Monimuotoiset dataekosysteemit

Nykyajan organisaatiot jakavat ja hyödyntävät dataa yhteistoimintaverkostoissa, joita voidaan kutsua dataekosysteemeiksi. EU:n datastrategiassa dataekosysteemit nähdään innovaatioiden, tehokkuuden ja uusien liiketoimintamallien moottoreina. Dataekosysteemien luokittelu auttaa ymmärtämään mallien monimuotoisuutta ja samalla mahdollisuuksia liiketoiminnassa. Tämä artikkeli käsittelee tätä monimuotoisuutta.

Kirjoittaja: Tarja Keski-Mattinen

Dataekosysteemi tarkoittaa digitaalista yhteistoimintaverkostoa, jossa useat toimijat tuottavat, jakavat ja hyödyntävät dataa luodakseen lisäarvoa omaan ja mukana olevien kumppaneiden toimintaan. Dataekosysteemi-termi ei ole käytössä vakiintunut, mutta se on käytössä, kun puhutaan datataloudesta ja siihen liittyvistä digitaalisista toimintaympäristöistä. Tämän artikkelin tavoitteena on selventää käsitettä ja antaa käytännön esimerkkejä erilaisista dataekosysteemeistä.

Omistussuhteen ja avoimuuden mukainen luokittelu

Datan omistukseen ja datan avoimuuteen pohjautuvassa luokittelussa näkökulmana on, kuka saa dataa käyttää ja millä ehdoilla dataa voi käyttää sekä miten arvo jakautuu ekosysteemissä.

Avoimessa dataekosysteemissä data on vapaasti kaikkien hyödynnettävissä ja se on yleensä julkishallinnon keräämää tai yhteisöllisesti kerättyä (ks. kuva 1). Avoimuuden tavoitteena on vauhdittaa innovaatioita ja uusien lisäarvoa tuottavien palvelujen kehittämistä datan pohjalta (Koski ym. 2017). Hyviä esimerkkejä avoimen datan portaaleista ovat Helsinki Region Infoshare ja EU:n data.europa.eu, joissa julkiset tietoaineistot ovat saatavissa.

Kuva 1. Avoin dataekosysteemi

Suljetussa dataekosysteemissä data on yrityksen omaisuutta ja pääsy siihen rajataan vain käyttöoikeuden omaaville (ks. kuva 2). Tarkka datan hallinta varmistaa kilpailukyvykkyyttä muihin kilpaileviin yrityksiin nähden toiminnassa mukana olevien yhteistyökumppaneiden kesken (Hein ym. 2020; Kernstock ym. 2024). Monet suuryritykset hyödyntävät sisäisiä data-alustojaan omaan analytiikkaan ja jakavat tietoja yhteistyökumppaneille. Toimialakohtaisissa verkostoissa data voi liikkua vain osallistujien kesken sovituin omistus- ja käyttöehdoin.

Kuva 2. Suljettu dataekosysteemi

Osittain avoimessa dataekosysteemissä osa datasta on avointa, ja osa on vain jäsenten kesken jaettua. Hybridimalli yhdistää avoimuuden hyödyt ja suljetun kontrollin. Esimerkiksi Fintrafficin koordinoima liikenteen dataekosysteemi on avoin, johon voi liittyä uusia toimijoita, mutta toimijoiden on sitouduttava yhteisiin pelisääntöihin ja tiedonjaon malleihin – osa datasta on avointa, osa vain verkoston sisäisessä käytössä (Rautavirta 2021). Esimerkiksi Amsterdam Data Exchange (AMdEX) on Alankomaissa kehitteillä oleva neutraali infrastruktuuri, jonka kautta organisaatiot voivat jakaa dataa sekä avoimesti että rajoitetusti (University of Amsterdam 2021).

Arvontuotannon mukainen luokittelu

Tässä luokittelussa tarkastellaan dataekosysteemiä sen perusteella, mihin tarkoitukseen dataa jaetaan ja miten siitä muodostuu arvoa eri osapuolille.

Operatiivisessa ekosysteemissä datan jakamisen päämääränä on operatiivinen tehokkuus, eli prosessien optimointi, laadun parantaminen ja kustannussäästöt. Tätä hyödynnetään monilla aloilla eri toiminnoissa, kuten logistiikassa, valmistuksessa ja energian kulutuksessa. Hyödyt näkyvät suoraan parempana tuottavuutena (Cui ym. 2020).

Innovaatioekosysteemissä datan jakaminen tukee uusien tuotteiden, palvelujen ja liiketoiminnan kehittymistä. Ekosysteemissä, esimerkiksi sandboxeissa, mahdollistetaan laajat ja suojatut kokeilut ja yhteiskehittäminen. EU pyrkii luomaan eurooppalaisia data-avaruuksia innovaatioiden edistämiseksi eri aloilla (European Commission 2020). Esimerkiksi Gaia-X tarjoaa yhteisiä puitteita, joissa eri toimijat voivat yhdistää dataansa uusilla tavoilla (Rautavirta 2021, Otto 2022).

Datahyödyke-ekosysteemissä (Data-as-a-Product) data itsessään on hyödyke, jota ekosysteemin jäsenet myyvät ja ostavat (ks. kuva 3). Arvo muodostuu suoraan datakaupan kautta, joten data standardoidaan ja dokumentoidaan kuin tuote. Esimerkiksi säätietoja, kartta-aineistoja tai liikennetietoja myydään suoraan datapalveluina. Kansainvälisesti on syntynyt datan kauppapaikkoja, kuten esimerkiksi ranskalainen Dawex (dawex.com), joissa kuratoitu ja paketoitu data on vaihdannan yksikkö (Kernstock ym. 2024).

Kuva 3. Datahyödykkeen dataekosysteemi

Osallistujarakenteen mukainen luokittelu

Osallistujarakenteen mukaisessa luokittelussa näkökulmana on se, millaiset toimijat muodostavat ekosysteemin ja valtasuhteet jakautuvat toimijoiden kesken.

Yhden toimijan ohjaamassa dataekosysteemissä on yksi vahva toimija, joka hallitsee dataekosysteemiä, määrittää säännöt ja omistaa ydinalustan. Muut osallistujat ovat riippuvaisia tästä veturiyrityksestä, joka tavanomaisesti kerää suurimman osan arvontuotosta. Yhden toimijan ohjaama malli antaa vahvan koordinaation ja yhtenäisyyden, mikä voi edistää verkostovaikutuksia ja luottamusta, mutta samalla se voi rajata innovatiivisuutta ja kilpailua (Hein ym. 2020).

Partneriverkostossa tasavertaisten organisaatioiden verkosto, jossa dataa jaetaan sopimuspohjaisesti ilman yhtä johtajaa. Luottamus ja vastavuoroisuus ovat keskiössä. Jokainen jakaa dataansa odottaen hyötyvänsä muidenkin tiedoista. Esimerkkinä saksalainen International Data Spaces -malli, joka tarjoaa neutraalin viitekehyksen datan vaihdolle ilman keskushallintaa (Otto & Jarke 2019). Vastaavasti saksalainen Mobility Data Space kokoaa autoalan yrityksiä, palveluntarjoajia ja julkishallintoa jakamaan dataa neutraalilla alustalla (Legner & Otto 2023).

Teknologinen arkkitehtuuri luokittelun lähtökohtana

Tämä luokittelu tarkastelee dataekosysteemejä teknisen rakenteen kannalta – eli miten ja missä data liikkuu ja tallentuu ekosysteemissä.

Keskitetyssä dataekosysteemissä kaikki data kerätään yhteen keskukseen tai alustaan. Keskitetty malli on helppo hallita, mutta altis yhden pisteen häiriölle. Suomen sähkön vähittäismarkkinoiden Datahub on keskitetty toteutus, joka tehostaa tiedonvaihtoa, mutta on kriittinen solmukohta (Fingrid 2022).

Hajautetussa eli federatiivisessa mallissa data säilyy kunkin toimijan omissa järjestelmissä ja yhteiskäyttö tapahtuu standardoitujen rajapintojen kautta. Esimerkiksi Gaia-X-pyrkii mahdollistamaan datan liikkumisen organisaatioiden välillä ilman keskitettyä data-allasta (Otto 2022). Esimerkkinä hajautetusta arkkitehtuurista on lohkoketju- ja Web3-teknologioihin perustuva dataekosysteemi, jossa data tai vähintään sen omistusoikeuden ja käytön hallinta on järjestetty hajautetusti. Esimerkiksi Ocean Protocol on Web3-pohjainen alusta, jossa datan käyttöoikeuksia hallitaan tokenien avulla. Malli tarjoaa läpinäkyvyyttä, mutta tekniset rajoitteet hidastavat sen laajaa käyttöönottoa (Legner & Otto 2023).

Liiketoimintamalliin perustuva luokittelu

Liiketoimintamallin pohjalta tehty luokittelu jäsentää dataekosysteemejä sen perusteella, miten raha tai muu arvo liikkuu ja miten ansaintalogiikka on järjestetty ekosysteemissä.

Alustatalous-ekosysteemissä alusta yhdistää datan tuottajat ja käyttäjät ja arvo syntyy verkostovaikutuksista. Monet digitaaliset palvelualustat toimivat näin. Esimerkiksi liikkumispalveluissa MaaS (mobility as a service) -sovellukset yhdistävät usean palvelun tarjoajan datan yhteen palveluun.

Datan markkinapaikoissa dataa ostetaan ja myydään markkina-alustalla. Tarjoajat asettavat aineistonsa saataville ja asiakkaat hankkivat niitä kysyntänsä mukaan, usein käyttöön perustuvalla hinnoittelulla. Euroopassa on syntynyt erityisiä datan vaihtopaikkoja, kuten esimerkiksi suomalainen Platform of Trust.

Datahub-mallissa neutraali toimija ylläpitää yhteistä datainfrastruktuuria kaikkien puolesta. Tavoitteena on luottamuksen rakentaminen ja datan laadun varmistaminen. Health Data Hub Ranskassa ja suomalainen Findata keskittävät tietojen hallinnan ja lupakäytänteet neutraalisti (European Commission 2020, Legner & Otto 2023).

Seuraavassa taulukossa on kootusti kategoriat ja niihin liittyvät dataekosysteemimallit.

Kategoria	Dataekosysteemimallit
1. Omistussuhde ja avoimuus	avoin, suljettu, hybridi
2. Arvontuotanto	operatiivinen, innovaatio, datahyödyke
3. Osallistujarakenne	leader-driven, partneriverkosto
4. Teknologia-arkkitehtuuri	keskitetty, hajautettu
5. Liiketoimintamalli	alustatalous, markkinapaikka, datahub

Taulukko 1. Dataekosysteemien luokittelua

Tässä artikkelissa on kuvattu erilaisia dataekosysteemejä ja luokittelumuotoja. Todellisuudessa ekosysteemeissä usein yhdistyy eri piirteitä eri luokista. Esimerkiksi liikenteen dataekosysteemi voi olla osin avoin, mutta sisältää myös suljettuja tietoja, tuottaa operatiivisia hyötyjä ja innovaatioita ja hyödyntää keskitettyä datahub-infrastruktuuria. Luokittelun avulla voidaan kuitenkin jäsentää ja kehittää menetelmiä dataekosysteemien tarkastelulle ja kehitystyölle. Lisäksi luokittelu auttaa tunnistamaan mahdollisuuksia ja haasteita sekä soveltuvuutta liiketoiminnan kehittämisessä. Tämä artikkeli on osa Kyberturvalliset ekosysteemit Päijät-Häme -hankkeen tavoitteita: tehdä dataekosysteemeistä tunnetumpia ja ymmärrettävämpiä (LAB 2024).

Lähteet

Cui, Y., Kara, S. & Chan, K.C. 2020. Manufacturing big data ecosystem: A systematic literature review. Robotics and Computer-Integrated Manufacturing 62, 101861. Viitattu 10.4.2026. Saatavissa https://doi.org/10.1016/j.rcim.2019.101861

European Commission. 2020. A European strategy for data. Brussels, 19.2.2020. Information exchange in the electricity retail market enters a new era – Datahub goes live successfully. Tiedote 21.2.2022. Viitattu 10.4.2026. Saatavissa https://valtioneuvosto.fi/en/-/1410877/information-exchange-in-the-electricity-retail-market-enters-a-new-era-datahub-goes-live-successfully.

Fingrid. 2022. Information exchange in the electricity retail market enters a new era – Datahub goes live successfully. Lehdistötiedote 21.2.2022. Viitattu 12.5.2026. Saatavissa https://www.fingrid.fi/en/news/news/2022/information-exchange-in-the-electricity-retail-market-enters-a-new-era–datahub-goes-live-successfully/.

Hein, A., Schreieck, M., Riasanow, T., Setzke, D.S., Wiesche, M., Böhm, M. & Krcmar, H. 2020. Digital platform ecosystems. Electronic Markets 30(1), 87–98. Viitattu 9.5.2026. Saatavissa https://link.springer.com/article/10.1007/s12525-019-00377-4.

Kernstock, P., König, F.M., Böttcher, T.P., Hein, A. & Krcmar, H. 2024. The Anatomy of Data Ecosystems: Identifying and Analyzing Archetypes. AMCIS 2024 Proceedings. 3. Viitattu 11.5.2026. Saatavissa https://aisel.aisnet.org/amcis2024/data_eco/data_eco/3

Koski, H., Honkanen, M., Luukkonen, J., Pajarinen, M. & Ropponen, T. 2017. Avoimen datan hyödyntäminen ja vaikuttavuus. Valtioneuvoston kanslian julkaisuja 40/2017. Viitattu 9.5.2026. Saatavissa https://urn.fi/URN:ISBN:978-952-287-387-3

LAB. 2024. Kyberturvalliset ekosysteemit Päijät-Häme. LAB ammattikorkeakoulu. TKI projektit. Viitattu 12.5.2026. Saatavissa https://lab.fi/fi/projekti/kyberturvalliset-ekosysteemit-paijat-hame.

Legner, C. & Otto, B. 2023. Management of Data Ecosystems and Platforms (Editorial). Die Unternehmung 77(1), 4–6. Viitattu 17.4.2026. Saatavissa https://www.nomos.de/wp-content/uploads/2022/10/CfP_DU_2023_01_DataEcosystems__and_Platforms.pdf

Otto, B. & Jarke, M. 2019. Designing a multi-sided data platform: Findings from the International Data Spaces case. Electronic Markets 29(4), 561–580. Viitattu 12.4.2026. Saatavissa https://link.springer.com/article/10.1007/s12525-019-00362-x.

Otto, B. 2022. A federated infrastructure for European data spaces. Communications of the ACM 65(4), 44–45. Viitattu 12.4.2026. Saatavissa https://doi.org/10.1145/3512341

Rautavirta, M. 2021. Datasääntelystä data-avaruuksiin. Kolumni 8.11.2021. Liikenne- ja viestintäministeriö. Viitattu 12.5.2026. Saatavissa https://lvm.fi/-/datasaantelysta-data-avaruuksiin.

University of Amsterdam. 2021. Research organisations and commercial parties start work on developing the new Amsterdam Data Exchange. Viitattu 12.5.2026. Saatavissa https://www.uva.nl/shared-content/uva/en/news/press-releases/2021/04/research-organisations-and-commercial-parties-start-work-on-developing-the-new-amsterdam-data-exchange.html.

Kirjoittaja

Tarja Keski-Mattinen toimii LAB-ammattikorkeakoulussa tietojenkäsittelyn lehtorina sekä projektipäällikkönä Kyberturvalliset ekosysteemit Päijät-Häme -hankkeessa, joka on datatalouden ekosysteemien kehittämishanke.

Artikkelikuva: https://pxhere.com/fi/photo/563656 (CC0)