Organisaatioilla on paljon valmista käyttökelpoista dataa

Etenkin 2010-luvulta lähtien yhteiskunnassa on puhuttu kiihtyvästi datan hyödyntämisen edellytysten parantamisesta. Keskustelu on keskittynyt paljolti suurten datamassojen, eli niin kutsutun big datan, mahdollisuuksiin sekä datan vapauttamiseen siiloista. Tällaisissa visioissa data nähdään valmiina resurssina, joka on jo olemassa ja vain odottaa hyödyntämistä. Data, jolla on arvoa, ei kuitenkaan synny itsestään, vaan sen tuottaminen vaatii resursseja: osaavaa työvoimaa, teknologiaa, rahaa ja aikaa. Ajatus siitä, että organisaatioilla on olemassa valmiina paljon käyttökelpoista dataa, on myytti.

Data ei synny itsestään, eikä se odota valmiina hyödyntämistä. Käyttökelpoisen datan tuottaminen on monivaiheinen prosessi. Esimerkiksi väestötilastojen tuottamisen on sanottu vaativan kokonaisen infrastruktuurin, joka koostuu tilastoviranomaisista, erilaisista rekistereistä ja tietokannoista sekä asiantuntijoista. Sama pätee myös vaikkapa väestön terveyttä tai koulutusta koskevaan dataan.⁸ Terveydenhuoltojärjestelmä tuottaa datan kansanterveydestä, ja vastaavasti koulutusjärjestelmä tuottaa datan väestön koulutustasosta. Tuotettua dataa voidaan myös hyödyntää moneen käyttötarkoitukseen. Esimerkiksi terveydenhuoltojärjestelmän tietokantojen sisältämää dataa käytetään monin tavoin potilaiden terveyden hoitamisessa, mutta myös terveydenhuollon järjestämisessä eli hallinnossa. Lisäksi samaa dataa käytetään tutkimuksessa ja esimerkiksi lääketeollisuudessa.

Datan tuottamiseen vaadittavaa moninaista ihmistyötä on kuvattu datatyön käsitteellä. Kyse ei ole pelkästään olemassa olevan datan käsittelemisestä tai siivoamisesta, vaan jo datan luominen itsessään vaatii työtä. Datatyötä on kaikki inhimillinen toiminta, jota tehdään datan luomiseksi, keräämiseksi, hallitsemiseksi, kuratoimiseksi, analysoimiseksi, tulkitsemiseksi ja kommunikoimiseksi. Datatyötä on siis esimerkiksi kaikki analyyttinen ja emotionaalinen työ, jota vaikkapa sosiaali- ja terveydenhuollon toimijat tekevät ja joka on välttämätöntä, jotta data on merkityksellistä ja käyttökelpoista. Terveydenhuollossa ammattilaisten lisäksi myös potilaat ja asiakkaat tekevät datatyötä syöttäessään tietojaan erilaisiin järjestelmiin saadakseen hoitoa ja palveluita. Työtä vaatii myös datan rakenteistaminen eli standardisoiminen ja tuotetun datan validoiminen.

Datatyö on usein näkymätöntä. Datan luomiseen ja käyttöön liittyvän työn muotojen tunnistaminen ja näkyväksi tekeminen on kuitenkin tarpeen, jotta työn resursointi on ylipäätään mahdollista. Jos datatyötä ja sen vaatimia resursseja ei huomioida, päätyvät lennokkaat visiot tekoälypohjaisista sovelluksista suuriin ongelmiin. Datatyön näkyväksi tekeminen on välttämätöntä myös datan käytön kannalta, sillä se auttaa tulkitsemaan ja arvioimaan dataa: millä tavoin data on syntynyt ja millä tavoin sitä on käsitelty.