, gjobitja e njerëzve për tejkalim shpejtësie;
- mjedisi ligjor i paqartë në të cilin veprojnë ofruesit dhe përdoruesit e të dhënave, ose kur kushtet ligjore bien në kundërshtim me opinionet / standardet etike të publikut;
- shkalla e varësisë nga një burim i caktuar të dhënash për prodhimin e statistikave; në fazën e eksplorimit, ky faktor mund të ketë rëndësi të kufizuar. Megjithatë, ai mund të ndikojë shumë në prodhimin e statistikave në një fazë të mëvonshme dhe, për rrjedhojë, duhet të merret parasysh edhe në fazën e eksplorimit. Një nga problemet mund të jetë se shtrirja përfundimtare e përdorimit të të dhënave nuk dihet në fillim, pasi burimet e të dhënave mund të shërbejnë potencialisht për më shumë se një fushë statistikore.
Vlerësimi i kohës së shfaqjes së ngjarjeve të padëshiruara nuk është i mundur, pasi mobilizimi i publikut shpesh nxitet nga mbulimi i ngjarjeve që kanë ndikim negativ mbi qytetarët. Megjithatë, me rritjen e përdorimit të Big Data nga qeveritë dhe ndërmarrjet private, dhe veçanërisht me marketingun aktiv të të dhënave për qëllime të tjera nga ai që çoi në mbledhjen e tyre fillestare, ka më shumë gjasa që ngjarje të tilla të ndodhin.
Ngjarjet që ndikojnë fort në perceptimin publik nuk janë të shpeshta, por më tepër të rastësishme (3) dhe të largëta (2). Me rritjen e përdorimit të burimeve të mëdha të të dhënave, gjasat gjithashtu do të rriten.
5.4.3. Ndikimi
Ndikimi i ngjarjes varet shumĂ« nga faktorĂ«t e trajtuar mĂ« sipĂ«r. NĂ« pĂ«rgjithĂ«si, ndikimi Ă«shtĂ« mĂ« i rĂ«ndĂ« pĂ«r prodhimin statistik tashmĂ« tĂ« krijuar, pasi mund tĂ« jetĂ« e nevojshme ndĂ«rprerja e procesit. Ndikimi varet gjithashtu nga disponueshmĂ«ria e burimeve alternative tĂ« tĂ« dhĂ«nave, megjithĂ«se nĂ« rast se ngjarja materializohet, perceptimi publik mund tĂ« mos bĂ«jĂ« dallim mes burimeve tĂ« ndryshme tĂ« tĂ« dhĂ«nave. NĂ« fazĂ«n aktuale tĂ« pĂ«rdorimit tĂ« Big Data, duket se kĂ«to burime nuk mund tâi zĂ«vendĂ«sojnĂ« plotĂ«sisht burimet tradicionale tĂ« tĂ« dhĂ«nave, por mĂ« tepĂ«r plotĂ«sojnĂ« statistikat ekzistuese. Kjo do ta zvogĂ«lojĂ« ndikimin e ngjarjeve. Prandaj, ndikimi i ngjarjes konsiderohet nĂ« intervalin nga 2 (i parĂ«ndĂ«sishĂ«m) deri nĂ« 3 (kryesor). NĂ« fazĂ«n e prodhimit, ndikimi mund tĂ« rritet deri nĂ« 4 (vlerĂ« kritike).
5.4.4. Parandalimi
Masat parandaluese mund tĂ« pĂ«rfshijnĂ« pĂ«rcaktimin e parimeve etike pĂ«r Big Data nĂ« statistikat zyrtare. UdhĂ«zimet etike duhet tĂ« mbĂ«shteten nĂ« parime tĂ« tilla si Kodi i PraktikĂ«s pĂ«r Statistikat Evropiane ose Parimet Themelore tĂ« Statistikave Zyrtare (12 ). Masa e radhĂ«s do tĂ« jetĂ« pĂ«rcaktimi i njĂ« strategjie komunikimi, e cila do tâi publikojĂ« pĂ«r publikun rezultatet e udhĂ«zimeve etike dhe mund tĂ« pĂ«rdoret pĂ«r tĂ« informuar palĂ«t e interesuara mbi pĂ«rdorimin etik tĂ« BDS pĂ«r BOSP.
Mund të kryhet një vlerësim i veçantë i rrezikut për një BDS specifike, për të identifikuar rreziqet dhe për të propozuar masa parandaluese ose zbutëse në bazë të parimeve etike. Një vlerësim i veçantë i rrezikut mund të përfshijë gjithashtu palë të interesuara, si agjencitë për mbrojtjen e të dhënave, për të siguruar që të gjitha rreziqet të identifikohen dhe që masat të jenë të bazuara mirë.
5.4.5. Zbutja
Strategjia e komunikimit duhet të përfshijë gjithashtu masa për rastet kur rritet qëndrimi negativ i publikut. Një vlerësim i veçantë i rrezikut duhet të mbledhë shembuj pozitivë të përdorimit të të dhënave dhe masa për parandalimin e keqpërdorimit të të dhënave, të cilat mund të bëhen të detyrueshme në nivel politik, ndërsa komuniteti statistikor mund të mos jetë në gjendje të ndikojë mbi to në mënyrë efektive.
5.5. Humbja e besimit â e marrĂ« jo nga vĂ«zhgimi
5.5.1. PĂ«rshkrimi
Përdoruesit e statistikave zyrtare zakonisht kanë besim të lartë në saktësinë dhe besueshmërinë e të dhënave statistikore. Kjo bazohet në faktin se prodhimi i të dhënave statistikore është i integruar në një bazë metodologjike të qëndrueshme dhe publikisht të aksesueshme, si edhe në dokumentacionin për cilësinë e produktit statistikor. Për më tepër, shumica e të dhënave statistikore bazohen në vëzhgime, domethënë merren nga anketat ose regjistrimet, të cilat krijojnë një lidhje lehtësisht të kuptueshme midis vëzhgimit dhe të dhënave statistikore. Përdorimi i BDS, të cilat nuk mblidhen për qëllimin kryesor të statistikës, shoqërohet me rrezikun që kjo marrëdhënie të humbasë dhe përdoruesit të humbasin besimin te të dhënat e statistikave zyrtare. Një shembull nga raundi i fundit (2010) i regjistrimit të popullsisë lidhet me faktin se në disa vende të dhënat statistikore janë prodhuar duke përdorur disa burime dhe modele statistikore. Në disa raste, palët e interesuara i kanë kundërshtuar të dhënat statistikore.
5.5.2. Probabiliteti
Probabiliteti i shfaqjes së rrezikut varet nga faktorë të tillë si kompleksiteti i modelit statistikor / metodologjik, besueshmëria e marrëdhënieve midis BSD dhe BOSP ose përputhshmëria me të dhëna të tjera statistikore. Probabiliteti duhet të jetë në intervalin nga 3 (i rastësishëm) deri në 4 (i mundshëm), që do të thotë se kjo mund të ndodhë disa herë ose shpesh.
5.5.3. Ndikimi
Ndikimi i materializimit të këtij rreziku do të varet në masë të madhe nga fakti nëse NSO-të do të jenë në gjendje të provojnë me sukses saktësinë dhe besueshmërinë e të dhënave statistikore. Nëse kjo nuk arrihet, ndikimi në aspektin e humbjes së besimit dhe kredibilitetit mund të prekë edhe fusha të tjera statistikore, domethënë mund të vihet në dyshim jo vetëm besueshmëria e disa të dhënave statistikore, por edhe vetë organizata. NSO-të do të humbnin avantazhin konkurrues ndaj organizatave të tjera private që veprojnë në këtë fushë.
5.5.4. Parandalimi
Masat parandaluese do të konsistojnë në zhvillimin dhe publikimin e një metodologjie të bazuar shkencërisht, të pranuar nga komuniteti shkencor, pasurimin e të dhënave me metadata të cilësisë, sigurimin e përputhshmërisë së BOSP me jo-BOSP dhe zbatimin e një kontrolli të rreptë të cilësisë.
Përpara se të fillohet me prodhimin statistikor, BOSP mund të publikohet si eksperimental dhe palët e interesuara mund të inkurajohen ta vënë në diskutim BOSP-in për ta konfirmuar ose përmirësuar atë.
5.5.5. Zbutja
Duhet tĂ« dallohen dy raste. NĂ«se tĂ« dhĂ«nat statistikore kundĂ«rshtohen, por kanĂ« cilĂ«si tĂ« lartĂ« / tĂ« mjaftueshme (tĂ« sakta / precize), do tĂ« mjaftonte qĂ« ato tĂ« shpjegohen dhe tâi komunikohen publikut, duke ofruar shembuj tĂ« thjeshtĂ« dhe tĂ« kuptueshĂ«m.
6. Rreziqet që lidhen me aftësitë
6.1. Mungesa e specialistëve
6.1.1. PĂ«rshkrimi
Analiza e gjurmëve digjitale që njerëzit lënë gjatë kryerjes së veprimtarive të tyre kërkon mjete të caktuara për analizën e të dhënave, të cilat aktualisht nuk janë ndër më të përhapurat në statistikën zyrtare. Së pari, përdorimi i të dhënave të tërthorta për aktivitetin e njerëzve, në vend të pyetësorëve të drejtpërdrejtë në anketa, kërkon përdorimin e modeleve statistikore dhe, rrjedhimisht, aftësi në inferencë dhe machine learning. Së dyti, këto regjistrime digjitale përbëhen nga të dhëna që shpesh nuk kanë formatin e zakonshëm tabelor, tipik për rezultatet e anketave, me rreshta që përkojnë me njësinë statistikore dhe kolona me karakteristika specifike të këtyre njësive statistikore. Gjurmët digjitale paraqiten gjithashtu në formë teksti, audioje, imazhi dhe videoje. Nxjerrja e informacionit statistikor përkatës nga këto lloje të dhënash kërkon aftësi në përpunimin e gjuhës natyrore, përpunimin e sinjalit audio dhe përpunimin e imazhit. Së treti, këto burime të të dhënave priren të ofrojnë volume masive të dhënash, përpunimi i të cilave kërkon një kuptim të mirë të metodologjive të llogaritjes së shpërndarë.
Rreziku i mungesĂ«s sĂ« ekspertĂ«ve lidhet me sigurimin e tĂ« dhĂ«nave nga njĂ« prej kĂ«tyre burimeve tĂ« reja tĂ« mĂ«dha tĂ« tĂ« dhĂ«nave, pasi institucioni statistikor nuk ka mundĂ«si tâi pĂ«rpunojĂ« dhe analizojĂ« ato siç duhet pĂ«r shkak se stafi i tij nuk zotĂ«ron aftĂ«sitĂ« e nevojshme.
6.1.2. Probabiliteti
Probabiliteti i këtij rreziku do të varet nga tre faktorë: 1) llojet specifike të aftësive që kërkohen për secilin lloj burimi të big data dhe gjasat që institucioni statistikor të gjejë mundësi për të studiuar një burim të tillë; 2) disponueshmëria aktuale e aftësive të nevojshme brenda institucionit statistikor; dhe 3) kultura organizative e institucionit statistikor.
Për sa u përket llojeve të aftësive që mund të nevojiten, duhet theksuar se jo të gjitha burimet kërkojnë të gjitha aftësitë e renditura më sipër. Disa prej tyre (për shembull, të dhëna të tipit Google Trends) nuk kërkojnë llogaritje të shpërndara, pasi janë tashmë të parapërpunuara nga mbajtësi i të dhënave ose kërkojnë aftësi në përpunimin e sinjalit, dhe atyre u duhen kryesisht aftësi në modelimin statistikor. Megjithatë, ekziston një larmi shumë e madhe burimesh të Big Data, për shumicën e të cilave nevojiten aftësi në llogaritje të shpërndara, përpunim sinjali dhe machine learning. Njëkohësisht, studimi i duhur i këtyre gjurmëve dixhitale do të kërkojë përpunimin e disa burimeve. Prandaj, ka shumë gjasa që burimet e mëdha të të dhënave që po bëhen të disponueshme për administrimin statistikor të kërkojnë këto aftësi të pazakonta, dhe probabiliteti i këtij rreziku është shumë i lartë (5).
Sa i përket disponueshmërisë aktuale të aftësive të nevojshme, kjo do të varet nga institucioni konkret i statistikave. Edhe pse metodika e vrojtimit është më pak e përhapur sesa metodologjia e anketimit, ajo përdoret gjithashtu në statistikat zyrtare në fusha të caktuara. Prandaj, edhe nëse kjo mund të kërkojë një rishpërndarje të caktuar të burimeve njerëzore, institucionet statistikore mund të gjejnë zgjidhje me forcat e tyre. Sa u përket aftësive për llogaritje të shpërndara, të lidhura kryesisht me IT, ato do të varen nga mënyra se si menaxhohet infrastruktura IT në organizatë. Në varësi të shkallës në të cilën departamenti i IT-së është i përfshirë, zgjidhjet mund të gjenden brenda kuadrit të marrëveshjeve ekzistuese. Megjithatë, aftësitë në përpunimin e sinjalit dhe machine learning, si rregull, nuk ekzistojnë në shumicën e institucioneve zyrtare të statistikave, dhe zbatimi i këtyre aftësive nuk mund të jepet me outsourcing, pasi ato duhet të zbatohen nga ekspertë të fushës së statistikës. Si rrjedhojë, edhe nga kjo pikëpamje probabiliteti i këtij rreziku duket shumë i lartë (5).
Kultura organizative do tĂ« ndikojĂ« gjithashtu nĂ« gjasat e kĂ«tij rreziku. Prania e stafit tĂ« gatshĂ«m pĂ«r tĂ« fituar aftĂ«sitĂ« e nevojshme pĂ«rmes vetĂ«-mĂ«simit mund tâi japĂ« organizatĂ«s mundĂ«sinĂ« tĂ« reagojĂ« ndaj njĂ« situate qĂ« pĂ«rfshin njĂ« burim tĂ« ri tĂ« dhĂ«nash dhe kĂ«rkon aftĂ«si tĂ« ndryshme nga ato tĂ« zakonshmet. Kjo do tĂ« varet nga kultura organizative e institucionit statistikor, konkretisht nĂ«se ai i inkurajon punonjĂ«sit tĂ« zhvillojnĂ« aftĂ«si tĂ« reja dhe nĂ«se u jep kohĂ« pĂ«r tĂ« mĂ«suar nĂ« mĂ«nyrĂ« tĂ« pavarur.
Prandaj, gjasat që institucioni statistikor të mos jetë në gjendje të përpunojë dhe analizojë burime të reja të dhënash për shkak të mungesës së aftësive te punonjësit e tij do të jenë midis të mundshme (4) dhe të shpeshta (5), në varësi të kulturës së vetë-mësimit në organizatë.
6.1.3. Ndikimi
Një institucion statistikor që nuk është në gjendje të përpunojë dhe analizojë burime të mëdha të dhënash për shkak të mungesës së aftësive te punonjësit e tij mund të përballet me dy pasoja të mundshme negative: 1) burimi i të dhënave nuk do të shqyrtohet, të paktën jo plotësisht; 2) burimi do të përdoret në mënyrë të gabuar.
PamundĂ«sia pĂ«r tĂ« shqyrtuar plotĂ«sisht potencialin e njĂ« burimi tĂ« vlefshĂ«m tĂ« Big Data do tĂ« ketĂ« ndikim tĂ« vogĂ«l (2) nĂ« afat tĂ« shkurtĂ«r, pasi institucionet statistikore nĂ« fakt kanĂ« mjete statistikore pĂ«r tĂ« pĂ«rmbushur nevojat aktuale. MegjithatĂ«, nĂ« afat tĂ« gjatĂ« (dhe ndoshta edhe nĂ« afat tĂ« mesĂ«m), pasojat e humbjes sĂ« kĂ«saj mundĂ«sie do tĂ« jenĂ« vendimtare (4), pasi institucionet statistikore po pĂ«rballen gjithnjĂ« e mĂ« shpesh me konkurrencĂ«n e ofruesve privatĂ«, tĂ« cilĂ«t nuk kanĂ« tĂ« njĂ«jtĂ«n strukturĂ« institucionale qĂ« do tâu mundĂ«sonte tĂ« garantonin pĂ«r shoqĂ«rinĂ« pavarĂ«sinĂ« e tĂ« dhĂ«nave statistikore.
Megjithatë, përdorimi i gabuar i burimit do të kishte pasoja jashtëzakonisht negative për zyrat statistikore, pasi statistikat zyrtare varen në masë të madhe nga reputacioni i tyre për përmbushjen e misionit. Gjithsesi, mund të pohojmë se aftësia më e rëndësishme, mungesa e së cilës mund të çojë në rezultate të pasakta, është inferenca statistikore, veçanërisht inferenca e bazuar në modele, e cila gjithashtu ka më pak gjasa të mungojë. Prandaj, ndikimi i pritshëm ka më shumë gjasa të jetë kritik (4) sesa ekstrem.
6.1.4. Parandalimi
Shërbimet statistikore mund ta parandalojnë në mënyrë aktive këtë rrezik në dy mënyra: 1) trajnim; dhe 2) rekrutim.
Zyrat statistikore mund t'i pajisin punonjësit me aftësitë e nevojshme duke përcaktuar në detaje aftësitë e kërkuara për përdorimin e burimeve të mëdha të të dhënave në prodhimin statistikor, duke hartuar një inventar të aftësive ekzistuese të stafit, duke identifikuar nevojat për trajnim dhe më pas duke organizuar kurse trajnimi.
Zyrat statistikore mund gjithashtu të rekrutojnë punonjës të rinj me aftësitë e nevojshme. Kjo duket se ka kufizime të konsiderueshme, pasi zyrat statistikore nuk do të jenë në gjendje të krijojnë një masë kritike personeli për një situatë ku përdorimi i burimeve të mëdha të të dhënave do të përhapet gjerësisht në departament, ndërsa punonjësve të rinj do t'u duhen ende disa vite për të arritur nivelin e përvojës së punonjësve ekzistues. Megjithatë, të paktën disa nga punonjësit e rinj të rekrutuar në kuadër të rinovimit të zakonshëm të stafit mund të kenë aftësi që lidhen me Big Data.
6.1.5. Zbutja
Përballë një situate në të cilën burime të reja të mëdha të të dhënave janë të disponueshme pa personel me aftësitë e nevojshme, zyrat statistikore mund t'i zbusin pasojat negative në dy mënyra: 1) nënkontraktim; dhe 2) bashkëpunim.
Institucionet statistikore mund të lidhin kontrata me organizata të tjera për përpunimin e të dhënave dhe analizën e burimeve të reja të Big Data, nëse ato ofrojnë këto shërbime. Kjo duket si një zgjidhje e zbatueshme, pasi po shfaqet një sektor i ri kompanish të specializuara në përpunimin e këtij lloji të të dhënave. Megjithatë, kjo është një zgjidhje që në vetvete mbart rreziqe të caktuara, sepse institucioni statistikor do të ketë më pak kontroll mbi prodhimin e produkteve statistikore potencialisht të ndjeshme. Kjo zgjidhje ka edhe disavantazhin se nuk u mundëson punonjësve të institucionit statistikor të mësojnë dhe të fitojnë aftësitë e nevojshme.
BashkĂ«punimi me organizata tĂ« tjera, ku ka punonjĂ«s me aftĂ«sitĂ« e nevojshme dhe qĂ« janĂ« gjithashtu tĂ« interesuara tĂ« studiojnĂ« burimin e Big Data, duket si njĂ« zgjidhje mĂ« premtuese. Ky bashkĂ«punim mund tĂ« marrĂ« formĂ«n e projekteve tĂ« pĂ«rbashkĂ«ta, ku punonjĂ«sit e institucionit statistikor dhe ata tĂ« organizatave tĂ« tjera punojnĂ« si partnerĂ« tĂ« barabartĂ« dhe ndajnĂ« njohuritĂ« e tyre. Kjo jo vetĂ«m qĂ« do tĂ« ndihmonte nĂ« uljen e rrezikut tĂ« mungesĂ«s sĂ« aftĂ«sive, por edhe do t'u mundĂ«sonte punonjĂ«sve tĂ« institucionit statistikor tâi fitojnĂ« kĂ«to aftĂ«si.
6.2. Largimi i ekspertëve drejt organizatave të tjera
6.2.1. PĂ«rshkrimi
Ky rrezik qëndron në faktin se institucionet statistikore humbasin personelin e tyre në favor të organizatave të tjera, pasi ky personel ka fituar aftësi të lidhura me Big Data.
6.2.2. Gjasat
Gjasat e këtij rreziku do të varen nga dy faktorë: 1) mundësitë ekzistuese tërheqëse në organizata jashtë statistikës zyrtare; 2) kushtet e punës në institucionet statistikore.
Sa i përket mundësive në organizata jashtë statistikave zyrtare, gjasat që ky rrezik të materializohet duken të larta (4). Ekziston kërkesë e madhe për njerëz me aftësi në big data në sektorin privat, si edhe në organizata të tjera të sektorit publik. Pasi të kenë fituar aftësi në big data, statistikanët zyrtarë do të kenë një avantazh krahasues, duke qenë njëkohësisht profesionistë me përvojë në fushën e statistikës. Përveç aftësive specifike për big data, organizatave të tjera u nevojiten edhe specialistë të të dhënave me aftësi më tradicionale, si vlerësimi i nevojave të përdoruesve dhe zhvillimi i treguesve kyç të performancës (KPI), të cilat janë të zakonshme për statistikanët zyrtarë. Për më tepër, pritet që punonjësit më të prirur për të fituar aftësi të reja të jenë edhe ata që do të jenë më të hapur ndaj ndryshimeve në karrierë dhe do të largohen nga zyra statistikore.
Sa i pĂ«rket kushteve tĂ« punĂ«s nĂ« zyrat statistikore, kjo padyshim do tĂ« varet kryesisht nga zyra konkrete. MegjithatĂ«, nĂ« pĂ«rgjithĂ«si, zyrat statistikore vazhdojnĂ« tĂ« ofrojnĂ« mundĂ«si profesionale tĂ«rheqĂ«se pĂ«r njerĂ«zit me profil sasior. Zyrat statistikore ofrojnĂ« gamĂ«n mĂ« tĂ« gjerĂ« tĂ« fushave tĂ« mundshme tĂ« punĂ«s dhe zgjedhjen mĂ« tĂ« madhe tĂ« tĂ« dhĂ«nave pĂ«r tâu pĂ«rdorur. Kjo, deri diku, do tĂ« ulĂ« gjasat qĂ« zyrat statistikore tĂ« humbasin personelin e tyre pĂ«r shkak tĂ« rrethanave tĂ« paparashikuara (3).
6.2.3. Ndikimi
Ndikimi i këtij rreziku do të jetë i njëjtë me rrezikun e mungesës së personelit me aftësitë e duhura që në fillim. Prandaj, ndikimi do të jetë kritik (4), siç u përmend më sipër.
6.2.4. Parandalimi
Me sa duket, e vetmja mĂ«nyrĂ« qĂ« zyrat statistikore ta parandalojnĂ« kĂ«tĂ« rrezik Ă«shtĂ« tĂ« sigurojnĂ« kushte pune tĂ«rheqĂ«se pĂ«r punonjĂ«sit e tyre. Kjo Ă«shtĂ« pĂ«rgjithĂ«sisht e vĂ«rtetĂ« pĂ«r tĂ« gjithĂ« stafin. MegjithatĂ«, nĂ« rastin specifik kur punonjĂ«sit janĂ« tĂ« hapur pĂ«r tĂ« mĂ«suar aftĂ«si tĂ« reja, veçanĂ«risht aftĂ«si pĂ«r punĂ«n me Big Data, kushtet e punĂ«s mund tĂ« pĂ«rmirĂ«sohen duke u ofruar atyre mundĂ«si trajnimi, ku mund tĂ« zhvillojnĂ« interesat e tyre profesionale. Zyrat statistikore mund tâi kushtojnĂ« gjithashtu vĂ«mendje tĂ« veçantĂ« tĂ« qenit tĂ« hapura ndaj projekteve dhe ideve tĂ« reja inovative qĂ« lidhen me burimet e reja tĂ« Big Data, tĂ« propozuara nga statistikanĂ« qĂ« punojnĂ« nĂ« disa fusha tĂ« statistikĂ«s. SĂ« fundi, parandalimi i humbjes sĂ« stafit nĂ« favor tĂ« organizatave tĂ« tjera gjatĂ« zhvillimit tĂ« aftĂ«sive tĂ« tyre pĂ«r punĂ«n me Big Data do tĂ« varet nga identifikimi i saktĂ« i punonjĂ«sve qĂ« janĂ« tĂ« aftĂ« dhe tĂ« gatshĂ«m tĂ« punojnĂ« me tĂ« dhĂ«na tĂ« tilla, si edhe nga ofrimi i mundĂ«sive tĂ« mira pĂ«r zhvillimin e tyre profesional.
6.2.5. Zbutja
Ulja e këtij rreziku do të bëhet në lidhje me rrezikun e mungesës së personelit me aftësitë përkatëse: 1) nënkontraktimi; dhe 2) bashkëpunimi.
7. Diskutim
Nga ky shqyrtim i parĂ« Ă«shtĂ« e qartĂ« se Ă«shtĂ« e pamundur tĂ« pĂ«rcaktohet njĂ« probabilitet ose ndikim unik pĂ«r kĂ«tĂ« ârrezik tĂ« Big Dataâ â si rregull, tĂ« dy treguesit varen nĂ« masĂ« tĂ« madhe nga burimi i Big Data, si edhe nga âstatistikat zyrtare tĂ« bazuara nĂ« Big Dataâ.
produkti â.
Prandaj, arrijmë në përfundimin se hapi i ardhshëm logjik në këtë drejtim është miratimi i një sërë projektesh të mundshme pilot (secili prej të cilëve përfshin një kombinim të një ose më shumë BDSs dhe një ose më shumë BDOSs) si pikënisje dhe, për secilin pilot të tillë, përpjekja për të vlerësuar probabilitetin dhe ndikimin e çdo rreziku.
Për këtë qëllim, jemi në prag të nisjes së një ankete me palët e interesuara, duke u përpjekur të vlerësojmë vlerësimin e OSC për probabilitetin, ndikimin (dhe veprimet e mundshme për parandalim / zbutje) në lidhje me një sërë projektesh të mundshme pilot, si edhe të kërkojmë propozime nga OSC lidhur me rreziqet që nuk i kemi përfshirë në këtë dokument.
8. REFERENCAUNECE (2014), «Një kornizë e propozuar për cilësinë e Big Data», Materialet e Task Forcës së UNECE për Cilësinë e Big Data,
a%20Quality%20Framework%20-%20final-%20Jan08-2015.pdf?version=1&modificationDate=1420725063663&api=v2
UNECE (2014), «Sa i madh është Big Data? Eksplorimi i rolit të Big Data në statistikat zyrtare»,
Daas, P., S. Ossen, R. Vis-Visschers dhe J. Arends-Toth, (2009), Listë kontrolli për vlerësimin e cilësisë së burimeve të të dhënave administrative, Statistics Netherlands, Hagë/Heerlen
Dorfman, Mark S. (2007), Hyrje në menaxhimin e rrezikut (bot. e), Cambridge, MB, Woodhead-Faulkner, f. 18, ISBN 0-85941-332-22)
Eurostat (2014), «Procedura e akreditimit për të dhënat statistikore nga burime jozyrtare» në Analiza e metodologjive për përdorimin e internetit për mbledhjen e statistikave të shoqërisë së informacionit dhe statistikave të tjera,
Reimsbach-Kounatze, C. (2015), âPĂ«rhapja e âBig Dataâ dhe ndikimet pĂ«r statistikat zyrtare dhe agjencitĂ« statistikore: NjĂ« analizĂ« paraprakeâ, OECD Digital Economy Papers, Nr. 245, OECD Publishing.
Reis, F., Ferreira, P., Perduca, V. (2014) «Përdorimi i evidencave të aktivitetit në web për të rritur afatin kohor të treguesve të statistikave zyrtare», punim i paraqitur në konferencën IAOS 2014,
Edhe pse nuk i përmend shprehimisht rreziqet, ky punim në fakt trajton shumë prej rreziqeve që lidhen me përdorimin e të dhënave të aktivitetit në web për statistikat zyrtare. Eurostat (2007), Manual mbi metodat dhe mjetet e vlerësimit të cilësisë së të dhënave,
Burimi: habr.com
