Preview

Вопросы статистики

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Связанные статистические данные: актуальность и перспективы

https://doi.org/10.34023/2313-6383-2020-27-2-5-16

Полный текст:

Аннотация

В данной статье после развернутой аргументации актуальности проведенного исследования рассмотрены перспективы внедрения концепции связанных статистических данных, формируемых в рамках единого информационного пространства, обеспечивающего эффективное производство, распространение и повторное использование статистических и административных данных. Реализация этой качественно новой концепции на основе технологических новаций, предпринимаемая в целях более полного удовлетворения быстро возрастающих потребностей пользователей - ключевая задача цифровой трансформации, определенная Правительством Российской Федерации в области официальной статистики. Большая часть открытых данных связана со статистикой: демографическими, экономическими и социальными показателями. Их описание и представление в виде связанных данных могло бы стать важной основой для ускорения социально-экономического развития страны путем создания новых общественно значимых государственных, муниципальных, некоммерческих и коммерческих услуг/продуктов.

В статистике связанные открытые данные (Linked Open Statistical Data, LOSD) позволяют выполнять анализ на основе скоординированной, интегрированной информационной базы как альтернативы использованию разрозненных и часто противоречивых наборов данных. Национальные статистические службы и государственные органы целого ряда стран, а также международные организации уже перешли на парадигму связанных данных. Авторы статьи рассматривают преимущества этого подхода, а также практику его применения в международных проектах.

Приведены примеры и лучший опыт создания связанных открытых статистических данных в публикациях и стратегических документах в рамках Европейской статистической системы. Показано, что развитие связанных статистических данных сдерживается отсутствием доступных онтологий и стандартов - расширений, необходимых для обеспечения требований к классификации различных концептов в статистике и управлению ими. Проведенный в статье анализ проектов и инициатив отражает возможности и перспективы решения данной проблемы в сфере государственной статистики. Сформулированные авторами рекомендации основаны как на анализе международной практики, так и на результатах собственного опыта разработок в рамках научно-исследовательского проекта «Центр семантической интеграции».

Об авторах

Ю. М. Акаткин
Российский экономический университет имени Г.В. Плеханова
Россия

Акаткин Юрий Михайлович - канд. экон. наук, заведующий научной лабораторией «Семантического анализа и интеграции»



К. Э. Лайкам
Российский экономический университет имени Г.В. Плеханова; Федеральная служба государственной статистики
Россия

Лайкам Константин Эмильевич - д-р экон. наук, канд. техн. наук, заместитель руководителя 

директор НИИ «Институт современных экономических исследований»



Е. Д. Ясиновская
Российский экономический университет имени Г.В. Плеханова
Россия
Ясиновская Елена Донатовна - старший научный сотрудник научной лаборатории «Семантического анализа и интеграции»


Список литературы

1. Kalampokis E., Tambouris E., Tarabanis K. A Classifi cation Scheme for Open Government Data: Towards Linking Decentralised Data // International Journal of Web Engineering and Technology (IJ WET). 2011. Vol. 6. No. 3. P. 266-285. URL: http://www.inderscience.com/offer.php?id=40725.

2. Attard J. et al. A Systematic Review of Open Government Data Initiatives // Government Information Quarterly. 2015. Vol. 32. Iss. 4. P. 399-418. doi: https://doi.org/10.1016/j.giq.2015.07.006.

3. Zuiderwij k A., Janssen M. Open Data Policies, Their Implementation and Impact: A Framework for Comparison // Government Information Quarterly. 2014. Vol. 31. Iss. 1. P. 17-19. doi: https://doi.org/10.1016/j.giq.2013.04.003.

4. Commission Notice - Guidelines on Recommended Standard Licences, Datasets and Charging for the Reuse of Documents // Offi cial Journal of the European Union. C 240, 24.7.2014, p. 1-10. URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52014XC0724%2801%29.

5. Capadisli S., Auer S., Ngonga Ngomo A.-C. Linked SDMX Data // Semantic Web. 2015. Vol. 6. No. 2. P. 105-112. URL: http://semantic-web-journal.org/system/files/swj454.pdf.

6. Cyganiak R., Hausenblas M., McCuirc E. Offi cial Statistics and the Practice of Data Fidelity // Wood D. (ed.) Linking Government Datahttps. New York: SpringerVerlag, 2011. P. 135-151. doi: https://doi.org/10.1007/978-1-4614-1767-5.

7. Kalampokis E. et al. Open Statistics: The Rise of a New Era for Open Data? // Scholl H. et al. (eds) Electronic Government. EGOV 2016. Lecture Notes in Computer Science, Vol. 9820. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-44421-5_3.

8. Janssen M., van den Hoven J. Big and Open Linked Data (BOLD) in Government: A Challenge to Transparency and Privacy? // Government Information Quarterly. 2015. Vol. 32. Iss. 4. P. 363-368. doi: https://doi.org/10.1016/j.giq.2015.11.007.

9. Акаткин Ю.М., Лайкам К.Э. Методологические проблемы унифицированного описания статистических показателей для использования в межведомственных информационных ресурсах // Вопросы статистики. 2010. № 7. С. 3-9.

10. Акаткин Ю.М., Лайкам К.Э. О некоторых методических вопросах унифицированного описания статистического показателя // Вопросы статистики. 2011. № 7. С.11-19.

11. Janssen M., Charalabidis Y., Zuiderwij k A. Benefi ts, Adoption Barriers and Myths of Open Data and Open Government // Information System Management. 2012. Vol. 29. Iss. 4. P. 258-268. doi: https://doi.org/10.1080/10580530.2012.716740.

12. Hassani H., Saporta G., Silva E.S. Data Mining and Offi cial Statistics: The Past, the Present, and the Future // Big Data. 2014. Vol. 2. No. 1. P. 31-43. doi: https://doi.org/10.1089/big.2013.0038.

13. Bizer C., Heath T., Berners-Lee T. Linked Data: The Story so Far // Semantic Services, Interoperability and Web Applications: Emerging Concepts. IGI Global, 2009. P. 205-227. doi: https://doi.org/10.4018/978-1-60960-593-3.

14. Abellґo A. et al. Fusion Cubes: Towards Self-Service Business Intelligence // International Journal of Data Warehousing and Mining. 2013. Vol. 9. Iss. 2. P. 66-88. doi: https://doi.org/10.4018/jdwm.2013040104.

15. Kalampokis E., Tambouris E., Tarabanis K. Linked open cube analytics systems: Potential and challenges // IEEE Intelligent Systems. 2016. Vol. 31. Iss. 5. P. 89-92. doi: https://doi.org/10.1109/MIS.2016.82.

16. Bischof S. et al. Enriching Integrated Statistical Open City Data by Combining Equational Knowledge and Missing Value Imputation // Journal of Web Semantics. 2018. Vol. 48. P. 22-47. doi: https://doi.org/10.1016/j.websem.2017.09.003.

17. Klímek J. et al. Publication and Usage of Official Czech Pension Statistics Linked Open Data // Journal of Web Semantics. 2018. Vol. 48. P. 1-21. doi: https://doi. org/10.1016/j.websem.2017.09.002.

18. Chaniotaki E. et al. Exploiting Linked Statistical Data in Public Administration: The Case of the Greek Ministry of Administrative Reconstruction. 23rd Americas Conference on Information Systems (AMCIS 2017), Boston, MA, USA, August 10-12, 2017. URL: https://aisel.aisnet.org/amcis2017/eGovernment/Presentations/15/.

19. Kalampokis E., Zeginis D., Tarabanis K. On modeling linked open statistical data // Journal of Web Semantics. 2019. Vol. 55. P. 56-68. doi: https://doi.org/10.1016/j.websem.2018.11.002.

20. LOSD Publication and Capacity Building. D1.1 Vision, Stakeholders and Business Case Defi nition. 15th April 2018. URL: https://ec.europa.eu/eurostat/cros/system/files/d1.1_vision_stakeholders_and_business_ case_v3.pdf.

21. Eurostat. ESS Vision 2020: DIGICOM, Towards an ESS Strategy on (Linked) Open Data URL: https://ec.europa.eu/eurostat/cros/content/lod-strategicdocuments_en.

22. Cotton F. et al. XKOS: An SKOS Extension for Statistical Classifications. Conference: ISI 2014, 59 World Statistics Congress, Hong Kong, China, August 2014. URL: https://www.researchgate.net/publication/280740700_XKOS_An_SKOS_Extension_for_Statistical_Classifi cations/stats.

23. Aracri R.M. et al. Using Ontologies for Official Statistics: The Istat Experience // Garrigуs I., Wimmer M. (eds) Current Trends in Web Engineering. ICWE 2017. Lecture Notes in Computer Science, vol 10544. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-74433-9_15.

24. Generic Statistical Information Model (GSIM). High-level Workshop on Modernization of Official Statistics. Nizhni Novgorod, Russian Federation, 10-12 June 2014. URL: https://www.unece.org/fileadmin/DAM/stats/documents/fund.principles/2014/2-Generic_Statistical_Information_Model_EN.pdf.

25. Cotton F. Core Ontology for Official Statistics. Conference of European Statisticians. ModernStats World Workshop 2019. 26-28 June 2019, Geneva, Switzerland. URL: https://www.unece.org/fileadmin/DAM/stats/documents/ece/ces/ge.58/2019/mtg2/MWW2019_COOS_Cotton_Abstract.pdf.

26. Janev V. et al. Supporting the Linked Data Publication Process with the LOD2 Statistical Workbench // Semantic Web - Interoperability, Usability, Applicability. Under review: submitted on 29.11.2013. URL: http://www.semantic-web-journal.net/system/files/swj591.pdf.


Для цитирования:


Акаткин Ю.М., Лайкам К.Э., Ясиновская Е.Д. Связанные статистические данные: актуальность и перспективы. Вопросы статистики. 2020;27(2):5-16. https://doi.org/10.34023/2313-6383-2020-27-2-5-16

For citation:


Akatkin Yu.M., Laykam K.E., Yasinovskaya E.D. Linked Open Statistical Data: Relevance and Prospects. Voprosy statistiki. 2020;27(2):5-16. (In Russ.) https://doi.org/10.34023/2313-6383-2020-27-2-5-16

Просмотров: 371


ISSN 2313-6383 (Print)
ISSN 2658-5499 (Online)