Brugerne i centrum Processer, metadata og kvalitet

1. Brugerne i centrum
Processer, metadata og kvalitet
Bergen, 14.-17. august 2013
Mogens Grosen (Danmarks Statistik)
Birgitte Brøndum (Danmarks Statistik)

2. VISION, UDFORDRINGER &
INTRODUKTION TIL
processer, kvalitet og
metadata
2

3. 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

4. Udfordringen #1
4

5. 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

6. Processer #1 Fra siloer til fokus på processer
og brugerbehov
FRA SILOER TIL PROCES- OG
BRUGERFOKUS
6

7. Processer #2: Dst’s procesmodel
7
2
Design
1
Behov
3
Udvikling
4
Indsamling
5
Behandling
6
Analyse
7
Formidling
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
8
Arkivering
9
Evaluering
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

8. Metadata: fokus på integration
Hvad betyder
Kvalitetsdeklaration
Variabel/ datasetBegreb
Variabel database
Klassifikationsdatabase
Klassifikationer
MetodeStatistikbank Metode papirer
Klassifikationsdatabase
Begrebs database
8

9. Kvalitet #1: Quality Assurance Framework
9


10.  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

11. Dst’s procesmodel og kvalitetsdeklarationer (fase
1: Behov)
11

12. 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

13. 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

14. PERSONSTATISTIK:
UDFORDRINGER,
ARBEJDSPROCESSER
OG
MODULDATA

15. 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

16. 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
brugerbehov
2.1 Design output
3.1 Udvikl
dataindsamlingsinst
rument
4.1 Udvælg
stikprøve
5.1 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
dataindsamling
5.2 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 system
4.4 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 analyse
7.5 Håndter
brugersupport
1.6 Start projekt
2.6 Design prod.
system,
kravspecifikation
3.6 Sæt system i
drift
5.6 Beregn vægte
5.7 Beregn
aggregater
5.8 Færdiggør
aggregerede
dataset
Dokumentation 1
Udpeg relevante processer i Dst-procesmodel
16

17. Dokumentation 2
Kontrol-flow (overblikket)
17

18. Dokumentation 3
Funktionelt niveau
18

19. 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

20. 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

21. 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

22. 67 statistikker med krav om moduldata
54 statistikker har moduldata
23 statistikker offentliggør tal baseret på
moduldata
Status for moduldata
22

23.  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

24. 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

25. The End!