Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

Värdet av öppna data

996 vues

Publié le

En svensk fallstudie baserad på hälsodata av SenseMate AB, oktober 2015. Finansierat av VINNOVA inom öppna datakällor.
CC-BY-SA 4.0 International.

  • Soyez le premier à commenter

Värdet av öppna data

  1. 1. Värdet av Öppna Data – en svensk fallstudie baserad på hälsodata 
 Ingemar Larsson SenseMate AB Oktober 2015
  2. 2. SenseMate AB: Värdet av Öppna Data v1.0 Sida av1 41 Innehållsförteckning Summary in English 3.......................................................................................................................... Sammanfattning 3............................................................................................................................... Rapportens struktur 4.......................................................................................................................... 1. Introduktion till öppna data 5....................................................................................................... 1.1. Aktörer inom öppna data 7............................................................................................................. 2. Bakgrund till fallstudien 8............................................................................................................. 2.1. Utmaningar i dagens ekosystem 8................................................................................................ 2.2. Studiens omfattning och mål 10................................................................................................... 2.2.1. Mål och målgrupper 10................................................................................................... 2.2.2. Avgränsningar 10.............................................................................................................. 2.2.3. Metod och genomförande 11........................................................................................ 2.2.4. Nyttiggörande 11.............................................................................................................. 3. Fallstudie 12.................................................................................................................................... 3.1. Fallstudiens beskrivning 12............................................................................................................. 3.2. Analys av värdekedjan 12................................................................................................................ 3.3. Val av affärsmodell 14...................................................................................................................... 3.4. Dataanalys 15.................................................................................................................................... 3.4.1. Öppna data-källor 16...................................................................................................... 3.4.2. Datainhämtning via API 18............................................................................................ 3.4.3. Datanycklar och accesskoder 18................................................................................... 3.4.4. Support och stöd för användare 18.............................................................................. 3.4.5. Licensieringsvillkor & kostnad 19.................................................................................. 3.4.6. Datakvalitet och dataförståelse 19.............................................................................. 3.4.7. Databearbetning och modellering 23......................................................................... 4. Analys av värde 24......................................................................................................................... 4.1. Värde av data – generellt perspektiv 24....................................................................................... 4.2. Värde för publicerande organisationer 26.................................................................................. 4.2.1. Exempel på öppna data-användning med samhällsnytta 27.............................. 4.2.2. Värde för publicerande organisationen i fallstudien 27.......................................... 4.3. Värde för små och medelstora företag (SME) 29........................................................................ 4.3.1. Exempel på öppna data-användning i kommersiella företag 29......................... 4.3.2. Värdeberäkning för SME-företaget i fallstudien 30.................................................. 4.4. Värde för slutanvändare 33............................................................................................................. 4.4.1. Värde för slutanvändarna i fallstudien 33.................................................................. 5. Underlag för beslutsfattande 34................................................................................................... 5.1. Publicerande organisationer 34..................................................................................................... 5.1.1. Affärsmodeller för publicerande organisationer 36.................................................
  3. 3. SenseMate AB: Värdet av Öppna Data v1.0 Sida av2 41 
 5.2. Nyttjande organisationer – små och medelstora företag 37.................................................. 5.2.1. Affärsmodeller för små och medelstora företag 37.................................................. 6. Avslutande kommentarer 40......................................................................................................... Om SenseMate AB 41........................................................................................................................... About SenseMate AB 41....................................................................................................................... Denna fallstudie har utförts med stöd från VINNOVA och är tillgänglig under Creative Commons Erkännande-DelaLika 4.0 Internationell licens. This case study was done with support from VINNOVA the Swedish Governmental Agency for Innovation Systems and is available under Creative Commons Attribution-ShareAlike 4.0 International license.
  4. 4. SenseMate AB: Värdet av Öppna Data v1.0 Sida av3 41 Summary in English This report presents a case study on Swedish open data in the health domain, with the intention of examining the value of open data from an SME (small and medium enterprise) perspective. One goal of the study is to highlight financial value opportunities that are enabled by open data, and in particular for small companies. In addition to the case study, a value analysis and material for decision making around publication and use of open data are included. This report also presents a number of business models that can be used as examples by companies and organisations wishing to build solutions that leverage open data. The case study endeavored to develop a prediction service for caregivers using open data from the HIP platform (Health Innovation Platform). Currently in its final implementation phase, the HIP platform will be fully operational in the beginning of 2016. It was found that one of the datasets necessary for the case study did not contain enough data points to build the prediction model, and therefore it was not possible to implement the service fully. The case study concluded that the estimated financial value of the utilized open dataset would be in the range of millions of SEK, for both the service-building SME and the data-publishing county (Stockholms läns landsting), given that the dataset is updated. To make best use of the results, the information has been communicated to health counties and the platform organisation. Open data can be valued differently based on the perspective taken, and open data typically brings benefits in several dimensions. The greatest value lies in the utilization of the open data, whether it is for democratic transparency, citizen empowerment, or creation of innovations. Sammanfattning Den här rapporten presenterar en fallstudie som gjorts med svenska öppna data från hälsodomänen, med avsikten att undersöka värdet av öppna data från små och medelstora företags perspektiv. Ett av studiens mål är att belysa ekonomiskt värde i möjligheter sprungna ur öppna data, framförallt för det mindre företaget. Utöver fallstudien presenteras en värdeanalys och underlag för beslutsfattande kring publicerande och användande av öppna data. I rapporten presenteras även flera affärsmodeller som kan användas av företag och organisationer som exempel när de bygger lösningar baserade på öppna data. Fallstudien siktade mot att utveckla en prediktionstjänst för vårdgivare baserad på öppna data från HIP- plattformen (Health Innovation Platform). HIP-plattformen är i slutfasen av sin implementation och kommer vara fullt driftsatt i början av 2016. Det upptäcktes att en av datamängderna som krävdes för fallstudien inte innehöll tillräckligt mycket data för skapa prediktionsmodellen, och därför var det inte möjligt att implementera tjänsten fullt ut. Fallstudien fann att det uppskattade ekonomiska värdet i den använda öppna datamängden skulle vara flera miljoner kronor, både för företaget som tillhandahåller datatjänsten och det datapublicerande landstinget (Stockholms läns landsting), givet att datamängden uppdateras. Som en del av nyttiggörande av resultatet har återkoppling skett till landsting och plattformsorganisationen. Öppna data kan värderas olika beroende på vilken synvinkel man har, och öppna data skapar ofta nytta på flera sätt. Det största värdet ligger i användningen av öppna data, oavsett om det är för demokratisk öppenhet, medborgarinflytande, eller skapandet av innovationer.

  5. 5. SenseMate AB: Värdet av Öppna Data v1.0 Sida av4 41 Rapportens struktur Rapporten är avsedd att läsas som en sammanhängande text, där senare kapitel bygger på information presenterad i tidigare kapitel. Det första kapitlet ger en kort introduktion till öppna data och visar exempel på andra länders öppna data-initiativ i förhållande till Sverige. Kapitel två beskriver utmaningar i dagens ekosystem och bakgrunden till fallstudien, samt fallstudiens omfattning och mål. I tredje kapitlet presenteras fallstudieföretaget och huvuddelen av fallstudiens implementation och dataanalys. I kapitlet lyfts flera vanligt förekommande processteg fram, med avsikten att läsaren ska kunna lära sig ett tillvägagångssätt att arbeta med öppna data. I fjärde kapitlet analyseras värdet i öppna data. Flera exempel på värdeskapande baserat på öppna data lyfts fram, och värdeberäkningar görs för aktörerna i fallstudien. Femte kapitlet innehåller ytterligare information för beslutsfattande, dels för publicerande organisationer och dels för små och medelstora företag. Exempel på affärsmodeller presenteras också. Intentionen med detta kapitlet är att komplettera den tidigare informationen, och hjälpa organisationer att se hur de kan skapa värde ur öppna data. Rapporten avslutas med en summering sjätte kapitlet.

  6. 6. SenseMate AB: Värdet av Öppna Data v1.0 Sida av5 41 1. Introduktion till öppna data I en framtid där människor och maskiner använder data för att ta välgrundade samhällsbeslut, skapa nya innovationer och förbättringar för ett hälsosammare liv, är just data centralt. Vikten av korrekt, och för alla tillgänglig, data blir tydligare då beslut tas allt snabbare och informationsmängden växer exponentiellt. Många länder inser nyttan av att tillgängliggöra data från offentliga organisationer som en del av den demokratiska processen , för synlighet och transparens, men även för att denna datan ska bidra till nya1 innovationer, ekonomisk nytta och effektivisering. Ofta sker tillgängliggörandet i form av öppna data, men definitionen av öppna data kan skilja sig något mellan organisationer, beroende på vad organisationen väljer att lyfta fram. Öppna data i den offentliga sektorn vilar bland annat på tankar om att data som skapas eller samlas in av offentliga organisationer tillhör det demokratiska samhället och dess skattebetalande invånare, och bör göras öppet tillgänglig så långt det inte bryter mot lagar eller sekretesskrav .2 För att kalla det öppna data ställs olika grundkrav, här hämtade från VINNOVA :3 1. Komplett: Information som inte innehåller personuppgifter eller lyder under sekretess görs tillgänglig i så stor omfattning som möjligt. Detta gäller särskilt databaser med material som skulle kunna vidareförädlas. 2. Primär: Information skall så långt det är möjligt tillhandahållas i originalformatet. Bild- och videomaterial skall tillhandahållas i högsta möjliga upplösning för att möjliggöra vidareförädling. 3. Aktuell: Information skall tillgängliggöras så snabbt som möjligt så att värdet av den inte försvinner. Det bör finnas mekanismer för att automatiskt kunna få information om uppdateringar. 4. Tillgänglig: Information görs tillgänglig för så många användare som möjligt för så många ändamål som möjligt. 5. Maskinläsbar: Informationen är strukturerad på ett sätt som möjliggör maskinell bearbetning och samkörning med andra register. 6. Fri: Informationen är tillgänglig för alla utan krav på betalning, eller inskränkningar i form av licensvillkor och registreringsförfaranden. 7. I ett öppet format: Det format informationen lämnas i följer en öppen standard, alternativt är dokumentationen till formatet fritt tillgänglig och fri från patent- licensvillkor. Till exempel beslutade Belgien i slutet av juli 2015 att införa en Öppna Data-strategi som bland annat innebär att all offentlig data ska vara1 “open by default” och maskinläsbar http://www.openknowledge.be/2015/07/24/green-light-for-the-belgian-federal-open-data-strategy/ Se bland annat http://linkedgov.org/what-is-open-data/2 http://www.vinnova.se/sv/Var-verksamhet/Strategiskt-viktiga-kunskapsomraden/Tjanster-och-IKT/Oppen-innovation/Oppna-data/3
  7. 7. SenseMate AB: Värdet av Öppna Data v1.0 Sida av6 41 Det är inte bara medborgare och företag som kan dra fördel av ett system byggt på öppna data, utan även offentliga organisationer kan skapa lösningar baserade på andra offentliga organisationers publicerade öppna data. Öppna data kan även användas i den egna organisationen, till exempel för verksamhetsanalys och kvalitetsarbete. Även om det ofta talas om öppna data i kontext av offentliga organisationer, kan alla publicera öppna data, oberoende om de är privatpersoner, vinstdrivande eller icke vinstdrivande organisationer. En speciellt intressant typ av öppna data är länkade öppna data , vilket innebär att datan har ett format4 som möjliggör strukturerad sammanlänkning av datamängder. Sådan sammanlänkning skapar i sin tur långtgående möjligheter för människor och maskiner att upptäcka relationer mellan ting och beskrivningar, och på så vis realisera fördelarna med den semantiska webben . En utmärkt introduktion5 till länkade öppna data på svenska är “Vitbok länkade öppna data” .6 Öppna datamängder i Sverige kan bland annat hittas genom webbsajten oppnadata.se, som vid rapportens skrivande listade 281 datamängder. EU har också en sajt för öppna data, kallad European Union Open Data Portal: open-data.europa.eu som innehåller mer än 8500 datamängder. Bland enskilda länder med stor mängd öppna data kan nämnas Storbritannien (~22000 datamängder på data.gov.uk/ data) och USA (~185000 datamängder på www.data.gov). Figur 1. De tio högst rankade länderna i Open Data Barometer sorterade efter sammanvägt index. I den andra utgåvan av Open Data Barometer från januari 2015 rankas Sverige på en tredjeplats, efter7 Storbritannien och USA, se figur 1. Rankningen är en sammanvägning av många parametrar, inklusive landets implementering av öppna data, hur väl landet är förberett att dra nytta av öppna datamängder, etc. 0 25 50 75 100 UK USA Sweden France New 
 Zealand Netherlands Norway Canada Denmark Australia 68,3370,13 74,5274,5975,79 80,0180,21 83,7 92,66 100 http://linkeddata.org/faq4 Tim Berners-Lee, James Hendler and Ora Lassila,“The Semantic Web”,http://www.cs.umd.edu/~golbeck/LBSC690/SemanticWeb.html5 http://lankadedata.se/vitbok/ av Matthias Palmér och Hannes Ebner, MetaSolutions AB6 http://opendatabarometer.org/index.html7
  8. 8. SenseMate AB: Värdet av Öppna Data v1.0 Sida av7 41 1.1. Aktörer inom öppna data Man kan dela in aktörerna inom öppna data i olika grupper baserat på vilken roll de har. Pilarna i figur 2 indikerar hur data rör sig inom ekosystemet, och även hur värde rör sig. Notera att en aktör kan ingå i flera grupper, till exempel när en organisation både publicerar data (grupp: dataägare & dataskapare) och själv använder sig av tjänster som bygger på den publicerade datan (grupp: kunder). Figur 2. Några viktiga aktörsgrupper inom öppna data, med exempel på aktörer i respektive grupp.8 Utbytet mellan aktörsgrupperna kan ha olika primära mål beroende på vilken aspekt av öppna data man ser till . En myndighet kan till exempel tillhandahålla öppna data med målet att nya tjänster ska9 utvecklas till nytta för samhället – innovationsaspekten. Ett annat exempel är en myndighet som tillgängliggör data för att öka insynen iden offentliga förvaltningen – transparensaspekten. Exempel på effektiviseringsaspekten kan vara en myndighet som tillgängliggör data för att andra myndigheter ska använda sådan existerande data för att bli mer effektiva. Även om en dataägare eller dataskapare publicerar öppna data med ett visst huvudsyfte i åtanke är inte användningen begränsad till endast det syftet. En datamängd publicerad med målet att öka transparensen kan samtidigt användas för innovation och effektivisering. Dataägare & dataskapare: Myndigheter
 Företag Utvecklare: Entreprenörer
 Myndigheter
 Företag Kunder: Medborgare Myndigheter Företag Öppna data- förmedlare: Entreprenörer
 Företag Inspirerat av bland annat i Eriksson, “Öppna data 2014 Nulägesanalys” , Hjalmarsson et al, “Mind the gap: exploring stakeholders’ value with8 open data assessment” och Deloitte, “Open growth, Stimulating demand for open data in the UK” Se även principfall i rapporten Nationell Portal - Förstudie.9
  9. 9. SenseMate AB: Värdet av Öppna Data v1.0 Sida av8 41 2. Bakgrund till fallstudien Med en förståelse kring varför öppna data är viktigt och vilken form den öppna datan bör ha uppkommer lätt ett antal följdfrågor, som exempelvis: • Som publicerande organisation, vad är värdet för oss och vad är kostnaden för att publicera datamängden? • Som privat vinstdrivande företag, vad är värdet i den datan som tillgängliggjorts och på vilket sätt kan vi dra fördelar av den i vårt beslutsfattande eller skapa en produkt som vi kan sälja? • Som medborgare, hur kan jag få tillgång till datan och hur kan jag, utifrån min respektive kunskapsnivå, förstå informationen i datan och hur den kan vara värdefull för mig? Dessa och många andra frågor kan ställas, ofta utifrån en specifik synvinkel baserat på den roll frågeställaren har, t ex offentlig organisation/privat företag/medborgare. Denna fallstudien avser att belysa några sätt att resonera kring dessa frågor, samt att ge exempel både på andra lyckade användningar av öppna data och i form av praktisk användning av öppna data i en tillämpning. 2.1. Utmaningar i dagens ekosystem En av de stora utmaningarna är att kunna omsätta öppna data till konkret handling i små och medelstora företag, ofta förkortat SME (Small and Medium Enterprises). På samhällsnivå finns många rapporter som belyser värdet av öppna data. Dessa rapporter visar ofta att antagandena om samhällsvärden och innovationsstimulerande möjligheter är sanna eller åtminstone väl underbyggda, och att det estimerade ekonomiska värdet också är stort. Enligt Sveriges Kommuner och Landsting (SKL) kan ökad användning av offentlig data i Sverige skapa10 ökad tillväxt som kan medföra nya intäkter till det offentliga på drygt 4,5 miljarder kronor. Som SKL också nämner är det en osäker siffra eftersom det är svårt att exakt bedöma de samhällsekonomiska vinsterna. McKinsey uppskattar att öppna data globalt kan skapa ekonomiskt värde motsvarande mer än 311 biljoner USD (ca 26 biljoner SEK ) per år. Värdet inkluderar bland annat ökad effektivitet och12 utveckling av nya tjänster och produkter. Med andra ord finns det mycket stor potential i öppna data, men det finns flera utmaningar för företag som vill skapa fördelar från öppna data, exempelvis: - att skapa en ekonomiskt hållbar lösning baserad på öppna data när alla [potentiella konkurrenter] har tillgång till samma information - att hitta exempel att lära ifrån, ur perspektiv som det lilla företaget kan relatera till
 http://skl.se/naringslivarbetedigitalisering/digitalisering/oppnadata/faktaoppnadata.1069.html10 http://www.mckinsey.com/insights/business_technology/open_data_unlocking_innovation_and_performance_with_liquid_information11 1 biljon är 1000 miljarder12
  10. 10. SenseMate AB: Värdet av Öppna Data v1.0 Sida av9 41 Det är viktigt att visa hur det går att skapa värde ur de öppna data som finns, och hjälpa aktörer som idag kanske inte använder data att börja dra nytta av data. Att dra nytta av data innefattar både att finna information om marknadsförhållande, och att bygga produkter och tjänster baserade på data. Trots att det finns det mycket information och analyser kring marknadspotentialen är det en utmaning för bland annat aktörsgruppen utvecklare att konkret omsätta den öppna datan till affärsmöjligheter. Denna utmaning indikerar också att det behövs någon som kan “översätta” mellan företags behov och den data som finns tillgänglig.
  11. 11. SenseMate AB: Värdet av Öppna Data v1.0 Sida av10 41 2.2. Studiens omfattning och mål 2.2.1. Mål och målgrupper I många organisationer finns data av hög kvalitet som kan skapa stort värde om de görs tillgängliga och börjar användas – det är vid användandet som värdet realiseras. Syftet med fallstudien är att undersöka värdet av öppna data på ett sätt som belyser olika dimensioner, primärt sett ur ett SME-företags perspektiv, och sekundärt ur organisationers och slutanvändares perspektiv. Det övergripande målet är att skapa ett konkret svenskt exempel som visar på värdet av öppna data, i form av en fallstudie gjord på öppna data från HIP-plattformen . Ett delmål är att tillföra underlag för beslutsfattande kring öppna13 data, både för en organisation som vill tillgängliggöra öppna data och för en organisation som eventuellt vill använda den öppna datan. Målgruppen små och medelstora företag spelar en viktig roll i det svenska näringslivet. I Sverige utgör14 små och medelstora företag 99,9% av det totala antalet företag, och sysselsätter mer än 60% av det totala antalet anställda i privata företag . Mindre företag är dessutom ofta lättrörliga och kan snabbt15 skapa innovationer från nya möjligheter på marknaden. I en studie gjord av Open Data Institute 201516 fann man att av de identifierade “öppna data företagen” i Storbritannien var 70% så kallade mikroföretag med färre än 10 anställda. Eftersom flertalet rapporter fokuserar på öppna data i ett nationellt eller globalt perspektiv, finns ett behov att belysa ämnet från ett SME-företags perspektiv. 2.2.2. Avgränsningar För att kunna genomföra värdeanalysen på ett meningsfullt sätt sattes följande ramar: • Se till kostnader och intäkter för ett SME-företag, och beräkna värdet som om företaget skulle utveckla en tjänst. • I fallstudien endast använda datamängder som är öppna data, så långt det är möjligt. • Fokusera på värde i första ledet, dvs inte eventuellt värde som skapas i senare led. Exempel på detta är att inkludera skapat direktvärde hos vårdgivare, men inte sekundärt värde sprunget ur eventuella effektiviseringar. Sådant sekundärt värde kan vara i form av reducerat behov av personal, lokaler och stödfunktioner hos vårdgivaren. • Exkludera eventuella ytterligare värde som skapas, som exempelvis ökad transparens i samhället. www.hip.se13 EUs definition av små och medelstora företag: oberoende privata företag med upp till 250 anställda som har en årsomsättning14 understigande 50 miljoner euro. http://www.svensktnaringsliv.se/migration_catalog/Rapporter_och_opinionsmaterial/Rapporters/smatt-om-sma-foretag_531034.html/15 BINARY/Smått%20om%20små%20företag http://theodi.org/diverse-uk-companies-open-data16
  12. 12. SenseMate AB: Värdet av Öppna Data v1.0 Sida av11 41 2.2.3. Metod och genomförande Som en del av VINNOVAs utlysning för projekt inom ramen för Öppna Datakällor utarbetades ett projektförslag för att belysa värdet av öppna datakällor. Metoden som valdes var en fallstudie inkluderande en konkret tillämpning baserad på öppna data. I fallstudien undersöktes olika öppna datakällor och sattes i relation till affärspotential. Efter det gjordes en implementation av valt case där öppna data-API:er hos HIP användes för att ladda ner datamängder. På datamängderna utfördes därefter dataanalys och värdeanalys. Uppskattningar av värde gjordes för den publicerande organisationen, företaget och patienter. I den mån det var möjligt gjordes konkreta monetära beräkningar. Ett antal exempel på affärsmodeller beskrevs med avsikten att hjälpa företag och organisationer komma igång med öppna data. 2.2.4. Nyttiggörande Informationen från fallstudien sammanställdes i form av denna rapport som distribueras via VINNOVA. Information lämnades även till HIP-organisationen, Stockholms läns landsting och Region Skåne. 

  13. 13. SenseMate AB: Värdet av Öppna Data v1.0 Sida av12 41 3. Fallstudie 3.1. Fallstudiens beskrivning Fallstudien har följande beskrivning: Det lilla företaget Fallstudien AB med åtta anställda har en idé om att bygga en tjänst åt vårdgivare som17 predikterar om en patient är i riskzonen för att utebli från ett kommande planerat vårdbesök. Företaget ser att det sannolikt finns utrymme för en sådan tjänst på marknaden då det skulle skapa värde för alla de inblandade parterna. För samhället finns det vinster att göra bland annat i form av kostnadsoptimeringar och effektiviseringar, och för patienten finns ett stort värde i reducerat individuellt lidande om det går att undvika att patientens tillstånd förvärras på grund av uteblivet vårdbesök. Bland företagets anställda finns mjukvarukompetens och kunskap att utveckla tekniklösningar. Företagets ekonomiska situation kräver att lagda investeringar behöver tjänas in på en 12-månaders period. I de följande kapitlen beskrivs olika analyssteg och praktiska applikationssteg som Fallstudien AB går igenom. 3.2. Analys av värdekedjan Företaget börjar med att undersöka var det kan placera sig i värdekedjan fram till slutanvändaren. För att utföra analysen måste företaget vara tydliga med vem som är deras kunder och vilket värde man erbjuder kunden. I beskrivningen av fallet framgår att det finns en direkt kund, vårdgivare, och en indirekt kund, patienter, som båda får värde av den tilltänkta tjänsten. Värdet för den direkta kunden är kostnadsoptimeringar och effektiviseringar, det vill säga saker som kan värderas i reda pengar. Värdet för den indirekta kundgruppen patienter – reducerat lidande – är svårt att sätta ett pris på. I vårdsammanhang är ofta minst tre aktörer inblandade i en värdeöverföring, till exempel patienter, vårdgivare och tjänsteföretag. Sett ur företagets perspektiv är det fantastiskt om man kan skapa direkt värde hos båda de andra aktörerna. Ibland är det dock svårt att uppnå, och en av aktörerna får indirekt värde. Företaget inser att man bör fokusera på att utveckla en tjänst som vårdgivare skulle vara beredda att betala för. Figur 3 illustrerar hur flödet av värde kan se ut. Figur 3. Värdeflöde indikerat med pilar. Streckad pil visar indirekt värde. Vårdgivare Fallstudien ABs prediktionstjänst EffektiviseringÖppen
 hälso-
 data Kronor Patienter Reducerat
 lidande Bättre vård Fiktivt företagsnamn17
  14. 14. SenseMate AB: Värdet av Öppna Data v1.0 Sida av13 41 I figur 3 har endast flöde som påverkar företagets tjänst tagits med. Det finns andra värdeflöden, till exempel skatter och patientavgifter som berör aktörerna, men de är inte direkt inblandade i företagets tjänst. Fallstudien AB startade med en idé om för existerande behov hos vårdgivarna – de behöver bli mer effektiva och reducera kostnaderna. Ett sätt att åstadkomma det kan vara att minska antalet uteblivna besök, och utifrån detta identifierades sedan kraven, till exempel tillgänglig data och prediktionsteknologi. I en del fall kan det vara så att man startar analysen med utgångspunkten i att man har en ny teknologi, en ny metod, eller en ny datamängd, och därifrån letar man efter tillämpningsområden för den nya teknologin/metoden/datan. Att börja med ett konkret existerande behov är dock enklast och ofta effektivast. Oavsett vilken väg man väljer måste det finnas värde för användaren/kunden om det ska finnas ett intresse att använda och betala för tjänsten man avser tillhandahålla. Företaget bör även titta på om värdeskapandet är något som ska utföras internt eller det är en tjänst som ska köpas in. Fallstudien AB har anställda med kompetensen att utveckla en prediktionstjänst såsom beskrivits, och kan således dra nytta av den existerande kompetensen i utvecklingen av den nya tjänsten. Att på detta sättet utnyttja existerande tillgångar är ett sätt som företag kan reducera kostnaden och risken i att utveckla nya tjänster och produkter. Figur 4. Företaget bör dra nytta av existerande tillgångar i form av nuvarande kompetenser, m.m. 
 när de skapar nya tjänster/produkter och på så sätt reducera kostnaden och risken.
 Nuvarande
 affärsområde Möjliga nya
 affärsområde Identifiera möjligheter som kan dra nytta av nuvarande kompetenser, nätverk, etc.
  15. 15. SenseMate AB: Värdet av Öppna Data v1.0 Sida av14 41 3.3. Val av affärsmodell Företaget inser att det finns olika affärsmodeller det kan använda sig av. En del affärsmodeller har intäktsmodeller med en fast avgift gentemot kunden och andra modeller är baserade på användning av tjänsten. Företaget i fallstudien väljer att ta betalt per API-anrop som görs till prediktionstjänsten. På så vis hoppas företaget att det ska vara enklare att sälja in tjänsten till vårdgivaren då denne endast betalar för den faktiska användningen. Figur 5. Intäktsmodell, vårdgivaren betalar en avgift per API-anrop till prediktionstjänsten.
 Den öppna datan är avgiftsfri och företaget har således ingen licensieringskostnad. Eftersom tjänsten levereras via ett API är distributionskanalen alltså internet. Företaget bedömer att de har den kompetens som krävs för att leverera tjänsten internt och nyckelpartner för tjänsten kommer vara HIP. Kostnadsmodellen innefattar utvecklingskostnader, underhållskostnader, kostnad för molnlösning, samt administrationskostnader. För exempel på affärsmodeller och vad som bör ingå i en affärsmodell, se kapitel 5. Vårdgivare Fallstudien ABs prediktionstjänst kr/API-anropÖppen
 data ingen avgift
  16. 16. SenseMate AB: Värdet av Öppna Data v1.0 Sida av15 41 3.4. Dataanalys För att arbeta med dataanalys på ett fokuserat sätt krävs en god förståelse för det affärsproblem man avser att lösa. Det finns många olika metoder och processer, men en process som är en god start för någon som börjar bygga lösningar baserade på dataanalys och datamodeller kallas för CRISP-DM (Cross Industry Standard Process for Data Mining ). Processen kan ses som ett flöde enligt figur 6.18 Figur 6. CRISP-DM-processen, fritt översatt till svenska. I korthet kan man beskriva processens steg som följer: Affärsförståelse: analysera och förstå affärsproblemet man avser lösa, och skapa en plan för hur dataanalys och modellering ska användas, samt vilka krav som ska uppfyllas Dataförståelse: insamling av datamängder, utforskande av datamängderna, kvalitetsbedömning Databearbetning: förberedande av datamängder för analys/modellering, eventuellt samman- slagning, filtrering och annan förbearbetning Modellering: applicering av dataanalysmodeller, ofta flera olika på samma datamängd för jämförelser Utvärdering: utvärdera om analysen uppfyller de ställda kraven och lösningsbehovet för affärsproblemet, om man ej är nöjd går man igenom flödet igen Driftsättning: analysresultatet tas i bruk, t ex i form av en datatjänst eller en affärsrapport CRISP-DM är generell och man bör givetvis välja process som passar det individuella fallet man arbetar med. I de följande delkapitlen går vi igenom olika aspekter av dataanalysen och ser på datans tillgänglighet, kvalitet, etc, samt bearbetning och modellering.
 https://en.wikipedia.org/wiki/Cross_Industry_Standard_Process_for_Data_Mining18
  17. 17. SenseMate AB: Värdet av Öppna Data v1.0 Sida av16 41 3.4.1. Öppna data-källor Som tidigare nämnts finns svenska öppna data att finna på olika portaler, där webbsajten oppnadata.se är en samlingsplats för olika datamängder och API:er. För denna fallstudien har två öppna datamängder använts vilka beskrivs nedan. HIP.se HIP står för Health Innovation Platform och är en plattform för utveckling av e-hälsotjänster för invånare, se www.hip.se. HIP tillhandahåller flera olika tjänster och verktyg, bland annat för utveckling av invånartjänster, utveckling av vårdtjänster , och tillgång till öppna data. I denna studien är det19 endast öppna data som är intressant, och just öppna data har den lägsta tröskeln för att komma igång: “Önskar du utveckla tjänster med Öppen data behövs ingen certifiering eller autentisering eftersom informationen är offentlig och inte bunden till patient.”20 HIP har flera öppna data-API:er som utvecklare kan använda direkt, se figur 7. Figur 7. Urklipp från webbsidan HIP.se med information om öppna data. För utveckling av vårdtjänster gäller Patientdatalagen (PDL) och utvecklare måste ha uppdrag från vårdgivare, och för utveckling av19 invånartjänster gäller Personuppgiftslagen (PuL) och utvecklare måste vara juridisk person. www.hip.se20
  18. 18. SenseMate AB: Värdet av Öppna Data v1.0 Sida av17 41 När fallstudien utfördes fanns det sju API:er i produktion vilka listas i tabell 1.21 Tabell 1. Beskrivningar av API:er hämtade från hip.se/oppen-data. Dokumentationen innehåller information om API:ernas attribut och exempel på olika API-anrop för olika typfall. För att komma igång snabbt ges även exempel i programmeringsspråken Java, Ruby och Python. För denna fallstudien är två av API:erna intressanta, dels HSA-informationen och dels produktionsstatistiken. I andra fall kan andra kombinationer av nuvarande och framtida API:er givetvis vara av intresse. SCB Även Statistiska centralbyrån, SCB, har ett API för öppna data som hittas på www.scb.se/oppnadata. Genom SCB:s statistik kan vi se att den totala folkmängden i Sverige 2014-11-01 var enligt tabell 2. API Beskrivning HSA-information HSA är en elektronisk katalog som innehåller kvalitetssäkrade uppgifter om personer, funktioner och enheter i Sveriges kommuner, landsting och privata vårdgivare. Följande organisationer är anslutna: Stockholms läns landsting, Capio AB (hela landet), Västra Götalandsregionen, Landstinget i Östergötland, Region Halland, Norrbottens läns landsting, Landstinget i Jönköpings län, Landstinget i Uppsala län, Landstinget Västmanland, Landstinget Västernorrland, Landstinget i Värmland. ICD-koder ICD är en internationell standard och är i första hand en sjukdomsklassifikation som möjliggör klassificering och statistisk beskrivning av sjukdomar och andra hälsotillstånd. Nomenklaturen är dock inte bindande för hur sjukdomstillstånd beskrivs i tex journalanteckningar. Indikatorbeskrivningar Detta API tillhandahåller definitioner av kvalitetsindikatorer. Syftet är att tillhandahålla definitioner av kvalitetsindikatorer för att användas vid kvalitetsrapportering samt vid tolkning och presentation av dessa mätvärden. Indikatorvärden Detta API tillgängliggör beräknade kvalitetsmått i syfte att kunna jämföra vårdkvalitet, mellan vårdenheter samt över tiden, för i förväg definierade kvalitetsindikatorer. Lösningen tillhandahåller definitioner av kvalitetsindikatorer och rapporterad data för dessa indikatorer. Producenter är regionala och nationella vårdkvalitetssystem, däribland kvalitetsregister. Nationell Patientenkät Patientupplevd kvalitet enligt SKL:s definition. Produktionsstatistik Grunduppgifter för varje patientbesök hos landstingsfinansierade vårdgivare (privata och landstingsägda) i Stockholms län. Datamängden saknar statistik från privata vårdgivare som inte är upphandlade av landstinget. Vårdprogram Vårdprogram är ett hjälpmedel för vården vid utredning, fastställande och behandling av olika diagnoser. API:et stöder remissdelen i vårdprogrammet, så kallade remissanvisningar, vilka ger vägledning om vilken information som ska finnas med i en remiss som utfärdas med syfte att fastställa en specifik diagnos. http://hip.se/oppen-data/21
  19. 19. SenseMate AB: Värdet av Öppna Data v1.0 Sida av18 41 Tabell 2. Folkmängd per område och andel i procent av riket totalt 2014-11-01. Sammanlagt representerar Stockholms, Västra Götalands och Skåne län ca 53% av landets befolkning. Genom att bygga en lösning som riktar sig till de tre största länsregionerna kan det lilla företaget således betjäna mer än halva befolkningen. 3.4.2. Datainhämtning via API API:erna hos HIP stöder olika maskinläsbara format, såsom CSV (komma-separerad data) och JSON. I fallstudien användes JSON-formatet men innehållet påverkas inte av vilket format man väljer. Att hämta data från HIP via API var smidigt tack vare god dokumentation. Följaktligen uppfyller de testade API:erna kravet på öppna data att datan ska vara tillgänglig i ett maskinläsbart format. HIP skriver att den öppna datan görs tillgänglig via en plattform som är implementerad på en höggradigt skalbar molninfrastruktur. I fallstudien upplevdes API:erna stabila och responsiva. Att skicka en fråga till API:et och få en datamängd på ca 12000 objekt med 16 fält i varje tog 3,75s i mediantid (min 2,5s och max 5,8s vid ett test på 10 anrop i följd). 3.4.3. Datanycklar och accesskoder Användare behöver inte registrera sig hos HIP för att använda dess öppna data, utan kan använda datan anonymt. Ibland gör organisationer datamängder tillgängliga med motkrav att användare ska registrera sig antingen online eller offline. I samband med sådan registrering kan användaren till exempel tilldelas API-nycklar eller accesskoder. Det bör dock nämnas att online-registreringskrav sällan ses som ett problem för företag, så länge inte tilldelade API-nycklar, etc måste uppdateras frekvent. 3.4.4. Support och stöd för användare När en organisation vill att dess öppna data ska komma till användning krävs det att man gör datan lättillgänglig för så många potentiella användare som möjligt. Det handlar dels om goda API:er, god datakvalitet, låg registreringströskel, etc, men även att datan och API:erna är väldokumenterade. Det kan vara i form av användningsexempel, FAQ, användarforum, API-dokumentation, och även support på olika sätt via mail eller telefon. HIP har kontaktformulär, god dokumentation med exempel, FAQ och ett användarforum som gör det möjligt att snabbt komma igång och även få hjälp. Under fallstudien upptäcktes en del småproblem vilka snabbt åtgärdades av HIP-organisationen. Folkmängd Andel av riket Riket 9737559 100 % Stockholms län 2196188 23 % Västra Götalands län 1630434 17 % Skåne län 1287168 13 %
  20. 20. SenseMate AB: Värdet av Öppna Data v1.0 Sida av19 41 3.4.5. Licensieringsvillkor & kostnad Licensieringsvillkor kan till exempel innehålla krav på att användare av datan ska ange en referens till källan. För att klassas som öppna data ska det vara fritt att använda datan, utan någon kostnad eller motprestation utöver just krav på källreferens. Den öppna datan hos HIP har ingen kostnad för användare, och inte heller något krav på källreferens. Det anges inte heller någon begränsning i tillåtet användande av den öppna datan. Vikten av kostnadsfri data bör understrykas. Att få tillgång till datamängder utan att behöva betala för dem är just en av de katalysatorer som behövs för det lilla företaget ska kunna experimentera, utvärdera och testa nya idéer och innovationer, utan en initial tröskel. 3.4.6. Datakvalitet och dataförståelse För att få ett grepp om vad datan innehåller och vilken kvalitet den har gör man ofta grundläggande statistisk analys av datamängden. Vanligt är att man ser på fördelningar av olika delar av datamängden, till exempel genom histogram och andra sätt att visualisera fördelningar i datan. Datamängden som är tillgänglig via HSA-informations-API:et innehöll vid fallstudiens utförande 12054 olika organisationer, och av dessa listades 4035 som tillhörande Stockholms län. Via det API:et kan man efterfråga en rad olika parametrar, bland annat: ID för organisationerna, adress, telefonnummer, ägarform (privat/landsting/kommun/etc), och webbadress. Ett exempel på tillgänglig data visas i figur 8. Figur 8: Utdrag ur datamängden som är tillgänglig via API:et för HSA-information.
 NA indikerar att data saknas för en parameter. I datamängden finns även de geografiska koordinaterna, som latitud och longitud, för de flesta organisationerna. Om man lägger ut dessa på en karta ser man att det finns flera som verkar ligga utanför Sverige, se figur 9.
  21. 21. SenseMate AB: Värdet av Öppna Data v1.0 Sida av20 41 Figur 9. Alla geografiska koordinater för vårdgivare i datamängden.
 Pilarna indikerar geografiska koordinater som verkar vara felaktiga. Om vi bara ser till de koordinater som är i Sverige ser det ut som i figur 10 nedan, och även där verkar några punkter vara felaktiga, till exempel den som ligger i vattnet ovanför Gotland. Figur 10. Vänster: alla vårdgivare i Sverige som är inkluderade i datamängden. 
 Höger: vårdgivare i datamängden vilka listas som tillhörande Stockholms län. Det är sällan att datamängder är fullständigt felfria, vilket medför att man ofta tvingas lägga mycket tid på filtrering och konditionering av datan när man bygger databaserade lösningar. Även om man givetvis önskar sig fullständiga datamängder helt utan fel, bör man i praktiken alltid ha steg för kvalitetssäkring
  22. 22. SenseMate AB: Värdet av Öppna Data v1.0 Sida av21 41 även i de analyserande och bearbetande faserna för att förhindra felaktiga slutsatser på grund av fel i indatan. Det andra använda HIP-API:et, för produktionsstatistik, innehåller grunduppgifter för varje patientbesök hos landstingsfinansierade vårdgivare (privata och landstingsägda) i Stockholms län. Eftersom produktionsstatistiken vid utförandet av studien endast innehöll statistik från Stockholms län fokuserades resterande delar av dataanalysen på just Stockholms län. Månader med tillgänglig data under åren 2005-2015 visas i figur 11. Figur 11. Vårdtillfällen finns endast tillgängliga för 16 månader 2011-2012. Som framgår ur figur 11 saknas data för de flesta åren. Endast för sammanlagt 16 månader under 2011 och 2012 finns registrerade vårdtillfällen i datamängden. En viktig parameter när man bedömer data är om den är statisk (dvs uppdateras sällan eller aldrig) eller om den är dynamisk (uppdateras ofta eller i realtid). Datamängden som är tillgänglig via API:et för produktionsstatistik är statisk, men borde kunna vara dynamisk då nya patientbesök bör kunna införas varje dag. Efter återkoppling till HIP-organisationen stod det klart att den existerande datamängden för produktionsstatistik är en så kallad “snapshot” vilket innebär att datan importerats vid ett tillfälle. I början av 2016 kommer HIP vara färdigimplementerad i sin första version och tas i förvaltning, och mer data kommer att läggas in framöver. För att komma vidare i fallstudien valde vi att fokusera på de månader då data finns tillgänglig i datamängden. I den perioden ser man ett relativt konstant antal vårdtillfällen, enligt figur 12.
  23. 23. SenseMate AB: Värdet av Öppna Data v1.0 Sida av22 41 Figur 12. Totala antalet vårdtillfällen för januari 2011 till april 2012 i Stockholms län. Antalet vårdtillfällen där patienten uteblivit visas i figur 13. Som framgår i diagrammet var ungefär hälften av de uteblivna patienterna ej listade hos vårdgivaren. I medeltal uteblev fler än 4000 patienter varje månad. Figur 13. Vårdtillfällen där patienten uteblev under januari 2011 till april 2012 i Stockholms län.
 Totalt antal vårdtillfällen 0 100000 200000 300000 400000 500000 600000 700000 januari2011 februari2011 mars2011 april2011 maj2011 juni2011 juli2011 augusti2011 september2011 oktober2011 november2011 december2011 januari2012 februari2012 mars2012 april2012 Uteblivna vårdtillfällen 0 1000 2000 3000 4000 5000 6000 januari2011 februari2011 mars2011 april2011 maj2011 juni2011 juli2011 augusti2011 september2011 oktober2011 november2011 december2011 januari2012 februari2012 mars2012 april2012 Uteblivna listade patienter Uteblivna ej listade patienter
  24. 24. SenseMate AB: Värdet av Öppna Data v1.0 Sida av23 41 3.4.7. Databearbetning och modellering När företaget byggt upp en förståelse för datan och hur den bäst går att använda i affärsidén gäller det att skapa den analys/modell/etc som krävs, i vårt fall en prediktionsmodell enligt figur 14. Figur 14. Översikt över prediktionsmodellen. Som noterats tidigare innehöll datamängden endast data för 16 månader, vilket inte var tillräcklig data för att bygga en tillförlitlig statistisk prediktionsmodell. Det finns goda förutsättningar för att en fungerande lösning skulle kunna byggas när datamängden blir större och kontinuerligt uppdaterad, vilket legat till grund för värdeanalysen i kapitel 4. Att utvärdera och driftsätta modellen vore de sista stegen i företagets utveckling av den nya tjänsten. Det ligger dock utanför den här fallstudien och involverar bland annat avtalsskrivning med vårdgivar- organisationen.
 Prediktionsmodell Produktionsdata, inklusive kön, ålder, etc Prediktion huruvida patienten riskerar utebli från vårdbesöket
  25. 25. SenseMate AB: Värdet av Öppna Data v1.0 Sida av24 41 4. Analys av värde 4.1. Värde av data – generellt perspektiv Ett uttryck som ibland används för att indikera att data är värdefullt är “data is the new oil”, fritt översatt “data är den nya oljan”. Något mer representativt är sannolikt David McCandless’ uttryck “data is the new soil”, där han menar att data är som fruktbar jord ur vilken innovationer kan växa . Att22 skapa data innebär ofta en kostnad, så även att lagra datan. Datan i sig själv har någon typ av värde, beroende på typ av data, kvalitet, efterfrågan, etc, men det riktigt stora värdet från data skapas dock när man börjar använda datan. En förenklad illustration av värde i förhållande till datans förädlingsnivå kan ses i figur 15. Figur 15. Illustrativ värdeökning i förhållande till datans förädlingsnivå .23 Det största värdet samlas hos slutanvändaren, vare sig denna är en organisation eller en medborgare. För organisationer och utvecklare finns det möjligheter i varje steg i kedjan av värdeskapande, även om det vid första anblick kan verka mest fördelaktigt att placera sig till sent i kedjan (längre till höger i figur 15). Som exempel på olika placeringar i förädlingskedjan kan man se på olika smartphone-appar. Det finns appar vars huvudsakliga funktion är att samla ihop information och presentera den till användaren på olika sätt, men även mer avancerade appar där data analyseras och tillför nya insikter för användaren. Enkla appar har en låg kostnad att skapa, och är därigenom ofta starkt konkurrensutsatta då många utvecklare och företag skapar sådana appar. Trafikinformation för publika transporter är ett sådant exempel där det finns många appar. Enligt en studie 2014 fanns det ca 500 sådana appar för London24 http://www.ted.com/talks/david_mccandless_the_beauty_of_data_visualization/transcript?language=en22 Inspirerad av Stéphane Guidoin “The value of open data”23 The World Bank, June 2014, "OPEN DATA FOR ECONOMIC GROWTH”24
  26. 26. SenseMate AB: Värdet av Öppna Data v1.0 Sida av25 41 och 68 appar bara för tunnelbanan i New York. Värdet för app-användarna är ofta likvärdigt bland de olika apparna, medan värdet kan variera mycket för utvecklarna/företagen bakom apparna. Många appar är gratis men skapar intäkter till utvecklarna genom annonsvisning i apparna. För att det ska resultera i stort värde krävs många kontinuerliga användare som exponeras för annonserna, något som är svårt att uppnå när det är många likvärdiga konkurrerande appar. Alternativet till de enklare apparna är att utveckla en mer avancerad app till exempel baserad på dataanalys och prediktioner och därigenom tillföra högre värde till användarna. Detta kräver dock mer tid och kunskap, vilket eventuellt gör att det totala värdet för företaget kan bli lågt beroende på marknadens storlek och utvecklingstidens längd. Var i förädlingskedjan man väljer att placera sig beror på ändamålet och förutsättningarna man har. Det finns olika typer av värde. För ett företag kan värdet i öppna data till exempel finnas i att skapa medvetenhet kring företagets varumärke genom att publicera sin egen data, eller att de bygger en tjänst som förädlar någon annans öppna datan. För en offentlig organisation kan värdet vara att bli mer effektiv genom enklare jämförelser med andra liknande organisationer som publicerat sin data öppet. För samhället i stort kan värdet till exempel vara att medborgarna får insikt i processer och beslut på ett bättre sätt vilket leder till en starkare demokrati, tack vare den transparens som den öppna datan ger. För medborgarna på ett individuellt plan kan värdet till exempel finnas i bättre beslutsunderlag. En del av dessa värdetyper kan man uppskatta det ekonomiska värdet i, medan några är bättre att skatta ur andra, icke monetära perspektiv.

  27. 27. SenseMate AB: Värdet av Öppna Data v1.0 Sida av26 41 4.2. Värde för publicerande organisationer SKL (Sveriges Kommuner och Landsting) har tagit fram ett utkast till ett nationellt ramverk för publicerande av öppna data som bland annat innehåller praktiska råd för att komma igång, och25 verktyg (i form av ett Excel-ark ) för att estimera kostnad och nytta för kommuner och landsting. Även26 andra organisationer som vill publicera öppna data kan finna värde i att studera ramverket. En central fråga är hur värdet ställs i förhållande till kostnaden. Kostnaden består av flera delar, bland annat kostnader för utveckling och underhåll. Även värdet består av flera delar, och ligger bland annat i öppenhet gentemot andra organisationer och medborgare, i att fungera som en innovationskatalysator som leder till nya produkter och jobbtillfällen, och även i olika kvalitets- och effektiviseringsaspekter. Det är enklare att beräkna kostnaderna än det är att beräkna värdet på ett heltäckande sätt. Även om publicerande organisationer har kostnader i samband med skapande och lagring av öppna data finns stora möjligheter att skapa värde även i den egna organisationen. Ett exempel är Katalonien där man under fyra år utvecklade öppna data-system för publicering av geodata. Genom effektiviseringar baserade på dessa egna öppna geodata kunde regionen på kort tid uppnå kostnadsbesparingar motsvarande den totala utvecklingskostnaden för öppna data-systemen. Kostnaden för fyra års utvecklingsarbete sparades in på sex månader .27 Tabell 3. Aktiviteter som den datapublicerande organisationen bör ta ställning till. Aktivitet Förklaring Insamling /skapande av data Offentliga organisationer gör redan detta i stor utsträckning, men andra organisationer behöver tänka igenom hur datan ska samlas in. Kvalitetssäkring Säkerställ att datan är användbar genom att den har få fel, samt att datan inte innehåller sekretesskyddad information. Lagring Datan behöver lagras effektivt, tillgängligt och säkert. Paketering Till datan behövs metadata för att den ska bli riktigt användbar. Dessutom behöver datamängden dokumenteras med information om användningsvillkor, uppdateringsfrekvens och liknande. Marknadsföring Se till att andra, såväl organisationer som medborgare, är medvetna om datamängderna och hur det kan finna dem. Leverans Tillhandahåll enkla sätt att hämta data, via API:er i maskinläsbart format, på en plattform med hög tillgänglighet. Praktiskt är även att erbjuda visualiseringsverktyg där användare kan söka igenom och utforska datamängderna på ett enkelt sätt. Dokumentation behöver skapas som visar hur man använder API:er, etc. Underhåll Underhåll av datamängderna, så att användare vågar lita på att det fungerar även på längre tidshorisont. Det innefattar även att publicera nya datamängder och uppdateringar till existerande datamängder. Support till användarna via email, forum och telefon. http://skl.se/naringslivarbetedigitalisering/digitalisering/oppnadata/stodvagledning/ramverkoppnadata/ramverketforoppnadata.25 1184.html http://skl.se/download/18.772895e214641fb368dcf12b/1403190485649/26 Verktyg_for_att_bedoma_nyttor_och_kostnader_for_publicering_av_datamangder_SKL.xlsx The World Bank, June 2014, "OPEN DATA FOR ECONOMIC GROWTH”27
  28. 28. SenseMate AB: Värdet av Öppna Data v1.0 Sida av27 41 En organisation som vill publicera data bör hantera ett antal aktiviteter associerade med att publicera öppna data såsom visas i tabell 3. Vid en första anblick kan de se ut som mycket tillkommande arbete, men ofta har organisationen redan samlat in data, kvalitetssäkrat och lagrat datan i databaser. 4.2.1. Exempel på öppna data-användning med samhällsnytta Open Data Institute (ODI) ODI i Storbritannien tog tillsammans med en grupp företag och läkare fram en analys av hur läkare i28 landet skrivit ut recept på statiner (läkemedel för behandling av höga blodfetter). Man fann att det var stor variation mellan regionerna i hur stor andel generiska läkemedel som skrevs ut. Som exempel var andelen 65% i en region och 92% i en annan. Under en period i 2011-2012 hade NHS (National Health Services) en kostnad för statiner på mer än 400 miljoner GBP (ca 5,4 miljarder SEK). Analysgruppen beräknade att NHS hade kunna spara 200 miljoner GBP (ca 2.7 miljarder SEK) om29 två tredjedelar av recepten på originalläkemedel bytts mot generiska läkemedel. Underlaget för30 analysen var öppna data från NHS och arbetet att analysera datan tog åtta veckor. 4.2.2. Värde för publicerande organisationen i fallstudien För organisationen som publicerat datamängden i vår fallstudie, SLL, finns ett värde som är direkt kvantifierbart. För varje utebliven patient förlorar vårdgivaren ekonomiska intäkter. I Stockholms läns landsting är kostnaden för ett läkarbesök på närakuten, jourmottagning eller på vårdcentralen 1800kr .31 Om patienten uteblir utan att avanmälan besöket får denne betala den normala patientavgiften för besöket (såvida inte vårdgivare får ersättning enligt särskild lag), och den avgiften förloras således ej. För vårdgivaren uppkommer dessutom en kostnad för ombokningsarbetet. I en del fall kan anledningen till det uteblivna besöket vara att patientens tillstånd allvarligt försämras, vilket senare kräver en intensifierad vårdinsats, eventuellt med flera inblandade vårdgivare. Finney och Edman skriver om uteblivna besök inom psykiatrisk öppenvård :32 “Att undvika uteblivanden är på grund av patientsäkerheten det största problemet, eftersom 
 det kan leda till en vårdinsats, för att klargöra orsaken till uteblivandet, som är större än det planerade besöket.” Baserat på perioden det fanns data för (16 månader 2011-2012), var medeltalet uteblivna patienter fler än 4000 per månad vilket motsvarar fler än 48000 på ett år. Räknat med 1800kr i kostnad per besök blir den totala kostnaden för de uteblivna besöken således mer än 86 miljoner kronor/år. Motsvarande siffra under 2011 för NU-sjukvården i Västra Götalandsregionen var mer än 26 miljoner . Kostnaden33 http://www.economist.com/news/britain/21567980-how-scrutiny-freely-available-data-might-save-nhs-money-beggar-thy-neighbour28 http://www.prescribinganalytics.com29 Medicinska orsaker, t ex allergier mot tillsatser, medför att vissa läkemedel inte kan användas av en del patienter.30 2015-09-22, http://www.1177.se/Stockholm/Regler-och-rattigheter/Patientavgifter-i-Stockholm/31 http://www.slpo.sll.se/upload/Fouu/FoUUrapporter/Rapport%2067,%20Finney.pdf32 http://ttela.se/nyheter/regionalt/1.1978131-sms-lonsamt-for-sjukvarden33
  29. 29. SenseMate AB: Värdet av Öppna Data v1.0 Sida av28 41 för uteblivna besök ligger i miljonkronorsklassen för de flesta regionerna . De senaste åren har initiativ34 med SMS-påminnelser förbättrat situationen och det fungerar bra i en del patientgrupper, men troligen sämre till exempel i patientgrupper inom psykiatrin som har låg funktionsnivå och ofta uteblir från vårdtillfällen .35 Värdet för SLL i att publicera den öppna datamängden på HIP kan, inom ramen för fallstudien, anses motsvara besparingen från tjänsten som byggs på datan. Konservativt räknat, med antagandet att tjänsten från Fallstudien AB kan reducera antalet uteblivna besök med 5%, blir värdet för SLL minst 4,3 miljoner kronor per år. Det är i sammanhanget viktigt att komma ihåg att detta endast är en möjlig användning av den publicerade öppna datamängden. Sannolikt finns det många fler tillämpningar som kan skapas, vilket tillför ytterligare värde för SLL – utan ytterligare kostnad, det är samma datamängd. http://www.dagensmedicin.se/artiklar/2008/02/13/utebliven-patient-dyr-for-varden/ & http://www.tandlakartidningen.se/arkivet/nyhet/34 gigantiska-kostnader-for-missade-besokstider/ http://www.slpo.sll.se/upload/Fouu/FoUUrapporter/Rapport%2067,%20Finney.pdf35
  30. 30. SenseMate AB: Värdet av Öppna Data v1.0 Sida av29 41 4.3. Värde för små och medelstora företag (SME) Små och medelstora företag har många möjligheter att skapa värde ur öppna data, men för att det ska bli verklighet krävs att det finns ekonomiska incitament. Företagen behöver helt enkelt kunna skapa ett större värde än det kostar att utveckla kunderbjudandet. För att företagen ska våga investera den tid och pengar det kostar att ta fram en ny tjänst eller produkt, krävs att tillgången till högkvalitativt råmaterial kan säkras – i det här sammanhanget högkvalitativa datamängder. Det innebär att den öppna datan ska hålla hög kvalitet, uppdateras frekvent, vara lättillgänglig via API, vara väldokumenterad, etc, såsom beskrivits ovan. Värdet för företaget blir högre om de kan skala upp tjänsten de utvecklat/sälja produkten till flera kunder. För att kunna skala upp tjänster byggda på öppna data, till exempel för ett företag som byggt en tjänst baserad på öppna data från Stockholms län, krävs att även andra regioner använder ett standardiserat dataformat. Annars riskerar tjänsteföretaget behöva utveckla ny funktionalitet för varje ny region som de vill expandera tjänsteerbjudandet till. 4.3.1. Exempel på öppna data-användning i kommersiella företag Det finns många företag som redan idag använder öppna data för att skapa effektivare processer eller nya produkter/tjänster. Följande exempel lyfter fram både stora och små företag, för att visa på möjligheter i båda kategorierna, och dessutom hur man kan använda öppna data både för internt bruk och för externa produkter. TransportAPI TransportAPI är ett brittiskt företag som förenklar åtkomsten till transportdata genom att36 tillhandahålla ett API som samlar flera bakomliggande datamängder. Datan innehåller primärt öppna data men även licensierad data. Buss- och tunnelbanetidtabeller, ruttplanering och realtids- trafikinformation är några exempel på data som tillhandahålls via API:et. Företagets kundgrupp är andra företag och organisationer som i sin tur säljer information via tjänster, appar och webbsajter. TransportAPI tar ut en avgift baserat på hur mycket deras kund använder API:et, där liten datavolym är gratis och största paketet kostar 8000 GBP/månad (ca 108000 SEK/månad). The Climate Corporation The Climate Corporation i San Francisco säljer ett antal tjänster till lantbrukare baserade på väderdata,37 data om skördenivåer och data om jordmån. Med hjälp av avancerad dataanalys och prediktionsalgoritmer tillhandahålls tjänster för att per odlingsområde kunna få detaljerad information om väder, kvävenivåer, förväntad skördemängd och beslutsstöd. Lantbrukaren betalar 3 USD/tunnland (ca 26 SEK/tunnland) eller 1500 USD/lantbruk (ca 13000 SEK/lantbruk). Baserat på samma data säljer företaget även skörd- och omsättningsförsäkringar. 2013 köptes företaget av Monsanto för 93038 miljoner USD (ca 8 miljarder SEK). http://www.transportapi.com36 https://www.climate.com/37 http://news.monsanto.com/press-release/corporate/monsanto-acquire-climate-corporation-combination-provide-farmers-broad-suite38
  31. 31. SenseMate AB: Värdet av Öppna Data v1.0 Sida av30 41 Tesco Dagligvarukedjan Tesco i Storbritannien använder bland annat väderdata kombinerat med deras egna försäljningsstatistik för att skapa detaljerade modeller över efterfrågan av olika varusegment, och på så39 vis effektivisera sin egen verksamhet. I sina modeller har de till exempel funnit att en40 temperaturökning från 20°C till 24°C ökar försäljningen av hamburgare med 42%. Genom att kunna prediktera efterfrågan som en funktion av väder och tidpunkt, kan Tesco optimera både lagerhållning och försäljning. Detta är ett exempel på hur öppna data kan användas i den egna verksamheten, och inte bara i förädling och vidareförsäljning i form av tjänster. För dagligvaruhandeln, och andra marknadssegment där kundernas beteende påverkas av vädret, finns stora möjligheter till effektivisering baserad på öppna data. Google Många av EUs dokument publiceras på flera av de officiella språken i EU, och alla offentliggjorda dokument från Europaparlamentet måste publiceras på alla EU-språken . Dessa dokument, tillgängliga41 för alla, utgör en värdefull öppen datakälla för att träna översättningsalgoritmer, något som Google drar nytta av i deras tjänst Google Translate . Tillsammans med andra texter som översatts till flera språk,42 gör EUs öppna data det möjligt för Google att skapa en högkvalitativ översättningstjänst baserad på statistisk analys. 4.3.2. Värdeberäkning för SME-företaget i fallstudien För det lilla företaget i fallstudien krävs att den investerade utvecklingskostnaden kan räknas hem inom ett år. I fallstudien beräknas att det tar tre man-månader att utveckla en prediktionslösning som bygger på öppna data och att lösningen driftsätts i en molnlösning med hög tillgänglighet .43 För att företaget inte ska luras göra en värdeberäkning liknande “om vi bara säljer en enda tandborste till varje person i Kina…” är det viktigt att förstå vad som är realistiska antaganden om kundens vilja och förmåga att betala för tjänsten man utvecklar. Från den öppna datan vet vi att Stockholms län har drygt 600000 vårdtillfällen varje månad och av dessa är cirka 4000 vårdtillfällen där patienten uteblir. Av dessa vårdtillfällen antar vi att man vill använda prediktionslösningen på en tiondel av patienterna som tillhör vårdgrupper med högre risk, dvs antalet anrop till prediktionslösningen blir 60000 per månad. I en uträkningen i kapitel 4.2.2 uppskattades kostnadsbesparingen för Stockholms län vara 4,3 miljoner kronor per år, dvs en besparing på ca 360000 kronor per månad. Regionens kostnad enligt i tabell 4 blir således låg i förhållande till besparingen. Kostnaden för länet är alltså den avgift som betalas till företaget för att använda lösningen, och visas i tabellen nedan som intäkter för SME-företaget. http://www.nytimes.com/2009/09/02/business/global/02weather.html?_r=039 http://www.dailymail.co.uk/news/article-2026439/Supermarkets-use-weather-predictions-decide-stock.html40 http://www.europarl.europa.eu/aboutparliament/sv/20150201PVL00013/Flerspråkighet41 http://www.nytimes.com/2010/03/09/technology/09translate.html42 Hög tillgänglighet innebär högre driftskostnader. En tillgänglighet/upptid på t ex 99,95% innebär mindre än en halvtimmes nertid per43 månad. I en hälsokritisk tillämpning är det inte tillräckligt, men i fallstudiens exempel är all förbättring jämfört med dagens situation önskvärd. Det är viktigt att förstå vad man designar applikationen för och lägga tillgängligheten på en rimlig nivå i förhållande till kostnaden.
  32. 32. SenseMate AB: Värdet av Öppna Data v1.0 Sida av31 41 Tabell 4. Exempelkostnader och intäkter För företagets del finns en investeringströskel, vilken till största del härhör från utvecklingskostnaden. Utöver att ha kunskapen att utveckla den tekniska lösningen måste företaget ha den ekonomiska kapaciteten att täcka kostnaden för att kunna utveckla tjänsten. Den ekonomiska kapaciteten kan vara ett stort hinder för ett SME-företag. Om möjligt bör kontrakt skrivas med kunden innan utvecklingen sker, där det framgår att kunden kommer att använda tjänsten under minst en viss period och till en viss volym. Detta ger företaget en typ av försäkran, och kan eventuellt vara värdefullt om företaget behöver utvecklingslån hos en långivare. Med kostnader och intäkter enligt tabell 4 kommer företagets månadsvisa balans se ut enligt tabell 5. Notera att företaget inte har någon kostnad för att licensiera data, tack vare att den bygger på öppna data. Tabell 5. Företagets månadsvisa balans. I tabell 5 kan man se att företaget efter ca nio månader har tjänat in kostnaden för utvecklingen av tjänsten. Motsvarande information visas i diagramform i figur 16. Per enhet Antal Totalt Kommentar Utvecklingskostnad 100000 3 300000 Totala kostnaden är engångskostnad Driftskostnad (molnlösning) 50000 1 50000 Totala kostnaden är per månad Driftskostnad 
 (support & underhåll) 30000 1 30000 Totala kostnaden är per månad Intäkter 2,5 SEK / 
 API-anrop 60000 150000 Totala intäkterna är per månad Månad 1 2 3 4 5 6 7 8 9 10 11 12 Utvecklings-
 kostnad −100000 −100000 −100000 0 0 0 0 0 0 0 0 0 Drift- & adminkostnad −10000 −20000 −50000 −50000 −50000 −50000 −50000 −50000 −50000 −50000 −50000 −50000 Kostnad för support & underhåll) 0 0 0 −30000 −30000 −30000 −30000 −30000 −30000 −30000 −30000 −30000 Licenskostnad för data 0 0 0 0 0 0 0 0 0 0 0 0 Intäkter 0 0 0 150000 150000 150000 150000 150000 150000 150000 150000 150000 Månads- balans −110000 −120000 −150000 70000 70000 70000 70000 70000 70000 70000 70000 70000 Kumulativ balans −110000 −230000 −380000 −310000 −240000 −170000 −100000 −30000 40000 110000 180000 250000
  33. 33. SenseMate AB: Värdet av Öppna Data v1.0 Sida av32 41 Figur 16. Diagram som visar den månadsvisa balansen för tjänsteprojektet. Månadsvis balansöversikt −400000 −350000 −300000 −250000 −200000 −150000 −100000 −50000 0 50000 100000 150000 200000 250000 300000 Månad 1 2 3 4 5 6 7 8 9 10 11 12 Månadsbalans Kumulativ balans
  34. 34. SenseMate AB: Värdet av Öppna Data v1.0 Sida av33 41 4.4. Värde för slutanvändare Slutanvändare kan finna stort värde i öppna data, till exempel i form av information kring vilka samhällstjänster som finns tillgängliga, eller i form information som kan leda till ett bättre fungerande samhälle med avseende på demokratiska processer och effektivare organisation. Inom sjukvården är slutanvändarna patienter, och för dem är det till exempel av stort värde att hitta vårdgivare som erbjuder önskad behandling och har kort väntetid. Ett annat exempel på värde som öppna data kan ge för patienter är insikt i vårdgivares kvalitetsnivå, om det finns anmärkningar, felbehandlingar och liknande. Genom att kombinera informationen med till exempel geografisk information har patienter tillgång till ett bättre beslutsunderlag. 4.4.1. Värde för slutanvändarna i fallstudien I fallstudien är slutanvändarna just patienter, och värdet för en patient kan beräknas vara minst kostnaden för det uteblivna besöket. I Stockholms läns landsting gäller att patienten ska anmäla återbud senast 24 timmar före utsatt tid. Om återbud inte anmäls får patienten betala för besöket även om den uteblir: “Vid senare återbud [än 24 timmar] eller om du kommer för sent och mer än halva besökstiden hunnit gå debiteras du för besöket.” vilket man kan se som det minsta kvantifierbara värdet.44 I vårdsammanhang betraktar man ofta tre olika aspekter: kostnad (för vården), livskvalitet, livskvantitet (helt enkelt hur länge personen lever). I ett land som har offentlig sjukvård är individen troligtvis primärt intresserad av livskvalitet och livskvantitet, medan samhället i stort också är intresserad av kostnaden för vården. Att kvantifiera värdet av livskvalitet och livskvantitet ur en patients perspektiv är i princip omöjligt att göra. Om en lösning byggd på öppna data kan hjälpa till att förlänga, förbättra eller rädda en människas liv kan man sannolikt bedöma den som ovärderlig ur individens perspektiv.
 http://www.1177.se/Dokument/Stockholms_lan/Regler_och_rattigheter/Patientavgifter_A3_1%20juli_2015_5.pdf44
  35. 35. SenseMate AB: Värdet av Öppna Data v1.0 Sida av34 41 5. Underlag för beslutsfattande I detta avsnittet presenteras ytterligare underlag avsett att hjälpa till kring beslutsfattande om och hur öppna data kan komma organisationen till gagn. Det finns många aspekter och detta kapitel ämnar inte täcka in alla aspekter, men att lyfta fram några som organisationerna kan vara hjälpta av. För både publicerande och nyttjande organisationer är det bra att i ett tidigt skede analysera vilken affärsmodell som är lämplig att använda. För en offentlig organisation kan det tyckas märkligt att göra en analys av affärsmodellen eftersom det traditionellt kan ses som något en vinstdrivande verksamhet gör. Värdet i att göra en sådan analys ligger i att organisationen förtydligar vad som ska göras och åt vem, samt vilket som är bästa sätt att göra det. En sådan analys behöver inte vara kostsam, vilket det däremot kan vara att utveckla en tjänst som ingen kan eller vill använda. 5.1. Publicerande organisationer Organisationer som vill publicera öppna data bör förstå hela kedjan, från insamling av data till publicering och underhåll av datan. Som tidigare nämnts har SKL tagit fram ett utkast till ett nationellt ramverk för publicerande av öppna data . Även om ramverket är skrivet för kommuner och landsting45 är det en god start också för andra organisationer som funderar på att publicera öppna data. Som en del av SKLs ramverk finns följande checklista för arbetet med att publicera öppna datamängder: 1. Identifiera vilka datamängder som ska publiceras utifrån publiceringsplanen. 2. Kontrollera eventuella tredjepartsrättigheter i relation till publicering. 3. Stäm av publiceringen med informationsägare och behöriga beslutsfattare. 4. Säkerställ att datamängden har korrekt informationsklassning och att publicering är möjlig 5. Avlägsna eventuella personuppgifter och sekretessbelagd information som inte får tillgängliggöras som öppna data. 6. Välj vilket format datamängden ska publiceras i och omvandla det eventuellt till maskinläsbara data. 7. Betygsätt datamängden enligt femstjärnemodellen .46 8. Beskriv datamängden. 9. Beskriv eventuellt API. 10. Säkerställ och dokumentera hur informations- och förändringshantering ska ske. 11. Informera informationsägare och behöriga beslutsfattare att datamängden är färdigt för publicering och inhämta slutgiltigt beslut. 12. Publicera datamängden och beskrivningen i datakatalogen. Som publicerande organisation bör man tänka både på innehåll (avgränsning, kvantitet, integritet, gränssnitt) och underhåll (kvalitet, uppdateringsfrekvens) redan från start. http://skl.se/naringslivarbetedigitalisering/digitalisering/oppnadata/stodvagledning/ramverkoppnadata/ramverketforoppnadata.45 1184.html http://lankadedata.se/vitbok/print/#stjrnmodellen46
  36. 36. SenseMate AB: Värdet av Öppna Data v1.0 Sida av35 41 Om en offentlig organisation redan säljer data till användare kan det bli en förlorad intäkt om en datamängd görs gratis tillgänglig som öppna data. Kortsiktigt kan det således röra sig om både en ökad kostnad och en minskad intäkt. Öppna data-initiativ bör emellertid ses på längre sikt. Ett sådant exempel i närregionen är Danmark, som 2012 presenterade “Good basic data for everyone - a driver for growth and efficiency” som innehöll en plan för hur öppna grunddata skulle förbättras och47 göras mer tillgängliga. Initialt innebar åtgärderna en kostnad, men åtgärderna beräknades rendera ett positivt resultat redan efter ett par år. I figur 17 visas den offentliga sektorns beräknade kostnader och vinster kopplade till åtgärderna, från 2013 fram till 2020 då de väntas vara helt implementerade. Figur 17. Totala kostnader/vinster (miljoner DKK) från förbättrade öppna datamängder i Danmark. Utöver vinsterna i den offentliga sektorn i figur 17, beräknas den privata sektorn använda den öppna datan för att skapa ytterligare värde. Sammanlagt beräknas vinsterna från åtgärderna uppgå till ca 800 miljoner danska kronor (ca 1 miljard svenska kronor) per år från 2020 och framåt. Om den publicerande organisationen har som primärt mål att bidra till innovation och ökad tillväxt bör organisationen ha en långsiktig plan för uppdateringar, underhåll samt säkerställande av datamängdernas kvalitet. Annars får inte andra [privata] aktörer förtroende att använda och bygga lösningar på datamängderna. Genom att använda SKLs ramverk och publicera data som uppfyller kraven i kapitel 1 har man kommit långt. Totala kostnader/vinster (miljoner DKK) i initiativet Good basic data for everyone −180 −120 −60 0 60 120 180 240 300 2013 2014 2015 2016 2017 2018 2019 2020 260246 221211 149 52 −45−131 http://uk.fm.dk/publications/2012/good-basic-data-for-everyone/47
  37. 37. SenseMate AB: Värdet av Öppna Data v1.0 Sida av36 41 5.1.1. Affärsmodeller för publicerande organisationer Offentliga organisationer har en unik möjlighet i att skapa standardiserade plattformar som möjliggör hela ekosystem av produkter och tjänster, bland både offentliga och privata aktörer. För offentliga organisationer och myndigheter finns det möjligheter att effektivisera och spara pengar genom att göra datamängder lättillgängliga för andra. Även den egna organisationen kan spara pengar på den egna organisationens öppna data-initiativ, såsom i fallet med Katalonien (se kapitel 4.2). Nätverkseffekter kan uppnås genom att flera organisationer kollektivt bidrar till att en datamängd blir mer komplett eller får högre kvalitet. Varje organisations förbättring av datamängden ökar värdet för organisationen själv och alla andra deltagande organisationer. Företag som vill publicera öppna data kan också skapa värde från att publicera egna öppna data. Några exempel på affärsmodeller listas nedan. Direkta modeller: • sälja tjänster baserat på företagets detaljkunskap om den öppna datamängden • tillhandahålla samma datamängd, men sälja en högre garanterad upptid som den kostnadsfria48 tjänsten inte har • tillhandahålla datan som en dataklump (istället för bitvis via API) mot en avgift Indirekta modeller: • publicerad öppna data leder ökat kundengagemang, synlighet och lojalitet, vilket leder till ökad försäljning för företaget • “outsourcad utveckling”, dvs andra aktörer använder de publicerade datamängderna och utvecklar tjänster som företaget inte själv skulle ha tid/råd/kunskap att utveckla men kan istället köpa av aktörerna när de är färdigutvecklade Garanterad upptid innebär ett serviceavtal där tjänsten är tillgänglig till exempel 99,99% av tiden. Normalt innebär en högre garanterad48 upptid större driftskostnader för tjänsteföretaget och därmed en högre avgift för kunden.
  38. 38. SenseMate AB: Värdet av Öppna Data v1.0 Sida av37 41 5.2. Nyttjande organisationer – små och medelstora företag I rationella organisationer som är vinstdrivande bör aktiviteter som utförs bidra till organisationens ekonomiska mål, på ett eller annat sätt. Att till exempel utveckla en tjänst för att tillhandahålla information baserat på öppna data, innebär en kostnad för organisationen även om datan är fritt tillgänglig. Genom att identifiera och applicera lämpliga affärsmodeller kan organisationen skapa en långsiktigt hållbar lösning. I det här kapitlet beskrivs vad som avses med affärsmodeller i ett större perspektiv, samt ges exempel på affärsmodeller för små och medelstora företag som vill nyttja öppna data. 5.2.1. Affärsmodeller för små och medelstora företag Som tidigare nämnts är det vanligt att man har en av två startpunkter när man skapar en affärsidé som använder data: antingen startar man med ett identifierat behov som man vill fylla och därefter letar efter datan som bidrar till lösningen; eller så startar man med en eller flera datamängder och tänker ut hur man kan använda den datan i olika lösningar. Figur 18 illustrerar dessa två startpunkter. Det är vanligt att man itererar runt mellan A och B allt eftersom man utvärderar och lär mer om behoven respektive de tillgängliga datamängderna. Figur 18. Två vanliga startpunkter för lösningar som använder data. Att ha en bra idé räcker inte för att bygga en hållbar produkt, utan man behöver förstå hur man bäst ska skapa och tillhandahålla produkten, hur man ska tjäna pengar på den, osv, och detta brukar man samla under termen affärsmodell. En affärsmodell består av flera olika delar, och det finns olika metoder man kan ta till hjälp för att strukturera och utveckla sin affärsmodell. En av de mer välkända metoderna baseras på den så kallade “Business Model Canvas” beskriven av Osterwalder & Pigneur . Oavsett vilken metod man tar stöd i bör man kunna beskriva affärsmodellen49 så att den tydligt svarar på frågorna i tabell 6. http://businessmodelgeneration.com/book49 A:
 Behov B:
 Data-
 mängder Hitta relevant data Identifiera behov
  39. 39. SenseMate AB: Värdet av Öppna Data v1.0 Sida av38 41 Tabell 6. Sektioner i en affärsmodell och frågor som bör besvaras däri. När man tagit fram en affärsmodell är det bra att testa så att den “håller vatten”. Det kan man till exempel göra genom att fråga representanter för den tilltänkta kundgruppen och få deras feedback. Eventuellt behöver man iterera flera varv där man samlar in feedback, modifierar modellen, får ny feedback, osv tills man är nöjd med modellen. Om man vill lära sig mer om hur man kan gå tillväga för att validera sin affärsmodell rekommenderas “The Startup Owner’s Manual” av Blank & Dorf .50 Nedan beskrivs tre affärsmodeller som exempel på hur man kan skapa, leverera och fånga värde. För att förenkla presentationen visas värdeflödena och inte hela affärsmodellerna. En framgångsrik modell för att skapa värde från öppna data som en del företag använder är att koppla samman öppna data med proprietär eller licensierad data, ofta från flera marknadssegment, och sedan göra den paketerade datan tillgänglig på ett enkelt sätt i form av en tjänst. Betalningsmodellen är ofta en typ av kostnad per volym eller annat mått som skalar upp med användningen, enligt figur 19. Figur 19. Värdeflöde i affärsmodell med öppna och proprietära eller licensierade data. Affärsmodellens sektion Frågor som sektionen bör besvara Kundsegment Vem är målgruppen för vår tjänst eller produkt? Produkt/tjänste- erbjudande Vad är det vi erbjuder till kunderna, vad är värdet? Intäktsmodell Hur vi tjänar pengar, även vid olika försäljningsvolymer? Är det engångsintäkter eller återkommande intäkter? Kostnadsmodell Vilka kostnader har vi för att leverera produkten/tjänsten, hur skalar de med försäljningen? Säljkanaler Hur kommer vår tjänst/produkt till våra kunder på bästa sätt, genom vilka kanaler och vilka distributionssätt? Våra aktiviteter Var i värdekedjan placerar vi oss, vad kan vi göra bättre än andra, vilka är våra huvudaktiviteter? Våra resurser Vilken organisation ska vi har för att bäst kunna leverera våra kunderbjudande, idag och i framtiden, vilka nyckelresurser har vi / behöver vi skaffa, personal respektive utrustning? Kundrelationer Vilken typ av relation ska vi ha med våra kunder? Våra partners Vilka är våra nyckelpartners för att leverera produkten/tjänsten, vad ska vi köpa från dem och hur kompletterar de vår placering i värdekedjan? Kunder betalar baserat på använd datavolym / anropsfrekvens / etc Aggregera, kvalitetssäkra, 
 förenkla & 
 paketera enhetligt data via API Öppna
 data Proprietära
 data kronor http://www.bokus.com/bok/9780984999309/the-startup-owners-manual-the-step-by-step-guide-for-building-a-great-company/50
  40. 40. SenseMate AB: Värdet av Öppna Data v1.0 Sida av39 41 En utvidgad variant av den modellen adderar ett ytterligare värdeskapande steg där företaget använder dataanalys och datamodeller för att skapa prediktioner, riskanalyser, och liknande som också paketeras i form av tjänster nischade mot kundgrupper, se figur 20. Figur 20. Värdeflöde i affärsmodell där dataanalys och datamodellering adderar ytterligare värde. Det tredje exemplet, i figur 21, är valt för att visa hur man kan använda öppna data i ett företag trots att man inte säljer en datatjänst. Företag kan kombinera egna data, till exempel försäljningsstatistik, med öppna data, till exempel väderdata/geografisk data/demografisk data/etc, för att ta fram beslutsunderlag. Sådant beslutsunderlag kan företaget sedan använda för att optimera sin marknadsföring, för att bestämma var man bäst placerar butiker, för att identifiera hur man optimerar försäljning i förhållande till befolkning och säsong, med mera. Genom att använda öppna datamängder, för att i slutändan skapa mervärde för sina kunder, kan företaget öka sina intäkter, oavsett om företaget arbetar med energidistribution eller tillverkar möbler. Figur 21. Värdeflöde i affärsmodell där öppna data används internt i företaget för bättre beslut. Kunder betalar för prediktioner, riskanalyser, beslutssignaler, etc Aggregera, kvalitetssäkra
 & strukturera API & rapporter Öppna
 data Proprietära
 data kronor Dataanalys & data- modellering Nöjdare kunder / fler kunder Aggregera, kvalitetssäkra
 & strukturera Bättre betjäning Öppna
 data Egna
 data kronor Analysera data och skapa egen strategi
  41. 41. SenseMate AB: Värdet av Öppna Data v1.0 Sida av40 41 6. Avslutande kommentarer Vi ser att det även för små och medelstora företag finns en stor potential att skapa värde utifrån öppna data. För att komma igång med användandet är det viktigt att företagen tillåter anställda att utforska och experimentera med datamängder som görs tillgängliga. I den processen skapas en förståelse för datan och hur den kan användas i det egna företaget för att skapa innovativa tjänster och produkter. Att använda öppna data kan innebära många olika saker – ett företag kan använda öppna data för att förstå hur deras adresserbara marknad ser ut, ett annat företag kan använda det för att optimera den geografiska placeringen av deras energiproduktion, och ett tredje företag kan använda det för att bygga en datadriven tjänst som förädlar datan åt andra. I en del fall kan det vara samma datamängd som används på olika sätt i olika sammanhang. Steget att börja använda data är olika högt för olika organisationer, men det finns ofta exempel att lära ifrån och även företag som kan hjälpa till att komma igång. Utöver värde för företag kan samma datamängder ha värde i andra dimensioner såsom att stärka demokratin genom ökad öppenhet, skapa effektivisering bland myndigheter, etc. Med öppna data finns stora möjligheter att skapa en win-win-win-situation för alla inblandade, från publicerande [offentliga] organisationer, till företag och medborgare. HIP är ett exempel på ett bra initiativ där man skapat en plattform som gör det möjligt för fler att publicera data och enkelt använda data, och där det finns stora vinster att göra i alla led. Det är viktigt att beslutsfattare är medvetna om både kostnader och möjligheter kopplade till öppna data, och att man aktivt skapar förutsättningar för fler att gå från medvetenhet om öppna data till innovationer och användning. Det är där det största värdet finns.

  42. 42. SenseMate AB: Värdet av Öppna Data v1.0 Sida av41 41 Om SenseMate AB SenseMate AB tillhandahåller tjänster inom två områden: Intelligenta Affärer och Intelligenta Maskiner. Intelligenta Affärer (Intelligent Business) är vår terminologi för att hjälpa organisationer skapa mer innovativa produkter och tjänster, bygga konkurrenskraftigare strategier, och driva deras företag på bättre sätt. Intelligenta Maskiner (Intelligent Machines) definierar vi som system vilka aktivt hjälper människor att uppnå deras mål. Området spänner från inbyggda system till molnlösningar som baseras på maskininlärning och dataanalys. För mer information, skicka ett email till contact@sensemate.com. About SenseMate AB SenseMate AB provides services in two areas: Intelligent Business and Intelligent Machines. Intelligent Business is our term for helping organizations create more innovative products and services, more competitive strategies, and run their business in a better way. Intelligent Machines are, in our definition, systems that actively help humans achieve their goals. This area spans intelligent embedded systems to cloud systems based on machine learning and data analytics. For more information, send an email to contact@sensemate.com.
  43. 43. sensemate.com !

×