Jie suteikia galimybę institucijoms tobulinti viešąsias paslaugas ir jų teikimo būdus, gali paskatinti inovacijas, sukurti žinių dalijimosi aplinką tarpinstituciniame ir tarpsektoriniuose lygmenyse, padėti valdyti globalias ir nacionalinio lygmens krizes, kaip pvz., COVID-19 pandemija, didinti piliečių pasitenkinimą viešosiomis paslaugomis, sumažinti procesines išlaidas, užtikrinti priimamų ir įgyvendinamų sprendimų tikslumą, politikų ir valstybės tarnautojų atskaitomybę.
Didieji duomenys gali padėti institucijų personalo skyriams valstybės tarnyboje identifikuoti ir pritraukti reikalingus resursus ir talentus, analizuoti ir sistemiškai vertinti esamų tarnautojų veiklos rodiklius, mažinti biurokratiją. Visgi yra problemiška, kad didieji duomenys politinių sprendimų priėmėjams vis dar yra nauja koncepcija, o jos pritaikomumo galimybės ir teikiama nauda nėra aiškiau apibrėžti.
Kita vertus, pvz., formuojant ir įgyvendinant socialinę politiką, didieji duomenys jau naudojami Šiaurės Europoje, Šiaurės Amerikoje, Australijoje ir Naujoje Zelandijoje, siekiant suteikti kuo daugiau įrodymų politinių sprendimų priėmėjams.
Didieji duomenys yra apibrėžiami kaip milžiniškas struktūruotų ir nestruktūruotų duomenų kiekis, kurie yra generuojami, užfiksuojami ir išsaugojami ypatingu greičiu, siekiant iš jų išgauti vertę organizaciniam prognozavimui ir sprendimų priėmimui. Šie duomenys renkami iš labai plataus spektro šaltinių: mobiliųjų telefonų, video įrašymo įrenginių, sensorių, įvairių išmaniųjų prietaisų, miestuose esančių vaizdo kamerų ir kitų šaltinių. Jie suteikia galimybę institucijoms prognozuoti piliečių elgseną, analizuoti ekonomikos ir statistinius reiškinius.
Remiantis Jungtinių Tautų siūloma klasifikacija, galima išskirti šias didžiųjų duomenų kategorijas:
a) socialiniai tinklai;
b) tradicinių verslo sistemų duomenys (procesų sukurti duomenys, kaip verslo operacijos, elektroninė prekyba, kreditinės kortelės ir kt.);
c) mašinų sugeneruoti duomenys, kaip vandens gavyba, tarša, palydovų informacija ir kt.
Didieji duomenys dažnai apibūdinami pasitelkiant 3-V. Šis akronimas reiškia tris esmines dimensijas:
a) didžiųjų duomenų apimtį (angl. Volume), dažniausiai matuojamą terabaitais ar petabaitais;
b) įvairumą (angl. Variety), kuris susijęs su duomenų pobūdžiu ir jų struktūriniu heterogeniškumu (pvz. struktūruoti, pusiau – struktūruoti, nestruktūruoti duomenys);
c) didžiųjų duomenų dinamiškumą (angl. Velocity) ir jų rinkimo, išsaugojimo bei analizavimo greitį.
Kai kuriuose sektoriuose jau artėjama prie to, kad duomenis galima rinkti, išsaugoti ir analizuoti beveik realiuoju laiku. Tik nedidelė dalis duomenų yra struktūruoti. Susisteminę įvairius tyrimus, autoriai M. Anshari, S. A. Lim, linkdami prie klasikinės 3-V didžiųjų duomenų perspektyvos, dar mini vertybių dimensiją (angl. Value), variacijas (angl. Variability), autentiškumą (angl. Veracity). Anot I. Pretty, didžiųjų duomenų metodai gali būti klasifikuojami, išskiriant tris esmines grupes: a) istoriniai duomenys, atskleidžiantys situaciją praeityje; b) esamojo laiko (angl. real-time) duomenys, kuomet jie atskleidžia esamą, ar artimą esamai, situaciją, kai pabrėžiamos kelių valandų ar minučių vėlavimo galimybės; c) prognozavimo duomenys, kuomet jie atskleidžia, kas gali įvykti ateityje.
Atsižvelgiant į analizuojamų duomenų įvairovę, galima daryti prielaidą, kad didieji duomenys viešojo sektoriaus institucijoms suteikia ir gali suteikti įvairių privalumų. Pažymėtinas perėjimas nuo popierine dokumentacija paremtų prie skaitmeninių paslaugų, užtikrinant didesnę duomenų integraciją, judėjimą ir dalijimąsį iš skirtingų institucijų. Didieji duomenys gali prisidėti ir prie reikšmingesnio piliečių įsitraukimo į viešosios politikos programų vystymą, įgyvendinimą ir vertinimą.
Pabrėžtinos ir viešųjų paslaugų tobulinimo galimybės, pasitelkiant didžiuosius duomenis, kai yra analizuojama piliečių nuomonė viešųjų paslaugų atžvilgiu. Taip, pvz., paieškos raktažodžiai gali suteikti naudingą grįžtąmąjį ryšį ir išaiškinti galimybes pritaikant viešųjų paslaugų teikimą, kai valstybės tarnautojai geriau supranta konkrečių piliečių poreikius. Šis grįžtamasis ryšys paslaugų teikėjams sukuria strateginę reagavimo galimybę.
Didžiųjų duomenų rinkimas apie piliečių elgseną ir jų aktyvumą naudojantis paslaugomis, institucijoms ir politinių sprendimų priėmėjams sukuria naujas prielaidas paslaugų planavimo, teikimo ir jų fokusavimo tobulinimui. Galima išskirti tokį puikų pavyzdį iš privataus sektoriaus, kaip draudimo kompanijos Aviva atvejį. Kompanija taiko didžiuosius duomenis, pasitelkdama mobiliuosius telefonus siekdama sekti klientų vairavimo įpročius. Šie duomenys vėliau yra panaudojami siekiant įvertinti vairuotojo rizikas. Avivos atveju, atsargiai vairuojantys vairuotojai už draudimo paslaugas moka mažiau, nei tie, kurie, remiantis duomenų analize, vairuoja neatsargiai. Viešajame sektoriuje tai galėtų būti sveikatos paslaugų personalizavimas, kuomet sveikatos institucijos gauna pacientų sveikatos duomenis realiuoju laiku, ir iškart gali įgyvendinti individualizuotas paslaugas pacientams atvykstant į ligonines.
Didieji duomenys gali būti naudojami piliečių požiūrių ir nuotaikų analizei, siekiant išsiaiškinti, kaip visuomenė vertina konkrečią viešąją politiką. Šiuo atveju, didieji duomenys yra panaudojami kaip tam tikras grįžtamojo ryšio mechanizmas dėl politikų ir administratorių sprendimų. Didžiųjų duomenų analizė gali būti pritaikoma, siekiant institucijoms spręsti įvairias socialines-kultūrines problemas, siekiant numatyti tam tikrų grupių charakteristikas, pvz., iš mokyklų iškrisiančių mokinių skaičių, įvairių reiškinių ir fenomenų plėtros galimybes, kaip, pvz., ligų protrūkius, ar gyventojų lokacijas žemės drebėjimų areale.
Didieji duomenys taip pat suteikia galimybę stebėti įvairių reiškinių vystymosi kryptis, pvz., skurdo rodiklių pokyčius tam tikruose teritoriniuose vienetuose. Svarbiausia, kad veiksmingas didžiųjų duomenų panaudojimas gali pagerinti paslaugų efektyvumą, pasiekiant didesnį rezultatą su mažesnėmis sąnaudomis.
Vertinant didžiųjų duomenų taikymo trūkumus, dažniausiai minimos šios problemos. Dėl savo turimų įsipareigojimų viešojo sektoriaus institucijos, pradedant sveikatos apsauga ir socialinėmis paslaugomis, surenka daugybę jautrios informacijos apie savo piliečius. Šiuos duomenis naudojant kartu, būtų galima susidaryti beveik pilną individo gyvenimo vaizdą, tokiu būdu kėsinantis į asmeninio gyvenimo privatumą. Apie privatumo pažeidimus iš didžiųjų technologinių kompanijų pusės ir vartotojų teisių nebuvimą naujojoje eroje įtikinamai parašė profesorė iš JAV S. Zuboff savo 700 puslapių knygoje apie „sekimo kapitalizmą“, kuri greitai tapo bestseleriu. Juk organizacijos turėtų galėti rinkti duomenis tik tada, kai tai yra reikalinga siekiant įgyvendinti jų misiją, tačiau toks „informacinis delegavimas“ dažniausiai yra neaiškus, nestabilus ir gali būti įvairiai interpretuojamas. Vertinant iš etinės perspektyvos, dėl vartotojų duomenų panaudojimo galėtų būti labai sudėtinga arba net neįmanoma institucijoms gauti paslaugų vartotojų sutikimą.
Antras klausimas kyla dėl to, kad net jeigu ir pavyktų šiuos sutikimus gauti, tai ar ir kiek vartotojai galėtų būti informuojami apie jų duomenų panaudojimą, nes labai dažnai didieji duomenys gali būti renkami turint vieną tikslą, o panaudojami visai kitam tikslui. Egzistuoja grėsmė, kad turint didžiuosius duomenis, gali būti peržengta „raudonoji linija“ vartotojų atžvilgiu, pvz., pasitaikius klaidoms, kai į rinką rinkodaros būdu būtų prastumiami kenksmingi jiems produktai.
Didieji duomenys yra susiję ir su pačių piliečiu socialiniu aktyvumu. E. Hargittai atkreipia dėmesį į situacijas, kuomet pasikliovimas tik didžiaisiais duomenimis gali sukurti papildomų problemų, kai tam tikri svarbūs reiškiniai gali likti nepastebėti, nes jie susiję su tuo gyventojų segmentu, kuris nepalieka reikšmingo skaitmeninio pėdsako. Vyresni žmonės ir individai, gaunantys mažesnes pajamas, taip pat – individai, stokojantys išsilavinimo, nėra tinkamai reprezentuojami socialinės medijos duomenyse, o jaunimas ir aukštesniam socialiniam sluoksniui priklausantys individai yra per daug atspindimi duomenyse apie viešųjų paslaugų vartojimą.
Veiksmingam didžiųjų duomenų taikymui būtinos ir specifinės valstybės tarnautojų kompetencijos, technologinė infrastruktūra. Tai programavimo, modeliavimo, statistikos, duomenų valdymo, analitikos įgūdžiai, mašininio mokymo procesų supratimas. Šie veiksniai yra ypač svarbūs besivystančioms valstybėms, nes jų įsigijimas, įdiegimas ir palaikymas reikalauja laiko, finansinių ir žmogiškųjų resursų, kuriuos besivystančioms valstybėms gali būti sudėtinga suformuoti. Būtina paminėti ir institucinio bendradarbiavimo stokos problemas.
Nepaisant to, kad viešojo sektoriaus institucijos surenka didelius duomenų kiekius, dažnai šie duomenys būna fragmentuoti, egzistuoja daugybė skirtingų sistemų, kurios stokoja tarpinstitucinio suderinamumo. O instituciniam bendradarbiavimui duomenų integracijos atžvilgiu yra būtina ne vien technologinė infrastruktūra, bet ir tinkama organizacinė kultūra. Ši problema yra aktuali net ir analizuojant tos pačios specifikos institucijų duomenis, kurie gali būti neskaitmenizuoti, todėl jie nėra lengvai prieinami. Ši problema yra ypač aktuali mažoms institucijoms, turinčioms itin ribotus žmogiškuosius, technologinius ir finansinius resursus. Kai su duomenimis, greta savo papildomų funkcijų, turi dirbti menkai apmokyti tarnautojai, tuomet įvedami duomenys gali būti nepilni, o kartais net ir klaidingi. Galima teigti, kad politikai ir valstybės tarnautojai, priimdami sprendimus, privalo suprasti, kad didieji duomenys nėra panacėja.
Egzistuoja dar viena – su duomenų pertekliumi susijusi didžiųjų duomenų problema. Institucijų vadovybei tenka ypatingai svarbus uždavinys nusprendžiant kokius duomenis apdoroti ir išgryninti, o tai gali būti ne pagal jėgas atskiriems vadovams dėl jų kompetencijos stokos turinio požiūriu, nes nemažai vadovų pasižymi tik bendrais vadybiniais, o ne specialiais sugebėjimais. Pranašumą tokiose situacijose įgyja tokios institucijos, kurios savo sąstate turi atskirų atitinkamų tyrėjų etatų arba kompetentingų tyrėjų analitinių centrų.
Sprendimu gali būti ir priešokiais tam tikram laikotarpiui institucijų samdomi atskiri tyrėjai, tačiau dėl biurokratinių trikdžių juos įdarbinant trumpesniu laikotarpiu konkrečioms užduotims atlikti, jų įdarbinimas ar patikrinimas gali užtrukti, o, pvz., „mažiausios kainos“ pasiūlymo viešųjų pirkimų būdu atvejais, tai gali būti neefektyvu darbų atlikimo kokybės požiūriu. Be to, pertekliniai duomenys, jų gausa ir greičio reikalavimas juos apdorojant gali, priešingai keliamiems tikslams, skatinti asmeninės tyrėjų atsakomybės sumažėjimą, žingeidumo ignoravimą ir atsiribojimą nuo aktyvesnės bei „įsitraukiančios“ tyrėjo pozicijos.
Savo ruožtu, kartais, siekiant gerų rezultatų organizacijoje, reikia greitai priimti, atrodo, visai „paprastą“ ir tikslų sprendimą, tačiau tokiu atveju padidėja vadovų galimybė suklysti, kai, sekant „šiukšlių dėžės“ teorija, geriausias įmanomas sprendimas gali „nukeliauti tiesiog į šiukšlių dėžę“ vien dėl to, kad nebuvo pakankamai tiriama, ir kad nebuvo vadovo pakankamai atsižvelgta į didžiuosius duomenis, nors jie egzistavo. Reikia prisiminti ir analizės sinergijos galimybę, kai ilgiau ir detaliau analizuojant didžiuosius duomenis, atsiranda galimybė netikėtiems, originaliems, todėl ypač šiuolaikinėje konkurencinėje visuomenėje vertinamiems sprendimams. Ir tai liečia ne tik privatų ar nevyriausybinį sektorių, bet ir viešąsias organizacijas, o ypač – tas organizacijas, kurios viešajame sektoriuje taiko taip vadinamos Naujosios viešosios vadybos (NPM) principus ir metodus.
Tačiau net ir Naujojo viešojo valdymo (NPG) atvejais, kai viešajame sektoriuje yra siekiama ne tik rezultatų, bet ir proceso skaidrumo bei efektyvumo, didieji duomenys ir su jais susiję išsamesni tyrimai yra laukiami. Maža to, galima teigti, kad didieji duomenys ir jų analizė gali prisidėti prie taip reikalingo sprendimų adekvatumo ir objektyvumo, veiksmingai pažaboti korupciją ir nepotizmą pakeliant viešojo sektoriaus organizacijų autoritetą ir pasitikėjimą valdžia, kurio šiuolaikiniame pasaulyje taip trūksta.
Straipsnis parengtas rengiant mokslinę publikaciją „Didžiųjų duomenų pritaikomumo galimybių analizė viešojo valdymo kontekste“.
