Kuidas mõista andmestunud maailma. Anto Aasa, Mare Ainsaar, Mai Beilmann, Marju Himma Muischnek,

Чтение книги онлайн.

СКАЧАТЬ ennustavat (forecasting) andmeanalüüsi, vaid tuletava tulevikuloome (back-casting) metoodikaid (Robinson 1990; Bibri 2018; Holmberg, Robèrt 2000). Tuletava tulevikuloome eesmärk ei ole mitte teha võimalikult täpseid ennustusi, vaid lähtudes kõige positiivsemast realistlikust tulevikustsenaariumist püstitada järkjärgulisi arengueesmärke, tulles tulevikust tagasi tänasesse päeva. See võimaldab tegevusi planeerida nii, et tulevikuarengut oleks võimalik maksimaalselt mõjutada. Inimestel on pikaajalist muutust ette kujutada keeruline, sest lühiajalist arengut kiputakse ületähtsustama ning soovid ja hirmud mõjutavad paratamatult olukorratunnetust. Seega võib andmepõhine tulevikuanalüüs strateegilist planeerimist tõepoolest hõlbustada. Andmepõhise muutuste juhtimise üks kiiresti kasvav valdkond ongi tulevikule suunatud tehnoloogiline analüüs (future-oriented technology analysis, vt nt Cagnin et al. 2013), mis koondab tulevikuloome (foresight) ja prognooside (forecast) uurijad ning tehnoloogiauurijad ühise eesmärgi – tuleviku arengusuundumuste mõjutamise ja just pika perspektiiviga, järgmiste põlvkondade elu mõjutavate põhimõtete kujundamise nimel.

      Organisatsiooniliste muutuste juhtimist hakkab tuntavalt mõjutama ka see, kuivõrd ollakse n-ö andmekohuslased. Näiteks on Suurbritannia ülikoolidel laialdased kohustused toota andmeid avalikesse andmebaasidesse, kust potentsiaalsed tudengid ja teised huvitatud saavad neid kasutajasõbralike liideste abil „kaevandada“ (Browne, Rayner 2015). See on põhjustanud nurinat, et ülikoole ei juhita enam „kohalt“, vaid ülikooli kontrollivad riiklikud õigusaktid, väline arvepidamine ja suuremahuline organisatsiooni loodud andmete kaevandamine ja kasutamine andmepõhises või andmetargas juhtimises.

      Teisalt leitakse aga, et kohalikud ja rahvusvahelised avaandmete kogud võimaldavad mõjumehhanismide kaudu luua nii majanduslikku kui ka sotsiaalset kasu: läbipaistvuse mehhanismid võimaldavad vähendada info ebavõrdsest kättesaadavusest tulenevaid takistusi ja ressursside jaotumist; osalemismehhanismide kaudu on võimalik koondada indiviidide tahet, ideid jt ressursse avaliku poliitika kujundamisse; tõhususmehhanismid võimaldavad avalike teenuste kvaliteeti ja tasuvust parandada, võimaldades näiteks kodanikel ise oma andmeid hallata või andmeid taaskasutusse suunata kohtades, kus neile võib tekkida lisandväärtus; innovatsioonimehhanismide kaudu on võimalik luua uusi avalikke teenuseid, meetodeid ja praktikaid (Jetzek et al. 2014).

      Kogu (avatud) andmebaasidega seonduva mõjude hindamise ja sellega seotud planeerimisvõimekuse arendamine on alles kujunemisjärgus ja kindlasti vastuoluline protsess (vt ka ptk 1.3). Oluline on, et säiliks nii kriitiline analüüs kui ka katsetamisjulgus. Hirmuga segatud kärsitus ei ole andmete kasutajale parim nõuandja, olgu ta juht, andmeanalüütik või valmisrakenduse tarbija. Normatiivse muutuse protsessi on kasulik põimida kaasava muutuse juhtimise elemente.

      1.1.3.3. AVATUD JA MOBILISEERIV MUUTUS

      Kolmas muutuse strateegia – avatud ja mobiliseeriv ehk kaasav muutus – on selline, kus probleemi lahendust asutakse alles asjaga seotud osapoolte ja/või ekspertidega ühiselt välja töötama, st osapooltel on võimalik rohkem mõjutada ka seda, milliseid muutusi probleemi lahendamise või vajaduse rahuldamise eesmärgil tegema hakatakse. Andmeanalüütikud saavad luua eri osapoolte vahel jagatud infovälja, eriti juhul, kui lahendust otsib mitu organisatsiooni vm osapoolt üheskoos. Selleks on vajalik andmeanalüütikute omavaheline infovahetus ja koosloome ning seda toetav töökorraldus aitab muuta koostöövõrgustike ja kollektiivsete otsustuskogude tegevust teadmispõhisemaks. Näiteks saaks andmeid tuua ekspertide küsitlusse Delfi meetodil,12 mille eesmärk on saavutada probleemide lahendamisel ühismeel. Kui Delfi meetodil tehtavates küsitlustes on seni olnud kasutusel ekspertide vastused nende kogemuste ja teadmiste põhjal, siis võimalik oleks Delfi küsitluse programmi lisada ka andmepõhiseid aegridu ja prognoosimudeleid. Eriti tõhusalt saavad protsesse kujundada andmeanalüütikud, kes suudavad andmete tähendust tavakeeles osapooltele selgitada ning luua andmepõhiseid simulatsioone, mis aitavad valikuid kaaluda (vt ka lugude jutustamisest andmete põhjal, ptk 4.2). Andmeanalüüs saab olla suurtes organisatsioonides ka n-ö sisemine teenus, mille hea kättesaadavus ja selge korraldus on organisatsiooni innovatsioonivõimekuse seisukohalt väga oluline.

      Kaasava muutuse üks olulisi vorme on uue toote või teenuse disainimine. Andmeanalüüsi põhjal on võimalik täpsustada sihtrühmade vajadusi ja prognoosida toote/teenuse vastuvõttu. See meetod ei eelda sugugi sihtrühmade suurt infotehnolooglist haritust. Vastupidi, uuringud näitavad, et andmepõhine teenusedisain on väga hästi toiminud infotehnoloogiliselt vähearenenud kohtades. Näiteks kohandati Ameerika põlisrahvaste hõimude laste heaolu eest hoolitsevates organisatsioonides infosüsteemi vastavalt hõimu vajadustele ja organisatsiooni töötajate oskustele, muutes kogu andmete kogumise ja esitamise protsessi kasutajate vajadustest lähtuvaks (Scannapieco, Iannone 2014). Infosüsteeme disainitakse kasutajasõbralikumaks, ühildades tavapäraseid küsitlusmeetodeid arvutite genereeritud kasutajainfoga. Andmemeeskondades töötamist kasutatakse kõrgkoolide õpiprotsessis (Bolhuis et al. 2016). Meditsiinis on kasutatud praktikutelt kogutud andmete põhiseid kogemusi, et hõlbustada uutele ravijuhtumitele lahenduste leidmist (Fox et al. 2015). Algoritme kasutatakse näiteks selleks, et ennustada süsteemi disaini võimalikku mõju (info)süsteemi kasutajatele meeldivamaks muutmisel (Bonhomme et al. 2018). Andmeteadus võib olla nii vahend, mille abil tehakse teenuseid kasutajasõbralikumaks, kui ise n-ö kasusaaja, mille arendamisel rakendatakse inimlikke teenusedisaini meetodeid. Näiteks on teenusedisaini kasutatud selleks, et leida viisid, kuidas rakendada andmeteaduse eetika põhimõtteid konkreetsete andmeuuringute eetiliste küsimuste üle otsustamisel ja vastava otsusetoe loomisel (Drew 2018).

      Kokkuvõtteks võib öelda, et tehnoloogiliste võimaluste targas ärakasutamises on „pall juhtide väravas“. Juhtide ülesanne on vältida tehnoloogia diktatuuri oma organisatsioonis, analüüsides kavandatava muutuse olemust, kombineerides muutuse juhtimise strateegiaid, kaasates organisatsiooni liikmeid ja sihtrühmi ning suunates ja võimaldades andmeanalüütikutele „suure pildi“ nägemist. Juhtide oluline roll väljendub siin nii andmepõhiste muutuste elluviimisel avalikus, era- või kolmanda sektori organisatsioonis kui ka laiemalt poliitikakujunduses.

      1.1.4. Andmeanalüütiku roll poliitikakujunduses

      Üks olulisemaid kohti, kus tekib küsimus andmete kogumisest ja kasutamisest, on riik ja selle toimimine. Peamiseks küsimuseks on, kuidas lahendada ühiskondlikke probleeme ning saavutada soovitud muutusi, olgu siis tegemist kas tööpuuduse vähendamise, iibe tõusu, keskkonnareostuse ennetamise või ühistranspordivõrgustiku optimeerimisega. Teadmispõhine poliitikakujundamine sai avaliku halduse ja poliitikate kujundamise reformide trendiks Euroopas ja Anglo-Ameerika riikides juba 1960. aastatel, kui hakati rõhutama strateegilist planeerimist, kulu-tulu analüüse ning teaduslikku ja ekspertteadmisel põhinevat otsustamist (Pollitt, Bouckaert 2017: 11). Nüüdseks on see trend muutunud arenenud riikides valdavaks seoses andmeanalüüsi meetodite ja tehniliste võimaluste, sh avaandmete ja uutest allikatest pärit andmete arenguga (vt ka raamatu sissejuhatus). Andmeanalüüs on muutunud riigiasutuste toimimise igapäevaseks osaks. See on märgatav pidevas andmete kogumises, seires, aruandluses ja analüüsis, mis informeerib mitte ainult asutuse juhtimist ja muutuste kujundamist ühe valdkonna piires, vaid laiemalt kõiki riigi poolt vastu võetavaid otsuseid. Lisaks sellele on andmete kogumine institutsionaliseeritud, st need protsessid väljenduvad ka asutuse struktuuris ja funktsioonides. Seega on riigi ja riigiasutuste võime neid funktsioone täita võtmetähtsusega (vt nt Wu et al. 2018).

      Ükskõik, millisel kujul andmeid kogutakse ja kasutatakse, on riigi ja kohaliku omavalitsuse perspektiivist eesmärk sama: andmepõhine otsustamine võimaldab vähendada ebakindlust, mis tulevikku suunavate otsuste tegemisega kaasneb. Vaadates paralleelselt avaliku halduse teooria ja praktika arengut 20. sajandil (vt nt Pollitt, Bouckaert 2017; Lynn 2012), on peamine rõhuasetus olnud just ekspertiisi suurendamisel ning sellistel väärtustel nagu tõhusus (efficiency) ja mõjusus (effectiveness) (eesmärkidena) ning erapooletus ja neutraalsus (ametnike iseloomujoontena) avalike СКАЧАТЬ