Download - Kommunikasjon: Brugerne i centrum
Brugerne i centrum Processer, metadata og kvalitet
Bergen, 14.-17. august 2013
Mogens Grosen (Danmarks Statistik) Birgitte Brøndum (Danmarks Statistik)
VISION, UDFORDRINGER &
INTRODUKTION TIL
processer, kvalitet og
metadata
2
Visionen
1. Statistikken skal
hjælpe brugerne i
“informations-havet” –
et fyrtårn
2. Metadata skal
understøtte
vidensprocesser
3. Metadata skal giver
brugerne præcis
information om vores
produkter
3
Udfordringen #1
4
Udfordringen #2
Eksternt (fra fokus-grupper): Svært at forstå indholdet af kvalitetsdeklarationer
Sammenlignelighed på tværs af domæner er nødvendig
Ekspertviden for sektormæssige
Bedre information om databrud og revisioner
Internt Metadata er knyttet til de endelige data og ingen genbrug
Præsentation af metadata på internettet er fragmenteret og ufuldstændig
Begreber database ufuldstændige
Klassifikationer og kode-lister mange steder
5
Processer #1 Fra siloer til fokus på processer og brugerbehov
FRA SILOER TIL PROCES- OG
BRUGERFOKUS
6
Processer #2: Dst’s procesmodel
7
2Design
1Behov
3Udvikling
4Indsamling
5Behandling
6Analyse
7Formidling
5.1
Integrer
data
5.4
Imputér
manglende
data
5.5
Afled nye
stat. enheder
og variable
5.2
Kod data
5.3
Gennemgå,
fejlsøg og ret
data
1.1
Identificér
brugerbehov
1.4
Identificér
Begreber
1.5
Undersøg
datakilder
1.2
Konsultér og
bekræft behov
1.3
Skitsér
output/tabeller
2.1
Design
output
2.5
Design
databehand-
lingsmetode
2.6
Design prod.
system; krav-
specifikation
2.3
Design data-
indsamlings-
metode
2.4 Design
udtræksramm
e og stikprøve-
metode
3.1
Udvikl data-
indsamlings-
instrument
3.4
Test
systemet
3.2
Udvikl
produktions-
system
3.3
Definér
workflows
4.1
Udvælg
stikprøve
4.4
Afslut data-
indsamling
4.2
Forbered data-
indsamling
4.3
Gennemfør
data-
indsamling
6.1
Forbered
statistik-
produkt
6.4
Applicér
statistisk
fortrolighed
6.5
Afslut
analyse
6.2
Kvalitetssikr
Statistik-
produkt
6.3
Undersøg
og forklar
7.1
Opdatér data i
formidlings-
systemer
7.4
Markedsfør
statistik-
produkt
7.2
Udarbejd
statistik-
produkt
7.3
Håndtér
udgivelsen
7.5
Håndtér
bruger-
support
8Arkivering
9Evaluering
8.1
Definér
Arkiverings-
regler
8.4
Aflevér data
og metadata
8.2
Opsaml / gem
rådata
8.3
Gem fejlsøgte
data og
metadata
9.1
Indsaml data /
input til
evalueringen
9.2
Gennemfør
evaluering
9.3
Beslut
handlingsplan
1.6
Start
projekt
3.5
Gennemfør
pilot-test
3.6
Sæt system
i drift
5.6
Beregn
vægte
5.7
Beregn
aggregater
5.8
Færdiggør
aggregerede
datasæt
Kvalitetsstyring / Håndtering af metadata
2.2
Beskriv
variable
Metadata: fokus på integration
Hvad betyder
Kva litetsdekla ra tion
Varia bel/ da taset Begreb
Varia bel da ta base
Klassifika tionsda ta base
Klassifika tioner
Metode Statistikbank Metode papirer
Klassifika tionsda ta base
Begrebs da ta base
8
Kvalitet #1: Quality Assurance Framework
9
Møder med og rapporter fra eksterne brugere
Formidling på dst.dk udviklet i samarbejde med
brugere
DDI standard og DDI-software (Colectica)
installeret (DDI-standard udvidet)
Metadata integreret i GSBPM
Fokus på kommunikation (change management)
Kvalitet #2 EU kvalitetsdeklarationer
10
Dst’s procesmodel og kvalitetsdeklarationer (fase 1: Behov)
11
DDI er en international xml-baseret standard, der sørger for sammenhængende metadata:
1. Begreber
2. Studier (“tællinger”)
3. Variabler
4. Kategorier og koder
5. Universes (“populationer”)
Derudover: versionering, genbrug, mange sprog mm
DDI (Data Documentation Initiative)
12
Trin
1. Tag udgangspunkt i eksisterende processer og mål for forbedringer
2. Beslut og prioriter forbedringer
3. Implementer forbedringer
Gentag trin 1-3
Business Process Management og trinvise forbedringer
13
PERSONSTATISTIK:
UDFORDRINGER,
ARBEJDSPROCESSER
OG
MODULDATA
Kvalitet afhænger af arbejdsprocesser og data
Vi er ved at dokumentere arbejdsprocesser for eksisterende
statistikker ud fra en fælles referenceramme
1. As-is - de nuværende processer
2. To-be - hvordan bør processerne være (metadata-projektet)
Udarbejdet Quick-guide (as-is)
15
KVALITETSSTYRING / HÅNDTERING AF METADATA
1 Behov 2 Design 3 Udvikl 4 Indsaml 5 Behandl 6 Analyser 7 Formidl 8 Arkiver 9 Evaluér
1.1 Idenficer
brugerbehov2.1 Design output
3.1 Udvikl
dataindsamlingsinst
rument
4.1 Udvælg
stikprøve5.1 Integrer data
6.1 Forbered
statistikprodukt
7.1 Opdater data i
formidlingssystemer
8.1 Definer
arkiverings-regler
9.1 Indsaml data /
input til evaluering
1.2 Konsultér og
bekræft
brugerbehov
2.2 Beskriv
variable
3.2 Udvikl
produktions-system
4.2 Forbered
dataindsamling5.2 Kod data
6.2 Kvalitetsikr
statistikprodukt
7.2 Udarbejd
statistikprodukt
8.2 Opsaml / gen
rådata
9.2 Gennemfør
evaluering
1.3 Skitser
outputtabeller
2.3 Design
dataindsamlingsmet
ode
3.3 Definer
workflows
4.3 Gennemfør
dataindsamling
5.3 Gennemgå,
fejlsøg og ret data
6.3 Gransk og
forklar
7.3 Håndter
udgivelsen
8.3 Gem fejsøgte
data og metadata
9.3 Beslut
handlingsplan
1.4 Idenficer
begreber
2.4 Design
udtræksramme og
stikprøve
3.4 Test system4.4 Afslut
dataindsamling
5.4 Imputer
manglende data
6.4 Applicér
statistikfortrolighed
7.4 Markedsfør
statistikprodukt
8.4 Aflever data og
metadata
1.5 Undersøg
datakilder
2.5 Design
databehandlingsme
tode
3.5 Gennemfør pilot-
test
5.5 Afled nye stat.
enheder og
variable
6.5 Afslut analyse7.5 Håndter
brugersupport
1.6 Start projekt
2.6 Design prod.
system,
kravspecifikation
3.6 Sæt system i
drift5.6 Beregn vægte
5.7 Beregn
aggregater
5.8 Færdiggør
aggregerede
dataset
Dokumentation 1 Udpeg relevante processer i Dst-procesmodel
16
Dokumentation 2 Kontrol-flow (overblikket)
17
Dokumentation 3 Funktionelt niveau
18
Bedre kvalitet af data
Datafællesskab
Uddan - nelse Indkomst
RAS Boligstøtte
Løn
BEF - STATUS
INDKOMSTSUM UDDANNELSE
RAS
LØN
BOLIGSTØTTE
Befolk
Før - bilateralt Uddan - nelse
Indkomst
RAS
Boligstøtte
Løn
Befolk
Vi opnår bedre kvalitet mm.
gennem etablering af moduldata (datafællesskab) 19
Grunddata påhæftes oplysning
version = 1
referencetid = to_date(20121231,'yyyymmdd')
referencetype = 'Status_år'
dato_opret = sysdate
person_id
Versionsstyret og stabilt datagrundlag i overensstemmelse med data i statistikbank
20
Kontor nr. og navn
Oprettet af (ident):
Dato: Version: (hvis ny version:
hvad er årsagen hertil?)
Emnegruppe
Serienavn (datasetnavn):
Referenceperiode/tidspunkt:
Moduldatatype – sæt ’X’
☐S1 (status på tidspunkt) ☐S2 (status for perioden) ☐H1 (forløbsdata i perioden) ☐H2 (enkelthændelser i
perioden)
Matrice-navn på de væsentligste offentliggørelser (NYT / Statistikbanken)
Er forklaringer angivet til tjeklistens punkt 1-5 nedenfor?
☐JA => testrapporten sendes af MLO til godkendelse hos MZI ☐NEJ => testrapporten godkendes af MLO
Bemærkninger
Testrapport til kvalitetssikring af Moduldata
21
67 statistikker med krav om moduldata
54 statistikker har moduldata
23 statistikker offentliggør tal baseret på
moduldata
Status for moduldata
22
Brugerne skal spille en aktiv rolle
Vi skal arbejde med fælles procesmodel
(GSBPM), kvalitetsmodel (QAF)og
metadatamodel (GSIM med flere)
suppleret med Business Proces
Management
DDI og DDI software sparer os for en
masse arbejde
TRE TING I SKAL HUSKE
23
SAMARBEJDE
1. Norden: samfundsmodel, der bygger på værdier vi alle sammen deler (demokrati, ligestilling, retfærdighed og gensidig respekt)
2. Derfor mere samarbejde om
1. Om standarder (GSBPM, GSIM, SDMX, DDI m.fl.)
2. Hvad kan vi gøre ift EU?
24
The End!