Η αξία δεν βρίσκεται μόνο στα δεδομένα, αλλά στις σχέσεις τους
Η Ελλάδα διαθέτει ήδη σημαντικές πηγές δημόσιων δεδομένων. Το ΚΗΜΔΗΣ καταγράφει δημόσιες συμβάσεις, η Διαύγεια διοικητικές πράξεις και δαπάνες, το ΓΕΜΗ στοιχεία επιχειρήσεων, ενώ το TED δημοσιεύει τις ευρωπαϊκές δημόσιες συμβάσεις. Σε ευρωπαϊκό και διεθνές επίπεδο, το BRIS και το LEI προσθέτουν στοιχεία που επιτρέπουν τη διασυνοριακή ταυτοποίηση επιχειρήσεων και εταιρικών σχέσεων.
Το πρόβλημα είναι ότι αυτές οι πηγές λειτουργούν σε μεγάλο βαθμό ως χωριστές νησίδες. Ο ερευνητής μπορεί να γνωρίζει ποιος φορέας ανέθεσε μια σύμβαση και ποιος την ανέλαβε, αλλά χρειάζεται διαφορετικά συστήματα για να μάθει πότε ιδρύθηκε η εταιρεία, σε ποιον κλάδο δραστηριοποιείται ή αν συνδέεται με άλλες επιχειρήσεις.
Τα διασυνδεδεμένα δεδομένα, linked data, μπορούν να αλλάξουν αυτή την εικόνα.
Τα αναγνωριστικά είναι οι γέφυρες
Το κρίσιμο στοιχείο δεν είναι το όνομα μιας εταιρείας, το οποίο μπορεί να εμφανίζεται με πολλές διαφορετικές εγγραφές, αλλά τα σταθερά αναγνωριστικά της. Στην Ελλάδα, ο ΑΦΜ μπορεί να συνδέει εγγραφές από ΚΗΜΔΗΣ, Διαύγεια και ΓΕΜΗ. Ο αριθμός ΓΕΜΗ μπορεί να συνδέεται με το ευρωπαϊκό EUID του BRIS. Το LEI επιτρέπει τη σύνδεση με διεθνή εταιρικά δεδομένα. Παράλληλα, ΑΔΑ και ΑΔΑΜ συνδέουν διοικητικές πράξεις και συμβάσεις, ενώ οι κωδικοί CPV, NUTS και ΚΑΔ επιτρέπουν συγκρίσεις ανά αντικείμενο, περιοχή και οικονομική δραστηριότητα.
Αν αυτά τα αναγνωριστικά αποκτήσουν σταθερά URI, κάθε οργανισμός, σύμβαση ή επιχείρηση μπορεί να γίνει κόμβος ενός γράφου γνώσης. Αντί για ανεξάρτητους πίνακες, έχουμε πλέον σχέσεις: ένας δημόσιος φορέας αναθέτει μια σύμβαση, μια εταιρεία είναι ανάδοχος, η εταιρεία έχει συγκεκριμένη δραστηριότητα, συνδέεται με μητρική εταιρεία και δραστηριοποιείται σε συγκεκριμένη περιοχή.
Τα ανοικτά πρότυπα κάνουν εφικτή τη διασύνδεση
Δεν χρειάζεται να δημιουργηθεί ένα νέο ελληνικό πρότυπο. Η Ευρωπαϊκή Ένωση έχει ήδη αναπτύξει την eProcurement Ontology για τις δημόσιες συμβάσεις και το Core Business Vocabulary για τις επιχειρήσεις. Το TED έχει προχωρήσει ακόμη περισσότερο, δημοσιεύοντας δεδομένα συμβάσεων ως RDF και οργανώνοντας τα ως γράφο γνώσης που μπορεί να αναζητηθεί με SPARQL.
Το OCDS μπορεί να χρησιμοποιηθεί για την τυποποίηση ολόκληρου του κύκλου των δημοσίων συμβάσεων, το BODS για σχέσεις πραγματικής ιδιοκτησίας όπου η πρόσβαση επιτρέπεται νόμιμα και το DCAT-AP για την περιγραφή και δημοσίευση των ίδιων των συνόλων δεδομένων στους εθνικούς και ευρωπαϊκούς καταλόγους.
Έτσι, ένα ελληνικό οικοσύστημα διασυνδεδεμένων δεδομένων μπορεί να παραμένει συμβατό με το ευρωπαϊκό οικοσύστημα αντί να δημιουργεί άλλη μία απομονωμένη πλατφόρμα.
Από τα API σε δημόσιο γράφο γνώσης
Η διαδικασία μπορεί να στηριχθεί αποκλειστικά σε ανοικτές τεχνολογίες. Τα δεδομένα αντλούνται από τα διαθέσιμα API, καθαρίζονται και κανονικοποιούνται, αντιστοιχίζονται σε κοινά λεξιλόγια και μετατρέπονται σε RDF. Οι εγγραφές που αναφέρονται στην ίδια οντότητα ενοποιούνται με βάση τα σταθερά αναγνωριστικά τους και, όπου αυτά απουσιάζουν, με ελεγχόμενες μεθόδους σύνδεσης εγγραφών.
Ο τελικός γράφος μπορεί να δημοσιεύεται μέσω SPARQL, επιτρέποντας ακόμη και ομοσπονδιακά ερωτήματα προς το TED, το Wikidata ή άλλες ανοικτές ευρωπαϊκές υποδομές. Δεν χρειάζεται λοιπόν να συγκεντρωθούν όλα τα δεδομένα σε μία τεράστια κεντρική βάση. Χρειάζεται να μπορούν να συνδέονται.
Τι κερδίζουν ερευνητές και ενεργοί πολίτες
Ένας τέτοιος γράφος θα επέτρεπε ερωτήματα που σήμερα απαιτούν πολλές ώρες χειρωνακτικής εργασίας. Ποιοι ανάδοχοι συγκεντρώνουν μεγάλο μέρος των συμβάσεων ενός φορέα; Πόσες αναθέσεις γίνονται κοντά σε συγκεκριμένα οικονομικά όρια; Πόσο σύντομα μετά τη σύστασή της λαμβάνει δημόσια σύμβαση μια επιχείρηση; Συμφωνεί η δηλωμένη δραστηριότητά της με το αντικείμενο των συμβάσεων που αναλαμβάνει; Μπορούν οι συμβάσεις να αντιστοιχιστούν με τις σχετικές δαπάνες στη Διαύγεια; Ποιες ελληνικές επιχειρήσεις συμμετέχουν σε δημόσιες συμβάσεις άλλων ευρωπαϊκών χωρών;
Οι απαντήσεις δεν αποτελούν αποδείξεις παρατυπίας. Μπορούν όμως να δημιουργούν τεκμηριωμένες ενδείξεις προς περαιτέρω διερεύνηση και να δίνουν σε πανεπιστήμια, δημοσιογράφους δεδομένων και οργανώσεις της κοινωνίας των πολιτών ισχυρότερα εργαλεία κοινωνικού ελέγχου.
Από τα ανοικτά δεδομένα σε δημόσια υποδομή γνώσης
Το επόμενο βήμα για την Ελλάδα δεν είναι απλώς περισσότερα αρχεία CSV. Είναι ένα δημόσιο οικοσύστημα διασυνδεδεμένων δεδομένων, με ανοικτές άδειες, σταθερά αναγνωριστικά, τεκμηριωμένα API και κοινά ευρωπαϊκά λεξιλόγια.
Ιδιαίτερη σημασία έχει η πλήρης εφαρμογή των ευρωπαϊκών υποχρεώσεων για τα Σύνολα Δεδομένων Υψηλής Αξίας, συμπεριλαμβανομένων των εταιρικών δεδομένων, με API και δυνατότητα μαζικής λήψης. Παράλληλα χρειάζεται αυστηρή προστασία των προσωπικών δεδομένων και σαφής διάκριση ανάμεσα στα δεδομένα νομικών προσώπων και στα δεδομένα φυσικών προσώπων.
Η τεχνογνωσία και τα πρότυπα υπάρχουν. Αυτό που χρειάζεται είναι να αντιμετωπίσουμε τα δημόσια δεδομένα όχι ως αρχεία προς ανάρτηση, αλλά ως κοινή, ανοικτή υποδομή γνώσης, πάνω στην οποία μπορούν να εργαστούν ισότιμα το κράτος, η έρευνα και η κοινωνία.
Πηγές άρθρου:
- ΚΗΜΔΗΣ, Open Data API: Παρέχει ελεύθερη πρόσβαση σε δεδομένα δημοσίων συμβάσεων, με άδεια CC BY 4.0 και αναγνωριστικά κατάλληλα για διασύνδεση: cerpp.eprocurement.gov.gr/khmdhs-opendata/help
- Διαύγεια, API: Η επίσημη τεχνική τεκμηρίωση για προγραμματιστική πρόσβαση στις πράξεις και στα μεταδεδομένα του προγράμματος Διαύγεια: diavgeia.gov.gr/api/help
- TED Open Data Service: Η Υπηρεσία Εκδόσεων της ΕΕ οργανώνει τις ευρωπαϊκές δημόσιες συμβάσεις ως γράφο γνώσης RDF και τις διαθέτει για ερωτήματα SPARQL: data.ted.europa.eu
- TED Developer Docs, Linked Open Data: Τεκμηριώνει τη διάθεση των δεδομένων TED ως διασυνδεδεμένων ανοικτών δεδομένων και τη μετατροπή eForms σε RDF: docs.ted.europa.eu/ODS/latest/
- eProcurement Ontology, ePO: Αποτελεί τη σημασιολογική βάση της ΕΕ για δημιουργία και επαναχρησιμοποίηση διασυνδεδεμένων δεδομένων δημοσίων συμβάσεων: github.com/OP-TED/ePO
- ΓΕΜΗ, Υπηρεσίες Ανοικτών Δεδομένων: Διαθέτει δημόσια εταιρικά δεδομένα μέσω JSON API υπό ODC-BY 1.0, με πρόσβαση μέσω κλειδιού API: opendata.businessportal.gr
- BRIS, Business Registers Interconnection System: Διασυνδέει τα εμπορικά μητρώα της ΕΕ και επιτρέπει διασυνοριακή αναζήτηση επιχειρήσεων και αξιοποίηση του EUID: European e-Justice Portal, BRIS
- Ευρωπαϊκή Επιτροπή, Εκτελεστικός Κανονισμός (ΕΕ) 2023/138: Καθορίζει τα Σύνολα Δεδομένων Υψηλής Αξίας και τους όρους δημοσίευσης και επαναχρησιμοποίησης τους: EUR-Lex, Regulation 2023/138
- GLEIF, LEI Level 2 Data: Παρέχει ανοικτά και τυποποιημένα δεδομένα για τη σύνδεση νομικών οντοτήτων και των άμεσων ή τελικών μητρικών τους: gleif.org, Who Owns Whom
- SEMIC, Core Business Vocabulary: Ευρωπαϊκό λεξιλόγιο για κοινή σημασιολογική περιγραφή νομικών προσώπων και εταιρικών αναγνωριστικών: github.com/SEMICeu/Core-Business-Vocabulary
- SEMIC, DCAT-AP: Ευρωπαϊκό προφίλ για ομοιόμορφη περιγραφή συνόλων δεδομένων και διαλειτουργικότητα μεταξύ εθνικών και ευρωπαϊκών πυλών δεδομένων: github.com/SEMICeu/DCAT-AP
- Open Contracting Partnership, OCDS 1.1.5: Ανοικτό πρότυπο που περιγράφει με κοινό μοντέλο ολόκληρο τον κύκλο μιας δημόσιας σύμβασης: standard.open-contracting.org
- W3C, Linked Data: Η θεμελιώδης τεχνική προσέγγιση για χρήση URI, RDF και συνδέσεων μεταξύ διαφορετικών πηγών ώστε να δημιουργείται ένας ενιαίος ιστός δεδομένων: w3.org/DesignIssues/LinkedData