Forsker: Alt for blind tillid til data

»Ideelt set skal man hver gang sætte sig ned og overveje, hvorfor man har brug for data, inden man indsamler dem. Og der kan være mange gode grunde«, siger hun.

»For eksempel giver det mening at indsamle elevernes adresse for at finde ud af, hvilket skoledistrikt de bor i. Der er faktisk som regel en konkret grund til, at man indhenter forskellige typer af oplysninger. Men den skal gerne konkretiseres mere end 'vi skal kunne drive en folkeskole', som jo reelt er begrundelsen her«.

Ifølge Ayo Næsborg-Andersen er begrundelsen udtryk for en generel tendens, hvor myndighederne som udgangspunkt hellere indsamler for meget data end for lidt.

»Min personlige oplevelse er, at der er en alt for blind tillid til, at mere data kan løse flere problemer. Det kan det i nogle tilfælde, men ikke i alle. Og man er nødt til at blive skarpere på, hvornår mere dataindsamling reelt er svaret på et problem«, siger hun.

»For det første kræver det, at man har resurserne til at følge op. For det andet er problemet ofte ikke, at man har for lidt data, men nærmere at man ikke ved, hvordan man skal løse problemet. Og hvorfor vil man så pege på det? Fokus er simpelthen på det forkerte led i kæden«.

Ifølge det såkaldte officialprincip i forvaltningsloven skal en sag være belyst så vidt muligt, inden man træffer afgørelse. Det kan man vel bedre sikre med mere data end med mindre?

Ingen grænser for deling af elevdata

»Forvaltningsloven er skrevet i 80'erne og bygger på principper fra enevældets indførelse. Man havde næppe Big Data med i overvejelserne«, siger Ayo Næsborg-Andersen.

»Dengang var oplysninger besværlige at skaffe og resursekrævende at opbevare. I dag er det vendt på hovedet. Det er supernemt at indsamle og opbevare data. Vi er nødt til at overveje, hvad vi gør med de muligheder, der ikke var taget højde for, da vi indrettede samfundet, som vi kender det i dag«.

Forskeren deler Christian Wadskovs bekymring for, at bred dataindsamling kan ende med at gå ud over den individuelle sagsbehandling.

»Jo mere præcise algoritmerne bliver på normgruppen, jo mere upræcise bliver de på randgrupperne. Det kan godt være, man bliver bedre til at hjælpe flertallet, men dårligere til at hjælpe dem, der virkelig har brug for det«, siger hun.

»Mange kommuner vil nok takke ja til et system, som med 80 procents nøjagtighed kan forudsige, hvem der vil have gavn af et specifikt tilbud, der kan afhjælpe, at de senere bliver langtidsledige. Men kan vi som samfund leve med, at en ud af fem af en algoritme får udpeget det forkerte tilbud?«