Ne ovat digitaalisia ohjelmia, jotka toimeenpanevat sopimuksen automaattisesti tiettyjen ehtojen toteutuessa (self-execution). Niiden tarkoituksena on myös estää sopimuksen muuttaminen oikeudettomasti (self-enforcement). Älykäs sopimus perustuu tietokoneella ohjelmoituun koodiin, joka aktivoituu kun tietyt, ennalta koodiin kirjoitetut ehdot täytty-vät. (Lauslahti ym. 2016, 13.) Älykäs sopimus on laskennallisesti toteutettava ja digitaa-lisesti allekirjoitettu sopimus kahden tai useamman toimijan välillä. Sopimuksen koodiin voidaan sisään rakentaa kolmas osapuoli joka valvoo sopimusta. Sen voi toteuttaa myös pelkkään koodiin perustuen ilman ihmiseltä vaadittavaa toimintaa. Älykäs sopimus on pohjimmiltaan kasa loogisia lauseita (jos X tapahtuu niin Y toteutuu). Se sisältää sopi-musehtojen tiedot, jotka toteutuvat automaattisesti. (Johansson ym. 2019, 97.)
Älykkään sopimuksen kehittäjä Nick Szabo vertaa älykästä sopimusta juoma-automaatin toimintaan. Kun raha laitetaan juoma-automaattiin, sopimus aktivoituu. Vastineeksi ra-han laittaja saa automaatista juoman. Tässä yksinkertaisessa esimerkissä on kolme ele-menttiä jotka toteutuvat myös lohkoketjuteknologian mahdollistamissa älykkäissä sopi-muksissa: varojen hallinnointi, automaatio ja suorituksen varmentaminen ilman kolmatta osapuolta. (Clarke 2018.) Älykkäitä sopimuksia voidaankin hyödyntää esimerkiksi va-kuutuksissa tai kiinteistökaupassa. Lohkoketjuteknologia mahdollistaa luottamuksellisen toiminnan hajautetussa ympäristössä ilman kolmatta osapuolta. Älykkäitä sopimuksia voidaankin hyödyntää digitaalisesti hallittavien omaisuuserien siirtymisessä toimialasta riippumatta. (Ridanpää 2018, 16.) Älykkään sopimuksen toimintaperiaate on kuvattu ku-viossa 2.
3.1.4 Lohkoketjuihin liittyvät haasteet
Lohkoketjuteknologiaan liittyy myös paljon haasteita ja ratkaisemattomia ongelmia. Yksi suurimmista haasteista on teknologian käytettävyys. Ensinnäkin lohkoketjuteknologiaa hallitsevia käyttäjiä on vielä verrattain vähän, joten teknologia voi olla käyttäjälle haas-teellista. Toisekseen on syytä pohtia mihin lohkoketjuteknologiaa ja hajautettua tietokan-taa voi ja kannattietokan-taa ylipäätään käyttää. (Meiklejohn 2018.) Yksityisten lohkoketjujen
osalta kyseenalaista on sen tarjoama hyöty perinteiseen datarakenteisiin nähden (Honka-nen 2017, 9.) Lohkoketjuteknologian verkostomai(Honka-nen rakenne on myös ongelma säänte-lyn ja lainsäädännön näkökulmasta. Sen käyttöönottoa on viivästyttänyt sovittujen sään-töjen ja lakien vajavaisuus ja tulkintojen puute. Aiheeseen liittyvä standardisointityö on kuitenkin aloitettu keväällä 2017. (Ridanpää 2018, 23.)
Ongelmallisena lohkoketjuteknologiassa nähdään älysopimukset, referenssiarkkitehtuuri, yksityisyyden suoja ja hallinnointi. Etenkin hallinnointi tai sen puute lohkoketjuteknolo-giassa nähdään haastavana ongelmana. Globaalissa mittakaavassa ISO on aloittanut stan-dardointityön. Suomessa SFS on perustanut aiheeseen liittyvän seurantaryhmän. Standar-doinnilla pyritään luomaan esimerkiksi yhdenmukaista terminologiaa ilmiön ympärille.
(Hänninen 2017, 10.)
Älykkäiden sopimusten ongelmana on niiden juridisen aseman epäselvyys, joka vaikuttaa niiden laajempaan hyödyntämiseen ja käyttöönottoon. Määriteltävänä on vielä, tuleeko älykästä sopimusta käsitellä normaalina sopimuksena sopimusoikeuden puitteissa? (Ri-danpää 2018, 17.) Antonopoulos ja Wood (2018) toteavat teoksessaan ”mastering ethe-reum”, ettei älykkäillä sopimuksilla ole laillista valtaa, kuvaten niiden olevan vain tieto-koneella tehtyjä koodeja. Raskin (2017) taas käy läpi älykkäiden sopimusten asemaa esi-merkkien kautta. Hänen tutkimuksensa mukaan älysopimusten juridinen asema alkaa sel-vitä vasta oikeuden käsittelemien tapausten kautta. Päätöksistä saadaan ennakkotapauk-sia, jotka määrittelevät älykkäiden sopimusten asemaa. Teknologian skaalautuvuus ole-massa olevaan ympäristöön nähdään myös yhtenä mahdollisena kompastuskivenä (Yli-Huumo ym. 2016, 4.)
Skaalautuvuuden ohella siirtonopeudet nähdään myös haasteellisina. Esimerkiksi bitcoi-nin lohkoketju pystyy käsittelemään keskimäärin n. 240 000 transaktiota päivässä, kun esimerkiksi VISA – luottokorttiyhtiö pystyy käsittelemään 150 miljoonaa transaktiota päivässä. Tämä voi aiheuttaa lohkoketjussa tapahtuviin siirtoihin viivettä, jos verkko ruuhkautuu. Skaalautuvuus on myös ongelmallista, koska lohkoketju tallentaa jokaisen verkossa tapahtuvan siirron. Mikäli valtavirta alkaisi käyttää lohkoketjuteknologiaa, tulisi laskentatehon ja tallennustilan kasvaa uusiin mittoihin. (De Filippi & Wright 2018, 56.)
Myös lainsäädäntö määrittää pitkälti lohkoketjuteknologian käyttöönottoa. Tällä hetkellä eri maissa suhtaudutaan eri tavoin lohkoketjuteknologiaan, kryptovaluuttoihin ja älysopi-muksiin. Valtio määrittää aina omat lakinsa ja se voi määritellä ne joko lohkoketjutekno-logiaa suosivaksi tai hylkiväksi. Jossain vaiheessa lohkoketjuteknolohkoketjutekno-logiaa pitää kuitenkin säännellä, mutta liian aikaisessa vaiheessa orastavaan innovaation puuttuminen voi ai-heuttaa potentiaalisten hyötyjen menetyksen. (De Filippi & Wright 2018, 57.)
Lohkoketjuteknologiaa voidaan hyödyntää esimerkiksi tietojen varastoinnissa ja suojaa-misessa. Nykyään esimerkiksi potilastiedot terveydenhuollossa on tallennettu keskiste-tysti yhteen paikkaan. Yleensä terveydenhuollon tietojärjestelmien ylläpitäminen on myös ulkoistettu kolmannelle osapuolelle. Tietojen tallentaminen ja säilyttäminen yh-dessä paikassa, tekee sen haavoittuvaksi erilaisille kyber-, verkko- ja palvelunestohyök-käyksille. Yhdysvalloissa vuonna 2016, 16,6 miljoonan henkilön potilastiedot anastettiin.
Vuonna 2017 varastettujen potilastietojen osuus nousi vielä 26 %. Suurin syy potilastie-tojen vuotoon oli luottaminen yhteen keskitettyyn serveriin. Tuon serverin hakkeroimalla rikolliset pääsivät käsiksi potilastietoihin. Tästä voidaan käyttää myös englanninkielistä ilmausta ”single point of failure”. Ilmaus viittaa yhteen kohtaan, jolla koko järjestelmän voi kaataa tai ottaa sen haltuunsa. Lohkoketjuteknologiassa sen sijaan tietokanta on ha-jautettu, joten yhtä solmua haavoittamalla vahinkoa ei pääse tapahtumaan. Jos yksi solmu on jostain syystä poissa käytöstä, muut verkon solmut suorittavat tarvittavan konsensus protokollan. Hajautetussa järjestelmässä myös kaikki tietojen siirrot tallentuvat lohkoket-juun. (Li ym. 2019.)
Suorittaakseen hajautetun verkon kaappauksen tulisi hyökkääjien saada haltuunsa yli puolet verkon solmuista. Yleensä hajautetuissa verkoissa on tuhansia solmuja. Esimer-kiksi Ethereumissa on 10280 solmua, jotka ovat jakautuneet ympäri maailmaa (ethe-reumnodes 2019.) Joten kaappaamisurakka tuntuu mahdottomalta. Kuitenkin pienempien verkkojen kaappaustapauksia on ollut muutamia lohkoketjuteknologian historian aikana.
Verkon kaappauksia kutsutaan myös 51 % hyökkäyksiksi. (Ridanpää 2018, 19.)
Johansson, Eerola, Viitanen ja Innanen (2019) kuvaavat kirjassaan näkemyksiä kuinka sosiaali- ja terveysala voisi hyötyä lohkoketjujen käytöstä. He toteavat sosiaali- ja ter-veysalan olevan tiukasti säännelty ja sen toimintaa ohjaavat useat eri lait. He löytävät
useita eri käyttökohteita lohkoketjuteknologialle, kuten: potilastiedot, pääsynhallinta ja pääsynvalvonta tietoihin, mikromaksut, kliiniset kokeet, lääkkeiden kuljetusketjun seu-raaminen ja sairausvakuutuspetokset. Näitä teemoja kirjoittajat avaavat hyvin lyhyesti, joten teemojen laajempi tutkiminen on mielestäni tarpeellista.
3.2 Ekosysteemimalli
Luonnon ekosysteemi määritellään olosuhteiltaan samantapaisilla alueella elävien, toi-siinsa vuorovaikutuksessa olevien eliöiden ja niiden ympäristön muodostamaksi toimin-nalliseksi kokonaisuudeksi. Ekosysteemissä voidaan tunnistaa rakenteita, (laji) koostu-mus ja prosessit, mihin perustuvat ekosysteemissä tapahtuvat toiminnat. (Hiedanpää ym.
2010, 20.)
Ekosysteemin käsitettä on alettu käyttämään myös muun tyyppisten verkostojen ja pro-sessien kuvaamiseen. Yritysten ja organisaatioiden kasvava erikoistuminen ja tietojen ha-jautuminen ovat seurausta yritysyhteistyön huomattavasta kasvusta viime vuosikymmen-ten aikana. Yritysvuosikymmen-ten sisäisvuosikymmen-ten ominaisuuksien merkitys on pienentynyt ja ympäröivän verkoston merkitys korostunut. Samantapainen ilmiö on havaittavissa myös organisaa-tioiden kehityksessä. Ekosysteemin käsitettä on alettu käyttämään organisaatio- ja inno-vaatiokirjallisuudessa, koska sen avulla pystytään selittämään, miksi ja miten organisaa-tiot toimivat yhteistyössä jaettujen tavoitteiden saavuttamiseksi. Kuten lajit luonnolli-sessa ekosysteemissä, myös liiketoimintaekosysteemin jäsenet ovat riippuvaisia toisis-taan. Organisaatiokirjallisuudessa kuvatun ekosysteemin käsite määritellään sen tyypin mukaan, jota tarkasteltava aihe kuvaa parhaiten. Se voidaan jakaa kolmeen erilaiseen tyyppiin, jotka ovat alueellinen-, liiketoiminta ja platform-ekosysteemi. Ominaista ekosysteemille on tuotanto- ja käyttäjäpuolen yhdistäminen ja yhteensovittaminen.
Ekosysteemi käsittää sekä horisontaaliset että vertikaaliset suhteet toimijoiden välillä.
Ekosysteemimallissa arvonluonti on epälineaarista. Sen jäsenet ovat sosiaalisesti ja tek-nisesti toisistaan riippuvaisia. Ekosysteemin johtaminen perustuu tiedonvaihtoon sen jä-senten välillä. (Pulkka 2016, 4-6.)
Luhmannin (1989) määritelmä yhteiskunnan ekosysteemistä on monimutkainen. Hänen mukaansa yhteiskunta on suljettu järjestelmä, joka uudistaa itse itseään autopoieesin kautta. Luhmannin mukaan yhteiskunta voi tavoittaa ympäristönsä vain kommunikaation avulla. Yhteiskunnan osajärjestelmät kuitenkin ovat hänen mukaansa yhteydessä toi-siinsa. Ne voivat olla joko avoimia tai suljettuja systeemeitä. Jos osajärjestelmän pystyy koodaamaan binäärikoodin avulla, voidaan sitä pitää suljettuna systeeminä. Jos taas osa-järjestelmä vaatii binäärikoodausta monimutkaisempaa operationalisointia, voidaan sitä pitää avoimena järjestelmänä. (Peterson 1992.) Näinollen sosiaali- ja terveydenhuollon järjestelmää voidaan pitää avoimena, koska sitä ei pysty koodaamaan yhden binäärikoo-din varaan ja sen päälle limittyy muitakin osajärjestelmiä kuten politiikka, oikeus ja ta-lous. Luhmannilla (1989) ei siis ole yksinkertaista selitystä yhteiskunnan ekosysteemille.
Kuitenkin hän kuvailee ekosysteemille ominaisia piirteitä kuten kommunikaatio järjes-telmän sisällä sekä toimijoiden välillä. Lisäksi hän kuvailee yhteiskunnan tarvitsevan osa-järjestelmiä toimiakseen ja tuottaakseen lisää kommunikaatiota. (Peterson 1992.)
Tässä tutkimuksessa tarkastellaan ekosysteemiä platform eli alustaekosysteemin sekä API (application programming interface) ekosysteemin näkökulmasta. Platform-ekosys-teemi on alusta, jonka tarkoituksena on toimia ekosysPlatform-ekosys-teemin jäsenten koordinoimisen vä-lineenä. Platform, eli alusta koostuu teknologioista, työkaluista, palveluista, standardeista ja muista resursseista. Ekosysteemin jäsenet hyödyntävät näitä elementtejä muodostaen toimivan ekosysteemin. Yleensä platform-ekosysteemissä on hallinnoiva organisaatio, joka kontrolloi ja omistaa alustan keskeisiä osia. Hallinnoiva organisaatio ei hallitse kui-tenkaan koko alustaa, vaan moduulien ja komponenttien omistus on hajautettu ekosystee-min osallistujille. Platform-ekosysteemi kuvaa hyvin verkostoja, jossa arvonluonti perus-tuu tuottajat ja käyttäjät liittävään alustaan ja erityyppisten osallistujien synnyttämiin ver-kostovaikutuksiin. (Pulkka 2016, 5-6.)
Multi-sided platform taas on kaksi- tai useampipuolinen verkosto, jonka kautta tapahtuva vaihdanta hyödyttää molempia osapuolia. Alustan tärkeänä tehtävänä on räätälöidä vaih-dannan infrastruktuuri ja säännöt. (Beudreau & Hagiu 2008.) Multi-sided alustat voidaan nähdä katalysaattoreina, joiden tarkoitus on mahdollistaa ryhmien välinen vaihdanta ja arvonluonti (Evans 2009.)
API ekosysteemiä voidaan kuvata ohjelmointirajapinnaksi, jonka avulla ekosysteemin ohjelmistot voivat olla vuorovaikutuksessa keskenään. API ekosysteemissä verkoston kaikki jäsenet voivat olla suoraan yhteydessä toisiinsa ilman keskitettyä toimijaa. Sen käyttö yrityksissä onkin lisääntynyt huomattavasti viime vuosien aikana. API:en käyttö on mahdollistanut mm. monen suuren toimijan, kuten Netflixin, Twitterin ja Ebayn kas-vamisen nykyisiin mittaluokkiinsa. Yritykset hyötyvät API:en käytöstä monin eri tavoin, esimerkiksi luoden uusia tulovirtoja yhdistelemällä verkostosta syntyvää dataa. API ekosysteemi mahdollistaa myös kolmansien osapuolien osallistumisen ekosysteemiin.
Kolmannet osapuolet voivat kehittää esimerkiksi jonkin aplikaation, ja liittää sen jo ole-massa olevaan API ekosysteemiin. API ekosysteemit ovat siis avoimia ohjelmointiraja-pintoja, joissa datavirrasta koituva tieto voidaan jakaa ekosysteemissä olevien jäsenten kesken. (Evans & Basole 2016.) API:t itsessään eivät välttämättä ole riittäviä, jotta ekosysteemi voisi rakentua pelkästään sen varaan. API:n tarkoituksena on luoda lisäarvoa verkoston toimijoille, joten se edellyttää täydentävien osien olemassaoloa. API:t tuovat siis oman lisäarvonsa laajempaan kokonaisuuteen. API:t ovat kuitenkin keskeinen osa nykyaikaisten digitaalisten ekosysteemien rakentamista ja rakentumista. API:en kautta voidaan luoda mahdollisuuksia joustavampaan ja monipuolisempaan verkoston toimijoi-den hyödyntämiseen luotoimijoi-den uutoimijoi-denlaisia tarjoomia verkoston jäsenille. (Moilanen & Sep-pänen 2018, 41.)
Lohkoketjuteknologian ekosysteemiin voidaan nähdä sisältyvän elementtejä kuten tieto-kanta, tietovaranto, tiedostojen siirto, viestintä, kryptovaluutta, lompakkopalvelut, mik-romaksaminen, identiteetin varmentaminen ja maine. Lohkoketjupohjainen ekosysteemi voi toimia machine-to-machine (M2M) järjestelmänä, missä tekniset laitteet muodostavat toisiinsa nitoutuneen verkon ”internet of things” (IoT). Esimerkiksi järjestelmä voisi toi-mia tietullin maksamisessa, jossa järjestelmä tunnistaa missä älysensorilla varustettu auto on ja maksaa automaattisesti tietullimaksun, kun auto ylittää tullin rajan. (Swan 2015.) Yleisesti katsotaan lohkoketjuteknologian toimivan peer to peer (P2P) vertaisverkossa, mikä mahdollistaa hajautetun tietokannan (Honkanen 2017, 16.)
Riasanow ym. (2018) pyrkivät määrittelemään yleistä mallia lohkoketjuteknologian ekosysteemistä. He löysivät siitä kolme keskeistä elementtiä: hallinnon, luottamuksen ja avoimuuden, jotka voidaan nähdä lohkoketjuteknologian ekosysteemin etuina. Hallinnon
etuina nähdään olevan yhteisön mahdollisuus vaikuttaa suoraan esimerkiksi projektissa tapahtuviin päätöksiin. Luottamus taas mahdollistuu lohkoketjuteknologian kautta, jol-loin kolmatta osapuolta ei tarvita luottamuksen määrittelyyn. Avoimuus tässä yhteydessä tarkoittaa läpinäkyvyyttä. Avoimet lohkoketjuratkaisut mahdollistavat läpinäkyvän tieto-jen seurannan. Monet lohkoketjuprojektit myös pohjautuvat avoimeen lähdekoodiin, joka mahdollistaa ekosysteemiin liittyvien aplikaatioiden avoimen kehittämisen. (Riasanow ym. 2018, 7.)
Lohkoketjuihin perustuvan hyvinvointiekosysteemin ideana on asettaa ihminen keskiöön ja ekosysteemi rakentuisi ihmisen ympärille. Yksi tämän mallin hyötyjä voisi olla enna-koiva terveydenhuolto. Tässä mallissa ihminen tuottaa itse itsestään terveystietoa tervey-denhuollon organisaatiolle, jolloin organisaatio saa arvokasta tietoa ihmisen terveydenti-lasta ja pystyy toimimaan ennakoivasti esimerkiksi orastavan sairauden suhteen. VTT:n vision (2018) mukaan hyvinvointiekosysteemin käyttämisen motivointiin voitaisiin yh-distää ”hyvinvointitoken”. Kun asiakas tuottaa itsestään tietoa organisaatiolle, saa hän siitä pienen korvauksen ”hyvinvointitokenin” muodossa, jonka hän voi käyttää erilaisiin hyvinvointia edistäviin käyttötarkoituksiin. Tähän malliin liittyy siis oman datan hallin-nointi. Oman datan jakaminen ei rajoitu vain terveydenhuoltoon, vaan sitä voitaisiin jakaa myös kolmansille osapuolille ”hyvinvointitokeneita” vastaan. (Salonen ym. 2018, 42.)
3.3 Data, omadata ja ihmiskeskeisyys
Data on digitaalisen ajan resurssi. Sana data (latinakasi datum) tarkoittaa jotain annettua.
Ilmaisua käytettiin tiettävästi ensimäistä kertaa vuonna 1620 Francis Baconin toimesta.
Se miten nykyaikaisen datan käsitteen ymmärrämme, sai alkunsa vuonna 1946. Se kuva-taan perustekijäksi, jonka välityksellä ja vaihdannalla koneet voivat lähettää ja tallentaa tietoa. Vaikka datan käsitteellä on pitkälle ulottuvat juuret, on se silti pysynyt pitkään pimennossa. Esimerkiksi vuonna 1983 Raimond Williamsin kulttuurin ja yhteiskunnan sanakirjasta data:n käsitettä ei löydy. Tarkasteltaessa datan käsitettä voidaan olettaa sen toimivan tiedon lähtökohtana, tarjoten perusrakenteen tiedolle ja tietämykselle. (Gutier-rez 2017.) Chaim Zins (2007) kuvailee tutkimuksessaan datan (datumin) ominaisuuksia.
Sen nähdään mm. olevan yksi pienimmistä keräiltävistä yksiköistä, jonka avulla ilmiöitä
voidaan selittää. Dataa voidaan pitää perustavanlaatuisena kerroksena symbolisessa maa-ilmassa. Datalla ei itsessään ole merkitystä, mutta se on silti merkityksellisyyden lähde.
Teknisesti data on joukko digitaalisesti tallennettuja merkkejä. Data on informaatiota nu-meraalisessa muodossa, jota voidaan digitaalisesti tallettaa, lähettää ja käsitellä. Ontolo-gia datan olemuksesta on vielä epäselvä. Ongelma on siinä tulisiko data mieltää aineetto-maksi vai materiaaliseksi hyveeksi? (Gutierrez 2017.)
Data on myös osa tiedon arvoketjua. Tiedon arvoketjulla on useita määritelmiä, mutta yleisesti ottaen sen katsotaan koostuvan neljästä elementistä, jotka ovat: data, tieto, tietä-mys ja viisaus. Tieto jalostuu hierarkisena jatkumona tiedon arvoketjussa datasta tietoon, tiedosta tietämykseen ja tietämyksestä viisauteen. Tiedon arvoketjun avulla pystytään jä-sentämään erilaisia tiedon ilmenemismuotoja ja niiden käyttöä. (Kuusisto-Niemi 2016, 34-37.)
Nykyajan datataloudessa kuluttaja nähdään markkinoilla aktiivisena osapuolena. Ilman kuluttajan aktiivista osallistumista, dataa ei synny. Suurimmat dataa keräävät ja hyödyn-tävät yhtiöt kuten Facebook, Google, Alibaba, Apple, Microsoft ja Amazon keksivät alati uusia keinoja saada klikkauksia, jotta ne pääsisivät hyötymään kuluttajien luomasta data-virrasta. Mediajättien palveluistaan keräämien tietojen rinnalle on nousemassa uusi da-tankeräysmalli, jossa kuluttajat itse tuottavat itsestään henkilökohtaista tietoa. Dataa voi-daan tuottaa esimerkiksi liikunnallisista aktiviteeteistä, ruokailutottumuksista ja rahan- ja ajan käytöstä. Henkilödataan liittyvien patenttien määrä, onkin lisääntynyt huomattavasti viimeaikoina. (Pantzar 2017, 419.)
Yuval Noah Harari (2018) tutkii massa-dataan kohdistuvia uhkakuvia. Hän kokee uhka-kuvien tarkastelun tärkeänä, koska yritykset ja innovaattorit pyrkivät ylistämään uusia luomuksiaan ja uutta teknologiaa, tuomalla esiin vain positiivisia puolia ilmiöstä. Siksi tutkijoiden, filosofien ja historioitsijoiden tehtäväksi jää uusien innovaatioiden ja tekno-logian kriittinen arviointi. (Harari 2018, 13.) Harari on erityisen kiinnostunut massa-dataa hyödyntävästä algoritmistä. Massa-data algoritmia voidaan käyttää niin hyvään kuin pa-haankin. Etenkin terveydenhuollossa algoritmeillä voi olla järisyttäviä vaikutuksia yksi-lölliseen hyvinvointiin. Biometrisen datan ja informaatioteknologian avulla sairauksia voidaan seuloa ja valvoa reaaliajassa. Täten esimerkiksi syöpä voitaisiin havaita ja hoitaa
jo sairauden alkuvaiheessa, ennen kuin henkilö alkaa tuntea itsensä sairaaksi. Vastapai-nona ympärivuorokautisesta terveyden seurannasta henkilö joutuu kuitenkin luopumaan yksityisyydestään. Biometrisen- ja informaatioteknologisen datan avulla tekoäly voi ana-lysoida halujasi, päätöksiäsi ja mielipiteitäsi. Massa-data algoritmia voidaan käyttää myös kansalaisten valvontaan, esimerkiksi Kiina ja Venäjä voisivat olla erittäin kiinnos-tuneita tällaisesta teknologiasta. (Harari 2018, 63-67.)
Omadata (myös mydata) tarkoittaa ihmiskeskeistä henkilötietojen hallinta- ja hyödyntä-mismallia, jossa kansalaisille annetaan oikeus oman datansa hallinnointiin. (Poikola ym.
2018, 4.) Ihmiskeskeisyys määritellään THL:n (2016) mukaan asiakaslähtöisyyttä laa-jemmaksi kokonaisuudeksi, jossa huomioidaan kaikkien toimijoiden ja vaikuttavien teki-jöiden näkökulmat ihmistä auttavana ja helpottavana kokonaisuutena. Ihmiskeskeisessä ajattelussa jokaista ihmistä ajatellaan yksilöllisenä, mutta se kattaa myös yhteisöjen toi-minnan ja yhteiskunnallisen toimivuuden ja edun tavoittelun. Ihmiskeskeisyys pyrkii edesauttamaan parempaa elämää kestävän ja jatkuvan kehityksen kautta, yhteiskunnassa, yhteisöissä ja yksilöissä. (THL 2016.)
Omadata ajattelu rakentuu ihmiskeskeisyyden ympärille. Siinä kansalainen itse pystyisi hyödyntämään, hallitsemaan ja luvittamaan hänestä kerättyä tietoa, kuten esimerkiksi liikkumis-, terveys- tai taloustietoja. Tavoitteena ihmiskeskeisellä datan hallinnalla on luoda yhteentoimivuutta ja edistää uusien palvelumallien syntymistä dataa hyödyntävien alustojen kehittyessä. Omadata ajattelu sovittaa yhteen korkeat tietosuojavaatimukset, yksilön oikeudet, datan saatavuuden ja toimimisen liiketoimintaympäristössä. Omadata on globaali kehitysvaiheessa oleva ilmiö ja tulevaisuuden malli, jonka ympärille kertyy uutta liiketoimintaa ja teknologiaa. Mallin yleistyminen voi merkittävästi vauhdittaa da-tatalouden kehitystä ja uusien ekosysteemien syntymistä erityisesti painavan tietosuojan ympäristöissä. (Poikola ym. 2018, 4.)
Pohjoismaisessa ajatellussa korostetaan kuluttajaa datatalouden palveluiden käyttäjänä.
On kuitenkin syytä tarkastella henkilödatan ympärille kerääntyviä markkinoita. Näh-däänkö palvelut todella kuluttajan palvelemisena vai kenties suurten korporaatioiden jär-jestelmällisenä hyväksikäyttönä? Palveluiden digitalisoituessa ja omadatamallia käyttöön
otettaessa valtiolla onkin keskeinen rooli siinä, kuinka se tässä datatalouden yhteiskun-nassa asemoituu. Pyrkiikö se korostamaan kansalaisten roolia, oikeuksia ja yksityisyyttä oman datansa tuottajana vai seuraako se kenties datatalouden suuryritysten viitoittamalla tiellä, keräten kansalaisista dataa, voimistaakseen omaa asemaansa. (Pantzar 2017, 420.)
Suomessa on vastikään hyväksytty kaksi uutta lakia, siviilitiedustelulaki HE 202/2017 (Eduskunta 2019) sekä toisiolaki HE 159/2017 (Sosiaali- ja terveysministeriö 2019a), jotka periaatteessa antavat valtiolle lisää valtuuksia sekä mahdollisuuksia kerätä dataa kansalaisista. Molempiin lakeihin sisältyy viranomaisohjauksen ja valvonnan mahdolli-suus. Periaatteessa valtiollinen tiedonkeräysmekanismi olisi siis mahdollista myös Suo-messa. Sosiaali- ja terveydenhuollon palveluista kerättävien asiakas- ja potilastietojen tie-tosuojaa sääntelee Suomessa EU:n yleinen tietosuoja-asetus, jota on täydennetty ja täs-mennetty kansallisella lainsäädännöllä. Kansallisella tasolla asiakkaan tietosuojan huo-mioivat tietosuojalaki (1050/2018), laki potilaan asemasta ja oikeuksista (785/1992), ase-tus potilasasiakirjoista (298/2009), arkistolaki (831/1994), laki sosiaalihuollon asiakkaan asemasta ja oikeuksista (812/2000), laki sosiaali- ja terveydenhuollon asiakastietojen köisestä käsittelystä (159/2007), laki sosiaalihuollon asiakirjoista (254/2015), laki säh-köisestä lääkemääräyksestä (61/2007) sekä terveydenhuoltolaki (1326/2010). (Sosiaali- ja terveysministeriö 2019b.)
Valtiollinen tiedonkeräys voidaan kuitenkin nähdä myös hyvänä asiana. Avainkysymyk-senä on kuinka tietoa käytetään. Jos ihmisellä ei ole mahdollisuutta itse hyötyä kerätystä henkilötiedosta, niin se ei noudata omadatan periaatteita. Sen tarkoituksena on tuoda yk-silölle datan hyötynäkökulma tasavertaisena yksityisyydensuojan rinnalle. Periaatteessa pyritään maksimoimaan datasta koituvat hyödyt ja minimoimaan yksityisyyden suojan heikkoudet. (Poikola ym. 2018, 5.)
Datan omistajuus on esiintynyt myös yhteiskunnallisissa keskusteluissa. Datan omista-juus käsitteenä on kuitenkin hankala ja onkin parempi puhua oikeuksista henkilötietoihin.
Omistaminen on helppo ymmärtää esimerkiksi irtaimiston omistamisena. Data taas on tietoa ja tieto luokitellaan taloustieteissä kilpailemattomaksi hyödykkeeksi. Pääsääntöi-sesti dataan tai tietoon ei siis kohdistu yksinoikeuksia. Myös julkishallinto käsittelee run-saasti lakisääteisiä henkilötietoja. Omadata periaatteiden mukaan ihmisillä on oikeus
nähdä ja käyttää myös julkishallinnon keräämää dataa lainsäädännön puitteissa. Joihinkin viranomaistehtäviin henkilötietojen käsittely on välttämätöntä. Ihmiset eivät voi esimer-kiksi poistaa itseään verottajan rekisteristä nojaten omadatan periaatteisiin, koska verot-taja tarvitsee henkilötietoja verotusta varten. (Poikola ym. 2018, 20.)
Harari pitää yhtenä suurimpana tulevaisuuden poliittisena kysymyksenä sitä: Kuka datan omistaa? Hän pitää dataa tärkeimpänä omaisuuden muotona tulevaisuudessa. Tällä het-kellä datan keräys tapahtuu pitkälti suurten informaatioteknologia yritysten, kuten Googlen, Facebookin, Baidun ja Amazonin taholta. Nämä yritykset myös omistavat suu-ret määrät asiakkaidensa henkilökohtaista dataa. Vaihtoehtona on myös valtioiden val-tuuttama datan kansallistaminen, jolloin valtiot omistaisivat datan. Molemmissa mal-leissa on uhka data diktatuureille, jolloin yksi taho valvoo, hallinnoi ja manipuloi mas-soja. Kolmas vaihtoehto on oman datan yksityinen omistaminen. On kuitenkin vielä hie-man epäselvää kuinka tällainen malli voitaisiin toteuttaa. Yksi vaihtoehto on omadata-malli. Poliitikoilla, lakimiehillä ja filosofeilla on kuitenkin mietittävää siinä, miten datan omistusta voitaisiin säännellä. (Harari 2018, 92-95.)
Kuvio 3. API ekosysteemi, organisaatiokeskeinen alusta ja MyData-malli