Der arbejdes hen imod en ny komponent til standardisering, som skal kunne bruges på tværs af det danske data-økosystem – i første omgang med IoT-data. Komponenten har arbejdstitlen “Mapper/Transformer” og er stadig i den meget spæde fase i udviklingsarbejdet. Denne artikel er for dig, der gerne vil vide lidt mere i dybden om, baggrunden for den og hvilket behov den skal dække.

Standarder, standarder, standarder.

De fleste er enige om, at der er behov for en vis grad af standardisering, for at data kan skabe værdi. Manglende standardisering af data er en udfordring, som myndigheder oplever i deres interne arbejde og i samarbejdet på tværs af myndigheder. Men også når det kommer til åbne data, er manglende standardisering en barriere for at ville udstille data og til en vis grad for at anvende dem.

Med andre ord: Standardisering gør data mere sammenlignelige og tilgængelige på tværs af systemer og myndigheder, og øger sandsynligheden for at de som åbne data kan skabe værdi.

På EU-niveau er der et stort fokus på at etablere en stærk europæisk digital infrastruktur med data spaces og høj grad af interoperabilitet. Også internationalt arbejdes der i Open & Agile Smart Cities (OASC) på at definere en række fællesnævnere (såkaldte Minimal Interoperability Mechanisms – MIMs) på tværs af byer for at muliggøre deling af data og løsninger. En af disse fællesnævnere er internationale datastandarder.

Fra strategiske samtaler til handling

Også i Danmark arbejdes der på statsligt og kommunalt niveau med definition af datastandarder, bl.a. på IoT-området. Der er mange standarder på internationalt niveau, som varetages af en lang række offentlige eller private organisationer. Men for kommunerne opstår der en kløft mellem de strategiske samtaler om standardisering og det praktisk anvendelige. Der er behov for en fælles tolkning af standarder, at datastandardisering bliver samordnet på tværs af den offentlige sektor og at standarderne gøres tilgængelige i maskinlæsbart format i åbne kataloger, som enhver der ønsker at følge de vedtagne standarder på et område kan trække på.

Det er dette behov “Mapper/Transformer” er født ud af.

Under denne arbejdstitel gemmer der sig en proof-of-concept løsning til standardisering af data, dvs. at der ikke findes en færdig løsning, men alene en version til demonstration og test. Mapper/Transformer er i første omgang målrettet sensordata fra IoT-løsninger men på sigt kan konceptet anvendes til enhver form for data, hvor den praktiske standardisering af faktiske datasæt mangler.

Udfordringen med IoT-sensorer

Når man i dag implementerer IoT-sensorer (eksempelvis indeklimamålere på ejendomsområdet) ser man ind i et kompliceret landskab af teknologier, leverandører og specifikke sensor-produkter. Hver mulig sensorløsning på markedet leverer datapakker, som er defineret af producenten/leverandøren af sensoren og er unik for netop den specifikke sensor, man køber.

Når man i f.eks. en kommune over en årrække implementerer indeklimamålere først på skoler, så i kontormiljøer, så på plejecentre osv., så ender man med en lang række specifikke sensorer, som hver især passer godt til den specifikke anvendelse og som har været tilgængelige på markedet på et givent tidspunkt eller som har opfyldt andre vigtige kriterier ifm. indkøb. Det er sådan det skal være, da nogle løsninger passer bedre til et specifikt brugscenarie end andre og det giver en god fleksibilitet i indkøb over tid.

I kølvandet på dette opstår der dog en række udfordringer, da hver løsning nu leverer sin egen subjektive (leverandørspecifikke) fortolkning af, hvad der i stedet burde være en objektiv (standard) observation af en given tilstand, f.eks. en temperatur i et lokale. Resultatet er et meget rodet datalandskab som allerede i dag udgør en central barriere for også bare simpel anvendelse og deling af data i og mellem systemer og organisationer.

Mapper/Transformeren – Hvad går den ud på?

Proof-of-concept-løsningen af Mapper/Transformer er en sammensmeltning af en række open source-komponenter udviklet på europæisk plan under Fiware.

Mapper/transformeren kan tage imod en strøm af data og gøre tre ting:

1. Resolve: Systemet finder ud af, hvilke data der er på vej ind – her data fra en specifik type sensor, f.eks. en temperaturføler i et rum
2. Transform: Systemet laver den leverandørspecifikke data om til den vedtagne standard datamodel for en temperaturobservation
3. Validate: Systemet validerer kontinuerligt om strømmen af data der leveres overholder den givne standard datamodel

Løsningen er tænkt uden hårde koblinger til andre systemer og er derfor uafhængig af det system, der føder data ind og det system, der modtager data. Dvs. at løsningen kan modtage åbne data, men også data fra lukkede systemer og sende dem f.eks. til en myndigheds BI-løsning eller til udstilling som åbne (standardiserede) data.

Mapper/Transformer skal bruge to ting:

1. Et maskinlæsbart katalog over danske, fællesoffentlige standarder, dvs. en række JSON-schema’er i et offentligt tilgængeligt repositorie på f.eks. Github, hvor systemer såvel som udviklere kan tilgå standarderne. Et Schema definerer den korrekte datamodel for f.eks. en indeklimaobservation og de metadata, der er påkrævet i den sammenhæng for at overholde standarden.
2. Et maskinlæsbart katalog over de scripts – eller opskrifter – der beskriver, hvordan mapper/transformeren skal forstå de data, der kommer ind og oversætte til den standard, der er hentet fra kataloget over standarder (1).

Kataloget af scripts skal være tilgængelig på tværs af anvendere af Mapper/Transformer, så scripts kan deles og genbruges. Hvis en specifik sensor er kendt i økosystemet, dvs. nogen i én myndighed allerede har lavet den indledende mapping og produceret et script – så kan en bruger fra en anden myndighed uden videre anvende det script og også få transformeret sine data til den rette datamodel. Hvis ikke sensoren er kendt i økosystemet, så skal nogen først producere scriptet og gøre det tilgængeligt i det fælles katalog.

Drift og vedligehold

Der er tre centrale elementer som skal håndteres ift. både etablering, drift, vedligehold og ikke mindst governance og ressourcer i den forbindelse.

1. Det centrale og maskinlæsbare katalog over danske standarder på f.eks. IoT. Her kan f.eks. KL, Dansk Standard, Udvalget for arkitektur og standarder og/eller andre have en rolle i at etablere, vedligeholde og udbygge standarderne.
2. Et centralt og maskinlæsbart katalog over transformationsscripts. Her skal kataloget etableres, men særligt scriptsene skal løbende skabes og vedligeholdes af nogen med rette kompetencer (programmering), ligesom der skal ydes support på anvendelsen.
3. Selve Mapper/transformeren kan udbydes som en decentral komponent f.eks. igennem foreningen OS2 eller som en central, fællesoffentlig komponent. Det er to vidt forskellige scenarier med forskellig grad af drift og vedligehold. Mapper/Transformer kan også tænkes driftet decentralt af f.eks. de enkelte kommuner eller fællesskaber som GovTech Midtjylland, mens de to kataloger (1 og 2) driftes og vedligeholdes centralt. Her vil udfordringen være at sikre, at alle anvender en opdateret kodebase på selve Mapper/Transformer.

Værdiskabelse

En funktion som Mapper/Transformer vil i det fællesoffentlige dataøkosystem tjene en række formål:

• Gøre data mere tilgængeligt, så data lettere kan komme i anvendelse i forskellige forretningsmæssige sammenhænge.
• Standardisering af myndighedernes åbne data har afgørende betydning for anvendelsen af data af andre end skaberne.
• Øge interoperabiliteten imellem systemer og organisationer, så processer i højere grad kan automatiseres i og mellem organisationer ved at skabe koblinger med data.
• Sikre interoperabilitet med europæiske standarder, så Danmark bidrager til at skabe en stærk europæisk digital infrastruktur.

Videre proces

På nuværende tidspunkt er der i regi af Open Data DK udviklet en proof-of-concept løsning for at afprøve, at det rent teknisk kan lade sig gøre. Det kan det.

Det videre arbejde byder på nuværende tidspunkt på en workshop med det formål at gøre os klogere på behovene ift. Mapper/Transformer og synliggøre hvilken værdi den vil kunne skabe. Læs mere om workshoppen her.

______

Billede: Nik fra Unsplash