Імплементація інструментарію Smart-статистики в офіційну статистику
DOI:
https://doi.org/10.31767/su.1(100)2023.01.01Ключові слова:
Smart-статистика, офіційна статистика, великі дані, штучний інтелект, Інтернет речей, соціальні медіа, адміністративні даніАнотація
Розглянуто актуальні питання Smart-статистики. Досліджено ключовий інструментарій Smart-статистики: великі дані, дані штучного інтелекту та Інтернету речей, соціальних медіа та адміністративні дані.
У ході дослідження сформульовано концепцію Smart-статистики та виявлено переваги та загрози для офіційної статистики при використанні даних Smart-статистики. Запропоновано низку принципів роботи з великими даними, згруповано джерела вироблення великих даних за категоріями (відповідно до видів економічної діяльності), які нині затребувані як офіційною статистикою, так і суспільством (сільське господарство, охорона здоров’я, гірнича промисловість, машинобудування, освіта, енергетика). Розроблено систему розумних даних у розумних містах, яка містить такі елементи: розумний будинок, розумне середовище, розумний контроль, розумний трафік, розумне здоров’я та розумний громадянин. Визначено, що метою цієї системи є формування розумного середовища та спрощення способу життя шляхом економії часу, енергії і коштів. Визначено складові персоналізованого збирання та розповсюдження даних.
Розглянуто штучний інтелект (ШІ) як компонент концепції Smart-статистики. У контексті статті автори зазначають, що використання технологій ШІ викликає етичні міркування щодо таких питань, як право власності на дані, їх прозорість і підзвітність. Ці міркування необхідно враховувати, аби переконатися, що використання технологій ШІ в офіційній статистиці є відповідальним і етичним.
За результатами дослідження сформульовано висновок, що наразі необхідно сформувати логічні та адекватні підходи до розроблення методології збирання, опрацювання, групування й аналізу статистичних даних з альтернативних інформаційних джерел. Обґрунтовано, що, незважаючи на усі переваги інструментів Smart-статистики та потенційно позитивні результати їх імплементації в офіційну статистику, з огляду на умови війни й відсутність нормативно-правового поля щодо використання цих інструментів Україна наразі не готова зіштовхнутися із тими загрозами, які вони в собі несуть.
Подальші дослідження за розглянутою у статті тематикою мають спрямовуватися на поглиблення вивчення Smart-статистики та пошуки оптимальних шляхів упровадження її інструментів в офіційну статистику України.
Завантаження
Посилання
2. Ricciato, F., Wirthmann, A., Giannakouris, K., Reis, F., & Skaliotis, M. (2019). Trusted smart statistics: Motivations and principles. Statistical Journal of the IAOS, 35 (4), 589–603. Retrieved from https://www.researchgate.net/publication/337549354_Trusted_smart_statistics_Motivations_and_principles
3. Cukier, K., & Mayer-Schoenberger, V. (2013). The Rise of Big Data. How It’s Changing the Way We Think About the World. Foreign Affairs, 92, 3. Retrieved from https://www.dimt.it/wp-content/uploads/2017/08/www.foreignaffairs.com_system_files_pdf_articles_2013_92305.pdf
4. Ricciato, F., Wirthmann, A. & Hahn, M. (2020). Trusted Smart Statistics: How new data will change official statistics. Data & Policy, 2, E7. doi:10.1017/dap.2020.7
5. Giannakouris, K., Reis, F., Skaliotis, M., Wirthmann, A., & Ricciato, F. (2018). Trusted Smart Statistics: A reflection on the future of (Official) Statistics. European Conference on Quality in Official Statistics. Session 27. (26–29 June, Krakow). Retrieved from https://www.q2018.pl/papers-presentations/?drawer=Sessions*Session%2027
6. Trusted Smart Statistics in a nutshell. (n.d.). European Commission. Collaboration in Research and Methodology for Official Statistics. cros-legacy.ec.europa.eu. Retrieved from https://cros-legacy.ec.europa.eu/content/trusted-smart-statistics-nutshell_en
7. Bucharest Memorandum on Official Statistics in a Datafied Society (Trusted Smart Statistics). (2018). 104th DGINS Conference 10–11 October, Bucharest). Eurostat. ec.europa.eu. Retrieved from https://ec.europa.eu/eurostat/web/european-statistical-system/-/dgins2018-bucharest-memorandum-adopted
8. Scheveningen Memorandum. Big Data and Official Statistics. (2014). cros-legacy.ec.europa.eu. Retrieved from https://cros-legacy.ec.europa.eu/system/files/SCHEVENINGEN_MEMORANDUM%20Final%20version.pdf
9. Radermacher, W. J. (2020). Official Statistics 4.0: The Era of Digitisation and Globalisation. Official Statistics 4.0. (рр. 119–156). Springer, Cham. Retrieved from https://link.springer.com/chapter/10.1007/978-3-030-31492-7_4
10. Taleb, I., Serhani, M., Bouhaddioui, C., & Dssouli, R. (2021). Big data quality framework: a holistic approach to continuous quality management. Journal of Big Data, 8, 76. Retrieved from https://doi.org/10.1186/s40537-021-00468-0
11. Chen, C. L. Philip, & Zhang, Ch.-Ya. (2014). Data-intensive applications, challenges, techniques and technologies: A survey on Big Data. Information Science, 275, 314–347. Retrieved from https://www.scinapse.io/papers/2109574129
12. Codd, E. F., Codd, S. B. & Salley, C. T. (1993). Providing OLAP to User-Analysts: An IT Mandate. E. F. Codd Associates. web.archive.org. Retrieved from https://web.archive.org/web/20170808214004/https://www.minet.uni-jena.de/dbis/lehre/ss2005/sem_dwh/lit/Cod93.pdf
13. Osaulenko, O., & Horobets, O. (2023). Using Big Data by Ukrainian official statistics when martial law applies: problems and solutions. Statistics in Transition new series and Statistics of Ukraine. Joint Special Issue: A New Role for Statistics, 24, 1, 27–41. Doi: 10.59170/stattrans-2023-003
14. InVivo Digital Factory. Digital Solutions. www.invivo-group.com. Retrieved March 6, 2023 from https://www.invivo-group.com/en/innovation-digital/digital-solutions
15. Big Data and Agriculture: A Complete Guide. ua.talend.com. Retrieved March 6, 2023 from https://ua.talend.com/resources/big-data-agriculture/
16. Chong-Chong, Qi. (2020). Big data management in the mining industry, International Journal of Minerals, Metallurgy and Materials, 27, 2, 131–139. Retrieved from http://ijmmm.ustb.edu.cn/en/article/doi/10.1007/s12613-019-1937-z
17. Wang, L., & Alexander, Ch. A. (2015). Big Data in Design and Manufacturing Engineering. American Journal of Engineering and Applied Sciences, 8 (2). Retrieved from https://thescipub.com/pdf/ajeassp.2015.223.232.pdf
18. Big Data Market in the Automotive Industry – Growth, Trends, COVID-19 Impact, and Forecasts (2022–2027). (2022). Globe Newswire. Retrieved from https://www.globenewswire.com/news-release/2022/07/25/2485150/0/en/Big-Data-Market-in-the-Automotive-Industry-Growth-Trends-COVID-19-Impact-and-Forecasts-2022-2027.html
19. Drigas, A., & Leliopoulos, P. (2014). The Use of Big Data in Education. International Journal of Computer Science Issues, 11, 5, 1. Retrieved from https://www.researchgate.net/publication/274890131_The_Use_of_Big_Data_in_Education
20. Williamson, B. (2017). Big Data in Education. The digital future of learning, policy and practice. London: SAGE Publication Ltd. Retrieved from https://uk.sagepub.com/en-gb/eur/big-data-in-education/book249086#preview
21. Blanco, J. M. (2022). Big Data and Energy: A Combination for Success. www.plainconcepts.com. Retrieved from https://www.plainconcepts.com/big-data-energy/
22. Cisco Annual Internet Report (2018–2023). White Paper. (2020). www.cisco.com. Retrieved from https://www.cisco.com/c/en/us/solutions/collateral/executive-perspectives/annual-internet-report/white-paper-c11-741490.html
23. Yang, Li, & Shami, A. (2022). IoT data analytics in dynamic environments: From an automated machine learning perspective. Engineering Applications of Artificial Intelligence, 116. Retrieved from https://www.sciencedirect.com/science/article/abs/pii/S0952197622003803
24. Bhardwaj, A., Kaushik, K., Bharany, S. Rehman, A. Ur, Hu, Yu-Ch., Eldin, E. T. et all. (2022). IIoT: Traffic Data Flow Analysis and Modeling Experiment for Smart IoT Devices. Sustainability, 14 (21), 14645. Retrieved from https://www.mdpi.com/2071-1050/14/21/14645
25. European Commission. (2020). Communication from the Commission to the European Parliament, the Council, the European economic and social committee and the committee of the Regions. Chemicals Strategy for Sustainability Towards a Toxic-Free Environment. SWD(2020) 249 final. www.prevencionintegral.com. Retrieved from https://www.prevencionintegral.com/sites/default/files/noticia/512669/field_adjuntos/swdpfas.pdf
26. Global Social Media Statistics. datareportal.com. Retrieved March 6, 2023 from https://datareportal.com/social-media-users
27. Digital 2023 April Global Statshot Report. datareportal.com. Retrieved April 16, 2023 from https://datareportal.com/reports/digital-2023-april-global-statshot
28. Farzindar, A., & Inkpen, D. (2015). Natural Language Processing for Social Media. Springer Cham. Retrieved from https://link.springer.com/book/10.1007/978-3-031-02157-2
29. UK Statistics Authority. Administrative Data Research Network (Archived). uksa.statisticsauthority.gov.uk. Retrieved March 6, 2023 from https://uksa.statisticsauthority.gov.uk/better-useofdata-statistics-and-research/adrn/
30. UNECE. (2021). Machine Learning for Official Statistics. Retrieved from https://unece.org/sites/default/files/2022-09/ECECESSTAT20216.pdf
31. UNECE. High-level Group for the Modernisation of Statistical Production and Services. unece.org. Retrieved March 6, 2023 from https://unece.org/statistics/networks-of-experts/high-level-group-modernisation-statistical-production-and-services
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.
