Тема 46 из 64· Общественная ценность в цифровом государстве
Ценность открытых данных (Open Data Value)
Ценность открытых данных — это проблема оценки того, чего стоят государственные и публичные данные, когда у них нет цены: они не продаются, поэтому нет строки дохода, но их публикация (метеозаписи, расписания транспорта, границы почтовых индексов, реестры компаний) явно порождает нижестоящую экономическую и социальную деятельность. Правильная оценка важна, потому что и «публикация бесплатна», и «это ничего не стоит» одинаково неверны, а инженеру программного обеспечения, решающему, открывать ли API или набор данных, нужен более весомый аргумент, чем любое из этих утверждений.
Почему это важно
Наиболее цитируемая оценка «сверху вниз» происходит из отчёта McKinsey Global Institute 2013 года «Open data: Unlocking innovation and performance with liquid information», которая оценила потенциальную годовую ценность открытых данных по семи направлениям — образование, транспорт, потребительские товары, электроэнергетика, нефть и газ, здравоохранение и потребительские финансы — в 3–5 триллионов $ в год глобально, через механизмы, включающие повышение прозрачности, более эффективное сопоставление спроса и предложения, и создание новых продуктов и услуг на основе данных. Эта цифра — сценарная оценка, а не измеренный фактический результат, и её регулярно неверно цитируют, как будто это доход, который государство может забрать себе напрямую, тогда как ценность в основном накапливается у третьих сторон — предприятий, исследователей, граждан, — использующих данные, что и есть весь смысл открытия данных, а не их продажи. Британский институт открытых данных (Open Data Institute), соучреждённый сэром Тимом Бернерсом-Ли и сэром Найджелом Шедболтом в 2012 году, с тех пор накопил массив более детализированных практических примеров «снизу вверх» — по секторам, по наборам данных, — которые гораздо полезнее для реального бизнес-кейса, чем итоговая цифра McKinsey, потому что они показывают механизм создания ценности, а не только её совокупный размер.
Математика
У открытых данных нет рыночной цены, поэтому методы оценки заменяют её; повторяются три подхода, и ни один из них недостаточен сам по себе:
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.
Практический пример
Иллюстративная публикация национальных картографических данных/данных адресов (методология по образцу практических примеров в стиле ODI, цифры иллюстрируют масштаб, обычно находимый в таких исследованиях):
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.
Связь с разработкой программного обеспечения
Для инженеров практический вопрос ценности открытых данных обычно уже, чем национальные итоговые цифры: увеличивает ли открытие конкретного API или набора данных (вместо того чтобы держать их за партнёрским соглашением) переиспользование настолько, чтобы оправдать текущую стоимость документирования, версионирования и поддержки его как публичного интерфейса? Эта стоимость обслуживания реальна и является контрпартией экономике «построй один раз — переиспользуй часто» из государства как платформы — эти две темы близкие родственники, одна о разделяемом коде и инфраструктуре, другая о разделяемых данных. Любое заявление о ценности открытых данных следует проверить на дополнительность и «мёртвый груз», прежде чем оно попадёт в бизнес-кейс: деятельность, которая произошла бы в любом случае, на коммерчески лицензированных данных, — это не ценность, созданная именно открытием.
Подводные камни
- Цитирование цифры McKinsey в 3–5 триллионов $ как специфичной для Великобритании или как доли конкретного набора данных: это глобальная, семисекторная сценарная оценка 2013 года — использование её как точного множителя для одного национального набора данных искажает смысл этого числа.
- Отсутствие контрфактического сценария: приписывание себе заслуги за всю нижестоящую экономическую деятельность, построенную на открытых данных, без вопроса о том, сколько из неё произошло бы в любом случае на платных или лицензированных данных по более высокой цене (см. дополнительность и «мёртвый груз» и контрфактический анализ).
- Смешение стоимости производства с созданной ценностью: набор данных, дорогой в сборе, не автоматически ценен для публикации, а дешёвый — не автоматически малоценен; ценность отслеживает нижестоящее использование, а не вышестоящую стоимость.
- Игнорирование текущей стоимости обслуживания «открытости»: публикация разового извлечения в CSV — не то же обязательство, что ведение документированного, версионированного, поддерживаемого открытого API; недофинансирование последнего после объявления о запуске — распространённый сбой.
Источники
- McKinsey Global Institute, "Open data: Unlocking innovation and performance with liquid information" (2013). https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/open-data-unlocking-innovation-and-performance-with-liquid-information
- Open Data Institute. https://theodi.org/