andmekooli mõjumudel

[teelepehk]

No description provided.

[teelepehk]

Andmekooli esialgne mõjumudel Jaan Apsi ettesaadetud tabelis: https://docs.google.com/document/d/1ReXfIRTNjgVWFTeeMX_xHKIUjlKuhAikp_DMesbzekM/edit?ts=5d5e427d

Maailmamuutjad.ee lehel saame vabavaraga teha põhjalikuma mõjumudeli, mida andmekooli kodukal näidata ja müügitöös kasutada.

Nõuanded Jaan Apsilt (Kristjan ja Teele kohtusid 26.8):

1. Starditoetuse taotluse fookuseks:

• Toome Eestisse süsteemse muutuse selle kaudu, et tekitame teenuse, mida varem pole olnud. Töötame avalikes huvides töötavate organisatsioonidega. Tegeleme andmekoolituste pakkumisega kas juhtumipõhiselt (nt arengukava koostamise koordineerija nõustamine käed-külge viisil) või rühmadele.
• KÜSKi prioriteet on vabakonna huvikaitsevõimekuse tõstmine - seega saame aidata madalama võimekusega huvikaitsjaid, et nad oma tööd paremini saaksid teha. Hoiame nende aega kokku, muutes arengukava/strateegia elluviimise arusaadavamaks ja jälgitavaks. Samamoodi aitavad andmepädeva(ma)d ametnikud huvikaitsjatel paremini oma tööd teha, kuna igal kohtumisel või sisendi/tagasiside kogumisel on lähtekohaks kõige uuem seis kava/strateegia täitmisest.
  -> Taotluses tasub tuua näiteid uuringutest, kus rõhutakse ebatõhusale kaasamisele, piinarikastele koosolekutele jms-le. Põhjendame, kuidas seda olukorda muudame/lahendame.
  -> Kui palju me praegu ühiskonnana topelt ja kolmekordselt maksame selle pärast, et teadusandmed pole avalikud ega ristatavad (verifeeritavad) riigi koguvate andmetega, sest osapooled ei usalda üksteist või muul põhjusel kogutakse samade asjade kohta pidevalt uusi (vanu?) artikleid.

2. Mis on koolituste õpiväljundid?
   Need võivad olla hoiakulised (eelarvamuse murdmine, et andmetega töötamiseks peab oskama progeda; mis tahes IT-asi eeldab hanget) või tehnilised ehk oskustega seotud (tavapäraste tööriistade nagu GSheets ja GForms kasutamine). Lisaks kaugem mõju: andmepädevad ametnikud ja huvikaitsjad tõstavad latti kõrgemale nii partneritega koostöös kui huvirühmade kaasamises - sest koosolekud muutuvad tõhusamaks, sisustatud saab ühise eesmärgi nimel koostöö vms.

3. VISUAALID-VISUAALID-VISUAALID!

• Head müüki toetavad enne-pärast visuaalid: AVP tegevuskava dashboardi valmides paneme esimese näite kõrvale andmekooli kodukale pildi sellest, kuidas varem protsess toimis (tegevuskava Wordi-fail, raporteerimise Wordi-fail ja meilid, koordineeriva kogu koosolekute protokollid). Juurde meie indikaatorid: kui palju tagumikutunde kokku hoiti ja kui palju vähem CO2-heidet tekitati.
• Mida rohkem koolitusi pakume, seda rohkem saame enne-pärast visuaale teha. Või ka seda visualiseerida, kui paljud juhtumid õnnestusid, st tõhustusid mõjumudeli indikaatorite mõistes (kõik juhtumid ei pruugi ju õnnestuda).
• Starditoetuse taotlusesse kodanikusõbraliku riigihalduse visioon samuti visualiseerida - a la et praegu on silotornid ja vastutusalad ning huvikaitsja peab ise õige info ja kontaktisiku üles otsima, aga tulevikus võiks olla nii, et huvikaitsja ja huvitundja klikivad märksõnal ja kogu info avaneb, samuti vastutajad, progress, protsess jne.

4. Mõju mõõtmine

• Andmekooli mõju tasub pigem mõõta juhtumite kaudu, mitte koolitatuid kokku lugedes. Näitame, mis muutus millises ministeeriumis toimus (mingi asi sai korda, midagi tehakse nüüd teistmoodi vm). Koolituste mõju väljendame pigem proportsioonidega, a la 80% osalejaist leidis kohti/asju, mida andmetega parandada.
• Enne ja pärast olukorra-kirjeldused: kohe teenuse pakkumisel motiveerime klienti kaardistama praeguse protsessi/töökorralduse aja- ja ressursikulu ning pärast töölaua või muu tööriista valmimist laseme seda uuesti teha. Nii saame reaalset ajasäästu mõõta. Ajasäästu ei saa lasta kliendil endal kirja panna, vaid esmasel kohtumisel (mentorkohtumisel) küsime kliendi töökorralduse ja aruandluse jms kohta, nii kaardistamegi praeguse olukorra ajamahukuse. See kohtumine ongi koostöösuhte algus.
  -> Lisaidee: praegu koostatava arengukava koostaja võiks oma töömahtu mõõta, et saaksime pärast-olukorraks võrdluspildi kätte.
• Teeme valemi, millega mõõdame ja näitame andmepädevuse kasu. Alguses üldistatud valem (a la 1 tund andmepädevuse koolitust hoiab kokku 3 tundi meilide saatmist partneritele), teenuse arenedes saame valemi täpsemaks timmida, kuna teame, kust aja ja energia kokkuhoid tuleb.
• Koolituse lõpus annab iga osaleja konkreetse lubaduse, mida ta oma töös / oma arengukavaga teisiti teeb. Olgu see tabeli tõstmine GSheetsi või midagi muud. Talletame lubadused ja kaks nädalat hiljem uurime, kuidas läheb, kas on abi vaja. Nii saame väärt infot takistuste kohta (nt kolleegid ei toeta) ja pakume kasutajatuge.
• Kasutame koolituste tagasisidest kliendilugusid stiilis "Nüüd on meie nädalakoosolekud poole lühemad!". Peame lugudele ja juhtumitele rõhuma, et selgitada oma teenust.
• Mõju võib tekkida ka ilma koolituseta - võibolla keegi inspireerub andmekooli lehte külastades, teeb ise oma töökorralduse tõhusamaks. Kutsume andmekooli lehel üles näiteid juurde pakkuma!

5. Ohtude läbimõtlemine

• Kuidas maandame nende ametnike hirme, kes tahavad taotluslikult suletult ja hägusate indikaatorite najal töötada? Vastus: rõhume läbipaistvuse ja avatuse võludele. Et kui nad ei pane avaandmetele avalikku infot, siis kulutavad nad ise, lisaks PR-inimesed ja juristid aega huvirühmade rahustamisele/vaigistamisele või nende aktiivsele kaasahaaramisele.
• Ministeeriumide, pankade ja teiste selliste asutuste turvanõuded - kuidas neist mööda saada?
  Kuidas Läti andmekool selle lahendanud on?

[teelepehk]

Kommunikatsiooninõustamiselt soovitusi:
tegeleme täiskasvanukoolitusega, peame ära näitama, kui suurt kokkuhoidu tekitame (rahas, ajas, CO2-kokkuhoius) - erasektorist stardisüst, nt Haridusfondist.
Mõjupõhisust vaja näidata, et mida tahame saavutada ja kui suurt algkapitali vajame selleks.

Kuidas kasvatame oma meeskonna muskleid: kaasame nt start-upist (Bolt) kellegi juniori andmeteadlase visuaale koostama, saab ühiskonnale tagasi anda. Mõtleme sellisele ristamisele!