Datadrevet værdiskabelse i den offentlige sektor: Et organisationsteoretisk perspektiv med DAMD som eksempel
Oversat titel
Data-driven value creation in the public sector: An organisational theory perspective
Forfatter
Aaen, Jon
Semester
4. semester
Uddannelse
Udgivelsesår
2015
Afleveret
2015-04-15
Antal sider
67
Abstract
Flere felter bruger i stigende grad data til at udvikle og ændre forretningsmodeller, men statskundskaben mangler stadig en teoretisk og empirisk forståelse af, hvordan data fungerer som et strategisk aktiv i den offentlige sektor. Denne afhandling introducerer idéen om data-drevet offentlig værdiskabelse og udvikler en analytisk ramme til at identificere centrale muligheder og udfordringer i det offentlige arbejde med data. Hovedspørgsmålet er: Hvilke væsentlige organisatoriske ændringer udløses af data-drevet værdiskabelse, og hvilke problemer opstår i forhold til magt, økonomi, etik og kvalitet? Afhandlingen betragter data som et slags råmateriale, der kan forarbejdes til noget værdifuldt. Den bygger derefter en ramme, der kombinerer Leavitts diamant—en enkel måde at se på samspillet mellem opgaver, struktur, mennesker og kultur i organisationer—med Meynhardts tilgang til at vurdere offentlig værdi. Rammen stiller to spørgsmål: Hvordan interagerer data-drevne aktiviteter med elementerne i den offentlige sektor (opgaver, struktur, mennesker, kultur)? Og hvilken offentlig værdi skaber aktiviteterne, når de ses gennem perspektiverne magt, økonomi, etik og kvalitet? Rammen anvendes på National Danish General Practice Database (DAMD) som et eksempel på data-drevet værdiskabelse i den offentlige sektor. Analysen viser, at genbrug af data til nye formål involverer mange aktører med forskellige dagsordener og interesser, hvilket skaber komplekse organisatoriske samspil, der præger spørgsmål om offentlig værdi. Afhandlingen konkluderer, at offentlige organisationer må foretage koordinerede justeringer af opgaver, struktur, mennesker og kultur og samtidig håndtere aspekter af offentlig værdi som magt (kontrol, ejerskab, tilsyn og adgang til data), økonomi (værdi for skatteyderne), etik (privatliv, kontekst og fairness) og kvalitet (serviceoplevelse og pålidelighed), når de vil realisere værdien af data. Afslutningsvis drøftes rammesættets anvendelsesområde, praktisk brug og rolle i videre studier.
Many fields increasingly use data to design and change business models, but political science still lacks a theoretical and empirical understanding of how data functions as a strategic asset in the public sector. This thesis introduces the idea of data-driven public value creation and develops an analytical framework to identify key governmental opportunities and challenges in data-driven work. The main question is: Which significant organisational changes are triggered by data-driven value creation, and what problems arise around power, economics, ethics, and quality? The thesis treats data as a kind of raw material that can be processed into something valuable. It then builds a framework that combines Leavitt’s diamond—a simple way to view how tasks, structure, people, and culture interact in organisations—with Meynhardt’s approach to assessing public value. The framework asks two things: How do data-driven activities interact with public-sector elements (tasks, structure, people, culture)? And what public value do these activities create when viewed through the lenses of power, economic value, ethics, and quality? The framework is applied to the National Danish General Practice Database (DAMD) as an example of data-driven value creation in the public sector. The analysis finds that reusing data for new purposes brings in many actors with different agendas and interests, creating complex organisational interactions that shape public value questions. The thesis concludes that public-sector organisations must make coordinated adjustments to tasks, structure, people, and culture, and address public-value aspects such as power (control, ownership, oversight, and access to data), economics (value for taxpayers), ethics (privacy, context, and fairness), and quality (service experience and reliability) when seeking to realise value from data. Finally, it discusses the framework’s scope of application, practical use, and role in further studies.
[Dette resumé er genereret ved hjælp af AI]