Versio 1.0
Hyväksytty Yhteistyöfoorumin kokouksessa 22.11.2023.
Tutkimuksen datanhallinnan tila Suomessa 2023
Tieteellisen laskennan ja datanhallinnan yhteistyöfoorumi (Yhteistyöfoorumi, YTF, https://okm.fi/hanke?tunnus=OKM020:00/2022) on saanut tehtäväkseen toimikaudella 2022-2024 "kartoittaa, identifioida ja ohjata tieteellisen datan koko elinkaaren aikaisen hallinnan viitearkkitehtuurin laatimista". Tutkimuksen datan hallinnan arkkitehtuurityön (DAHA, https://wiki.eduuni.fi/x/3gnzEw) osana on laadittu oheinen nykytilan kuvaus syksyllä 2023. Analyysin laatimiseen ovat osallistuneet arkkitehtuuriryhmän jäsenet, työtä ohjaavan Yhteistyöfoorumin jäsenet sekä avoimen kommentoinnin kautta eri sidosryhmät.
...
Viitearkkitehtuuri on ohjaava ylätason kuvaus tutkimuksen datan hallinnan tavoitetilasta, ja sitä suositellaan käytettäväksi esimerkiksi tiedolla johtamisen tueksi, toiminnan kehittämisessä sekä yhteisten palveluiden tuottamisessa ja yhteistyön suunnittelussa. Se tarjoaa yhteisen mallin ja käsitteistön korkeakoulujen ja tutkimuslaitosten sekä muiden organisaatioiden omien arkkitehtuurien suunnitteluun ja toteuttamiseen. Viitearkkitehtuuri määrittää kohteeseen kuuluvat rakenteet ja niiden väliset suhteet. Tutkimuksen datanhallinnan viitearkkitehtuuri muodostaa kokonaisuuden Tieteellisen laskennan viitearkkitehtuurin, TiLa (2021) ja Avoimen tieteen ja tutkimuksen viitearkkitehtuurin, AVOTT (2023) kanssa.
Johtaminen ja ohjaus: Yhteinen kansallinen tutkimuksen datanhallinnan tavoitetila puuttuu eikä datanhallinnan vaikuttavuutta pystytä arvioimaan kokonaisuutena.
Nykytila
- Tutkimusorganisaatiossa tutkimuksen datanhallinta leikkaa monia toimintoja, kuten tutkimusta, osaamisen kehittämistä, digitalisaatiota, tiedonhallintaa ja arkistointia, tietosuojaa ja -turvaa. Suomalaiset tutkimusorganisaatiot ovatkin viimeisen kymmenen vuoden aikana aktiivisesti laatineet tutkimuksen datanhallinnan linjauksia ja kehittäneet tukipalveluita.
- Datanhallinnan tavoitteita on määritelty (mm. 11), mutta niiden seuranta, erityisesti yli organisaatioiden, on käytännössä haastavaa eikä vaikuttavuutta voida arvioida. Näyttää siltä, että systeeminen ja kansallinen ohjaus on haastavaa.
- Organisaatioilla ja tutkimushankkeilla on tällä hetkellä hyvin erilaisia resursseja datanhallinnan tukemiseen ja palveluiden kehittämiseen.
...
- Tarvitaan vahvaa ja selkeää yhteistä datanhallinnan tavoitetilaa sekä sen toteutumisen ja vaikuttavuuden seurantaa. Toimijoiden sitoutuminen jaettuun tavoitetilaan mahdollistaa systeemisen tai verkostomaisen johtamisen, jolloin tutkimusta tukevat palvelut voidaan järjestää kansainvälisesti, kansallisesti ja/tai organisaatiotasolla. Yhteinen tavoitetila helpottaa yhteentoimivien palveluiden tuottamista sekä mahdollistaa palveluiden yhteistuottamisen yli hallinto- ja organisaatiorajojen. (9) (5) Samalla on huomioitava tutkimusorgaanisaatioiden erilaiset tavoitteet ja tarpeet. Kansallisesti ei kannata johtaa sellaisia asioita, jotka parhaiten toteutuvat organisaatiotasolla.
- Tavoitetilan ja seurannan määrittely tarkoittaa käytännössä sitä, että tutkimuksen datanhallinnalle ja palveluille sekä infrastruktuureille täytyy yhteisesti määritellä tavoiteltava (minimi)taso ja toteuttaa seuranta. (11) Samalla on huomioitava, että liian tarkka seuranta ja mittaaminen eivät saa muodostua itsetarkoituksiksi.
- Tarvitaan parempaa koordinointia ja yhteistyötä eri toimijoiden välillä datanhallinnan kehittämisessä. Toimijoiden roolit ja vastuut datanhallinnassa tulee selkeyttää.
- Tutkimuksen datanhallinnan palveluiden kehittäminen tulee toteuttaa niin, ettei kansallisen tason ja EU-tason verkostoissa tuoteta rinnakkaisia ja heikosti yhteentoimivia ratkaisuja. (4)
- Yhteistyöverkostojen vahvistaminen ja vahva kansallinen johtaminen voivat edistää datanhallinnan kehittämistä.
- Tutkimuksen arvioinnissa ja tutkijan urakehityksessä avoimen tieteen näkökulman huomioiminen voi tuoda lisäarvoa ja kannustaa hyvän aineistonhallinnan toteuttamiseen. (10)
Palvelut: Datanhallinnan palvelukokonaisuus on hajanainen eikä se kata koko tutkimusdatan hallinnan elinkaarta.
Nykytila
- Korkeakouluissa ja tutkimuslaitoksissa on toimivia datanhallinnan tukipalveluita. Datanhallinnan tukipalveluita tarvitaan yhä enemmän, ja niiden käyttöä tulee edistää. Tutkimuksen datanhallinnan palveluiden kehittämisessä on epäselvyyksiä prosesseihin, vastuisiin, palveluiden käyttöön ja sääntelyyn liittyen. Vahvempi koordinaatio edistäisi palveluiden ja infrastruktuurien kehittämistä Suomessa.
- Suuri osa tutkimuksen datanhallinnan vaatimista palveluista järjestetään yksittäisissä tutkimusorganisaatioissa. Palveluiden kokonaisuuden organisoiminen voi olla kohtuuttoman monimutkaista yksittäisen toimijan näkökulmasta todennettavaan hyötyyn nähden.
- Tutkimuksen tukena käytetään myös julkishallinnon palveluita (esim. https://www.avoindata.fi/fi). Näiden käyttöä tulee edistää edelleen.
- Kansainvälisten palveluiden (esim. Zenodo) käytön ja rakenteilla olevien yhteiseurooppalaisten palveluiden (kuten EOSC) merkitys on kasvanut. Näkyvyys kansainvälisissä palveluissa oleviin suomalaisen tutkimusjärjestelmän tuottamiin aineistoihin on valitettavasti huono.
- Kaikki nykyiset ratkaisut tutkimuksen datanhallinnassa eivät täytä palveluiden kriteereitä, ja usein kyse on itsepalveluista, alustoista ja työkaluista.
- Datanhallinnan palveluita on kehitetty erityisesti avoimen tieteen sekä laskentainfastruktuurien investointien yhteydessä. Tämä on johtanut siihen, että palveluiden tosiasiallinen käyttö painottuu tiettyihin organisaatioihin, tutkimusaloihin ja tutkimusaineistotyyppeihin. Tekniset resurssivaatimukset ovat korostuneet palveluiden rakentamisessa. Olisi syytä arvioida uudelleen, millaiset palvelut palvelisivat myös laajempaa TKI-toiminnan ja tutkimusdatan kirjoa.
- Tutkijan affiliaatio vaikuttaa siihen, millaisia palveluita hänellä on käytettävissään. Palveluiden puutteellinen yhtenäisyys muodostavat haasteen, joka vaatii holistista näkökulmaa tutkijan palvelupolkuun. On myös otettava huomioon vapaiden tutkijoiden toiminta.
- Erityisinä haasteina on tunnistettu suurten datamassojen pitkäaikaissäilytyksen ja sen vaatiman pitkän aikavälin rahoitussuunnitelman puuttuminen.
- Ns. keskipitkän aikavälin (määritelmästä riippuen 5-15 vuotta) datan tallennusmahdollisuudet ovat rajallisia. Niihin ei ole kansallisia palveluita, ja on epäselvää, kenen vastuulla näiden tallennuspalveluiden kehittäminen on ja miten se voidaan tehdä resurssitehokkaasti.
- (Isojen) sensitiivisten aineistojen hallinta- ja käsittely-ympäristöissä on merkittäviä puutteita.
- Suomalainen tutkimusyhteisö on osana avoimen tieteen ja tutkimuksen kansallista yhteistyötä linjannut, että viimeistään vuonna 2022 tutkimusdatalle on mahdollistettu hyvän datanhallinnan kannalta asianmukainen, tutkimusdatan elinkaaren huomioiva, tallennus- tai säilytysratkaisu, infrastruktuuri ja palvelut. (11) Tämän toteuttaminen on osoittautunut ennakoituakin haastavammaksi ja palvelutarpeiden kartoitus on edelleen meneillään sekä osana avoimen tieteen viitearkkitehtuurityötä että tätä tutkimuksen datan hallinnan viitearkkitehtuurityötä. (2) Haasteet datanhallinnassa hidastavat tieteellisen tiedon saamista käyttöön.
- Datanhallintasuunnitelmia ei pystytä hyödyntämään tutkimuksen palveluiden suunnittelussa eikä kohdentamisessa.
...
- Tavoitteena tulisi olla kattavan palveluinfrastruktuurin luominen. Tarvitaan sekä yleisiä että alakohtaisia (dataspesifit) tukipalveluita. (4)
- Jatkossa olisi tärkeää keskittyä siihen, miten kansainväliset ja kansalliset, tutkimukseen liittyvien aineistojen elinkaarenhallinnan palvelut integroituvat entistä paremmin korkeakoulujen ja tutkimuslaitoksien omiin prosesseihin.
- Tarvitaan varmistus siitä, että palvelut tuotetaan tarvelähtöisesti ja ne vastaavat tutkijoiden erilaisiin tarpeisiin. (4) Palveluresurssien tehokasta kohdentamista tukisi muun muassa datanhallintasuunnitelmien parempi hyödyntäminen palveluiden kartoittamisessa ja kohdentamisessa sekä datan arvon määrittäminen ja valikoiminen tallennukseen ja säilytykseen.
- Suurten datamassojen pitkäaikaissäilytyksen vaatima infrastruktuuri avoimen tieteen periaatteiden mukaisesti on tärkeä tulevaisuuden kehityskohde. Lisäksi huomiota tulee kiinnittää sensitiiviseen dataan ja datan hallinnoinnin prosesseihin mukaan lukien datan hyödyntämisen tutkimuseettiset kysymykset. (8)
- Vastuut lyhyen, keskipitkän ja pitkän aikavälin säilyttämiseen on tarkasteltava kokonaisuutena.
- Tutkimusdatanhallintasuunnitelmien tulee olla koneluettavia ja niiden tulee olla käytettävissä palveluiden kohdentamisessa. Aineistonhallinnan suunnittelutiedon tulee olla hyödynnettävissä tutkimuksen elinkaaren kaikissa vaiheissa.
- Datanhallinnan ja sen tuen merkitys tieteelliselle laskennalle on huomioitava yhä paremmin (sujuvia, tutkijalähtöisiä ja toistettavuutta tukevia palveluita tarvitaan).
- Nykytilan analyysin tekemisen yhteydessä on tunnistettu myös muita puuttuvia palvelualueita ja tukirakenteita. Näitä kerätään wikiin koko arkkitehtuurityön ajan: https://wiki.eduuni.fi/x/i7CmFg
Osaaminen: Datanhallinnan vastuullinen toteuttaminen vaatii uudenlaista ja erilaista osaamista sekä tutkijoilta että tutkimusorganisaatioilta.
Nykytila
- Tutkimuksen datanhallinta vaatii laaja-alaista ja jatkuvasti kehittyvää osaamista. Uudenlaisten toimitapojen kehittäminen sekä organisaatioiden sisällä että niiden välillä on tärkeää. Datanhallinnan koulutuksia järjestetään (kansainväliset, kansalliset, organisaatiokohtaiset). Datanhallinnan oppaita on saatavilla.
- Datanhallinnan hyvien käytäntöjen tai työkalujen jalkauttaminen tutkimusprojektien arkeen vaihtelee.
- Avoimen tieteen edistäminen on motivoinut osaamisen kehittämistä. On kuitenkin huomioitava myös muut näkökulmat, jotka liittyvät datanhallinnan osaamisen kasvattamiseen.
- Suomessa datanhallinnan osaajat ja toimijat tuntevat toisensa, ja kansallinen yhteistyö on toimivaa. Tukea ja jatkuvaa oppimisen sekä vertaisoppimisen mahdollisuuksia on saatavilla ja näistä tulee edelleen huolehtia.
- Datanhallinnan merkitys hyvän tieteellisen käytännön osana on vahvistunut. Vuonna 2023 päivitetyn Tutkimuseettisen neuvottelukunnan (TENK) Hyvä tieteellinen käytäntö ja sen loukkausepäilyjen käsitteleminen Suomessa (HTK) -ohjeen mukaan Tutkimustulosten ja -aineistojen puutteellinen dokumentointi ja säilyttäminen on hyvän tieteellisen käytännön vastaista toimintaa. (6)
...
- Uusien palveluiden kehittämiseen tulee kiinnittää huomiota, esimerkiksi datasteward-tehtävienosalta. (12) Datanhallinnan koulutusten jatkuva kehittäminen huomioitava organisaatioiden resursseissa. Kansallisen yhteistyön vahvempi organisoiminen.
- Tutkijoiden ja tutkijakoulutettavien datanhallinnan osaamista tulee edelleen vahvistaa.
- Tutkijan ja tutkimuksen arvioinnin uudistaminen kansainvälisesti ja kansallisesti tukee tutkijan ansioiden huomioimista hyvän aineistonhallinnan edistämisessä. Uudet arviointitavat (mm. COARA) antavat mahdollisuuden arvostaa ja antaa tunnustusta datanhallinnasta ja datan hallitusta avaamisesta. (3)
- Eettisen osaamisen kehittäminen kuuluu olennaisesti asianmukaiseen tutkimuksen datanhallintaan. Vastuullinen tutkimusaineistojen hallinta on laaja ja muuttuva kokonaisuus, jonka toteuttamiseksi tutkijoilla on tarve ja oikeus saada tukea oman osaamisensa pitämiseksi ajantasaisena. (5; 6)
Data: Datasta saatavaa arvoa ei tunnisteta tai pystytä hyödyntämään. Tutkimus- ja innovaatiopotentiaali jää toteutumatta.
Nykytila
- Kuvaileva metatieto on osa tutkimusdatan ohjausta ja hallintaa. Nykytilassa laadukkaan metatiedon tuotanto on vielä usein varsin puutteellisella tasolla. Sekalaiset käytännöt ohjaavat metatiedon tuotantoa datan elinkaaren eri vaiheissa.
- Kansallisella ja paikallisella tasolla ei tiedetä kattavasti, mitä dataa tutkimuksessa on tuotettu ja käytetty eikä sitä, missä datoja säilytetään. Aineistojen tunnisteiden ja niitä kokoavien datakatalogien puute vaikuttaa osaltaan tähän.
- Suomalaisissa tutkimusorganisaatioissa on merkittävä määrä tutkimustoimintaa, jossa syntyy aineetonta omaisuutta sekä huomattava määrä erilaista dataa, joka on olennaisessa roolissa yritysten kanssa yhteistyössä tehtävissä innovaatioissa. Taustaselvityksen mukaan aineettomien oikeuksien hyödyntämistä tutkimusorganisaatioissa vaikeuttavat muun muassa tutkijoiden vähäinen tietoisuus tutkimusorganisaatioiden sisäisistä IPR-prosesseista sekä tutkijoiden puutteellinen motivaatio tutkimustulosten kaupallistamiseen. Tutkimusorganisaatioille asetetut tulostavoitteet eivät myöskään painota kaupallistamista varsinkaan yliopistoissa, vaan yliopistot kannustavat tutkijoita keskittymään julkaisujen tuottamiseen, joka tuo perusrahoitusta. Vuonna 2007 voimaan tullut korkeakoulukeksintölaki nähdään niin ikään keskeiseksi pullonkaulaksi tutkimuksesta syntyvän aineettoman omaisuuden kaupallisessa hyödyntämisessä. (11)
- Osin jo lainsäädäntö vaatii, että aineistoihin liittyvät oikeudet, rajoitteet, henkilötiedot ja muut kuvailu tuotetaan riippumatta siitä kuinka pitkää elinkaari aineistoilla ennustetaan olevan. Tämä korostaa entisestään tarpeita metatietojen yhteentoimivuudelle ja koko elinkaaren mukana kulkemiselle.
- Tekoälyn vaikutusta tutkimukseen, menetelmiin ja datanhallintaan on vaikea ennakoida systemaattisesti.
...
- FAIR-periaatteiden toteutumista ja metatieto-osaamista tulee vahvistaa. Laadukkaan metatiedon avulla voidaan yhdistää aineistoja yli tutkimus- ja kielirajojen. Minimimetatietomallin hyödyntäminen toimii lähtökohtana.
- Data tutkimuksen tuotoksena tulee tunnistaa tutkimusprosessin alusta saakka ja sen elinkaari suunnitella hallittavaksi. Datakatalogien kehittymistä pitää tukea tuomaan näkyvyyttä ja saavutettavuutta aineistoihin. Tekoälyn mahdollisuuksia aineistojen hallinnassa tulee arvioida ja kokeilla.
- Tutkimusaineistojen arvonmääritystä tulee tukea. Teknisten ratkaisuiden lisäksi tarvitaan myös hallinnollisia ratkaisuita mm. säilytykseen valittavista aineistoista. On luotava läpinäkyvät prosessit säilytettävien datojen tunnistamiseksi ja kriteerit datan arvon määrittämiseksi. Samalla on huolehdittava siitä, että arvonmäärityksen kriteerit ovat selkeät eivätkä ne muodostu esteeksi datan pitkäaikaissäilytykselle tai tuhoamiselle.
- Databroker-palveluiden käyttöä tutkimusaineistojen yhdistelemiseksi on tuettava.
- Aineistojen kattavien metatietojen hallitsemiseksi tulisi mahdollistaa se, että kertaalleen syötetyt metatiedot ovat käytettävissä ja täydennettävissä aineistojen elinkaaren kaikissa vaiheissa ja niihin liittyvissä palveluissa.
Kannustimet ja resursointi: Kannustimet systemaattiselle tutkimuksen datanhallinnalle eivät ole toistaiseksi riittäviä eikä datanhallinnan palveluiden kehittämistä ja ylläpitoa ole resursoitu riittävästi eikä kestävästi.
Nykytila
- Tutkijan datanhallintaan käyttämä aika ja ansiokas datanhallinta eivät meritoi riittävästi. Vaikka tutkijan arviointia kehitetään huomioimaan datanhallinta entistä paremmin, vaikeuttaa nykytila datanhallinnan priorisoimista osana tutkimusprosessia.
- Datanhallinnan kustannusten kehittymisestä ja resurssien käytöstä tarvitaan tarkempaa tietoa, jotta näihin voidaan varautua organisaatioissa ja hankkeissa. Datanhallinnan kustannustenjako tutkimusorganisaatioiden sisällä herättää edelleen keskustelua.
...
- Tarvitaan kannustimia vastuullisen datanhallinnan toteuttamiseen osana tutkijanuraa. Tarvitaan edelleen kulttuurinmuutosta, jossa datanhallinta nähdään kiinteänä osana tutkimustyötä. Datanhallinta voi parhaimmillaan tukea tutkijan, oppijan, opettajan polkua uran eri vaiheissa.
- Tutkimuksen datanhallinnan palveluiden jatkuvuus tulee varmistaa myös silloin kuin palveluita kehitetään (osittain) täydentävällä hankerahoituksella.
- Palveluihin tehtyjen investointien vaikuttavuutta tulisi arvioida systemaattisesti. Tällä hetkellä vaikuttaisi siltä, että arvioinnin tavat ja perusteet vaihtelevat tilannekohtaisesti ja ovat pitkälti toimijoiden sisäisiä prosesseja.
- Datan arvon maksimointi sekä avoimen tieteen periaatteiden edistäminen voi toimia kannustimena datanhallinnan tukipalveluiden kehittämiseen ja palveluinvestointien houkuttelemiseen.
Sääntely: Tutkimuksen datanhallintaa ohjaava säädöspohja on kompleksinen ja monitulkintainen.
Nykytila
- Tutkimuksen datan hallintaan liittyviä asetuksia, lakeja ja linjauksia valmistellaan eri toimielimissä (esim. kansainvälinen, eurooppalainen ja kansallinen valmistelu) ja toimialakohtaisista näkökulmista (esim. eri ministeriöt). Tällöin säädöspohja saattaa olla ristiriitainen (7). Tutkimusorganisaatioille ja tutkijoille ei ole selvää, miten eri lakeja ja linjauksia sovitetaan yhteen tai kuka vastaa ristiriitaisuuksien selvittämisestä.
- Organisaatiotasolla on haastavaa varmistua datanhallinnan vaatimustenmukaisuudesta (compliance) (mm. GDPR).
- Tutkimuksen datanhallinnan prosesseihin, vastuisiin, palveluiden käyttöön ja sääntelyyn liittyvät epäselvyydet korostuvat erityisesti kansainvälisessä tutkimusyhteistyössä ja projekteissa, mutta tulevat ilmi myös eri tutkimusorganisaatioiden välisessä toiminnassa sekä yritysyhteistyössä toteutettavassa TKI-toiminnassa.
...