Digital 360 GuideOm Digital 360 GuideForord
5 faser - 5 grundprincipperSådan bruger du Digital 360 Guide
Fas 1. Idéfasen
1.1 Problemformulering1.2 Identifiera organisatoriska behov1.3 Design thinking som metod1.4 Projektunderlag
Fas 2. Projektstart
2.1 Projekttyp – Finns lösningen?2.2 Skapa rätt team2.3 Förankring2.4 Mål med lösningen – en grund för realisering av nyttor/ värde2.5 Nyttokalkyl2.6 Strategiskt beslut och nästa steg
Fas 3. Utveckling
3.1 Anbud eller upphandling?3.2 Förfrågningsunderlag3.3 Källor3.4 Kravspecifikation –Funktionella och icke-funktionella krav 3.5 Kravspecifikation –sensordata3.6 Kravspecifikation –Hållbarhet3.7 Kravspecifikation –Personuppgiftssäkerhet m.m. 3.8 Interoperabilitet 3.9 Krav på IT-arkitektur3.10 Utvecklingsmetod och process3.11 Validering av personuppgifter3.12 Lagring och delning av uppgifter3.13 Reflektion och nästa steg
Fas 4. Test
4.1 Varför testa?4.2 Testmetoder4.3 Testplan4.4 Mätning av effekt4.5 Dokumentation4.6 Utvärdering4.7 Reflektion och nästa steg
Fas 5. Implementering
5.1 Överlämning5.2 Plan för genomförande 5.3 Realisering av nytta/ värde5.4 Slutdokumentation5.5 Kunskapsutbyte externt
BeslutsträdSkabeloner samletStikordsregister
DK
SE
Digital 360 Guides fem faser
Fas 3. Utveckling
Fas 3.11

Validering av personuppgifter

3.1
Anbud eller upphandling?
3.2
Förfrågningsunderlag
3.3
Källor
3.4
Kravspecifikation – Funktionella och icke-funktionella krav
3.5
Kravspecifikation – Sensordata
3.6
Kravspecifikation – Hållbarhet
3.7
Kravspecifikation – Personuppgiftssäkerhet m.m.
3.8
Interoperabilitet
3.9
Krav på IT-arkitektur
3.10
Utvecklingsmetod och process
3.11
Validering av personuppgifter
3.12
Lagring och delning av uppgifter
3.13
Reflektion och nästa steg
Nulstil tidslinje

Datavalidering är viktigt för att säkerställa att data är korrekta och tillförlitliga. Om det finns fel i datan kan det påverka kvaliteten på den data som samlas in, och därmed leda till en felaktig slutsats. Samtidigt är det svårt att manuellt identifiera fel med stora mängder data.

 

Datavalidering bör därför införlivas i kommunernas sätt att bearbetadata, vilket inte minst är viktigt i takt med att mängden data växer.

‍

Det finns flera metoder som kan användas för att validera data. När det gäller sensordata kan flera olika metoder användas. Ibland använder man dem alla för att uppnå största möjliga sannolikhet att sensordatan är korrekt.

 

Metoderna är:

  • Grundläggande validering
  • Tidsbaserad validering
  • Validering med flera sensorer
  • Statistisk filtrering
  • Felhantering och larm
  • Validering från gränsenheter

‍

Den första metoden används alltid före en eller flera av de andra.

‍

Läs mer om metoderna i dokumentet "Datavalidering" under ”Verktyg”

Hur går man tillväga

‍

  • Prata med IT-avdelningen om de kan hjälpa till med datavalidering av de data som tas emot.
  • Diskutera process och möjliga valideringsmetoder.

Verktyg

Gå till 3.12 Lagring och delning av uppgifter