Global Heatmap
[center]
[/center]
چیست؟ :
[center]
[/center]
دقیق‌تر، چیست؟ :
تاریخ انتشار: شنبه ۲۷ مرداد ۱۳۹۷
نه به سانسور داده‌ها
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.
1 پسندیده
Google is using AI to predict floods in India and warn users
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.
[center]
[/center]
https://www.theverge.com/2018/9/25/17900018/google-ai-predictions-flooding-india-public-alerts
1 پسندیده
از باب نقش داده و داده باز:
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 I have a couple of them in English, but they’re outdated - one is for an IODC16 panel on the open data ecosystem and the other is a CKAN minicourse, which is not what you want at this time.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:
- Open data: Driving growth, ingenuity and innovation , by Deloitte, 2012
- The Open Data Economy , by Capgemini, 2013
- Open data: Unlocking innovation and performance with liquid information , by McKinsey & Company, 2013
- A world that counts: Mobilising The Data Revolution for Sustainable Development , by the United Nations, 2014
- Open for Business: how open data can help achieve the G20 growth target , by Lateral Economics, 2014
- Creating Value through Open Data , by Capgemini for the European Data Portal, 2015
About the benefits of open data, I suggest you use the figures that were presented by the European Data Portal, considering the context of the European economy, as a sign of potential results in the same direction in Iran.
و
maybe you will find it useful:
https://transparencee.org/analysis/open-data-principles-for-beginners/ we did it thinking about public officials in Central and Eastern Europe, putting it in a simple language and with clear arguments for opening the data.
good luck!
از باب ارتباط با عنوان این تاپیک، برای استفاده مخاطبان انجمن اینجا هم گذاشتم.
2 پسندیده
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.
g20-oecd-compendium.pdf (2.6 مگابایت)
2 پسندیده
تاثیرات اقتصادی سیاست داده باز
#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
2 پسندیده
تجربیاتی از داده باز شهری
کاری از سازمان فناوری اطلاعات و ارتباطات شهرداری تهران
تجربیات مشابه داده باز حمل و نقل.docx (796.7 کیلوبایت)
2 پسندیده
مجموعه غنی و ارزشمند open data impacts از GovLab
سایت: http://odimpact.org
دریافت کل محتوای این مجموعه به زبان انگلیسی در یک فایل فشرده:
OpenDataImpacts- Govlab.rar (82.1 مگابایت)
1 پسندیده
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
2 پسندیده
گزارش سازمان شفافیت بین الملل: اثرات داده در شرق آسیا
[center]
[/center]
2019_Report_RealLivesRealStoriesPowerInformation_English.pdf (5.0 مگابایت)
3 پسندیده
How data and machine learning can help Government?
Tackling fraud using anomaly detecton
• The last estimate from June 2013 reported fraud against the public sector to be £20.6 billion each year. Of this, it is estimated that central government might be losing £2.6 billion and local government £2.1 billion to fraud. A further £14.0 billion is estimated to be lost to tax fraud and vehicle excise fraud, and £1.9 billion to beneft and tax credit fraud.” • Machine learning techniques are the state-of-art fraud detection tools used by fnancial companies. From tax fraud to identity and beneft fraud, advanced analytics can help detect suspicious activity and enable organisations to reduce losses due to fraud.
• Anomaly detection for regulatory compliance. Regulators in fnancial services and healthcare could use predictive analytics to oversee compliance with rules and monitor for violations.
Improving services using predictve analytcs
• Predictive hazard detection. The power of predictive analytics to target resources in an effcient way leads to cost-savings.
For instance, using predictive analytics to identify properties at the highest risk of fre would result in effcient targeting of inspections, as well as improved safety outcomes.
• Predictive social care. Identifying vulnerable individuals through predictive analytics could help respond proactively in a range of services: from detecting troubled families to preventing homelessness and school truancy, advanced analytics can help tailor an appropriate response.
• Predictive analytics for crime detection. Predictive analytics could help detect crimes more effciently, especially in areas where they are under-reported.
• Personalised and adaptive learning services, such as Isaac Physics, are using sophisticaed machine learning models to improve the effectiveness of their pedagogy for the one in four students that use the site who are studying physics in the UK. For example, they personalise the diffculty of questions that students receive to keep them engaged for longer.
Policy-making and patern recogniton
• Unsupervised learning can provide greater understanding of the challenge and guide better informed policy-making. For instance, unsupervised learning can inform better policy-making by identifying patterns in e.g. crime, court cases, or teacher behaviour. These patterns can guide specifc policy interventions.
Recommendaton engines
• Recommendations engines can save time and effort: for instance pre-flled tax forms help citizens have a much better experience when submitting tax returns.
Visualising data
• Departments and agencies should use service performance dashboards such as those on Historical Performance Platform - data.gov.uk which currently show more than 800 different performance metrics across government.
• Crime Maps on police.uk is an example of a data visualisation project directed by a Government Department even prior to the establishment of GDS. Home Offce publish an online map of crime data at the level of neighbourhoods (https://www.police.uk). The maps display granular monthly crime reports. Local residents, parents, teachers, local businesses and public service providers all beneft from granular neighbourhood safety information.
3 پسندیده