BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Łachowski Wojciech (Instytut Rozwoju Miast i Regionów), Jastrzębska Beata (Instytut Rozwoju Miast i Regionów)
Tytuł
Inwentaryzacja danych w wybranych średnich miastach Polski
Data Inventory in Selected Medium-Sized Cities in Poland
Źródło
Urban Development Issues, 2021, vol. 69, s. 63-76, rys., tab., wykr., bibliogr. 29 poz.
Problemy Rozwoju Miast
Słowa kluczowe
Miasto, Zbieranie danych, Zarządzanie bazami danych
City, Data collection, Databases management
Uwagi
summ.
Project of the internationalization of the Urban Development Issues journal is financed by the Ministry of Science and Higher Education of the Republic of Poland (grant No. 841/P-DUN/2016).
Abstrakt
Pierwszym krokiem we wdrażaniu modelu zarządzania danymi czy tworzeniu portalu open data jest ocena zasobów danych gromadzonych przez urząd miejski. Celem niniejszej pracy było przeprowadzenie takiej analizy w wybranych 9 polskich miastach o średniej wielkości. Na podstawie ankiety scharakteryzowano dane pod kątem następujących cech: liczba i zakres gromadzonych zasobów, jednostki odpowiedzialne, forma oraz format, miejsce przechowywania, jednostka odniesienia przestrzennego, częstotliwość aktualizacji, używane oprogramowanie. Wyniki badań wykazały, że miasta posiadają średnio około 100 różnych zestawów danych. Średnio prawie 25% danych dostarczanych jest do urzędów od innych instytucji i spółek, np. starostwa powiatowego. Dane w większości gromadzone są w wersji elektronicznej i przechowywane głównie na serwerze urzędu. Dane w formie papierowej stanowią średnio 14% wszystkich zasobów. Według klasyfikacji T. Bernersa-Lee większość danych cyfrowych gromadzona jest na drugim z pięciu możliwych poziomów otwartości (arkusze kalkulacyjne, pliki tekstowe). Dane ustrukturyzowane (min. trzeci poziom) stanowią średnio 30% spośród danych cyfrowych, natomiast dane przestrzenne stanowią średnio 12% takich danych. Najczęstszą jednostką odniesienia są punkty adresowe i działki ewidencyjne. Zaobserwowano również, że urząd miejski wykorzystuje średnio 14 różnych systemów i aplikacji wspomagających zarządzanie danymi. (abstrakt oryginalny)

The first step in implementing a data management model or creating an open data portal is evaluation of data resources collected by the municipal office. The aim of this study was to conduct such an analysis in selected 9 Polish medium-sized cities. Based on the questionnaire, the data was characterized in terms of the following attributes: the number and scope of collected resources, responsible organizational units, form and format, place of storage, spatial reference unit, update frequency, software used. The results of the research showed that cities have around 100 different data sets on average. On average, almost 25% of data is provided to offices from other institutions and companies, such as the poviat. Most of the data is collected in an electronic version and stored mainly on the office's server. Paper-based data accounts for an average of 14% of all resources. According to the T. Berners-Lee classification, most digital data is stored on the second of five possible levels of openness (spreadsheets, text files). Structured data (at least the third level) accounts for an average of 30% of digital data, while spatial data accounts for an average of 12% of such data. The most common reference units are address points and parcels. It was also observed that the city hall uses an average of 14 different systems and applications supporting data management. (original abstract)
Dostępne w
Biblioteka SGH im. Profesora Andrzeja Grodka
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Berners-Lee T., 2006, Linked Data - Design Issues. Dostępne na: https://www.w3.org/DesignIssues/LinkedData.html [data dostępu: 10.02.2021].
  2. Boyne G.A., 1998, The Determinants of Variations in Local Service Contracting: Garbage in, Garbage out?, Urban Affairs Review, 34(1), 150-163. https://doi.org/10.1177/107808749803400107.
  3. Ciupa S., 2018, Wyzwania dla polskich miast inteligentnych na 2018, Smart City Expert - blog o miastach prawdziwie inteligentnych - smart city. Dostępne na: http://smartcity-expert.eu/wyzwania-dla-polskich-miast-inteligentnych-2018/ [data dostępu: 05.02.2021].
  4. Coleman E., Goldstein B., Dyson L., 2013, Lessons from the London Datastore, [w:] B. Goldstein, L. Dyson (red.), Beyond Transparency: Open Data and the Future of Civic Innovation, Code for America Press, San Francisco, 39-50.
  5. Departament Zarządzania Danymi Ministerstwa Cyfryzacji, 2019, Raport nt. rezultatów wdrażania programu otwierania danych publicznych. Dostępne na: https://mc.bip.gov.pl/programy-realizowane-w-mc/raport-na-temat-rezultatow-wdrazania-programu-otwierania-danych-publicznych-w-2019-r.html [data dostępu: 12.02.2021].
  6. Ehling M., Körner T., 2007, Handbook on Data Quality Assessment Methods and Tools (vol. 29), EUROSTAT, Wiesbaden. https://doi.org/10.5005/jp/books/12220_80.
  7. Elmasri R.A., Navathe S.B., 2005, Wprowadzenie do systemów baz danych, Helion, Gliwice.
  8. Engin Z., van Dijk J., Lan T., Longley P.A., Treleaven P., Batty M., Penn A., 2020, Data-driven urban management: Mapping the landscape, Journal of Urban Management, 9(2), 140-150. https://doi.org/10.1016/j.jum.2019.12.001.
  9. European Commission, 2016, Blueprint for cities and regiones as launch pads for digital transformation, Recommendations of the Strategic Policy Forum on Digital Entrepreneurship. Strategic Forum on Digital Entrepreneurship.
  10. Fogel P., 2007, Bazy danych GIS w planowaniu przestrzennym na poziomie lokalnym, Roczniki Geomatyki-Annals of Geomatics, 5(7), 39-45.
  11. Hein K., Binte F., Rosman A., 2020, Data-driven Approach for Smart Urban Planning Tool Development. Dostępne na: https://www.researchgate.net/publication/339133688 [data dostępu: 12.02.2021].
  12. Inmon W. H., 1996, Building the Data Warehouse, Wiley, Chichester.
  13. Janssen M., Charalabidis Y., Zuiderwijk A., 2012, Benefits, Adoption Barriers and Myths of Open Data and Open Government, Information Systems Management, 29(4), 258-268. https://doi.org/10.1080/10580530.2012.716740.
  14. Kędzia W., Ociepa E., 2015, System informacji przestrzennej (GIS) w zarządzaniu, infrastrukturą wodociągową i kanalizacyjną, Inżynieria i Ochrona Środowiska, 18(2), 199-213.
  15. Korolewska M., 2013, Informacja na temat, jakie zadania własne gminy mają charakter obowiązkowy, Zeszyty Prawnicze Biura Analiz Sejmowych Kancelarii Sejmu, 4(40), 244-267.
  16. Nalej M., 2019, Problem zmiennych jednostek odniesienia (MAUP) w badaniach pokrycia terenu. Przykład Łódzkiego Obszaru Metropolitalnego, Uniwersytet Łódzki, Łódź.
  17. Orłowski A., 2019, Model gotowości procesowej urzędu miejskiego dojścia do Smart City, CeDeWu, Warszawa.
  18. Pan Y., Tian Y., Liu X., Gu D., Hua G., 2016, Urban Big Data and the Development of City Intelligence, Engineering, 2(2), 171-178. https://doi.org/10.1016/J.ENG.2016.02.003.
  19. Panian Z., 2010, Some practical experiences in data governance, World Academy of Science, Engineering and Technology, 38, 150-157.
  20. Paskaleva K., Evans J., Martin C., Linjordet T., Yang D., Karvonen A., 2017, Data Governance in the Sustainable Smart City, Informatics, 4(4), 41. https://doi.org/10.3390/informatics4040041.
  21. Pozdniakova A.M., 2018, Smart city strategies "London-Stockholm-Vienna-Kyiv": in search of common ground and best practices, Acta Innovations, 27, 31-45. https://doi.org/10.32933/ActaInnovations.27.4.
  22. Standardy otwartości danych. Standard techniczny, 2020, Warszawa. Dostępne na: https://dane.gov.pl/media/ckeditor/2020/06/16/standard-techniczny.pdf [data dostępu: 12.02.2021].
  23. Stępniak C., 2015, Mapy interaktywne jako narzędzie wspierania procesów inwestycyjnych, Roczniki Kolegium Analiz Ekonomicznych, 38, 248-257.
  24. Wende K., 2007, A Model for Data Governance-Organising Accountabilities for Data Quality Management, ACIS 2007 Proceedings, 417-425. Dostępne na: http://aisel.aisnet.org/acis2007/80 [data dostępu: 12.02.2021].
  25. Dyrektywa 2007/2/WE Parlamentu Europejskiego i Rady z dnia 14 marca 2007 r. ustanawiająca infrastrukturę informacji przestrzennej we Wspólnocie Europejskiej (INSPIRE).
  26. Rozporządzenie Ministra Rozwoju, Pracy i Technologii z dnia 26 października 2020 r. w sprawie zbiorów danych przestrzennych oraz metadanych w zakresie zagospodarowania przestrzennego, Dz.U. 2020 poz. 1916.
  27. Ustawa z dnia 27 marca 2003 r. o planowaniu i zagospodarowaniu przestrzennym, Dz.U. 2003 nr 80 poz. 717.
  28. Ustawa z dnia 4 marca 2010 r. o infrastrukturze informacji przestrzennej, Dz.U. 2010 nr 76 poz. 489.
  29. BDL GUS - Bank Danych Lokalnych Głównego Urzędu Statystycznego: https://bdl.stat.gov.pl/BDL/ [data dostępu: 12.02.2021].
Cytowane przez
Pokaż
ISSN
1733-2435
Język
pol
URI / DOI
http://dx.doi.org/10.51733/udi.2021.69.06
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu