Tips av Helsinki Region Infoshare

Det viktigt att utse en tydlig instans (ansvarig) för öppnande av information, som utomstående kan kontakta i ärenden som gäller öppna data. Dessutom lönar det sig att ordna till exempel utvecklarmöten där man kan samla in respons redan innan informationen öppnas.

Meteorologiska institutets tips

Informationsförvaltaren bör beakta hur metadata och verbal beskrivning produceras ur materialet samt hur man svarar på ett eventuellt behov av användarstöd efter publiceringen.

Lantmäteriverkets tips

För att ägarskapet ska vara klart ska informationsförvaltaren gå igenom uppgifterna i detalj i fråga om upphovsrätt. Om data tidigare har licensierats som avgiftsbelagda ska övergångsperioden och kundkommunikationen planeras omsorgsfullt. Dessutom ska telekommunikationskapaciteten säkerställas.

Informationshanteringsnämnden har utfärdat en rekommendationssamling om tillämpningen av vissa bestämmelser om informationssäkerhet (finansministeriets publikationer 2021:65), enligt vilken hanteringen av informationsrisker är en fortlöpande verksamhet och det är bra om informationshanteringsenheten beskriver målen, principerna, ansvaren och de centrala förfarandena i anslutning till den. Ledningen ansvarar för organiseringen och resursfördelningen i anslutning till hanteringen av informationsrisker. Dessutom upprätthåller informationshanteringsenheten datamängder som bildas av resultaten av riskbedömningarna och riskhanteringsplanerna, samt bedömer regelbundet om de är helt eller delvis sekretessbelagda eller säkerhetsklassificerade.

Informationsförvaltningsnämnden har också utfärdat en rekommendation om bedömning av informationssäkerheten i den offentliga förvaltningen (Julkri), som innehåller anvisningar om användningen av den (finansministeriets publikationer 2022:43). Bedömningskriterierna stöder behoven av att utveckla och utvärdera informationssäkerheten inom hela den offentliga förvaltningen. Den kan användas som hjälp vid bedömningen av informationshanteringslagen, förordningen om säkerhetsklassificering samt delvis också vid bedömningen av huruvida kraven på informationssäkerhet i dataskyddsförordningen uppfylls.

Vid planeringen och genomförandet av öppnandet av information är det viktigt att säkerställa den digitala säkerheten. Digital säkerhet omfattar frågor som gäller riskhantering, kontinuitetshantering och beredskap samt cybersäkerhet, informationssäkerhet och dataskydd. Medborgare, företag och samfund måste även i en digital miljö kunna lita på etiskt hållbara, öppna och transparenta tjänster inom den offentliga förvaltningen.

I statsrådets principbeslut om digital säkerhet inom den offentliga förvaltningen (Finansministeriets publikationer 2020:23) fastställs utvecklingsprinciperna och de centrala tjänsterna för främjande av säkerheten i den digitala verksamhetsmiljön. Finansministeriet har tillsatt en strategisk ledningsgrupp för digital säkerhet inom den offentliga förvaltningen för att främja digitaliseringen och balansen inom den digitala säkerheten.

Bekanta dig närmare med åtgärder och material som gäller utvecklingen av den digitala säkerheten.

I verksamhetsmodellen för datadelning har man utvecklat en bedömningsmetod som hjälper organisationer inom den offentliga förvaltningen att bedöma nyttopotentialen för öppnande och delning av egna datamängder samt riskerna och kostnaderna i anslutning till delning. Bedömningsmetoden kallas också HRK-metoden (nytta, risker och kostnader).

HRK-Ladda ner bedömningsverktyget HRK (på finska, Excel-fil) 

HRK-verktyget är en Excel-blankett som ger ett sammandrag av bedömningsresultaten utifrån de svar du angett. Utifrån svaren fastställs nyttopotentialen, riskprofilen och kostnaderna för öppnandet av datamängderna. Det är bra att beakta att det sammandrag som fås på basis av svaren endast är en riktgivande sammanställning av olika observationer – det är inte en rekommendation. Varje organisation fattar självständigt beslut i anslutning till öppnande av information med beaktande av lagstiftningen (bl.a. rätten att få och lämna ut information), de officiella rekommendationerna och organisationens egna riktlinjer. Sammanfattningen kan till exempel användas som bakgrundsmaterial för att motivera eventuella fördelar med att öppna information för beslutsfattande instanser.

HRK-metoden grundar sig på bedömningsmetoder som används av finländska och utländska organisationer inom den offentliga förvaltningen. Den första versionen av metoden har utvecklats av bland annat National Institute of Standards and Technology, Washingtons universitet, Harvards universitet och flera andra expertorganisationer.

Med hjälp av bedömningsmetoden kan man:

• prioritera ordningen för öppnande av datamängder när resurserna är begränsade
• identifiera datamängder vars öppnande är förknippat med olika risker
• få en uppfattning av kostnaderna för att öppna datamängder
• identifiera datamängder som har störst nyttopotential för externa intressentgrupper (dataanvändare) 
• kartlägga eventuella inkomster från informationsdelningen
• göra öppnandet av datamängder och beslutsfattandet i anslutning till delandet systematiskt

Bedömningsmetoden är riktad till de personer inom organisationer som ansvarar för att öppna information. Dessa kan vara till exempel de som ansvarar för datamängder, informationsförvaltningschefer eller de som koordinerar öppnandet av data. Dessutom lönar det sig att inkludera experter från varje delområde i bedömningens olika skeden, allt från tekniska experter till dataskyddsansvariga.

Anonymisering innebär att uppgifterna behandlas så att det inte längre är möjligt att direkt eller indirekt identifiera personerna. Identifieringen ska förhindras på ett oåterkalleligt sätt och så att den personuppgiftsansvarige eller någon annan utomstående aktör inte längre, med de uppgifter de förfogar över, kan ändra uppgifterna tillbaka till en identifierbar form. Identifikationsuppgifter kan till exempel raderas eller generaliseras (aggregeras) till en sådan nivå att en enskild person inte längre kan identifieras. Identifikationsuppgifter är till exempel namn, adresser, telefonnummer eller personbeteckningar.

Aggregering innebär att informationen på basis av en eller flera faktorer omgrupperas till en grövre nivå. Informationen kan kombineras/förgrovas på en allmän nivå eller ändras till statistiskt format så att uppgifterna om en enskild person inte längre kan identifieras.

Pseudonymisering innebär att personuppgifter behandlas så att de inte längre kan kopplas till en viss person utan tilläggsuppgifter. Sådana tilläggsuppgifter ska förvaras noggrant åtskilda från personuppgifterna.

Statskontorets analytiker genomför analyser på uppdrag. I analyserna används i huvudsak statens gemensamma informationsplattform, dit material som definieras i uppdraget förs. Med hjälp av en datanavigator fastställer analytikern tillsammans med uppdragsgivaren de informationsområden som behövs för analysen. I navigatorn beskrivs uppgifterna i statens gemensamma serviceproducenters system. I beskrivningen definieras om fältet kan innehålla person- eller sekretessbelagd information tillsammans med serviceproducenten och ämbetsverken. För de beskrivna fälten skapas på förhand fastställda bestämmelser om maskering.

Analytikern beställer uppdragsenliga data av dataingenjören. Dataingenjören hämtar de kolumner som behövs för uppdraget från serviceproducenternas system via gränssnitt, och avlägsnar eventuella onödiga kolumner för att minimera informationen och maskera uppgifterna i enlighet med regelverket:

• Textfält som eventuellt innehåller personuppgifter raderas
  • T.ex. tas förklaringarna till uppföljningsobjekt 1 och 2 bort från uppgifterna om ekonomisk uppföljning
  • Fält med t.ex. personnamn eller e-postadresser raderas
• I materialet krypteras personens identifikationskoder med en krypteringsalgoritm så att det ursprungliga värdet inte kan identifieras, samtidigt som identifikationskoden bevaras
  • Innehållet i de fält som innehåller personbeteckning behandlas t.ex. med hjälp av kryptografisk tätningsfunktion som en teckensträng från vilken det ursprungliga värdet inte direkt kan härledas
• Statskontoret har inte nödvändigtvis rätt till uppgifter på en viss precisionsnivå, men aggregeringar som producerats av uppgifterna kan vara offentliga. I dessa fall förgrovar (aggregerar) tjänsteleverantören materialet tillsammans med ämbetsverken till en fastställd offentlig nivå specifikt för varje fall. Med förgrovning/aggregering avses i detta sammanhang att informationen omgrupperas till en grövre nivå på basis av en eller flera faktorer.
  • I stället för verksamhetsenheten anges t.ex. summan eller medeltalet på bokföringsenhetsnivå
  • Resor till olika kontinenter anges t.ex. i stället för resor till ett enskilt land

Den maskerade, minimerade informationen överförs till en analysplattform för analytikerns bruk. Analytikern genomför analysen utifrån maskerade data som inte innehåller direkta personuppgifter. Om analytikern ändå upptäcker att data eventuellt innehåller direkta personuppgifter, meddelar han eller hon detta till dataingenjören, så att maskeringsregelverket för fälten i fråga kan korrigeras. Varmed materialet inte behandlas innan korrigeringen har gjorts och data är fri från personuppgifter. När analysen har genomförts förgrovar analytikern resultatet till en statistisk nivå innan resultaten presenteras för uppdragsgivaren, dvs. säkerställer att de grupper som presenteras innehåller uppgifter om minst fem personer, så att individen inte kan identifieras i resultaten.

Vid säkerställandet av dataskyddet för datamängder är det viktigt att granska att det i de datamängder som behandlas inte finns målenheter vars identitet eller egenskaper kan avslöjas direkt eller indirekt. Direkt identifiering kräver att datamängden innehåller en entydig egenskap hos målenheten, till exempel namn, adress, FO-nummer. Det är fråga om indirekt identifiering när målenheten kan identifieras med hjälp av flera egenskaper, till exempel kommundirektören som yrkesuppgift och kommunen där personen arbetar som tilläggsuppgift. Egenskaperna hos en enskild målenhet kan avslöjas även utan att målenheten identifieras i en situation där en större grupp som målenheten tillhör delar vissa egenskaper som är lika. Till exempel i enkäten om arbetshälsa har alla personer vid en viss avdelning svarat på enkäten och uttryckt sitt missnöje med den fysiska arbetsmiljön.

Vid bedömningen av risken för avslöjande är det stor skillnad om man talar om material på enhetsnivå eller sammanställd, dvs. på något sätt aggregerad information. När man behandlar material på enhetsnivå, där egenskaperna hos en enskild målenhet granskas objektspecifikt, kan indirekt avslöjande fortfarande vara möjligt även om uppgifterna har förgrovats enligt egenskaper. Ett bra exempel är datamängder som granskar målenhetens situation på längre sikt. En personens flytt- eller arbetshistoria kan mycket snabbt leda till en situation där möjligheten till indirekt identifiering inte kan uteslutas även om uppgifterna skulle förgrovas något. I fråga om enhetsmaterial ska risken för avslöjande granskas omfattande med beaktande av flera egenskaper samtidigt. I allmänhet leder anonymiseringen av enhetsmaterial med hjälp av förgrovningar och avgränsning av information till att små datamängder som främst används för exempeländamål produceras. Alternativa dataskyddsmetoder är till exempel användning av förvirrande dataskyddsmetoder, (fler)imput eller produktion av syntetiskt material.

Statistikcentralen har producerat anonyma datamängder på enhetsnivå som är avsedda för undervisningsbruk. Resultaten från dessa material kan vara riktgivande, men de lämpar sig under inga omständigheter för statistiska utredningar eller vetenskaplig forskning. Mer information om undervisningsmaterialen.

I fråga om sammanställd eller aggregerad information talar man om uppgifter där man har samlat värden som flera målenheter fått för egenskapen. Dessa uppgifter kan delas in i frekvenstabeller som beskriver antalet målenheter och mängdtabeller som beskriver egenskapernas värden. I tabellerna anges till exempel egenskapens summor eller medelvärden. I fråga om frekvenstabellerna fastställs risken för avslöjande enligt varje cells cellvärde som ett tröskelvärde. Cellen ska innehålla minst denna mängd målenheter. Tröskelvärdet beror på de egenskaper som granskas. Statistikcentralen producerar den officiella befolkningsstatistiken delvis till och med genom att inkludera enskilda personer i statistiken. I allmänhet kräver skyddet dock minst tre målenheter i cellen. Med detta minimivärde undviker man en situation där två målenheter som delar samma egenskaper kan dra slutsatser om varandras värden utifrån publicerad information. Vid Statistikcentralen används ett högre tröskelvärde när man granskar uppgifter på regional nivå som är noggrannare än kommunens (tröskelvärdet kan stiga till femtio när man granskar rutdata) och i allmänhet är tröskelvärdet tio om det är fråga om särskilda datagrupper eller brottsuppgifter enligt dataskyddsförordningen.

I fråga om mängdtabeller räcker det inte med att enbart granska tröskelvärdet för att förhindra slutledningen av värdena för egenskapen hos en annan målenhet, om målenheterna finns i samma cell. Då använder Statistikcentralen dessutom dominansregeln för identifiering av celler som riskerar att avslöjas. Med dominansregeln skyddas celler där en enskild målenhet eller flera målenheter tillsammans dominerar, dvs. producerar största delen av cellens värde. Om man i cellen till exempel granskar företagens omsättning enligt näringsgren och region vill man inte att ett enskilt stort företags värde ska kunna härledas från en cell där de övriga företagen har en mycket liten omsättning i förhållande till det största.

De primära cellerna med risk för avslöjande kan fastställas med hjälp av tröskelvärdet eller dominansregeln. Om uppgifterna raderas, dvs. täcks över i de datamängder som publiceras, är det lätt att omräkna deras värden om datamängder också innehåller marginalbelopp, dvs. summor över rader och kolumner. Då ska kompletterande täckning användas för att säkerställa att uppgifterna skyddas. När det gäller kompletterande täckning finns det specialprogram som säkerställer ett tillräckligt skydd för sekundär täckning vid bestämning av celler. Sådana specialprogram är till exempel Tau-Argus och R-paketet sdcTable. Mer information om programvara i GitHub (på engelska).  

Tilläggsuppgifter om skydd av uppgifter i Statistikcentralens material som är riktat till forskare:

• Dataskyddsanvisningar för forskartjänster (på finska, pdf)
• Guiden Forskningsmaterial vid distansanvändning (på finska)​​​​​​

Helsinki Region Infoshare har tillsammans med Helsingfors stads dataskyddsombud skapat anvisningar för att öppna förfrågningsdata (och andra data som innehåller personuppgifter) (på finska).

VAHTI är samarbets-, berednings- och samordningsorgan för organisationer som ansvarar för utvecklandet av den digitala säkerheten inom den offentliga förvaltningen och produktionen av centrala tjänster. Organisationerna kan utnyttja bästa praxis och VAHTI-anvisningar för att utveckla säkerhetens olika delområden.

VAHTI-verksamheten överfördes till Myndigheten för digitalisering och befolkningsdata i början av år 2020.

• Information om VAHTI-verksamheten på Myndigheten för digitalisering och befolkningsdatas webbsidor.
• VAHTI-anvisningar som beretts åren 2001–2017 (på finska). I vissa anvisningar hänvisas till föråldrad lagstiftning.
   

Föråldrade rekommendationer kan utnyttjas genom att tillämpa och beakta den ändrade lagstiftningen.

Myndigheten för digitalisering och befolkningsdata har genomfört flera utbildningar på temat Ett digitalt säkert liv i eOppiva, till exempel webbutbildningen Riskhantering i den digitala världen (på finska) samt webbutbildningen Dataskyddets ABC - Djupdykning i dataskyddet (på finska).

Filer lämpar sig för små och i synnerhet statiska datamängder vars data inte ändras ofta. Data som har öppnats på ett högklassigt sätt delas i öppet filformat, vilket i allmänhet gör det möjligt att behandla data på nytt oberoende av programvara.

Med öppet filformat avses ett sådant icke-kommersiellt filformat som vem som helst kan utnyttja avgiftsfritt. Användningen av öppna filformat begränsas inte av upphovsrätt, patent, varumärken eller andra begränsningar. Till exempel Microsofts filformat .docx- eller. xslx är inte öppna, utan kommersiella, och det är svårt att använda dem med gratis programvara. Enligt Tim Berners-Lees modell med fem stjärnor (på engelska) får data som publicerats i ett öppet filformat minst 3/5 stjärnor.

I listan nedan finns tips för publicering av olika typer av datamängder:

• Data i textform: TXT. Det enklaste och säkraste filformatet för att publicera text är.txt.
• Data i tabellform: CSV. Det bästa och enklaste filformatet för tabeller är .csv (Comma-separated Values). Det är enkelt att skapa filer i CSV-format med allmänna kalkylprogram som Microsoft Office Excel genom att välja csv som filformat när man ska spara.
• Geografisk information, små vektordata: GeoJSON, KML, Esri shapefile (shp) eller GeoPackage. I de två första används det globala koordinatsystemet WGS84 för att beskriva koordinaterna. Systemet är lätt att hantera med flera olika program och verktyg. Shp-filen stöder å sin sida flera koordinatsystem, även sådana som utvecklats för finländska förhållanden.
• Geografisk information, stora rasterdata: GeoTIFF eller NetCDF. Data kan publiceras i rasterformat till exempel i GeoTIFF-filformat.

Om information delas i PDF-format är det bra att beakta vilken PDF-version som används och se till att data är i maskinläsbart format. På 1990-talet utvecklade och patenterade Adobe PDF som kommersiellt filformat. År 2008 standardiserades version 1.7 (ISO 32000-1) till en nästan öppen standard, men en del av dess egenskaper var fortfarande endast Adobes egendom (till exempel Adobe XML Forms Architecture, Adobe JavaScript). I versionen PDF 2.0 (ISO-32000-2) som publicerades år 2017 var alla egenskaper emellertid öppna. Mer information om öppna filformat (på engelska).

Bekanta dig med Wikipedias omfattande lista över öppna filformat (på engelska).

Vad är API?

Programmeringsgränssnitt, dvs. API (Application Programming Interface), är dokumenterade gränssnitt som gör det möjligt för programvara, applikationer eller system att utbyta information eller funktioner sinsemellan. Programmeringsgränssnittet erbjuder information eller funktion i maskinläsbar, dokumenterad form så att någon annan programvara, applikation eller system kan utnyttja den programmässigt. Till exempel får reseplanerarappen information från kollektivtrafikens programmeringsgränssnitt om när bussen anländer till hållplatsen och visar informationen för användaren.

I denna verksamhetsmodell avses samma sak med API, programmeringsgränssnitt och det tekniska gränssnitt som definieras i informationshanteringslagen. Anmärkningsvärt är att programmeringsgränssnittet inte avser användargränssnitt avsedda för slutanvändare, utan programmeringsgränssnittet används alltid av någon annan programvara, applikation, applikationskomponent eller system.

Varför använda programmeringsgränssnitt för att dela information?

Att dela information via programmeringsgränssnitt är på många sätt lönsamt och nyttigt, i synnerhet om det finns mycket information och informationen uppdateras ofta eller i realtid, det vill säga att det är fråga om så kallade dynamiska data. Tågtidtabeller eller väderleksuppgifter är exempel på sådana data. Det är dock bra att komma ihåg att även fildelning är till nytta särskilt för de personer och aktörer som inte kan utnyttja programmeringsgränssnitt. Att dela filer kan också kräva mindre resurser av den som delar informationen än att skapa och upprätthålla ett nytt gränssnitt, om organisationen inte heller i övrigt använder gränssnitt.

Programmeringsgränssnittet kan vara ett webbaserat gränssnitt som grundar sig på fil- eller databasprotkoll eller andra protokoll och har genomförts med till exempel REST-, SOAP- eller GraphQL-teknik. Det väsentliga är att programmeringsgränssnittet erbjuder information i maskinläsbar, dokumenterad form så att någon annan programvara, applikation eller system kan utnyttja den programmässigt. Det är bra att tillhandahålla informationen via webbaserade gränssnitt, om det är möjligt och ändamålsenligt.

Webbaserade gränssnitt kan utnyttjas både i interna och externa gränssnitt och olika datasäkerhetskontroller kan genomföras i dem i stor utsträckning. Filformatet som ska delas beror på dataöverföringsprotokollet, i webbaserade gränssnitt utnyttjas till exempel i allmänhet HTTP-baserat dataöverföringsprotokoll eller -arkitektur, såsom REST. API-gränssnitten lämpar sig också väl för delning av statistikdata i databasform. Bekanta dig till exempel med materialet i Statistikcentralens öppna databasmaterial.

Det är viktigt att gränssnitten beaktas i organisationens övriga informationshantering och verksamhetsprocesser samt i målen för ledning genom information. Det väsentliga är att organisationen definierar vilka eller hurdana datamängder som erbjuds eller utnyttjas internt och externt via programmeringsgränssnitten, och vilka datamängder som borde tas i bruk via gränssnitten. Internt tillhandahållande och utnyttjande kan göras via interna gränssnitt (internt API). Externt tillhandahållande och utnyttjande kan göras med partnergränssnitt (partner API) eller offentliga gränssnitt (offentligt API) enligt klassificeringen av information. Observera att om informationen inte kan erbjudas som öppen information kan det krävas att Suomi.fi-informationsleden används för att dela informationen.

Vid planeringen och utvecklingen av programmeringsgränssnitt lönar det sig att utnyttja de nationella API-principerna. API-principerna för den offentliga förvaltningen erbjuder aktörer inom den offentliga förvaltningen stöd och anvisningar för utveckling, hantering och filformat för programmeringsgränssnitt. API-principerna stöder bland annat definition, ansvarsfördelning, främjande av interoperabilitet, upphandling, testning och implementering av programmeringsgränssnitt. I samband med planeringen av gränssnittet är det bland annat viktigt att fastställa hur förändringarna i gränssnittets livscykelplan eller servicenivå ska hanteras.

Tilläggsuppgifter och stödmaterial för att utveckling, hantering och filformat för programmeringsgränssnitt:

• API-principer för den offentliga förvaltningen
• Informationshanteringsnämndens rekommendation om tekniska gränssnitt och elektroniska förbindelser (finansministeriets publikationer 2021:21)
• Lantmäteriverkets instruktion för användning av API-nyckel (på finska)​

Med hjälp av tabellen nedan kan man bedöma valet av lämplig form för delning. I tabellen strävar man efter att lyfta fram skillnader.

Meteorologiska institutet delar sina datamängder från sina egna gränssnittstjänster och Amazons tjänst för öppna data.

Tjänsten Helsingfors Region Infoshare för städerna i huvudstadsregionen har sammanställt tips för bedömningen av den tekniska genomförbarheten. Frågorna nedan är till hjälp vid bedömningen.

I vilket format kan man öppna data?

Som fil:

• Fil där data upprätthålls (xlsx / csv / shp /...) 
• Uppgiften tas manuellt ur systemet
• Uppgiften tas automatiserat ur systemet
• I allmänhet ett snabbt och avgiftsfritt sätt att öppna data, men kräver ofta manuell och minnesbaserad uppdatering

Via gränssnitt:

• Programmeringsgränssnitt görs automatiskt för information som tas ur systemet
• Programmeringsgränssnitt skapas i systemet/dess kopia
• I början krävs mer arbete och resurser, men ingen separat uppdatering krävs

Frågor som det är bra att fundera på vid val av dataformat:

• Hur ofta uppdateras/uppdaterar man data?
• Hur stor är datamängden?
• Är data realtidsdata eller t.ex. årlig information?
• Hur mycket manuellt arbete krävs för att redigera data?
• Vad kan data användas till?
• Finns det standarder?
• Har någon annan aktör redan öppnat motsvarande data? Hur har det gjorts? Skulle det vara möjligt att öppna data i motsvarande format?

Helsinki Region Infoshare har infört verktyget Datasette, som gör det möjligt att publicera data som är tillgänglig via gränssnitt i filformat. Mer information om verktyget Datasette på HRI:s webbplats (på finska).

HRI:s instruktioner för val av filformat (på finska).

Under ledning av Statistikcentralen, och genom ett omfattande samarbete inom den offentliga förvaltningen, har man utvecklat en allmän Kvalitetsram för information. Arbetet har gjorts som en del av Finansministeriets projekt för att utnyttja och öppna data. Kvalitetskriterierna och indikatorerna för informationen publicerades våren 2022.

Med hjälp av kvalitetskriterierna för data kan man beskriva och bedöma kvaliteten på datamängder. De hjälper också användaren att bedöma om datamängden är av tillräckligt hög kvalitet för det avsedda användningsändamålet. På längre sikt stöder kvalitetskriterierna förbättringen av kvaliteten på datamängder och informationsresurser.

Kvalitetskriterierna är avsedda som ett flexibelt verktyg; alla kriterier eller i synnerhet alla indikatorer är inte nödvändigtvis relevanta i alla situationer eller för alla datamängder. Dessutom är det bra att observera att informationens användningsändamål påverkar vilken nivå som eftersträvas för varje kvalitetskriterium. Till exempel med tanke på aktualiteten borde informationen för ett användningsändamål uppdateras kontinuerligt (uppföljning av pandemin), medan det för den andra uppgiftens del räcker med en årlig granskning, eller mer sällan (gamla byggnaders läge). Även om kvalitetskriterierna jämte indikatorer utgör en hierarkisk struktur påverkar och länkar kvalitetskriterierna och mätarna till varandra.

Kvalitetsramens kvalitetskriterier, och i synnerhet indikatorerna för dessa, gäller strukturerade data. Kvalitetskriterierna för datamängder har med tanke på användarens perspektiv ordnats under tre frågeställningar.

Hur beskriver informationen verkligheten?

• Aktualitet: Aktualiteten beskriver tidsdimensionen för data i datamängden. Aktualiteten är bättre ju närmare uppgiftens referenstidpunkt är nuet. Referenstidpunkten är den tidpunkt som uppgiften gäller.
• Konsekvens (regelmässighet, logisk integritet): Konsekvens visar att datamängden är enhetlig och utan motstridigheter. Med konsekvens kan man också beskriva konsekvens mellan olika datamängder.
• Täckning (fullständighet): Täckningen beskriver datamängdens eftersträvade tidsmässiga och regionala täckning samt de målenheter och egenskapsuppgifter som eftersträvas. Å andra sidan anger täckningen till vilka delar datamängden innehåller de eftersträvade uppgifterna.
• Riktighet (felfrihet): Riktigheten beskriver hur uppgifterna i datamängden motsvarar verkligheten. Genom att granska uppgifternas riktighet kan man också hitta systematiska förvrängningar i datamängden.
• Noggrannhet (inte vilseledande): Noggrannheten beskriver hur väl uppgifterna i datamängden motsvarar det som eftersträvas och hur exakt data träffar rätt.

Hur har informationen beskrivits?

• Spårbarhet (obestridlighet): Spårbarheten visar att ändringar i datamängden och dess data kan spåras. Informationens ursprung är känt.
• Begriplighet (tolkningsbarhet, förståelse): Begriplighet beskriver i hur stor omfattning datamängden har sådana metadata som hjälper att förstå data när de används.
• Överensstämmelse med rekommendationerna (kompatibilitet, semantisk enhetlighet, enhetlighet): Överensstämmelse med rekommendationerna visar att datamängden och dess egenskapsdata följer kända standarder, praxis och bestämmelser och att de har angetts i samband med datamängden.

Hur kan informationen användas?

• Maskinläsbarhet: Maskinläsbarhet beskriver om datamängden är strukturerad så att den kan behandlas maskinellt och om den kan behandlas i olika informationssystem.
• Punktlighet (rättidighet): Punktlighet innebär att datamängden är tillgängligt vid den angivna tidpunkten och tillräckligt ofta i förhållande till de ändringar som sker i datamängden.
• Användarrättigheter: Användarrättigheterna beskriver hur rätten att använda datamängden har definierats och vad man kan göra med materialet, dvs. för vilka ändamål datamängden kan utnyttjas. 
   

Bekanta dig närmare:

• Kvalitetskriterierna sammanfattade på Statistikcentralens webbplats (på finska).
• Dokumentet Kvalitetskriterier och mätare för datamängder (på finska, pdf)

Med CC0-licensen avstår man från alla upphovsrätter till data. Data med CC0-licens har överlåtits för helt fritt bruk för både kommersiella och icke-kommersiella ändamål. Den som utnyttjar data behöver inte uppge datas ursprung eller be om tillstånd för att använda data.

Datamängders metadata är ofta licensierade med CC0-licens. Exempelvis är tillståndet att använda metadata i tjänsten hri.fi CC0, som möjliggör automatisk kopiering av metadata till tjänsten Öppnadata.

Licensen CC BY 4.0 eller CC Erkännande 4.0 förpliktar den som utnyttjar data att namnge datas ursprung. Den som använder data ska ange källan, erbjuda en länk till licensen samt informera om ändringar har gjorts i data. Data med licens CC BY 4.0 kan användas fritt.

Exempel på källhänvisning

Helsinki Region Infoshare rekommenderar att använda följande källhänvisning vid utnyttjande av datamängder som publicerats i tjänsten: ”Källa: Helsingfors stads inkomster och utgifter. Materialet upprätthålls av Helsingfors stadskansli. Materialet har laddats ner från tjänsten Helsinki Region Infoshare den 15.11.2021 med licensen Creative Commons Attribution 4.0."

Creative Commons är en internationell, icke-kommersiell organisation som bidrar till att dela och använda kreativitet och information med kostnadsfria juridiska verktyg. Creative Commons avgiftsfria och lättanvända upphovsrättslicenser ger ett enkelt och standardiserat sätt att ge allmänheten rätt att på valda villkor dela och vidareanvända kreativa produkter. CC-licenserna ersätter inte upphovsrätter, utan de fungerar parallellt med upphovsrätten.

Mer information om Creative Commons-verksamheten i Finland (på finska).

Mer information om licensiering av öppen information (på engelska) i tjänsten data.europa.eu.

Creative Commons erbjuder hjälp för att välja rätt licens (på engelska).

Helsinki Region Infoshares praxis

Vid Helsingfors stad fattas det inget officiellt beslut om öppnandet, utan instansen som äger data fastställer vilka data som ska öppnas utan en officiell beslutsprocess. Det kommer så få Data-öppningar till HRI att öppningarna inte behöver prioriteras.

Meteorologiska institutets praxis

Vid Meteorologiska institutet är det institutets styrgrupp som beslutar om öppnande av datamängder i gränssnitt och om prioritering.

Tjänsten Öppnadata är en avgiftsfri publiceringsplattform för öppna data som publiceras i Finland. Tjänsten fungerar enligt självbetjäningsprincipen, så att varje myndighet och medborgare fritt kan utnyttja den för att öppna och utnyttja data.