Till innehållet

Öppna och delade data från offentliga aktörer

Data från offentliga förvaltningar är en samhällsresurs som kan skapa nya värden, ny kunskap och innovation. Här kan du läsa viktig information om vägledningar kring detta ämne och berättar om vilka som använder öppna och delade data.

Användare av öppna och delade data utgör ingen homogen grupp av människor utan kan återfinnas i olika delar av samhället och kan vara drivna av olika intressen. Den öppna och digitala tillgången gör också att dataanvändare idag kan ses som gränsöverskridande i bemärkelsen att användningen är frikopplad från såväl organisatoriska som nationella eller regionala gränser. För att man ändå ska kunna skapa sig en förståelse av vilka som använder öppna och delade data, och varför, beskrivs här fyra förenklade typanvändare. Det är dock viktigt att komma ihåg att dessa konkretiserade användargrupper inte fullt ut ger en bild av alla möjliga användare.

Informationsdrivna användare

Målgruppen informationsdrivna användare avser personer som har ett mer allmänt intresse av att hitta information och fakta. Denna användarkategori kan bestå av personer från hela samhället och som både kan vara driven utifrån en specialkompetens inom olika områden eller av allmänt intresse.

Exempel på roller man hittar i denna kategori är bl.a. politiker, studenter, forskare, journalister, entreprenörer, kulturarvsintresserade, historiker, media i allmänhet och olika typer av intresseorganisationer.

Vanligt förekommande drivkrafter är bl.a. insyn och delaktighet i offentlig verksamhet, att förstå och delta i arbetet med att adressera samhällsutmaningar, samt att få information som rör deras geografiska närområde. För att denna kategori av användare ska kunna ta till sig datamängderna och den information som de innehåller är det särskilt viktigt att informationen visualiseras, att beskrivningar och tillhörande dokumentation håller bra kvalitet och lätt att ta till sig.  

Verksamhetsdrivna användare

Målgruppen verksamhetsdrivna användare avser personer som primärt ämnar att förbättra verksamheten, dess processer eller tjänster i en befintlig eller ny organisation med hjälp av data. Detta kan innebära att man själv agerar som dataanvändare, men också att man kan ta rollen som facilitator för möjliggöra datadrivna förbättringar.

Dessa kan antingen ske i den egna organisationen eller genom samverkan med andra aktörer, t.ex. att förbättra befintliga processer med mer strukturerade data som möjliggör nya tekniska lösningar eller att effektivisera samarbeten genom förbättrad tillgång till gemensamma data.

Utvecklardrivna användare

Målgruppen utvecklingsdrivna användare avser primärt personer med teknisk kompetens inom data och programmering som använder öppna data för utveckling av tjänster, system eller applikationer. Dessa användare kan använda data både i egen regi via t.ex. start-ups, eller vara anställda på större företag eller organisationer i olika branscher och verksamhetsområden.

För denna användarkategori är behovet av ett API och strukturerade datamängder ofta stort eftersom det gör det enklare att utveckla nya innovativa tjänster som blir hållbara över tid. Om data ska användas för AI-applikationer är det viktigt att kunna förstå omfattningen och storleken på datamängden.

Mer generellt är det viktigt att datamängderna följer etablerade standarder, både för innehåll och metadata, har gedigen dokumentation och öppna licenser, är särskilt viktigt för tjänster som bygger på data från flera olika aktörer.

Analysdrivna användare

Målgruppen analysdrivna användare avser primärt personer med kompetens inom datahantering och dataanalys som är intresserade av att t.ex. ladda ner data i sin helhet för att göra analyser eller prognoser, jämföra med annan data (t.ex. från privat sektor) eller granska innehållet utifrån olika perspektiv.

Exempel på roller som kan hamna i denna kategori är bl.a. journalister, utredare, dataanalytiker, forskare, eller studenter. För denna användarkategori är tillgången till komplett data i standardformat, med tillhörande dokumentation kring t.ex. hur datamängden togs fram, ofta viktiga aspekter. Att kunna ställa frågor kring datamängden och kunna begära ut kompletterande information är också något som kan vara viktigt ur ett analysperspektiv.