موضوع 46 از 64· ارزش عمومی در دولت دیجیتال

ارزش داده‌های باز

ارزش داده‌های باز مسئله‌ی برآورد ارزش داده‌های دولتی و عمومی است، وقتی قیمتی ندارند: فروخته نمی‌شوند و در نتیجه ردیف درآمدی هم وجود ندارد، اما انتشار آن‌ها (سوابق هواشناسی، جدول‌های زمانی حمل‌ونقل، مرزهای کدپستی، ثبت شرکت‌ها) به‌روشنی فعالیت اقتصادی و اجتماعی پایین‌دستی تولید می‌کند. ارزش‌گذاری درست آن اهمیت دارد، چون هم «انتشارش رایگان است» و هم «بی‌ارزش است» غلط‌اند، و مهندس نرم‌افزاری که تصمیم می‌گیرد یک API یا مجموعه‌داده را باز کند به استدلالی بهتر از هر یک از این دو نیاز دارد.

چرا اهمیت دارد

پراستنادترین برآورد بالا به پایین از گزارش 2013 مؤسسه‌ی جهانی مک‌کینزی با عنوان «Open data: Unlocking innovation and performance with liquid information» می‌آید که ارزش سالانه‌ی بالقوه‌ی داده‌های باز را در هفت حوزه ــ آموزش، حمل‌ونقل، کالاهای مصرفی، برق، نفت و گاز، سلامت و مالی مصرف‌کننده ــ در سطح جهان 3 تا 5 تریلیون دلار در سال برآورد کرد، از طریق سازوکارهایی از جمله شفافیت بیشتر، تطبیق کارآمدتر عرضه با تقاضا، و امکان‌دادن به محصولات و خدمات جدیدی که بر پایه‌ی داده ساخته می‌شوند. این رقم یک برآورد سناریویی است نه نتیجه‌ی اندازه‌گیری‌شده، و معمولاً چنان نقل می‌شود که گویی درآمدی است که دولت می‌تواند مستقیماً به دست آورد، در حالی که ارزش عمدتاً به اشخاص ثالث ــ کسب‌وکارها، پژوهشگران، شهروندان ــ که از داده استفاده می‌کنند می‌رسد، و نکته‌ی باز کردن به‌جای فروختن دقیقاً همین است. مؤسسه‌ی داده‌ی باز بریتانیا (Open Data Institute) که در 2012 سر تیم برنرز-لی و سر نایجل شدبولت بنیان نهادند، از آن زمان مجموعه‌ای از مطالعات موردی ریزتر و پایین به بالا ــ بخش به بخش و مجموعه‌داده به مجموعه‌داده ــ فراهم کرده که برای یک طرح توجیهی واقعی بسیار سودمندتر از رقم تیتری مک‌کینزی است، چون سازوکار خلق ارزش را نشان می‌دهد، نه فقط اندازه‌ی کل آن را.

ریاضیات

داده‌ی باز قیمت بازاری ندارد، پس روش‌های ارزش‌گذاری جایگزین آن می‌شوند؛ سه رویکرد تکرار می‌شوند و هیچ‌کدام به‌تنهایی کافی نیست:

1. Cost-avoided / replacement-cost method:
   value ≈ what users would have paid to produce or licence the
   equivalent data themselves — a lower bound, ignores value created
   by uses the original producer never anticipated

2. Market-analogue / downstream-activity method:
   value ≈ revenue or savings generated by businesses/services built
   on the data (e.g. satnav apps built on open mapping and traffic
   data) — captures real economic activity but is hard to attribute
   cleanly to the data release itself (see additionality-and-deadweight)

3. Contingent/stated-preference method:
   value ≈ what users say they would pay, or the time they say it
   saves them — see stated-preference-valuation for the general
   method and its biases

None of these produces a figure as clean as a market price; credible
open data business cases triangulate across two or more, and are
explicit about which mechanism is doing the work.

مثال عملی

انتشار فرضی داده‌های ملی نقشه/نشانی (روش‌شناسی به شیوه‌ی مطالعات موردی ODI؛ ارقام نمایانگر مقیاسی‌اند که چنین مطالعاتی معمولاً می‌یابند):

Cost-avoided estimate:
  Businesses that would otherwise licence equivalent address-matching
  data commercially, at an estimated average licence cost of £4,000/
  year, across an estimated 15,000 SMEs now using the free open dataset
  = 15,000 × £4,000 = £60,000,000/year in avoided licensing cost alone

Downstream-activity estimate (more speculative, needs a counterfactual):
  New delivery-routing and logistics products built on the open data
  that would not exist, or would be materially worse, without it —
  requires a comparison against the counterfactual of the data staying
  closed or commercially licensed (counterfactual-analysis), because
  some of that activity would happen anyway on paid data at a higher
  price, which is deadweight in the "value created by opening it" sense

A defensible business case reports the cost-avoided figure as the
solid lower bound, and treats the downstream-activity figure as an
upper-bound scenario, not a fact.

پیوند با مهندسی نرم‌افزار

برای مهندسان، پرسش عملیِ ارزش داده‌ی باز معمولاً محدودتر از ارقام تیتری ملی است: آیا باز کردن این API یا مجموعه‌داده‌ی مشخص (به‌جای نگه‌داشتن آن پشت یک توافق مشارکت) بازاستفاده را آن‌قدر افزایش می‌دهد که هزینه‌ی جاری مستندسازی، نسخه‌بندی و پشتیبانی از آن به‌عنوان یک رابط عمومی را توجیه کند؟ این هزینه‌ی نگهداری واقعی است و همتای اقتصاد «یک‌بار بساز، بارها بازاستفاده کن» در دولت به‌مثابه‌ی سکو است ــ این دو موضوع خویشاوند نزدیک‌اند، یکی درباره‌ی کد و زیرساخت مشترک، دیگری درباره‌ی داده‌ی مشترک. هر ادعای ارزش داده‌ی باز باید پیش از ورود به طرح توجیهی با افزایشی‌بودن و وزن مرده سنجیده شود: فعالیتی که به هر حال با داده‌ی دارای مجوز تجاری رخ می‌داد، ارزشی نیست که باز کردن آفریده باشد.

دام‌ها

  • نقل رقم 3 تا 5 تریلیون دلاری مک‌کینزی به‌عنوان رقمی ویژه‌ی بریتانیا یا سهم این مجموعه‌داده: این یک برآورد سناریویی جهانی و هفت‌بخشی از 2013 است ــ به کار بردن آن به‌عنوان ضریبی دقیق برای یک مجموعه‌داده‌ی ملی، ماهیت عدد را تحریف می‌کند.
  • نبود وضعیت خلاف‌واقع: ادعای سهم از همه‌ی فعالیت اقتصادی پایین‌دستی ساخته‌شده بر داده‌ی باز، بی‌آنکه پرسیده شود چه مقدار از آن به هر حال با داده‌ی پولی یا دارای مجوز و با قیمتی بالاتر رخ می‌داد (نگاه کنید به افزایشی‌بودن و وزن مرده و تحلیل وضعیت خلاف‌واقع).
  • خلط هزینه‌ی تولید با ارزش آفریده‌شده: مجموعه‌داده‌ای که گردآوری‌اش گران بوده الزاماً انتشارش ارزشمند نیست، و مجموعه‌داده‌ی ارزان الزاماً کم‌ارزش نیست ــ ارزش دنبال مصرف پایین‌دستی است، نه هزینه‌ی بالادستی.
  • نادیده‌گرفتن هزینه‌ی جاری نگهداریِ «باز بودن»: انتشار یک استخراج CSV یک‌باره با تعهد اجرای یک API باز مستند، نسخه‌بندی‌شده و پشتیبانی‌شده یکی نیست ــ کم‌بودجه‌گذاشتن دومی پس از اعلام راه‌اندازی، شیوه‌ی شکست رایجی است.

منابع