Bagi Pakai Data Kunci

Keterpaduan dan Efisiensi

Petrarca Karetji
Head of Pulse Lab Jakarta
Jakarta, 13 June 2019
 #AcceleratingAnalyticPartnerships

Pulse Lab Jakarta was established in 2012 as a joint innovation facility by the Government of Indonesia and the
United Nations. It was the first facility of its kind in the region working to harness advances in data science and
big data analytics

The Lab functions to:

Drive exploratory research on new Facilitate partnerships between governments, Identify new data sources and their potential
insights that can be gleaned from development agencies and private sector to for development while ensuring ethical use of
unconventional data sources optimise use of data data
 #AcceleratingAnalyticPartnerships

BASELINE ASSESSMENT ON COVID-19 REPORTING

● Identified a broad range of

underlying issues in Indonesia’s
public data ecosystem
○ Interoperability
○ Data standards
○ Data sharing agreement

● Only 20 out of 34 provinces

showing information that could be
reliably accessed and used to
understand how the virus was
evolving across the country (May
2020)

● Digital divide within the country


KESIAPAN BAGI PAKAI DATA SEBAGAI KUNCI KETERPADUAN DAN EFISIENSI
Yang dibutuhkan:
1. STANDARISASI
Dalam hal ini tidak saja
melihat pada standarisasi
data, tapi juga dari sisi konsep,
definisi, cakupan, klasifikasi,
ukuran, unit dan asumsi. Ini
diperlukan untuk
menyamakan pemahaman
serta kesepakatan dalam
proses identifikasi ruang
lingkup serta tanggung jawab
penghasil data tapi juga
pemakai data.
#AcceleratingAnalyticPartnerships
2. METADATA 3. INTEROPERABILITAS 4. SUMBER DAYA
Kesepakatan dalam Kesiapan data untuk MANUSIA
pengaplikasian sistem dibagikan antara sistem Sumber daya yang cukup
metadata yang terstruktur elektronik yang saling dengan keterampilan
dan baku untuk seluruh data berinteraksi. interdisipliner untuk
yang ada. Metadata dapat memenuhi tuntutan dan
membantu penghasil data harapan.
untuk menjelaskan dengan
lebih detail tentang datanya
dan pemakai data dapat
mengakses informasi
tentang datanya dengan
lebih mudah.
 #AcceleratingAnalyticPartnerships

IMPLIKASI DARI BAGI PAKAI DATA SECARA TERBUKA (SDI)

● Standarisasi memudahkan dalam berbagi dan interaksi antar data.
Saat ini proses berbagi masih datang dalam format yang beragam dan proses interaksi antar data belum berjalan dengan lancar
karena format serta penggunaan kode yg masih berbeda dari tiap produsen data.

● Metadata sebagai sarana untuk memfasilitasi interoperabilitas dan mengintegrasikan sumber daya
Menggunakan metadata untuk menggambarkan sumber daya memungkinkan pemahamannya oleh manusia dan juga mesin. Ini
memungkinkan tingkat interoperabilitas yang paling efektif, atau bagaimana data dipertukarkan di antara banyak sistem dengan
platform operasi, struktur data, dan antarmuka yang berbeda.
● Interoperabilitas sebagai upaya pembangunan jalur komunikasi antar sistem
Interoperabilitas atau kesesuaian merupakan kemampuan mesin, sensor, perangkat, serta manusia untuk berhubungan
maupun berkomunikasi dengan satu sama lain secara optimal, termasuk kemampuan bertukar, interpretasi, serta
penggunaan data lintas sistem yang berbeda.
● Sumber Daya Manusia dengan keterampilan interdisipliner
Sumber daya manusia yang terampil yang dapat membantu proses yang berfokus pada keterhubungan tahap dan tingkatan
dari performa proses yang ada lintas batasan teknis dan organisasional.
 #AcceleratingAnalyticPartnerships

IMPLIKASI DARI BAGI PAKAI DATA SECARA TERBUKA (SDI)

● Peningkatan dalam akses data

Mempercepat aliran data, dari proses pengumpulan hingga data digunakan. Mempermudah partner
dalam menemukan dan berbagi data serta mencerminkan adanya pemahaman akan situasi yang ada.

● Kemitraan
Peningkatan dalam bermitra antara partner serta penggunaan platform bersama untuk mencapai tujuan
yang sama

● Peningkatan dalam penggunaan data

Memastikan data digunakan dengan lebih baik dan lebih sering oleh partner dalam pengambilan
keputusan. Selain itu memastikan data mudah diakses dan terbuka.
UN Data Strategy (2020)

Jakarta, 13 June 2019

 #AcceleratingAnalyticPartnerships

Context: The UN family - Not one organization, but a network of institutions

FAO IAEA ICAO IFAD ILO IMO IMF IOM

UN
ITU UNAIDS UNCTAD UNDP UNESCO UNEP UNFPA
Secretariat

UN-Habitat UNHCR UNICEF UNIDO UNODC UNOPS UNRWA UNWomen

World
UNWTO UPU WFP WHO WIPO WMO WTO
Bank
 #AcceleratingAnalyticPartnerships

Wide dispersion: UN family innovation, data and digital culture & capability
2020 innovation, data and digital score map of entities based on capability and culture scores (bubble size indicates staff numbers)

Capability gap Leaders

Stronger on culture, less on capability Stronger on culture and capability
100
Culture score
median

Strugglers Culture gap

Challenged on culture and capability Stronger on capability, less on culture

10 Capability score 100

Source: 2020 survey of 52 UN System entities median

86 Use Cases Analyzed: Real constraints differ from perceived ones Know-how +
governance key
Tech availability
0 1
Localized inhibitors / risks
Source: Use case evaluation, Data Strategy Support Team
#AcceleratingAnalyticPartnerships
Data Governance
Know-how and change management are among
the key constraints.
Data Know-How
For example, success is inhibited by fragmented resources,
gaps in policy, standards, ltd. data quality. Or business
units have limited knowledge on how to deliver use cases.
Change Management Or use cases requires process change in large user group.
Extent Deployment
Tech complexity
Data availability
Tech availability or data availability are often less important constraints.
For example, data is often available but just not accessible to users for some other reason.
Similarly, technology is often already available open-source or via existing subscriptions, but
users lack the know how for use.
2 3 4 5
Large systemic inhibitors / risks
 #AcceleratingAnalyticPartnerships

A use-case-centric approach to the UN’s data-driven transformation

Set strategic foundations Create value and focus Foster enablers, nurture capabilities, and iterate
on priorities

Capabilities
● Analytics and AI
Outcomes
● Data management

Use cases Roadmap

● Outlook to 2030
Vision Purposes for which data is used Iterate
● Next steps

Enablers
Principles ● People and culture
to guide all data action ● Partnerships
● Data governance
● Technology
Examples from PLJ

Jakarta, 13 June 2019

#AcceleratingAnalyticPartnerships

West Java COVID-

19 Risk Assessment
Tool
● Utilizing
conventional and
non-conventional
Data
● Adopted and
integrated in Pikobar
● Insights were used
for PPKM
Enforcement by
Satpol PP
 #AcceleratingAnalyticPartnerships

VAMPIRE

● Vulnerability Analysis

● Drought Impact

● Early Warning System

● Scaled up by WFP
globally to PRISM
 #AcceleratingAnalyticPartnerships

MIND
● Managing
information for natural
disasters

● Open Source

● Logistics Planning

● Highlights the benefit

of a real-time sensing
data pipeline that
combines various
data sources
 #AcceleratingAnalyticPartnerships

CENTRAL SULAWESI
MIGRATION
● Mobility patterns

● Internal displacement

● Mobile network data

● Highlights the need for

Shared Value based
Data Partnership
Agreements before the
onset of a disaster
#AcceleratingAnalyticPartnerships

plj@un.or.id

www.pulselabjakarta.org