SlideShare una empresa de Scribd logo
1 de 43
OTEVŘENÁ DATA
Kamil Gregor, KohoVolit.eu
O mně
 KohoVolit.eu (http://kohovolit.eu/)
 Díky čemu nás znáte
 Volební kalkulačky (http://volebnikalkulacka.cz/)
 Přehledy docházky zákonodárců
(http://bit.ly/1fCyzBX)
 Napište jim (http://napistejim.cz/)
Používáme otevřená data
Co jsou to otevřená data
 Data, jejichž volnému používání a šíření
nebrání
 Technické překážky (tzn. především formát)
 Právní překážky (tzn. především licence)
Co jsou to otevřená data
Jak si vede Česká republika
Jízdní řády
Veřejné rozpočty
Veřejné výdaje (smlouvy, faktury atd.)
Výsledky voleb
Obchodní rejstřík
Mapa
Statistické údaje (ekonomické, demografické atd.)
Právní řád
Souřadnice poštovních směrovacích čísel
Emise škodlivých látek
Strojová čitelnost
Obrázek – Můžete data zobrazit
PDF – Můžete v datech strojově vyhledávat
Tabulka – Můžete data kopírovat, upravovat a analyzovat (řadit,
filtrovat, provádět matematické operace)
Tabulka v otevřeném formátu – Můžete s daty pracovat bez ohledu
na to, jaký program používáte
Tabulka ve formátu obohaceném o metadata – Data jsou připravena
pro náročnější práci a publikování na Internetu
Proč otevřená data?
Peníze
Peníze
Množství času
Získání a čištění dat
Analýza dat
Tvorba praktických
aplikací
Peníze
 Otevřená data snižují transakční náklady
 Jsou obrovským zdrojem příjmů
 Umožňují produkci statků a služeb s vysokou
přidanou hodnotou
 Jeden z nejlepších multiplikátorů
ekonomického růstu
 Extrémně vysoká návratnost investic (kolik
vydělá každá koruna vynaložená na jejich
tvorbu)
 Stimulují ekonomiku především velmi
Příklady
 Dánsko – Open Address Data
 Digitalizace katastru (databáze + mapa)
 K čemu je to dobré
 Marketing
 Územní plánování
 Navigace
 Poštovní a kurýrní služby
 Obchod s nemovitostmi
 Zdravotnictví, záchranná služba
 Výzkum
Příklady
 Dánsko – Open Address Data
 2004-2009
 Náklady € 2 000 000
 Výnosy € 60 000 000
 2010
 Náklady € 200 000
 Výnosy € 14 000 000
 Ukažte mi jiný byznys, kde se každá koruna vrátí
70x
Příklady
 Open Corporates
 Globální obchodní rejstřík
 Umožňuje sledovat vlastnictví firem napříč státy
 Odhaluje daňové úniky a praní špinavých peněz
 Poradenství firmám
Příklady
 Velká Británie
 Od roku 2013 ušetřili přes £ 22 miliard díky
analýze efektivity veřejných zakázek
 V roce 2012 ušetřili £ 220 milionů díky analýze
efektivity předepisování léků
 Díky údajům o osobních transakcích na běžných
účtech lze radit bankám
 Je možné vyhodnotit rizika vzniku požáru a podle
toho plánovat rozšiřování a údržbu sítě požárních
stanic
 Díky analýze dat o 400 000 operacích srdce si
pacienti mohou lépe vybrat nemocnici. Díky tomu
klesla úmrtnost o 21 %
Příklady
 Jízdní řády v Londýně
 500 aplikací
 5 000 lidí zaměstnaných v tomto odvětví
 Návratnost investic v odvětví 58:1
 Otevřená data o počasí a klimatu v USA
umožnila vznik odvětví hodnotě 1,5 miliard $
 Ve Velké Británii vláda digitalizovala všechny
zákony od 13. století, pravidelně je aktualizuje
Příklady
 Otevřená data vytváří pracovní místa
 Ve Španělsku poskytuje otevřená data přes 150
firem
 V Austrálii zaměstnává odvětví územní datové
infrastruktury přes 31 000 lidí
Transparentnost
 Po penězích hned na prvním místě
 Otevřená data umožňují snazší vyhledávání a
analýzu informací
 Je snazší odhalit korupci, střet zájmů, daňové
úniky
Proč to nejde
Proč to nejde
 Data nikoho nezajímají, nikomu na nic nebudou
 Nevíme, k čemu je lidé použijí (někdo by na nich mohl vydělávat,
špatně je pochopit, zneužít)
 Nevíme, co přesně zveřejňovat
 Zveřejňování otevřených dat je těžké, drahé, nemáme na to čas,
není to v našem popisu práce
 Množství informací, které by bylo potřeba zveřejnit, je příliš velké
(nemáme na to kapacitu)
 Vytváření dat stálo hodně peněz, nechceme je zveřejňovat zadarmo
 Nevíme, jestli jsou naše data pravdivá nebo úplná
 Zveřejňováním otevřených dat můžeme někoho poškodit (obchodní
tajemství, autorské právo, osobní údaje)
 Nechceme, aby lidé nebo firmy věděli, co děláme
 Data rychle zastarávají
 My přece informace poskytujeme! (Kdokoli k nám může přijít a
zeptat se)
Jak začít
Jak začít
 Řekněte lidem, jaká data máte
 Nepřemýšlejte, co by se lidem mohlo
hodit, zveřejněte to, o co je největší zájem
 Lidé vědí, co se dá dělat s vašimi daty, lépe
než vy
 Stačí začít skromně – lepší málo méně
kvalitních dat než ambiciózní plán, který se
nikdy neuskuteční
 Zveřejňujte data sami, ušetříte si práci s
vyřizováním žádostí o informace
 Dejte lidem vědět, že data zveřejňujete
Příklady z ČR a Slovenska
Kamil Gregor
Kohovolit.eu
Kamil.gregor@gmail.com
@kamilgregor
Děkuji za pozornost

Más contenido relacionado

Similar a Kamil Gregor | Otevřená data

20130613 Městský rok informatiky, České Budějovice
20130613 Městský rok informatiky, České Budějovice20130613 Městský rok informatiky, České Budějovice
20130613 Městský rok informatiky, České Budějovice
Jakub Mráček
 
Naši politici 2011 networking
Naši politici 2011   networkingNaši politici 2011   networking
Naši politici 2011 networking
KohoVolitEU
 
Informacni bezpecnost Kovarova
Informacni bezpecnost KovarovaInformacni bezpecnost Kovarova
Informacni bezpecnost Kovarova
NAKLIV
 
Zamer studie Cesi v siti.
Zamer studie Cesi v siti.Zamer studie Cesi v siti.
Zamer studie Cesi v siti.
KANTAR CZ
 

Similar a Kamil Gregor | Otevřená data (20)

20130613 Městský rok informatiky, České Budějovice
20130613 Městský rok informatiky, České Budějovice20130613 Městský rok informatiky, České Budějovice
20130613 Městský rok informatiky, České Budějovice
 
Naši politici 2011 networking
Naši politici 2011   networkingNaši politici 2011   networking
Naši politici 2011 networking
 
GDPR v roce 2018
GDPR v roce 2018GDPR v roce 2018
GDPR v roce 2018
 
Ochrana osobních údajů a bezpečnost dat - novinky v GDPR
Ochrana osobních údajů a bezpečnost dat - novinky v GDPROchrana osobních údajů a bezpečnost dat - novinky v GDPR
Ochrana osobních údajů a bezpečnost dat - novinky v GDPR
 
GDPR newsletter
GDPR newsletterGDPR newsletter
GDPR newsletter
 
Informacni bezpecnost Kovarova
Informacni bezpecnost KovarovaInformacni bezpecnost Kovarova
Informacni bezpecnost Kovarova
 
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
 
Aleš Pekárek: Výzkum a vývoj elektronických informačních produktů české veřej...
Aleš Pekárek: Výzkum a vývoj elektronických informačních produktů české veřej...Aleš Pekárek: Výzkum a vývoj elektronických informačních produktů české veřej...
Aleš Pekárek: Výzkum a vývoj elektronických informačních produktů české veřej...
 
Milan Vašina: Digitální ekonomika 2015
Milan Vašina: Digitální ekonomika 2015Milan Vašina: Digitální ekonomika 2015
Milan Vašina: Digitální ekonomika 2015
 
Presentace o internetu z roku 1999
Presentace o internetu z roku 1999Presentace o internetu z roku 1999
Presentace o internetu z roku 1999
 
Social media monitoring
Social media monitoringSocial media monitoring
Social media monitoring
 
Otevřená data a jak na nich vydělat
Otevřená data a jak na nich vydělatOtevřená data a jak na nich vydělat
Otevřená data a jak na nich vydělat
 
MetaData – kde je hodnota v datech
MetaData – kde je hodnota v datechMetaData – kde je hodnota v datech
MetaData – kde je hodnota v datech
 
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016   produktivita a efektivita v digitálním světě - v1.0125. 2. 2016   produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01
 
Open data (Civic Tech)
Open data (Civic Tech) Open data (Civic Tech)
Open data (Civic Tech)
 
Zamer studie Cesi v siti.
Zamer studie Cesi v siti.Zamer studie Cesi v siti.
Zamer studie Cesi v siti.
 
women in business
women in businesswomen in business
women in business
 
NMI13 Ivan Kutil - Včera (data), dnes(informace) a zítra (znalosti)
NMI13 Ivan Kutil - Včera (data), dnes(informace) a zítra (znalosti)NMI13 Ivan Kutil - Včera (data), dnes(informace) a zítra (znalosti)
NMI13 Ivan Kutil - Včera (data), dnes(informace) a zítra (znalosti)
 
GDPRlive 17. 10. 2017
GDPRlive 17. 10. 2017GDPRlive 17. 10. 2017
GDPRlive 17. 10. 2017
 
Data Governance a datová kvalita v roce 2017. Příprava na GDPR.
Data Governance a datová kvalita v roce 2017. Příprava na GDPR.Data Governance a datová kvalita v roce 2017. Příprava na GDPR.
Data Governance a datová kvalita v roce 2017. Příprava na GDPR.
 

Más de KohoVolitEU

Wdo a akademici 240911
Wdo a akademici 240911Wdo a akademici 240911
Wdo a akademici 240911
KohoVolitEU
 
2011 09 ti trojmezí zkušenosti koalice
2011 09 ti trojmezí zkušenosti koalice2011 09 ti trojmezí zkušenosti koalice
2011 09 ti trojmezí zkušenosti koalice
KohoVolitEU
 
Grantový proces z pohledu osf final
Grantový proces z pohledu osf finalGrantový proces z pohledu osf final
Grantový proces z pohledu osf final
KohoVolitEU
 
20110924.ti prague
20110924.ti prague20110924.ti prague
20110924.ti prague
KohoVolitEU
 
Demagog.sk prezentacia srpen2011
Demagog.sk prezentacia srpen2011Demagog.sk prezentacia srpen2011
Demagog.sk prezentacia srpen2011
KohoVolitEU
 
Naši politici 2011 np+kv
Naši politici 2011   np+kvNaši politici 2011   np+kv
Naši politici 2011 np+kv
KohoVolitEU
 
Naši politici 2011 zindex
Naši politici 2011   zindexNaši politici 2011   zindex
Naši politici 2011 zindex
KohoVolitEU
 
Prague 2011 marko rakar
Prague 2011 marko rakarPrague 2011 marko rakar
Prague 2011 marko rakar
KohoVolitEU
 
Prezentace datablog mapyhazardu_mucko
Prezentace datablog mapyhazardu_muckoPrezentace datablog mapyhazardu_mucko
Prezentace datablog mapyhazardu_mucko
KohoVolitEU
 

Más de KohoVolitEU (18)

Návod jak volit – Evropské volby 2014
Návod jak volit – Evropské volby 2014Návod jak volit – Evropské volby 2014
Návod jak volit – Evropské volby 2014
 
Kamil Gregor: Hierarchický bayesovský model ekologické inference (prezentace ...
Kamil Gregor: Hierarchický bayesovský model ekologické inference (prezentace ...Kamil Gregor: Hierarchický bayesovský model ekologické inference (prezentace ...
Kamil Gregor: Hierarchický bayesovský model ekologické inference (prezentace ...
 
Kamil Gregor: Osvěta babičky ve Svratouchu (prezentace pro krněnský protikoru...
Kamil Gregor: Osvěta babičky ve Svratouchu (prezentace pro krněnský protikoru...Kamil Gregor: Osvěta babičky ve Svratouchu (prezentace pro krněnský protikoru...
Kamil Gregor: Osvěta babičky ve Svratouchu (prezentace pro krněnský protikoru...
 
Kamil Gregor: Vizualizace hlasování v Poslanecké sněmovně (prezentace pro Pol...
Kamil Gregor: Vizualizace hlasování v Poslanecké sněmovně (prezentace pro Pol...Kamil Gregor: Vizualizace hlasování v Poslanecké sněmovně (prezentace pro Pol...
Kamil Gregor: Vizualizace hlasování v Poslanecké sněmovně (prezentace pro Pol...
 
Kamil Gregor: Watchdogový blog KohoVolit.eu (prezentace pro eDemocracy Day 20...
Kamil Gregor: Watchdogový blog KohoVolit.eu (prezentace pro eDemocracy Day 20...Kamil Gregor: Watchdogový blog KohoVolit.eu (prezentace pro eDemocracy Day 20...
Kamil Gregor: Watchdogový blog KohoVolit.eu (prezentace pro eDemocracy Day 20...
 
Jak volit ve volbách 2013?
Jak volit ve volbách 2013?Jak volit ve volbách 2013?
Jak volit ve volbách 2013?
 
Wdo a akademici 240911
Wdo a akademici 240911Wdo a akademici 240911
Wdo a akademici 240911
 
2011 09 ti trojmezí zkušenosti koalice
2011 09 ti trojmezí zkušenosti koalice2011 09 ti trojmezí zkušenosti koalice
2011 09 ti trojmezí zkušenosti koalice
 
Grantový proces z pohledu osf final
Grantový proces z pohledu osf finalGrantový proces z pohledu osf final
Grantový proces z pohledu osf final
 
Demagog praha
Demagog prahaDemagog praha
Demagog praha
 
20110924.ti prague
20110924.ti prague20110924.ti prague
20110924.ti prague
 
Demagog.sk prezentacia srpen2011
Demagog.sk prezentacia srpen2011Demagog.sk prezentacia srpen2011
Demagog.sk prezentacia srpen2011
 
Global voices
Global voicesGlobal voices
Global voices
 
Grebovka
GrebovkaGrebovka
Grebovka
 
Naši politici 2011 np+kv
Naši politici 2011   np+kvNaši politici 2011   np+kv
Naši politici 2011 np+kv
 
Naši politici 2011 zindex
Naši politici 2011   zindexNaši politici 2011   zindex
Naši politici 2011 zindex
 
Prague 2011 marko rakar
Prague 2011 marko rakarPrague 2011 marko rakar
Prague 2011 marko rakar
 
Prezentace datablog mapyhazardu_mucko
Prezentace datablog mapyhazardu_muckoPrezentace datablog mapyhazardu_mucko
Prezentace datablog mapyhazardu_mucko
 

Kamil Gregor | Otevřená data

  • 2. O mně  KohoVolit.eu (http://kohovolit.eu/)  Díky čemu nás znáte  Volební kalkulačky (http://volebnikalkulacka.cz/)  Přehledy docházky zákonodárců (http://bit.ly/1fCyzBX)  Napište jim (http://napistejim.cz/)
  • 4. Co jsou to otevřená data  Data, jejichž volnému používání a šíření nebrání  Technické překážky (tzn. především formát)  Právní překážky (tzn. především licence)
  • 5. Co jsou to otevřená data
  • 6. Jak si vede Česká republika Jízdní řády Veřejné rozpočty Veřejné výdaje (smlouvy, faktury atd.) Výsledky voleb Obchodní rejstřík Mapa Statistické údaje (ekonomické, demografické atd.) Právní řád Souřadnice poštovních směrovacích čísel Emise škodlivých látek
  • 7. Strojová čitelnost Obrázek – Můžete data zobrazit PDF – Můžete v datech strojově vyhledávat Tabulka – Můžete data kopírovat, upravovat a analyzovat (řadit, filtrovat, provádět matematické operace) Tabulka v otevřeném formátu – Můžete s daty pracovat bez ohledu na to, jaký program používáte Tabulka ve formátu obohaceném o metadata – Data jsou připravena pro náročnější práci a publikování na Internetu
  • 10. Peníze Množství času Získání a čištění dat Analýza dat Tvorba praktických aplikací
  • 11. Peníze  Otevřená data snižují transakční náklady  Jsou obrovským zdrojem příjmů  Umožňují produkci statků a služeb s vysokou přidanou hodnotou  Jeden z nejlepších multiplikátorů ekonomického růstu  Extrémně vysoká návratnost investic (kolik vydělá každá koruna vynaložená na jejich tvorbu)  Stimulují ekonomiku především velmi
  • 12. Příklady  Dánsko – Open Address Data  Digitalizace katastru (databáze + mapa)  K čemu je to dobré  Marketing  Územní plánování  Navigace  Poštovní a kurýrní služby  Obchod s nemovitostmi  Zdravotnictví, záchranná služba  Výzkum
  • 13. Příklady  Dánsko – Open Address Data  2004-2009  Náklady € 2 000 000  Výnosy € 60 000 000  2010  Náklady € 200 000  Výnosy € 14 000 000  Ukažte mi jiný byznys, kde se každá koruna vrátí 70x
  • 14. Příklady  Open Corporates  Globální obchodní rejstřík  Umožňuje sledovat vlastnictví firem napříč státy  Odhaluje daňové úniky a praní špinavých peněz  Poradenství firmám
  • 15. Příklady  Velká Británie  Od roku 2013 ušetřili přes £ 22 miliard díky analýze efektivity veřejných zakázek  V roce 2012 ušetřili £ 220 milionů díky analýze efektivity předepisování léků  Díky údajům o osobních transakcích na běžných účtech lze radit bankám  Je možné vyhodnotit rizika vzniku požáru a podle toho plánovat rozšiřování a údržbu sítě požárních stanic  Díky analýze dat o 400 000 operacích srdce si pacienti mohou lépe vybrat nemocnici. Díky tomu klesla úmrtnost o 21 %
  • 16. Příklady  Jízdní řády v Londýně  500 aplikací  5 000 lidí zaměstnaných v tomto odvětví  Návratnost investic v odvětví 58:1  Otevřená data o počasí a klimatu v USA umožnila vznik odvětví hodnotě 1,5 miliard $  Ve Velké Británii vláda digitalizovala všechny zákony od 13. století, pravidelně je aktualizuje
  • 17. Příklady  Otevřená data vytváří pracovní místa  Ve Španělsku poskytuje otevřená data přes 150 firem  V Austrálii zaměstnává odvětví územní datové infrastruktury přes 31 000 lidí
  • 18. Transparentnost  Po penězích hned na prvním místě  Otevřená data umožňují snazší vyhledávání a analýzu informací  Je snazší odhalit korupci, střet zájmů, daňové úniky
  • 20. Proč to nejde  Data nikoho nezajímají, nikomu na nic nebudou  Nevíme, k čemu je lidé použijí (někdo by na nich mohl vydělávat, špatně je pochopit, zneužít)  Nevíme, co přesně zveřejňovat  Zveřejňování otevřených dat je těžké, drahé, nemáme na to čas, není to v našem popisu práce  Množství informací, které by bylo potřeba zveřejnit, je příliš velké (nemáme na to kapacitu)  Vytváření dat stálo hodně peněz, nechceme je zveřejňovat zadarmo  Nevíme, jestli jsou naše data pravdivá nebo úplná  Zveřejňováním otevřených dat můžeme někoho poškodit (obchodní tajemství, autorské právo, osobní údaje)  Nechceme, aby lidé nebo firmy věděli, co děláme  Data rychle zastarávají  My přece informace poskytujeme! (Kdokoli k nám může přijít a zeptat se)
  • 22. Jak začít  Řekněte lidem, jaká data máte  Nepřemýšlejte, co by se lidem mohlo hodit, zveřejněte to, o co je největší zájem  Lidé vědí, co se dá dělat s vašimi daty, lépe než vy  Stačí začít skromně – lepší málo méně kvalitních dat než ambiciózní plán, který se nikdy neuskuteční  Zveřejňujte data sami, ušetříte si práci s vyřizováním žádostí o informace  Dejte lidem vědět, že data zveřejňujete
  • 23. Příklady z ČR a Slovenska
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42.