به دلیل همین ابهامات که پیش بینی می کردیم رخ بده ما قبلا در یک نشست خبری که در تاریخ 31 تیرماه برگزار شد به این سوالات پاسخ دادیم و شفاف سازی های لازم رو انجام دادیم، ولی باز لازم می دونم تا برخی موارد رو برای دوستان بیان کنم:
استارتاپ کیلید از تکنولوژی ارزش گذاری هوشمند قیمت خانه استفاده می کنه، در واقع engine تخمین قیمت خانه با حداقل خطا(زیر 10 درصد)، تکنولوژی اصلی این سایت هست. در اقتصاد مسکن پدیده ای وجود داره به نام heterogeneity مسکن، یعنی تقریبا هیچ دو خونه ای ویژگی های کاملا یکسانی ندارن که بشه قیمت یکسانی روی اونها گذاشت، اگر در تهران مثلا 1.5 میلیون خونه باشه هیچ کدوم ازین دو عین هم نیستن فلذا قیمت شون هم نمی تونه عین هم باشه. سختی کار ازین جا شروع میشه که شما سیستمی رو توسعه بدی که بتونه با این شدت تفاوت بین خونه ها رو تمایز بده و تخمین قیمتی با خطای زیر 10 درصد که قابل قبول باشه ارائه بده، که دوستانی که دستی در data science دارن پیچیدگی چنین سیستمی رو درک می کنن.
اما ما چه طور به این تکنولوژی رسیدیم؟ جوابش رو صریح بخوام بدم، 6 سال تحقیق و توسعه ی دکتر علیرضا ذوالفقاری در دانشگاه امپریال کالج لندن در مقطع دکتری data science هست که تز دکتری ایشون دقیقا در زمینه ی همین تکنولوژی بوده( می تونید این امر رو بررسی کنید). در عمل مزیت رقابتی ما، دسترسی به دادههای آنچنانی نیست(که در ادامه در این بار توضیح می دهم) بلکه استارتاپ کیلید در دستهی استارتاپهای Tech intensive و big data قرار داره که مزیت محوری، تکنولوژی خاصی هست که در محصول استفاده می شه. فلذا صحیح نیست کار علمی قبلی یک نفر و توسعه ی محصول یک تیم رو با فضایی که متاسفانه به تجربه در ایران دیده ایم و مدل ذهنی ما رو شکل داده ترکیب کنیم و همه رو به نام سیاه نمایی های فردی و دسترسی ها و نفوذهای خاص نامگذاری کنیم.
اما در مورد داده ها، ما قوانین زیادی در این مملکت داریم که نه کسی به اونها عمل می کنه و نه متاسفانه کسی پیگیر عمل شدن به اونها هست(کافیه یه بار برنامه ی پایش رو ببینید). اینکه در این کشور، قانونی به نام قانون دسترسی آزاد به اطلاعات وجود داره و تا حالا کسی ازون استفاده نکرده و هیچ استارتاپی به دنبال اون نرفته، گناه ما نیست، بلکه کم کاری کسانی هست که خودشون پیگیری های به قول دوستان که اشاره کردن"طاقت فرسای چندین ساله" رو دوست ندارن به خودشون تحمیل کنند. دیگر استارتاپ های این حوزه که نام بردید، نفوذشون صد بیشتر از ما نباشه کمتر نیست!(اینو از مشاور املاک ها هم می تونید بپرسید، یا همون اوایل که استارتاپ کیلید لانچ شد تحقیق کنید خواهید دید چه بیانیه های عجیب غریبی که علیه کیلید توسط فعالان این حوزه صادر نشد! و ممانعت های قانونی ای که ایجاد شد تا رقیب جدیدی وارد بازار نشه).
به همه ی دوستان اعلام می کنم، این راه باز است، قانون دسترس آزاد به اطلاعات از سال 87 وجود داشته و دارد و اگر می خواهید، پیگیر استفاده از داده های تحت پوشش این قانون برای راه اندازی کسب و کار باشید چون نسل بعدی استارتاپ ها، همانطور که فعالان حوزه ی سرمایه گذاری کشور می گویند، استارتاپ های حوزه ی Big data هست نه copy cat ها و استارتاپ های تبلیغاتی، این روند همون روندی هست که از امریکا شروع می شه هر بار و با چندسال تاخیر به اروپا و سپس آسیا و ایران می رسه و تاکنون رسیده.
مطالعه موردی شفافیت و دسترسی آنلاین به دادههای دولتی در هند
در هند مانند سایر کشورها پیوند بین شهروندان و دولت از طریق سیستمهای اطلاعاتی شکل میگیرد و دولت الکترونیک (e-governance) به عنوان یک گام پیشرو در جهت دریافت هر چه موثرتر سرویسهای دولتی شناخته شده است. تمایل به سمت دولت الکترونیک از دهه 1980 افزایش یافته است و هند در حال آمادهسازی است که پروژه هویت منحصربهفرد ملی (UID) را معرفی کند.
For years Google has warned users about natural disasters by incorporating alerts from government agencies like FEMA into apps like Maps and Search. Now, the company is making predictions of its own. As part of a partnership with the Central Water Commission of India, Google will now alert users in the country about impending floods. The service is only currently available in the Patna region, with the first alert going out earlier this month.
As Google’s engineering VP Yossi Matias outlines in a blog post, these predictions are being made using a combination of machine learning, rainfall records, and flood simulations.
در انجمنهای بینالمللی سوالی به شرح زیر به منظور دریافت نظر کارشناسان داده باز از کشورهای مختلف پرسیدم:
why open data is important? and
what has been the effects and impacts of OD in the world?, (Especially economic effects based on statistics)
فعلا دو پاسخ به دستم رسیده است:
I have some presentations in my Slideshare that try to answer some of these questions. However, most of them are in Portuguese language. I have a couple of them in English, but they’re outdated - one is for an IODC16 panel on the open data ecosystem and the other is a CKAN minicourse, which is not what you want at this time. But they’re all Creative Commons BY-SA licensed, so feel free to translate and reuse as much as you like.
If you seek to demonstrate the economic impact and potential, consider citing these studies:
This compendium of good practices was prepared by the OECD at the request of the G20 Anti-corruption Working Group (ACWG), to raise awareness of the benefits of open data policies and initiatives in:
fighting corruption,
increasing public sector transparency and integrity,
fostering economic development and social innovation.
This compendium provides an overview of initiatives for the publication and re-use of open data to fight corruption across OECD and G20 countries and underscores the impact that a digital transformation of the public sector can deliver in terms of better governance across policy areas. The practices illustrate the use of open data as a way of fighting corruption and show how open data principles can be translated into concrete initiatives.
The publication is divided into three sections:
Section 1 discusses the benefits of open data for greater public sector transparency and performance, national competitiveness and social engagement, and how these initiatives contribute to greater public trust in government.
Section 2 highlights the preconditions necessary across different policy areas related to anti-corruption (e.g. open government, public procurement) to sustain the implementation of an “Open by default” approach that could help government move from a perspective that focuses on increasing access to public sector information to one that enhances the publication of open government data for re-use and value co-creation.
Section 3 presents the results of the OECD survey administered across OECD and G20 countries, good practices on the publishing and reusing of open data for anti-corruption in G20 countries, and lessons learned from the definition and implementation of these initiatives. This chapter also discusses the implications for broader national matters such as freedom of press, and the involvement of key actors of the open data ecosystem (e.g. journalists and civil society organisations) as key partners in open data re-use for anti-corruption.
#مؤسسه_جهانی_مک_کنزی در گزارشی که در 2013 میلادی منتشر کرد، تأثیرات اقتصادی داده باز در 7 حوزه را مورد بررسی قرار داده و ارزش دلاری آنها را محاسبه کرده است:
آموزش: استفاده از داده باز در حوزه آموزش میتواند سبب خلق ارزشی سالیانه بین 890 میلیارد تا 1200 میلیارد دلار گردد. بالاترین ارزش استفاده از داده باز به منظور شناسایی اثربخش ترین راهبردها و ابزارها برای آموزش دانش و مهارتهای خاص ایجاد میشود. دانشآموزان و والدین همچنین با استفاده از دادههای عملکرد باز تصمیمات آگاهانهتری را نسبت به انتخاب مدارس و مؤسسات آموزشی بگیرند. البته در این حوزه تأملاتی پیرامون حریم شخصی عملکرد افراد و یا استقلال معلمان در کلاس های درسی وجود دارد.
حمل و نقل: تخمین زده میشود که داده باز در این بخش سالیانه بین 720 تا 920 میلیارد دلار ثروت خلق کند. بیشترین منبع خلق ارزش ناشی از افزایش کارایی و استفاده بهینه از زمانی است که ماحصل کاهش زمانهای سفر است. ارزش بیشتر میتواند از به کارگیری داده باز برای ارتقای اثربخشی حمل و نقل عمومی و تجاری ایجاد شود؛ چرا که میتوان زمانها و سازوکارهای فرایندهای سفر را با وجود این اطلاعات دقیقتر و خلاصهتر کرد. داده باز همچنین سرمایهگذاری در زیرساخت حمل و نقل را توسعه میدهد.
کالاهای مصرفی: تخمین زده میشود که سالیانه بین 520تا 1500میلیارد دلار در این بخش ارزش ایجاد شود. مصرفکنندگان میتوانند از شفافیت قیمتها سود بسیاری برند، و نیز از وجود اطلاعات دیگری پیرامون محصولات یا تأمینکنندگان. داده باز میتواند به تولیدکنندگان و فروشندگان کمک کند تا فروش خود را گسترش و اعتماد میان خود را افزایش دهند؛ چرا که خواهند توانست به طور دقیقتری انواع مشتریان را بخشبندی کنند و چیدمان محصولات خود را دقیقتر انتخاب کنند. تولیدکنندگان میتوانند از «پسند» کاربران در شبکههای اجتماعی به طراحیهای دقیقتری و مناسبتری دست پیدا کنند و محصولات خود را پس از عرضه به خوبی ارتقا بخشند. ناگفته نماند که محرمانگی در این حوزه نیز هنوز یک مانع جدی محسوب میشود.
برق: بهره گیری از داده باز در صنعت برق میتواند ارزش سالیانهای بین 340 تا 580 میلیارد دلار ایجاد کند. در این صنعت، برای افزایش صرفه جویی و ارتقای فرایندها نیازمند سرمایهگذاری سنگین در فناوری و فعالیتها هستیم. در این راستا، با عرضه اطلاعات دقیق پیرامون مصرف انرژی هر مصرفکننده و نیز الگوی متوسط مصرف سایر مصرفکنندگان، آنها خواهند توانست روشهای دقیقتری برای استفاده از انرژی به کار گیرند. از سوی دیگر، با ارائه چنین اطلاعاتی، بسیار محتمل است که تقاضا برای کالاهای مصرفی با کارایی بالاتر افزایش یابد و در همین راستا، انتظار نوآوریهای فرایندی و حتی رادیکال در فناوریهای بیشتر محتمل خواهد بود.
نفت و گاز: در طول زنجیره ارزش نفت و گاز، انتظار میرود که داده باز سبب خلق ارزشی سالیانه بین 240تا 510 میلیارد دلار گردد. این ارزش از طریق عرضه اطلاعاتی پیرامون محلهای منابع جدید و ساخت تجهیزات پایین دستی ایجاد خواهد گردید. ترازیابیهای به اشتراک گذاشته شده میتواند فرایندها و فعالیتهای سرمایهگذاری را بهبود بخشد. به اشتراکگذاری دادههای مشتریان میتواند سبب اتخاذ تصمیماتی بهتر پیرامون استفاده از انرژی گردد (مثلا، استفاده از گاز طبیعی.) فواید بسیاری از این اطلاعات به اشتراکگذاری آنها وابسته است؛ مسئلهای که باید از نظر تجاری به خوبی مدنظر قرار گیرد.
سلامت: داده باز در این حوزه میتواند تنها در ایالات متحده بین 300تا 450میلیارد دلار ثروت ماهیانه خلق کند. این خلق ارزش میتواند مواردی این چنین باشد: توانمند کردن افراد مختلف در راستای پیشگیری از بیماران و نیز درمان، کمک به اتخاذ مناسبترین درمان برای هر بیمار، متصل کردن هر بیمار به مناسبترین درمانگر، تضمین کارآمدی هزینه درمانها، و همچنین شناسایی جدیدترین روشهای درمان و راهبردهای مقابله با بیماریها. دستیابی به چنین خلق ارزشی نیازمند تغییر در روشهایی است که در حوزه سلامت و برای پرداخت استفاده میشود، استانداردهای حاکمیت داده و امکان استفاده مجدد از آنها، متقاعد کردن ارائه کنندگان خدمات سلامت نسبت به اشتراکگذاری دادهها، سرمایهگذاری در توانمندی های همه بازیگران به منظور بهره مندی حداکثری از داده های باز.
مالی: ارزش داده باز که تنها در سه حوزه بانکداری، بیمه و املاک و مستغلات ارزیابی شده است، سالانه بین 210تا 280 میلیارد دلار تخمین زده میشود. در بانکداری و بیمه فرصت فراوانی به منظور افزایش ارزش از طریق داده باز به منظور ارتقای طراحی محصول وجود دارد. به طور خاص، داده باز میتواند ریسک افرادی که سابقه اعتباری ندارند، و نیز امکان ارزشگذاری کسب وکارهای تازه را فراهم آورد. داده باز همچنین میتواند به منظور جلوگیری و شناسایی تخلفات مالی مورد استفاده قرار گیرد. مثلا، با کشف ارتباطات موجود در شبکههای اجتماعی میتوان از وجود حلقه های ارتباطی اطلاع حاصل کرد. مشتریان نیز میتوانند با استفاده از داده باز، از میان دامنه گستردهای از خدمات و محصولات پیچیده مالی اطلاع کسب کنند. در املاک و مستغلات، داده باز میتواند به مرتبط شدن خریداران و فروشندگان (و یا برای کرایه) کمک شایانی کند، سرمایهگذاریهای مرتبط به توسعه و زیرساخت را دقیقتر گرداند. البته، موانع تحقق ارزش داده باز در حوزه مالی شامل نگرانیهایی در مورد حریم شخصی مشتریان و فقدان چارچوب قانونی مرتبط با بهرهمندی از انواع تازه بانکداری و بیمه میگردد.
@gppconference
منبع:
McKinsey Global Institute (2013). Open data: Unlocking innovation and performance with liquid information. Publication: McKinsey & Company
Collectively, there are three main reasons for opening government data: 1. Transparency - In order to have a well-functioning, democratic society, citizens and other stakeholders need to be able to monitor government initiatives and their legitimacy. Transparency also means that stakeholders not only can access the data, but they also should be enabled to use, reuse and distribute it. The success to achieve transparency results in a considerable increase in citizen social control; 2. Releasing social and commercial value - Governments are one of the largest producers and collectors of data in many different domains . All data, whether addresses of schools, geospatial data, environmental data, transport and planning data, or budget data, has social and commercial value, and can be used for a number of different purposes which are different than the ones originally envisaged. By publishing such data the government encourages stakeholders to innovate upon it, and create new services; and 3. Participatory Governance - Through the publishing of government data citizens are given the opportunity to actively participate in governance processes, such as decision-taking and policy-making, rather than sporadi- cally voting in an election every number of years. Through open government data initiatives such as portals, stakeholders can also be more informed and be able to make better decisions.
Attard, J., Orlandi, F., Scerri, S., & Auer, S. (2015). A systematic review of open government data initiatives. Government Information Quarterly, 32(4), 399–418. https://doi.org/10.1016/j.giq.2015.07.006