Literatuurrapport 2.0

Rapport Literatuurstudie
Verkenning van
Sociaal-technische factoren
die de participatie van bedrijven
binnen open data ecosystemen
benvloeden
Pascal Slaats (836695964)
Begeleidingscommissie:
- Eerste begeleider: Prof. Dr. ir. R.W. Helms
- Tweede begeleider: Dr. Lloyd Rutledge
- Examinator: Prof. Dr. ir. R.W. Helms
Opleiding:
Instituut:
Business Proces Management and IT (BPMIT)

Open Universiteit Nederland
Versie:
Datum:
2.0
23-10-2015
woorden van
het document:binnen
6010open
van data
maximaal
6000(v.
toegestane
woorden.
Pascal Aantal
Slaats (836695964)
- Bedrijfsparticipatie
ecosystemen
2.0)
pag. 0 van 31
Inhoudsopgave
1
Inleiding ......................................................................................................................... 2
Probleemstelling ............................................................................................................ 2
Verantwoording zoekstrategie ........................................................................................ 3
3.1
Zoekstrategie .......................................................................................................... 4
3.2
Analyse ................................................................................................................... 4
Resultaten...................................................................................................................... 5
4.1
(Unieke) open data kenmerken ............................................................................... 5
4.1.1
Open data soms ruwe, real time en personal/private data................................ 6
4.1.2
Open data soms Big en Linked data ................................................................ 6
4.1.3
Typen open data naar bron en onderwerp ....................................................... 7
4.2
Conclusie unieke kenmerken open data ................................................................. 7
4.3
Elementen open data ecosystemen ........................................................................ 7
4.3.1
Open data proces ............................................................................................ 8
4.3.2
Open data gemeenschappen ........................................................................... 8
4.3.3
Open data businessmodellen ........................................................................... 9
4.3.4
Conclusie componenten open data ecosystemen .......................................... 11
4.4
Rolverdeling binnen open data ecosystemen ........................................................ 11
4.4.1
4.5
Conclusies open data ecosysteemrollen ........................................................ 12
Belemmeringen bedrijfsparticipatie ....................................................................... 12
4.5.1
Belemmeringen aanbiedende bedrijven ......................................................... 12
4.5.2
Belemmeringen ontvangende bedrijven ......................................................... 13
4.5.3
Belemmeringen in open data proces .............................................................. 13
4.5.4
Conclusies belemmeringen bedrijfsparticipatie .............................................. 13
Eindconclusie ............................................................................................................... 14
Literatuurreferenties ..................................................................................................... 16
Bijlage 1: Zoektermen per deelvraag................................................................................... 19

Bijlage 2: Resultaten zoekproces ........................................................................................ 21
Bijlage 3: Overzicht belemmering OGD publicatie ............................................................... 28
Bijlage 4: Barrires bij het open dataproces ........................................................................ 30
Pascal Slaats (836695964) - Bedrijfsparticipatie binnen open data ecosystemen (v. 2.0)
pag. 1 van 31
1 Inleiding
Dit literatuurrapport is opgesteld in het kader van een masterthesis voor de studie Business
Proces Management & IT (BPMIT). Het beschrijft de laatste stand van kennis op het gebied
van Open Data en meer in het bijzonder Open Data ecosystemen. Zo wordt inzicht verkregen
in de belemmeringen die organisaties ervaren in het toepassen of aanbieden van Open Data.
Dit rapport vormt de theoretische basis als voorbereiding op een definitief onderzoeksvoorstel.
Deze heeft tot doel de invloed te verkennen die sociale en technische factoren hebben
op het gebruiken en delen van vrij beschikbare data door bedrijven.
Hoofdstuk 2 zal de theoretische onderzoeksvraag afleiden uit de probleemstelling. De zoekstrategie en de analyse van de vangst wordt beschreven in hoofdstuk 3 zodat de beoordeling
van de betrouwbaarheid en validiteit mogelijk wordt. Op basis van deze vangst worden in
hoofdstuk 4 de theoretische deelvragen beantwoord. Van deze antwoorden wordt een conceptueel model afgeleid dat in hoofdstuk 5 wordt toegelicht. Tenslotte wordt in dat hoofdstuk
bepaald tot welke onderzoeksoptiek de resultaten leiden en wat nog empirisch getoetst moet
worden.
2 Probleemstelling
Dagelijks wordt wereldwijd een enorme hoeveelheid data en informatie genereerd. Vooral
overheden maken hun dataverzamelingen op steeds grotere schaal vrij beschikbaar als Open
Government Data (OGD)1. In de samenleving zijn er verschillende verwachtingen waar dit toe
leidt: een efficintere en/of meer transparante overheid, een grotere burgerparticipatie bij complexe sociale vraagstukken of een stimulans voor de economie via innovatie (Jetzek, 2015).
Voor de Europese commissie (EC) is het hergebruik van deze OGD de kern van de strategie
voor een toonaangevende Europese kenniseconomie in 2020 (European Commission, 2011).
De effecten van dit beleid worden gemeten via de Open Data Barometer en de recent gelanceerde Open Data Monitor ("OpenDataMonitor," 2015). Deze instrumenten tonen aan dat
ondanks lichte verbeteringen in de kwaliteit en beschikbaarstelling van OGD (Davies, Sharif,
& Alonso, 2015) deze nauwelijks bruikbaar zijn (Davies, 2013; Jetzek, 2015, p. 239; Jetzek,
Avital, & Bjrn-Andersen, 2014, p. 63; Kaschesky & Selmi, 2014, p. 559).
De OECD (2014) benadrukt dat de stimulering van de economie met Open Data via innovatie
alleen mogelijk is als bedrijven participeren. Bedrijven bieden diensten en tools aan waarmee
een Open Data proces (ODP) gerealiseerd kan worden. Het is een complex proces omdat
partijen hierin onafhankelijk en vrij participeren (Janssen, Estevez, & Janowski, 2014; Martin
& Clegg, 2012; Zuiderwijk, Janssen, & Davis, 2014). Door stapsgewijs de data te bewerken
ontstaan via zon ODP-waardeketens en netwerken van interacties. Daarmee vormen die partijen een Open Data ecosysteem (ODE). Deze vormt de context voor telkens nieuwe configuraties van die waardecreatieprocessen (Immonen, Palviainen, & Ovaska, 2014a).
Het is nog nauwelijks bekend hoe zon open samenwerking duurzaam tot stand kan komen.
Open data initiatieven (ODI)2 beogen hiervoor via platformen een infrastructuur te bieden om
de participatie van bedrijven mogelijk te maken en innovatie te stimuleren (Jetzek, 2015). Het
realiseren van smart services past in dit streven. Smart services worden gedefinieerd als:
slimme producten diensteninnovaties die als gevolg van het effectief en innovatief gebruik
van informatie en data een bron zijn van economische meerwaarde voor organisaties en hun
klanten. Businessplan Smart Services Campus (2014, p. 2).
Open Government Data (OGD) en Public Service Information (PSI) worden vaak als synoniem voor
Open Data gehanteerd omdat het aanbod door overheden overheerst wordt.
2 Niet te verwarren met het Open Data Institute (ODI)
1
pag. 2 van 31
Maar de adoptie van OD door bedrijven maakt ze afhankelijk van een onzekere bron
(Zuiderwijk, Janssen, Poulis, & Kaa, 2015) en daarmee afwachtend. Daarbij dreigt de Open
Data value paradox (Jetzek, 2015) waarbij een afwachtende houding bij OD-gebruikers tot
onvoldoende zichtbare resultaten leidt of feedback geeft aan de OD-aanbieders. Die worden
vervolgens terughoudend met investeringen voor het publiceren van OD, wat vervolgens juist
kan leiden tot een afwachtende houding bij OD-gebruikers.
Om binnen de context van OD smart services te ontwikkelen moet bekend zijn welke factoren
de adoptie van OD door bedrijven in de weg kunnen staan. Volgens Zuiderwijk et al. (2012)
gaat het om een combinatie van sociale en technische factoren die nog nauwelijks onderzocht
zijn en veranderen met de ontwikkelingen van het ecosysteem.
Probleemstelling masterthesis: Het is voor de ontwikkeling van een Open Data ecosysteem
onvoldoende duidelijk hoe smart services het hergebruik van Open Data door bedrijven kunnen bevorderen.
Doelstelling masterthesis: Verkennen van de vereiste toegevoegde waarde van een Open
Data shared service via het inventariseren van bestaande knelpunten in het aanbieden en/of
consumeren van Open Data zoals die ervaren worden door informatie-intensieve organisaties.
Voorlopige onderzoeksvraag masterthesis: Welke sociale en technische factoren bepalen
de wijze waarop informatie-intensieve organisaties kunnen participeren binnen een Open
Data ecosysteem?
Theoretische vraagstelling:
Wat kenmerkt de participatie van bedrijven binnen een Open Data ecosysteem?
De laatste wetenschappelijke inzichten worden binnen het thesisonderzoek verankerd via de

beantwoording van deze vraagstelling. Via de volgende deelvragen zullen de kenmerken van
de participatie van organisaties binnen zon ecosysteem en de gerelateerde belemmeringen
inzichtelijk worden gemaakt:
Wat zijn de (unieke) kenmerken van Open Data?

Uit welke elementen bestaat een (open) data ecosysteem?
Welke (verbindende) rollen zijn er voor bedrijven binnen een open data ecosysteem?
Welke belemmeringen geeft de theorie voor de deelname van bedrijven binnen een
open data ecosysteem?
3 Verantwoording zoekstrategie
Het literatuuronderzoek is uitgevoerd als een scoping review volgens de literatuuronderzoektypologie van Par, Trudel, Jaana, and Kitsiou (2014) die voor information systems research
van toepassing is. Een scoping review heeft tot doel te verkennen wat er over een topic in
de onderzoeksliteratuur te vinden is. Voor de betrouwbaarheid van een literatuuronderzoek
geven zij als belangrijke kwaliteitskenmerk: het consistent combineren van de transparantie
over het proces met helderheid over de hoofddoelstelling. Het onderzoek is systematisch uitgevoerd volgens Okoli and Schabram (2010). Deze onderscheiden 8 stappen: definiren van
doelstelling, het opstellen van een zoekstrategie, het zoeken van literatuur, het reduceren van
pag. 3 van 31
deze vangst tot praktische proporties, een kwalitatieve beoordeling daarvan, het onttrekken
van standpunten en feiten aan die literatuur, het analyseren van de bevindingen en het schrijven van de rapportage. De eerste twee stappen zijn in de voorgaande voorbereidende fase
van het masteronderzoek uitgevoerd en worden in het volgende hoofdstuk kort verantwoord.
In het daaropvolgende hoofdstuk wordt het literatuuronderzoeksproces verantwoorden.
3.1 Zoekstrategie
Via het zoekportaal van Open Universiteit Nederland is in eerste instantie gezocht op de trefwoorden Open data ecosystem en Open data ecosystems. Dit is herhaald in het Web of
Science (WoS) omdat deze bron brede wetenschappelijke erkenning heeft voor de kwaliteit
van de publicaties. WoS heeft echter voor sociale- en computerwetenschappen maar een
beperkt bereik (Harzing, 2011). Dit wordt verklaard doordat conference proceedings in die
wetenschappen van groot belang zijn maar in andere wetenschappen meer gezien worden
als voorpublicaties. WoS neemt deze daarom niet of maar beperkt op. Ook de lage publicatiefrequenties in vergelijking met bijv. medische wetenschappen werken nadelig.
Deze bevragingen leverde uiteindelijk in totaal 16 publicaties op, zie Tabel 1 (Bijlage 1: Zoektermen per deelvraag). Om de vangst te vergroten is dezelfde zoekopdracht herhaald volgens
aanwijzingen van Harzing (2011) met het gestructureerd bevragen van Google Scholar via de
software Publish or Perish (PoP) (Harzing, 2007). Google Scholar heeft een beter bereik
binnen sociale- en computerwetenschappen en bevat in tegenstelling tot WoS ook kwalitatieve collecties grijze literatuur. Zo ontstaat beter inzicht in de wetenschappelijke impact op
basis van citatiemetriek. Het nadeel van deze ingang is dat er niet gefilterd kan worden op
peerreviewd tijdschriften en dat ze niet open zijn over de bronnen voor de collectie.
Na ontdubbelen en selectie op Nederlands- en Engelstalige publicaties bleven er 183 van de
228 resultaten over, zie Tabel 2 en 3 in Bijlage 2: Resultaten zoekproces. De resultaten van
de OU en WoS zoekopdracht zijn gemarkeerd, geen van de tijdschrifttitels komt voor op de
Journal Quality List (http://www.harzing.com/jql.htm) welke de voorkeur hebben. De Nederlandstalig varianten van de zoektermen gaven geen bevredigende resultaten.
De vangsten zijn in de referentiesoftware EndNote (Thomson Reuters, 2015) gemporteerd
en de metadata via Mendeley Desktop (Mendeley Ltd, 2015) verrijkt. Eerst zijn de publicaties
gefilterd op het trefwoord open data omdat de vangst van Google Scholar wel de trefwoorden open en data in de juiste volgorde bevat maar niet noodzakelijk direct naast elkaar. Via
de smartgroups functie van EndNote zijn per deelvraag folders aangemaakt waarin automatisch alle publicaties worden geplaatst op basis van de relevante trefwoorden (bijlage 1) die in
de velden van de bibliografische beschrijving en in het pdf-bestand voorkomen. Zo ontstond
per deelvraag een hanteerbare aantal artikelen. Deze zijn allemaal via forward-chaining in
Google Scholar onderzocht naar refererende artikelen die het trefwoord open data bevatten.
Deze zijn gescand op relevantie van de titel in relatie tot de themas van dit literatuuronderzoek. Via backward-chaining zijn publicaties gezocht als meer duiding nodig was voor het
juiste begrip van een artikel. Grijze literatuur voldoet niet aan de peerreview-eis, maar werd
met citaties in ten minste twee peer-reviewde publicaties ook toegelaten.
3.2 Analyse
Volgens Saunders, Lewis, Thornhill, Verckens, and Smitt (2011) vereist een literatuuronderzoek een kritische benadering en verwijzen de door Mingers (2000) onderkende aspecten:
retoriek, traditie, autoriteit en objectiviteit. Dit rapport beoogt neutraal te beschrijven (objectiviteit), te beredeneren (retroriek) en bij de analyse te waken voor voorveronderstellingen (traditie) en overheersende standpunten (autoriteit). De beschrijving van het onderzoeksproces
en gemaakte keuzes is zo transparant mogelijk om het onderzoek herhaalbaar te maken (be-
pag. 4 van 31
trouwbaarheid). De uitkomst blijft desondanks afhankelijk van persoonlijke factoren (inschattingen van relevantie) en context (beschikbare instrumenten). De onderzoeker erkent dat het
streven naar objectiviteit per definitie nooit volledig bereikt kan worden, maar heeft deze zoveel mogelijk willen benaderen. Het prille stadium van het onderzoeksveld maakt het lastig
om traditie en autoriteit uit te sluiten omdat er zo weinig onderzoek is. Ieder onderzoek kan
dan snel overheersen en geeft direct een bias.
Een masterthesis heeft beperkte tijd voor een literatuuronderzoeksfase. Toch is de overtuiging
dat een aanmerkelijk deel van de relevante literatuur achterhaald is. De beschrijving van het
zoek en selectieproces (fase 3 en 4) (Okoli & Schabram, 2010) is herhaalbaar en controleerbaar beschreven, inclusief de per deelvraag gehanteerde zoektermen. Ook is duidelijk gemaakt welke criteria zijn gehanteerd zijn voor de bepaling van de relevantie en de waarde van
de gevonden bron. Voor het kritisch lezen zijn de aanwijzingen gevolgd die Saunders et al.
(2011, p. 58) opperen conform (Wallace & Wray, 2006).
De analyse van het materiaal leidt tot de conclusie dat het onderzoek naar het topic nog erg
conceptueel is. Veel modellen zijn losjes aan elkaar gerelateerd en nauwelijks empirisch gevalideerd. De aandacht is nog sterk gericht op het ontwikkelen van nieuwe modellen. Alleen
in promotietrajecten lijken bestaande modellen geverifieerd te worden in een andere context.
In het algemeen is de betrouwbaarheid en de validiteit van de resultaten binnen dit onderzoeksgebied nog laag. Het beschrijvende en inventariserende karakter maakt de publicaties
vooral complementair en biedt nauwelijks ruimte om deze kritisch te vergelijken.
4 Resultaten
De theoretische onderzoeksvraag Wat kenmerkt de participatie van bedrijven binnen een
open data ecosysteem? zal in dit hoofdstuk beantwoord worden aan de hand van de deelvragen. Aangezien de open data de oorzaak van het bestaan van open data ecosystemen
(ODE) is wordt eerst deelvraag 1 beantwoord: Wat zijn de (unieke) kenmerken van open
data?.
4.1 (Unieke) open data kenmerken

Een regelmatig geciteerde definitie van Open data is die van het Open Knowledge Foundation
(OKF) ("What is Open Data?," 2005): Open data is data die vrij gebruikt kan worden, hergebruikt kan worden en opnieuw verspreid kan worden door iedereen - onderworpen enkel, in
het uiterste geval, aan de eis tot het toeschrijven en gelijk delen..
Open data (OD) worden als dataset of via een digitale toegangspoort beschikbaar gesteld
zonder dat het duidelijk is wie de ontvanger zal zijn. Het kan immers iedereen voor ieder doel
zijn. Pas als er een poging is om de data te verkrijgen kan vastgesteld worden of dat inderdaad
zonder belemmeringen ging, mits hierover feedback gegeven is. Daarnaast zal feedback duidelijk moeten maken of er wel of niet in een behoefte voorzien is. Daarom zijn er condities
opgesteld zodat vooraf vastgesteld kan worden of er sprake is van open data, namelijk als de
dataset:
geheel beschikbaar en toegankelijk is met minimale technische vereisten, minimale
vergoedingen en/of registraties;
vrij te verspreiden en hergebruiken is, zoals samenvoegen met andere sets of commercieel exploiteren;
voor iedereen op gelijke wijze beschikbaar is.
Om maximaal hergebruik te stimuleren moet de data (vrijwel) gratis, onbewerkt en zonder
gebruiksrestricties beschikbaar zijn via open machine-leesbare formats met open licenties en
kwalitatieve betekenisvolle metadata (Hunnius et al., 2015). Het OKF geeft wel in beperkte
pag. 5 van 31
mate ruimte voor restricties zolang die de openheid niet te veel aantasten. De restricties zijn
toegestaan omdat ze de OD duurzaam beschikbaar houden en zwaarwegende belangen (privacy en nationale veiligheid) beschermen. Als er beperkte restricties zijn op OD dan wordt er
vaak in de niet-academische literatuur over shared data gesproken en niet meer over OD.
In de literatuur wordt de definitie niet eenduidig genterpreteerd. Terwijl het OKF een uitgebreide uitwerking heeft gemaakt van de elementen uit de definitie. Een synthese van die uitwerking wordt in dit onderzoek als definitie gehanteerd zodat de interpretatie in dit onderzoek
duidelijk is. Open data zijn:
- Vaak heterogene brondata uit decentrale bronnen;
- in een integreerbare open machine-leesbaar format;
- met begrijpbare en beoordeelbare kwaliteit;
- voor iedereen toegankelijk;
- tijdig en compleet beschikbaar;
- met minimale restricties herbruikbaar en te verspreiden zonder beperkingen;
- met expliciete en heldere gebruiksrechten;
- met minimale kosten zowel financieel als procedureel;
- tenzij de openheid of de duurzame beschikbaarheid bedreigd wordt.
Daarnaast wordt in de literatuur OD niet altijd zuiver onderscheiden van concepten als Raw
data, Real-time data, Personal/ private data, Big data en Linked data. Davies and Edwards
(2012) doen dat wel en tonen dat er sprake kan zijn van ruwe open publieke data, maar ook
dat big data niet open hoeft te zijn en open data niet big. Ruwe, real time en personal/private
data onderscheiden zich op intrinsieke kenmerken. Open, Linked en Big data zijn vooral verschillende invalshoeken.
4.1.1 Open data soms ruwe, real time en personal/private data

OD komt beschikbaar als ruwe/onbewerkte data of als processed/geprepareerde data
(Immonen et al., 2014a; 2014b). Ruwe data kan verwijzen naar de data voorafgaand aan een
(reeks van) bewerking(en), OD is als brondata vanuit dat perspectief ook ruwe data. Iedere
bewerking voor het moment van publicatie kan een potentile toepassing verhinderen en daarmee de herbruikbaarheid aantasten. Denis and Gota (2014) betogen dat publicatie altijd een
bewerking vereist en echte onbewerkte data schaars is. Soms is er de opvatting dat daarom
echte OD direct beschikbaar en onbewerkt uit operationele systemen moet komen. Dan is
de associatie met Real-time data (direct beschikbaar en vaak onbewerkt) snel gemaakt. Personal/private data verwijst vaak naar gesloten data als complement van OD. Privacy en nationale veiligheid maken data (deels) gesloten. Personal data is niet altijd via privacy bepalingen
gesloten en kan door de eigenaar als open data gepubliceerd worden. Private data is vergaard
zonder publieke middelen, daarmee vaak maar niet per definitie gesloten.
4.1.2 Open data soms Big en Linked data

Het promoten van het combineren van data voor nieuwe inzichten door het wegnemen van
barrires kent verschillende invalshoeken (Folmer, Krukkert, & Eckartz, 2013) (zie Tabel 1)
Tabel 1: Synthese van diverse Open, Big en Linked data beschrijvingen.
Paradigma Invalshoek
Barrires
Oplossingsrichting
Open data
beschikbaar
Toegang en
Voor iedereen voor ieder doel zonder re(OD)
gebruik
stricties beschikbaar
Big data
verwerkbaar
SysteemtechAndere inzet van rekenkracht en nieuwe
(BD)
nische verwer- analysetechnieken
king
Linked Data integreerbaar Datastructuren Gedistribueerde netwerkstructuur van ge(LD)
gevens en hun metadata-beschrijvingen
pag. 6 van 31
Toenemende mogelijkheden in het koppelen en vermengen van complexe en verschillende

bronnen (Janssen et al., 2014) maken dat deze invalshoeken elkaar steeds meer overlappen
(Marton, Avital, & Jensen, 2013). Marton et al. (2013) presenteren de term open big data
(OBD) omdat zij juist in de combinatie van hoge beschikbaarheid en verwerkbaarheid van
data kansen zien om tot inzichten te komen die voorheen niet mogelijk waren.
Open Linked Data (LOD) is de combinatie van eigenschappen van OD en LD. Zo ontstaan
datanetwerken waarin veel heterogene databronnen distribueert, en vrij beschikbaar zijn en
tegelijkertijd binnen n structuur zeer machine-leesbaar toegankelijk zijn. LOD integreert
ruwe data met metadata en de data blijft na mixen herleidbaar naar de oorspronkelijke (gesloten) bron. OD is stapsgewijs naar LOD te migreren. Deze stappen worden inzichtelijk met
het 5-sterren systeem van LD (Berners-Lee, 2009). Het veel voorkomende publiceren van OD
als tabellen in Pdf-formaat (Davies et al., 2015; "OpenDataMonitor," 2015) is de minst machine-leesbare OD-vorm (1 ster). Terwijl LOD met 5 sterren op deze schaal het meest machine-leesbaar omdat naast de data ook de betekenis en de context daarvan machine-leesbaar wordt. Machine-leesbaarheid is een noodzakelijke maar onvoldoende voorwaarde voor
OD. Door Kaasenbrood (2013) wordt deze schaalverdeling gebruikt om de mate van openheid
te bepalen, maar bepaald dan eigenlijk maar een deelaspect.
Zowel OBD als LOD vereisen specifieke kennis en vaardigheden en zijn zelden toegankelijk
voor een breed publiek.
4.1.3 Typen open data naar bron en onderwerp

Janssen, Charalabidis, and Zuiderwijk (2012) en (Martin & Clegg, 2012) presenteren de overheid als enige bron van open data. Naast deze Open Government Data (OGD) zijn er echter
nog drie brondomeinen te onderkennen (Janssen & Zuiderwijk, 2014; Lnnika & Mchov,
2015): Open Business Data (OBD), Open Citizens Data (OCD) en Open Science Data (OSD).
Een andere belangrijke classificatie is naar geografisch reikwijdte van het (overheids)portaal
(Heimstdt, Saunderson, & Heath, 2014; Lnnika & Mchov, 2015): Lokaal/Stad, Regionaal, Nationaal, Internationaal (eigen invalshoek, zoals EU, UN, Wereld Bank, WHO) en Internationaal (generiek, maar vaak OGD) via open data aggregators.
4.2 Conclusie unieke kenmerken open data

Open data is zonder sociale of technische beperking voor iedereen beschikbaar en toegankelijk zodat deze voor ieder doel herbruikbaar zijn. Echter de consequenties van het gebruik
of aanbieden van open data zijn vaak lastig te beoordelen omdat in de literatuur regelmatig
eenduidigheid over het concept (4.1.1 en 4.1.2). en de brontypen (4.1.3) ontbreekt, soms
met vooringenomen standpunten (traditie). LOD als hoogste OD standaard laat zien dat interoperabiliteit een belangrijk issue is (4.1.2) maar is minder toegankelijk.
4.3 Elementen open data ecosystemen

De tweede deelvraag Uit welke elementen bestaat een (open) data ecosysteem? helpt het
complexe gedrag en interactie tussen meerdere zelfstandig handelende partijen binnen een
open data ecosysteem (ODE) te begrijpen. Zon ecosysteem bevat de volgende componenten
(Briscoe, 2010): (1) een omgeving, (2) een populatie van (3) zelfstandig opererende entiteiten
gegroepeerd naar (4)gemeenschappen, (5) een netwerkstructuur die (6) verschillende typen
entiteiten met elkaar (7) interacteren waardoor een dynamiek ontstaat die uiteindelijk het geheel laat evolueren. Er zijn verschillende type ecosystemen, zoals Biologische ecosystemen(natuur), business ecosystemen (economie) en digitale kennis ecosystemen. Deze bevatten allemaal de opgesomde componenten (Briscoe, 2009; Heimstdt et al., 2014;
Pilinkien & Maiulis, 2014).
pag. 7 van 31
Mars, Bronstein, and Lusch (2012) nuanceren echter de toepassing van de term ecosysteem
als metafoor binnen een organisatorische context. Zij wijzen op de fundamentele misvatting
dat alle ecosystemen stabiel of doelgericht zouden zijn.
Als een business ecosysteem(economie) digitaal gerepresenteerd wordt via een digitaal ecosysteem dan wordt de combinatie van die twee ecosystemen een digitaal business ecosysteem genoemd (Nachira, Dini, & Nicolai, 2007). Bij een ODE wordt alleen dat deel van de
werkelijkheid in ogenschouw genomen dat direct verband houdt met de interacties veroorzaakt door het gebruik van OD. Dat maakt een ODE een specialisatie van een digitaal business ecosysteem. Sinds 2012, maar vooral de laatste twee jaar, wordt deze term gehanteerd
voor een ecosysteem waarbij interactie tot zich beperkt tot het digitaal uitwisselen van OD.
4.3.1 Open data proces

De enorme hoeveelheid en variatie van data (Big data) en het vrij delen, overdragen en hergebruiken van data (Open data) zijn belangrijke drivers voor het creren van economische
meerwaarde (OECD, 2013, 2014). Het gevarieerde aanbod van OD wordt door verschillende
typen aanbieders via e-infrastructuren beschikbaar gesteld (Zuiderwijk, Janssen, & Parnia,
2013). Deze infrastructuren bieden een of meerdere basisfunctionaliteiten (Zuiderwijk,
Janssen, & Jeffery, 2013) voor de realisatie van een open data proces (ODP) dat uiteindelijk
de brondata om moet zetten naar informatie voor een eindgebruiker. Het iteratieve ODP (Figuur 1) heeft voor aanbieders de fasen: creren, vrijgeven en feedback verwerken. De ontvangers moeten de data vinden, gebruiken en feedback geven (Zuiderwijk & Janssen, 2014,
p. 119). Deze feedback is essentieel voor aanbieders (4.1) om hun aanbod af te stemmen
op de vraag en de open data value paradox te voorkomen (hoofdstuk 2). De data worden bij
iedere stap of herhaling steeds waardevoller, de OECD (2014) spreekt dan ook over een datvalue cycle.
Figuur 1: Hoofdfasen open dataproces (Fig. 1 High-level representation of the open data process, Zuiderwijk &
Janssen, 2014, p. 119) .
4.3.2 Open data gemeenschappen

Het rechtstreeks aanbieden van OD door publieke of private partijen aan afnemers is de
meeste directe interactie. Intermediairs kunnen echter in het algemeen de beperkingen die
verbonden zijn aan directe transacties (zoekkosten, gebrek aan privacy, incomplete informatie, contract risicos en prijsvorming) beter beheersen (Janssen & Zuiderwijk, 2014; Jetzek,
Expected 12/2015; Resnick, Zeckhauser, & Avery, 1995).
Er zijn intermediairs die vraag en aanbod samenbrengen via een platform, die op basis van
een technische infrastructuur als ontmoetingsplaats fungeert. Als portalen onderscheiden ze
zich in het type aanbod (zie 4.1.3). Functioneel onderscheiden deze infrastructuren zich in de
pag. 8 van 31
wijze van toegang (ruwe data of via een interface) en op mate van interactie (n-weg of
volledige interactie met kwaliteitsbeoordelingen en aanvullingen van gebruikers) (Janssen &
Zuiderwijk, 2014).
Qua datamanagement kan nog onderscheidt gemaakt worden naar:
Machineleesbaarheid, LOD platforms versus overige OD-platforms (Hunnius et al.,
2015)
Wijze van beheer, platforms die de brondata direct aanbieden of juist doorverwijzen
naar andere platforms of oorspronkelijke aanbieders.
Enkel het aanbieden van open data en functionaliteit via infrastructuren is onvoldoende om
een ODP tot stand te brengen (Zuiderwijk, Janssen, et al., 2014). Gebruikers moeten via voorbeelden genformeerd worden over de wijze waarop de OD gebruikt kunnen worden, er is een
kwaliteitsmanagementsysteem nodig en metadata moeten inzichtelijk maken hoe de data gecombineerd en gentegreerd kunnen worden. Gebruikers kunnen zonder restrictie tools en
data combineren vanuit meerdere platformen (Zuiderwijk, Janssen, et al., 2014). De platformen worden omgeven door dienstaanbieders die hun diensten aanbieden om tijdens n of
meerdere fasen van het ODP toegepast te worden.
Jetzek (Expected 12/2015) benadrukt dat de open cross sector en cross border data-uitwisseling bij een publiek-private datamarkt tot een complexe relatie leidt tussen innovaties, het
ODP en het ODE. Een ODP doorbreekt met het vrije hergebruik de traditionele economische
waardeketens met economies-of-sharing. Door het hergebruik ontstaan netwerkeffecten die
via Multi-sided Platforms (MSPs) gecombineerd worden met economies-of-scale. MSPs hebben als business model dat ze vraag en aanbod van diensten matchen en kenmerken zich
doordat ze slechts doorverwijzen (Jetzek, Expected 12/2015). Zon MSP biedt bedrijven door
het netwerkeffect extra kansen tot participatie (en omzet) in de verschillende waardeketens.
De extra kosten voor het uitwisselen en zoeken van data als gevolg van de toenemende complexiteit biedt weer ruimte voor nieuwe intermediairs met eigen businessmodellen (idem). Zo
ontstaan rondom de platformen gemeenschappen van aanbieders en ontvangers van data,
tools en diensten.
4.3.3 Open data businessmodellen

Publieke en private partijen kunnen in diverse samenstellingen zowel aanbieder als (her)gebruiker van de OD zijn (Janssen & Zuiderwijk, 2014). Dit vereist bemiddeling richting ODontvangers via intermediairs die het aanbod van zowel publieke als private aanbieders weten
te combineren. Voor het aanbieden of benutten van open data komen Zeleti, Ojo, and Curry
(2014, p. 224) via15 open data verdienmodellen voor bedrijven tot vier toepassingsgebieden:
Benutten van open data zodat het bestaande product en/of dienstaanbod verrijkt of
aangevuld wordt en/of leidt tot kostenbesparingen als gevolg van kwaliteitsverbeteringen door participatie.
Procesverbetering door het vermijden van kosten.
Bedrijfsvoering via indirecte bijdrage van open data aan de ondersteuning van het
primaire proces
Verhogen van de klantloyaliteit als onderdeel van het product/dienstenaanbod.
Bedrijven kunnen ook een deel van hun private data beschikbaar te stellen door deze te verkopen en daar direct aan te verdienen (Immonen et al., 2014a). Een aanbieder kan via
outsourcing hopen dat anderen bruikbare applicaties en diensten ontwikkelen. Door OD te
publiceren kunnen bedrijven nieuwe strategische waarde creren via (idem):
- Nieuwe partners: bedrijven die zelf onvoldoende resources hebben kunnen via open
data makkelijker allianties vormen met andere bedrijven.
- Nieuwe interesse in de kerndiensten en -producten van het bedrijf
pag. 9 van 31
Meer en nieuwe soorten (bedrijfs)activiteiten, bestaande bedrijven kunnen hun resources complementeren en daarmee concurrentievoordeel creren.
Nieuw klanten voor product of dienst via gegevens gebaseerde applicaties.
Janssen and Zuiderwijk (2014) hebben zes elementaire business modellen voor OD-toepassingen gedestilleerd. Deze zijn gebaseerd op onderzoek onder 12 Nederlandse aanbieders.
Deze businessmodellen zijn te combineren of verder door te ontwikkkelen
Op basis van type externe databron (aangeschafte, klant-gegenereerde en vrije data) en functies (data-aggregatie, -analyse, -generatie) beschrijven Hartmann, Zaki, Feldmann, and Neely
(2014) zes archetypen data driven business modellen (DDBM). In een aanvullende taxonomie
bieden ze elementen waaruit managers een DDBM kunnen opbouwen. OD is daarin als vrije
databron opgenomen naast sociale media data en web crawling. Opvallend hierbij is dat volgens dit onderzoek bij analytics-as-a-service open data als mogelijke kernbron gesuggereerd
wordt en niet bij data-as-a-service. De auteurs lijken B2G buiten beschouwing te laten, terwijl
de verwachtingen van de open data beweging juist is dat bedrijven de dienstverlening van
overheidsorganisaties kunnen verbeteren. Bovenal tonen Hartmann et al. (2014) dat OD
slechts n van de mogelijke type databronnen is, maar ze maken niet duidelijk wanneer OD
geprefereerd wordt boven een andere type .
Dawes (2012) claimt dat afnemers bij externe bronnen voor intern gebruik vooral op zoek zijn
naar Fitness for use, de data moet kwalitatief leiden tot zinvolle informatie. In tegenstelling
tot de politieke verwachting dat alle OD automatisch waardevol zijn geldt dit in het algemeen
pas voor bedrijven als het een dynamisch karakter heeft, real-time en continue actueel en
betrouwbaar is, via betrouwbare bronnen beschikbaar is en gegarandeerd beschikbaar blijft
en te integreren is met de eigen data (Immonen et al., 2014b). Janssen et al. (2014) hebben
een Interoperability Maturity stages model ontwikkeld om te beoordelen in welke mate OD te
integreren is met de eigen informatievoorziening door kenmerken voor de mate van volwassenheid van de interoperabiliteit te geven. Dit model heeft een technische insteek en mist de
organisatorische vereisten om open data te kunnen verwerken. Volgens onderzoek onder vijf
Nederlandse bedrijven die OD als basis voor hun business model hebben vereist structureel
gebruik van OD: duidelijkheid data, duidelijkheid databron, bruikbare licentie en geborgde beschikbaarheid (Kaasenbrood, Zuiderwijk, Janssen, de Jong, & Bharosa, 2015). Mogelijk dat
dit voor alle typen vrije data geldt maar er is daarvoor geen vergelijkend onderzoek gevonden.
De bouwstenen die het bedrijf het vermogen moeten geven om te kunnen participeren in het
ODP zijn ook de bouwstenen waarmee de bestaande producten en/of diensten voor de waardeketen gerealiseerd worden (Zeleti & Ojo, 2014). Deze bouwstenen zijn: individuele medewerkers, het business proces, de organisatiestructuur, de IT-infrastructuur, de technologie en
het management/aansturing. De Open Data Capability Matrix (Zeleti & Ojo, 2014) is een instrument voor bedrijven om die bouwstenen te beoordeling in de mate waarin deze OD-functies helpen te realiseren tijdens verschillende ODP fases. De functies per procesfase zijn:
Data creatie:
o Genereren van open data
Dataverzameling, -aggregatie en verwerking:
o (Open) Dataopslag en rekenkracht
o (Open) Dataverwerking
Datadistributie en bezorging:
o Publicatiemogelijkheden
o Toegangsmogelijkheden tot de data zelf of een toegangspoort (API)
o Datavrijgave
Uiteindelijke datagebruik
o Data inlezen
o Data toepassingsmogelijkheden
pag. 10 van 31
4.3.4 Conclusie componenten open data ecosystemen

Het ODP dat de ruwe data zinvol moet maken voor een ontvanger heeft een complex karakter.
Het kan de participatie vereisten van veel onafhankelijk samenwerkende partijen die ieder hun
rol optimaal moeten vervullen terwijl onderlinge terugkoppeling niet gegarandeerd is. Zij moeten beschikken over de juiste capaciteiten om hun eigen doelen te realiseren en moeten via
meerdere platforms kunnen werken. Het businessmodel van het bedrijf moet binnen het netwerk van het ecosysteem passen om toegevoegde waarde te kunnen leveren. MSPs lijken
essentieel voor de vorming van een ODE.
4.4 Rolverdeling binnen open data ecosystemen

Lindman, Kinnari, and Rossi (2015) clusteren rollen op basis van het ODP tot de archetypen:
OD-publisher, Data extractor & transformer, Data analyser, User Experience provider en Support service provider. Het ODP is niet alleen een proces ter verwerking van open data, maar
is als proces ook open. Dat vereist aanvullende rollen en interactie op het niveau van een
ODE. Immonen et al. (2014a) beschrijven deze waarbij de realisatie van een mogelijke ODP
ontstaat doordat partijen voortbouwen met hun dienstverlening op bestaande
dienstverlening. Immonen et al. (2014a); (2014b) hebben deze diensten genventariseerd en
gekoppeld aan bijbehorende rollen, zie Figuur 2. De archtypen zijn hierin ook herkenbaar,
maar nu aangevuld met typische verbindende rollen. De cluster data brokers (Figuur 2) omvat
meerdere verbindende rollen, bijvoorbeeld de data promoter die actief aanbieder en
potentieel gentereseerde ontvanger(s) bij elkaar brengt en daarvoor een fee voor de
bemiddeling ontvangt. De application developers zorgen ervoor dat de uiteindelijke
ontvangers, de application users, via geschikte interfaces hun (meestal bewerkte) data
ontvangen.
Figuur 2: Bijgestelde rollen van actoren binnen ODE. (Immonen et al., 2014a, p. 9)
Er ontstaat een netwerk van onderling gerelateerde diensten. Iedere toepassing van OD wordt
langs een aaneenschakeling van specifiek voor die toepassing genodigde diensten gerealiseerd, de waardeketen. De diensten die daarbij binnen een ODE geactiveerd worden bepalen
uiteindelijk de aard en de mate van de toegevoegde waarde en uiteindelijk de duurzame toegevoegde waarde van de ODE.
pag. 11 van 31
4.4.1 Conclusies open data ecosysteemrollen

De beantwoording van de derde deelvraag Welke (verbindende) rollen zijn er voor bedrijven
binnen een open data ecosysteem? geeft aan welke rollen en functies door intermediairs
tussen aanbieder en ontvanger verzorgd moeten worden om een open data ecosysteem optimaal te laten functioneren. Deze kunnen geclusterd worden naar data-aanbieders, datamakelaars, dienstaanbieders, applicatieontwikkelaars, infrastructuur en tooling-aanbieders en de
applicatie gebruikers (uiteindelijke ontvangers) die de informatie moeten toepassen bij het
realiseren van hun doelen.
4.5 Belemmeringen bedrijfsparticipatie

De laatste deelvraag Welke belemmeringen zijn er voor deelname van bedrijven binnen een
open data ecosysteem? moet inzicht vanuit het perspectief van bedrijven. Recent state-ofthe-art literatuuronderzoek (Zuiderwijk, Helbig, Gil-Garca, & Janssen, 2014) biedt een synthese van 33 belemmeringen bij OD-innovaties geclusterd over de zeven perspectieven (Figuur 3): wettelijk, politiek, sociaal, economisch, bestuurlijk, operationeel en technisch.
Figuur 3: Voorbeelden van belemmeringen voor toepassing van open data vanuit verschillende perspectieven.
Heimstdt et al. (2014) bij ODEs in het algemeen twee prominent aanwezige tekortkomingen:
- aanbod wordt onvoldoende aangewakkerd door de vraag
- actoren ervaren te weinig verbondenheid.
4.5.1 Belemmeringen aanbiedende bedrijven

Barry and Bannister (2014) komen voor OGD-aanbieders met categorien vergelijkbaar met
figuur 3: Economic, Technical, Cultural, Legal, Administrative, Risk related. Janssen et al.
(2012) geven 53 belemmeringen van OGD-aanbieders (bijlage 3), verdeeld over de categorien: Institutional, Task complexity, Use and participation, Legislation, Information Quality,
Technical . De lijsten laten zich lastig vergelijken, alleen Janssen et al. (2012) geven voldoende gedetailleerde beschrijvingen.
pag. 12 van 31
Dawes (2012) noemt voor het aanbieden van data door bedrijven nog dat de klantbehoefte
onvoldoende duidelijk is. Immonen et al. (2014b) zien bij het publiceren van OD nog uitdagingen in: de data verkoop, de beperkingen op verwerkte data en privacy gerelateerd data, de
kosten voor het prepareren en verzamelen, onzekerheid in de leverantie en alternatieve databronnen.
4.5.2 Belemmeringen ontvangende bedrijven

Het gebruik van OD door bedrijven wordt belemmerd als deze data onvoldoende geschikt en
onvoldoende qua hoeveelheid en type beschikbaar zijn (Dawes, 2012). Zuiderwijk et al. (2012)
signaleren problemen bij het verkrijgen en gebruik van OD en de uitwisseling met de aanbieder. Immonen et al. (2014b) noemen problemen met: opslag en distributie van informatie en
kennis, het verwerken van grote hoeveelheden compliceerde data, het onttrekken van bruikbare informatie en kennis aan de data, het herkennen van de klantbehoefte en kansen voor
de verzamelde data, het distribueren naar partners, de snelle ontwikkelingen van het internet
en legacy systemen die de ontwikkelingen hinderen. De meeste issues lijken meer algemene
automatiseringsvraagstukken en niet specifieke gerelateerd aan OD.
Bij bedrijven met een open data businessmodel (ODBM) is duidelijker de relatie met OD te
maken. Ook deze bedrijven ervaren problemen bij de adoptie en gebruik van OD
(Kaasenbrood et al., 2015). Deze bedrijven beschrijven als probleemgebieden (Kaasenbrood,
2013): datacategorisatie, data openheid, verkrijgen van de data, de dataleverantie, het gebruik
van de data en de interactie met de leverancier. Zij geven ook aan dat voor structureel gebruik
van OD de volgende voorwaarden gelden: helderheid data, helderheid databron, bruikbare
licentie en geborgde beschikbaarheid. Vooral de officile door de OD-platformen gefaciliteerde feedback loops (fase 6 in figuur 1) functioneren in de praktijk onvoldoende. Deze bedrijven hebben daarom rechtstreeks contact met de aanbieders om de belemmeringen in het
gebruik op te lossen zoals datafragmentatie, gebrek aan overzicht aan beschikbare datasets
en updates en onduidelijke gebruikslicenties. De sample is klein (5 bedrijven), maar daarmee
niet minder relevant (Davies, 2013; Davies et al., 2015).
4.5.3 Belemmeringen in open data proces

Zuiderwijk and Janssen (2014) benoemen 20 technische en 34 sociale belemmeringen die
gerelateerd worden aan de fasen van het ODP (zie bijlage4). De toegepaste triangulatie lijkt
de interne validiteit te ondersteunen. Voor de externe validiteit beperken de auteurs zich tot
de Nederlandse context. Ondanks de concrete beschrijving laten deze resultaten zich lastig
vergelijken met de eerder gevonden belemmeringen. Immonen et al. (2014a) komen op basis
van een co-creatie tot de volgende belemmeringen: het generen van ideen voor een toepassing, het vinden van partners en een juiste werkverdeling, een geschikt rendement en
verdeling van opbrengst en het contractmanagement.
4.5.4 Conclusies belemmeringen bedrijfsparticipatie

Er komt niet een duidelijk beeld naar voren, de resultaten zijn fragmentarisch of sluiten niet
goed op elkaar aan.
Er zijn vier factoren die vereist zijn om innovatie via OD te activeren (Jetzek, Avital, & Bjornandersen, 2014, p. 115), nl:
absorptievermogen: organisatorisch en technische vermogen
openheid: licenties, toegang en beschikbaarheid (zie OD-kenmerken)
beheersing: datamanagement, leiderschap en kennis/vaardigheden
technische koppeling: IT-infrastructuur, IT-diversiteit, platformen.
pag. 13 van 31
Voor deze factoren zijn in 4.5.1, 4.5.2, 4.5.3 belemmeringen terug te vinden. Uit de publicaties van die paragrafen zijn 190 belemmeringen gedestilleerd. Clustering van deze belemmeringen gaf een duidelijke groepering voor de drie items onder beheersing (datamanagement,
leiderschap en kennis/vaardigheden). Voor openheid en technische koppeling waren wel veel
belemmeringen maar ook heel veel herhaalde vermeldingen. Absorptievermogen kwam niet
duidelijk naar voren. Er bleven belemmeringen over in de sfeer van relatie en interacties tussen bedrijven. Het verband met absorptievermogen is wel te leggen maar niet overtuigend.
Verder bleven belemmeringen zoals Difficult to make money with open data (Zuiderwijk,
Janssen, et al., 2014) over. Het gaat om weerstanden die het realiseren van doelen met de
inzet van OD frustreren. Deze zijn te vatten onder de term Motivatie.
Op basis van deze bevindingen tot vijf factoren gekomen die een empirische verkenning verdienen.
1.
2.
3.
4.
5.
Motivatie: Hoe belangrijk is open data voor het bedrijf?

Connectiviteit: Hoe goed staat het bedrijf in verbinding met andere partijen?
Beleid: Hoe wil het bedrijf betrokken zijn?
Kennis en vaardigheden: Is er voldoende expertise?
Datamanagement: Hoe vaardig is het bedrijf in dataverwerking?
Eindconclusie
Dit literatuurrapport heeft tot doel de theoretische vraag Wat kenmerkt de participatie van
bedrijven binnen een open data ecosysteem? te beantwoorden via de laatste stand van
wetenschappelijke kennis zodat gefundeerd de onderzoeksoptiek bepaald kan worden.
Via de conclusies van de belemmeringen ( 4.5.4) laten de verschillende aspecten zich clusteren tot vijf sociaal-technische themas: Motivatie, Connectiviteit, Beleid, Kennis en vaardigheden en Datamanagement:
Door deze themas te relateren aan ODE bouwstenen (Immonen et al., 2014a) wordt duidelijk
welke kernvragen gerelateerd zijn aan de participatie van het bedrijf in een ODE:
Waardeketen: Motivatie, Connectiviteit en Datamanagement bepalen of het bedrijf
kan participeren in een open data process. Zijn er de juiste bedrijfsfuncties?
Gemeenschap: Motivatie, Connectiviteit, Beleid en Kennis /vaardigheden bepalen of
het bedrijf in de positie is om te participeren. Is er een rol?
Business Model: Kennis /vaardigheden, Datamanagement en Beleid bepalen of het
bedrijf wil participeren. Is het verstandig?
Deze themas met hun ongeordende verzameling onderliggende aspecten vormen samen met
de kernvragen de elementen in het conceptuele raamwerk (Figuur 4) rondom het open/shared
data proces.
pag. 14 van 31
Figuur 4: Conceptueel raamwerk voor verkenning van sociaal technische factoren die participatie belemmeren van bedrijven in een open data ecosysteem..
Door deze elementen te verkennen en de resultaten te ordenen worden de gezochte sociale

en technische factoren uit de onderzoeksvraag gevonden: Welke sociale en technische
factoren bepalen de wijze waarop informatie-intensieve organisaties kunnen participeren binnen een open data ecosysteem?
Deze aspecten kunnen verkend worden door de themas te relateren aan de sociaal technische belemmeringen die optreden in de uitvoering van een open/shared data process. De
openstaande empirische vraagstelling is dan: Welke sociaal technische factoren belemmeren
een bedrijf om te participeren en als bron en/of bestemming een rol vervullen binnen een
waardeketen?
De opzet van de thematische interviews van Immonen et al. (2014a) tonen een sterk verband
met de themas in het conceptuele model. De vragen van de gestructureerde interviews
(Kaasenbrood et al., 2015) van zijn beschikbaar (Kaasenbrood, 2013) en veel daarvan lijken
van toepassing voor dit onderzoek. Het Open Data Maturity model (Dodds & Newman, 2015)
is een goed gedocumenteerd instrument die ook lijkt te passen op de gevonden themas. Voor
duiding van de sociaal technische belemmeringen komen de beschrijvingen in het ODP (bijlage 4) in aanmerking om te valideren. Deze materialen bieden de kans dit thesisonderzoek
te versnellen en hun onderzoek in een andere context te valideren en de empirische resultaten
te vergelijken.
pag. 15 van 31
6 Literatuurreferenties
Onder het kopje peer-reviewed staan de verantwoorde ODE-literatuur, de publicaties die
middels een vorm van peer-review door de onderzoeksgemeenschap gevalideerd zijn (conference proceedings, PhD thesis en artikelen in peer-reviewed tijdschriften).
Peer-reviewed
Barry, E., & Bannister, F. (2014). Barriers to open data release: A view from the top. Information Polity,
19(1-2), 129-152.
Briscoe, G. (2009). Digital Ecosystems. Proceedings of the International Conference on Management
of Emergent Digital EcoSystems MEDES 09, 67, 206-206.
Briscoe, G. (2010). Complex adaptive digital ecosystems. On MEDES '10 Proceedings of the
International Conference on Management of Emergent Digital EcoSystems.
Davies, T., & Edwards, D. (2012). Emerging Implications of Open and Linked Data for Knowledge
Sharing in Development. IDS Bulletin, 43(5), 117-127.
Dawes, S. S. (2012). A realistic look at open data. Center for Technology in Government, University at
Albany/SUNY Available at http://www. w3. org/2012/06/pmod/pmod2012_submission_38.
pdf.
Denis, J., & Gota, S. (2014). Exploration, Extraction and'Rawification'. The Shaping of Transparency in
the Back Rooms of Open Data. Paper presented at the Neil Postman Graduate Conference.
Hartmann, P. M., Zaki, M., Feldmann, N., & Neely, A. (2014). Big Data for Big Business? A Taxonomy of
Data-driven Business Models used by Start-up Firms, Cambridge Service Alliance (pp. 1-29).
Immonen, A., Palviainen, M., & Ovaska, E. (2014a). Requirements of an Open Data Based Business
Ecosystem. IEEE Access, 2, 88-103.
Immonen, A., Palviainen, M., & Ovaska, E. (2014b). Towards open data based business: Survey on
usage of open data in digital services. International Journal of Research in Business and
Technology, 4, 286-295.
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.
Janssen, M., Estevez, E., & Janowski, T. (2014). Interoperability in big, open and linked data organizational maturity, capabilities and data portfolios. IEEE Computer.
Janssen, M., & Zuiderwijk, A. (2014). Infomediary Business Models for Connecting Open Data Providers
and Users. Social Science Computer Review, 32(5), 694-711.
Jetzek, T. (2015). The Sustainable Value of Open Government Data: Uncovering the Generative
Mechanisms of Open Data through a Mixed Methods Approach. Copenhagen Business School.
Jetzek, T. (Expected 12/2015). Innovation in the Open Data Ecosystem: Exploring the role of real
options thinking and multi-sided platforms for sustainable value generation through open
data. In R. Edgeman, E. G. Carayannis & S. Sindakis (Eds.), Analytics, Innovation and Excellence
Driven Enterprise Sustainability (Democracy, Innovation and Entrepreneurship for Growth ed.,
pp. 19): Palgrave MacMillan.
Jetzek, T., Avital, M., & Bjorn-andersen, N. (2014). Data-Driven Innovation through Open Government
Data. Journal of Theoretical and Applied Electronic Commerce Research, 9(2), 100-120.
Jetzek, T., Avital, M., & Bjrn-Andersen, N. (2014). Generating Sustainable Value from Open Data in a
Sharing Society. Paper presented at the IFIP-TDIT 2014.
Kaasenbrood, M., Zuiderwijk, A., Janssen, M., de Jong, M., & Bharosa, N. (2015). Exploring the Factors
Influencing the Adoption of Open Government Data by Private Organisations. International
Journal of Public Administration in the Digital Age (IJPADA), 2(2), 75-92.
Kaschesky, M., & Selmi, L. (2014). 7R Data Value Framework for Open Data in Practice: Fusepool.
Future Internet, 556-583.
Lindman, J., Kinnari, T., & Rossi, M. (2015). Business Roles in the Emerging Open-Data Ecosystem. IEEE
Software, 1-1.
pag. 16 van 31
Lnnika, M., & Mchov, R. (2015, 2015). Open (Big) Data and the Importance of Data Catalogs and
Portals for the Public Sector. Paper presented at the 3rd Global Virtual Conference, THOMSON,
Slovakia.
Mars, M. M., Bronstein, J. L., & Lusch, R. F. (2012). The value of a metaphor : Organizations and
ecosystems. Organizational Dynamics, 41(4), 271-280.
Martin, C., & Clegg, C. W. (2012, 2012). A Socio-Technical Systems Analysis of the Potential Barriers to
Adoption of Open Data Approaches by UK Public Bodies. Paper presented at the 4th ACM
International Conference on Web Science.
Marton, A., Avital, M., & Jensen, T. B. (2013, 2013). Reframing open big data. Paper presented at the
Proceedings of the 21st European Conference on Information Systems, Utrecht.
Pilinkien, V., & Maiulis, P. (2014, 2014). Comparison of Different Ecosystem Analogies: The Main
Economic Determinants and Levels of Impact. Paper presented at the 19th International
Scientific Conference; Economics and Management, Riga, Latvia.
Resnick, P., Zeckhauser, R., & Avery, C. (1995). Roles for electronic brokers. In G. W. Brock (Ed.), (pp.
289-304): Lawrence Erlbaum Associates, Inc.
Zeleti, F. A., & Ojo, A. (2014). Capability Matrix for Open Data. In L. Camarinha-Matos & H.
Afsarmanesh (Eds.), Collaborative Systems for Smart Networked Environments (Vol. 434, pp.
498-509): Springer Berlin Heidelberg.
Zeleti, F. A., Ojo, A., & Curry, E. (2014). Emerging Business Models for the Open Data Industry :
Characterization and Analysis. Paper presented at the 15th Annual International Conference
on Digital Government Research.
Zuiderwijk, A., Helbig, N., Gil-Garca, J. R., & Janssen, M. (2014). Special issue on innovation through
open data - A review of the state-of-the-art and an emerging research agenda: Guest editors'
introduction. Journal of Theoretical and Applied Electronic Commerce Research, 9.
Zuiderwijk, A., Janssen, M., Choenni, S., Meijer, R., Alibaks, R. S., & Sheikh Alibaks, R. (2012). Sociotechnical impediments of open data. Electronic Journal of eGovernment, 10, 156-172.
Zuiderwijk, A., Janssen, M., & Davis, C. (2014). Innovation with open data: Essential elements of open
data ecosystems. Information Polity: The International Journal of Government & Democracy
in the Information Age, 19(1/2), 17-33.
Zuiderwijk, A., Janssen, M., & Jeffery, K. (2013). Towards an e-infrastructure to support the provision
and the use of open data. On International conference for e-democracy and open government.
Zuiderwijk, A., Janssen, M., & Parnia, A. (2013). The complementarity of open data infrastructures. On
Proceedings of the 14th Annual International Conference on Digital Government Research dg.o '13.
Zuiderwijk, A., Janssen, M., Poulis, K., & Kaa, G. v. d. (2015). Open Data for Competitive Advantage :
Insights from Open Data Use by Companies. On Proceedings of the 16th Annual International
Conference on Digital Government Research. New York, NY, USA: ACM.
Overige ODE-publicaties
Berners-Lee,
T.
(2009).
Linked
data.
Retrieved
20-9,
2015,
from
http://www.w3.org/DesignIssues/LinkedData.html
Davies, T. (2013). Open Data Barometer: 2013 Global Report.
Davies, T., Sharif, R. M., & Alonso, J. M. (2015). Open Data Barometer - Global Report Second Edition.
Dawes, S. S. (2012). A realistic look at open data. Center for Technology in Government, University at
Albany/SUNY Available at http://www. w3. org/2012/06/pmod/pmod2012_submission_38.
pdf.
Dodds, L., & Newman, A. (2015, March 2015). Open Data Maturity Model. Retrieved 20/9, 2015, from
https://theodi.org/guides/maturity-model
European Commission. (2011). Open data: An engine for innovation, growth and transparent
governance (No. COM(2011) 882 final). Brussels: European Commision.
Data , Data , Data : Big , Linked & Open 15-27 (Bizzprint 2013).
pag. 17 van 31
Heimstdt, M., Saunderson, F., & Heath, T. (2014). Conceptualizing Open Data ecosystems: A timeline
analysis of Open Data development in the UK: Discussion Paper, School of Business &
Economics: Management.
Hunnius, S., Njacheun-Njanzoua, G., Prasopoulou, E., Hardinges, J., Fawcett, J., & Heath, T. (2015).
Open Data Stakeholder Requirement Report 2.
Kaasenbrood, M. (2013). An exploration of the use of open government data by private organisations:
Contributing to the improvement of governmental policies by examining the current use of
open government data by private organisations in the Netherlands.
Nachira, F., Dini, P., & Nicolai, A. (2007). A network of digital business ecosystems for Europe: roots,
processes and perspectives. In F. Nachira, P. Dini, A. Nicolai, M. Le Louarn & L. Rivera Lon
(Eds.), Digital Business Ecosystems (pp. 5-24). Luxembourg: Office for Official Publications of
the European Communities.
OECD. (2013). Exploring Data-Driven Innovation as a New Source of Growth. OECD Digital Economy
Papers.
OECD. (2014). Data-driven Innovation for Growth and Well-being: Interim Synthesis Report.
OpenDataMonitor.
(2015).
Retrieved
19-sept,
2015,
from
http://opendatamonitor.eu/frontend/web/index.php?r=dashboard%2Findex
What
is
Open
Data?
(2005).
Retrieved
25-05-2015,
2015,
from
http://opendatahandbook.org/guide/en/what-is-open-data/
Zuiderwijk, A., & Janssen, M. (2014). Barriers and Development Directions for the Publication and
Usage of Open Data: A Socio-Technical View. In M. Gasc-Hernandez (Ed.), Open Government:
Opportunities and Challenges for Public Governance (Vol. 4, pp. 115-135). New York: Springer.
Literatuuronderzoek publicaties
Harzing, A.-W. (2011). The Publish or Perish Book: Your guide to effective and responsible citation
analysispp. 266).
Mingers, J. (2000). What is it to be critical? Teaching a critical approach to management
undergraduates. Management Learning, 31(2), 219-237.
Okoli, C., & Schabram, K. (2010). Working Papers on Information Systems A Guide to Conducting a
Systematic Literature Review of Information Systems Research. Working Papers on
Information Systems, 10, 1-51.
Par, G., Trudel, M.-C., Jaana, M., & Kitsiou, S. (2014). Synthesizing information systems knowledge: A
typology of literature reviews. Information & Management, 52, 183-199.
Saunders, M., Lewis, P., Thornhill, A., Verckens, J. P., & Smitt, P. (2011). Methoden en technieken van
onderzoek (5de ed.). Amsterdam: Pearson Education.
Wallace, M., & Wray, A. (2006). Critical reading and writing for postgraduates: ThousandOaks, CA:
Sage.
Software
Harzing, A.-W. (2007). Publish or Perish (Version 4.17.0).
Mendeley Ltd. (2015). Mendeley Desktop (Version 1.15).
Thomson Reuters. (2015). EndNote (Version X7).
pag. 18 van 31
Bijlage 1: Zoektermen per deelvraag

Deelvraag
(Belangrijkste) trefwoorden
Wat zijn de (unieke) kenmerken van open data?
[open/big/linked/research] data + [management/architecture (architectuur)]

Framework (raamwerk) / review / overview (overzicht)
/ trend / taxonomy (taxonomie)
Uit welke elementen bestaat een (open) (data) ecosysteem?
[information/data] value chain (informatiewaardeketen)

[[open] data / digital / business/ semantic / data-as-aservice] ecosystem (ecosysteem)
Open accces / open research / open knowledge
open networks
collaborative network [organisation] / CNO
role (rol) / capability / function (functie)
co-creation (creatie)
[[[data/information] centric]/[open] data ] business
model
[Evolving/ sustainability] network
Welke typen open data ecosystemen kunnen onderscheiden worden op basis

van de belangrijkste kenmerken?
[open] data / digital / business] ecosystem (ecosysteem)

Type / classification (klassificatie) / kind (soort)
Attributes attributen) / Characteristics (kenmerken)
Behaviour (gedrag) / representation (representatie)
Driver / motivation (motivatie)
Open system interconnection
Re-use
Free access
Welke rollen kunnen er binnen (de verschillende typen) open data ecosystemen onderkend worden
voor de participanten en in
het bijzonder welke verbindende rol(len)?
Welke mogelijkheden en
belemmeringen worden in
onderzoek genoemd voor
Participation (participatie) + open data

Role + (open) data [management]
Coordination + data + collobaration[network]
[data/information] management
Distributed data / data integration [proces]
Federated data
Idem +
pag. 19 van 31
de participatie binnen een

open data ecosysteem?
o
o
o
o
o
o
o
o
o
o
o
o
Barrier (belemmering) / treath (bedreiging) / Impediment (hindernis)/ mitigation3

Problem (probleem)
Opportunity (kans)
Mitigation
Issue
Digital divide (digitale tweedeling) + SME (MKB)
[Non]Experts
Preservation
License
Access restriction
Data [Interoperability/integration]
[enterprise] Information management
Geen zinvol nederlands equivalent als zoekterm gevonden.
pag. 20 van 31
Bijlage 2: Resultaten zoekproces

Tabel 2 Tijdschriften4 OU-portal met "open data ecosystem" met PoP-check
OU5 PoPcheck6
Citations
1999-5903 n
2169-3536 n
0740-7459 y
1570-1255 y
2041-1480 y
0718-1876 y
1
1
1
1
48
1
1
1
1
2
0
2
1
2
0
3
20
3
1380-7501 y
0894-4393 y
1750-6166 y
1
1
1
1
2
1
1
18
7
0962-8924 y
0361-1981 y
2
1
4
1
Journals
issn
Future Internet
IEEE Access
IEEE Software
Information Polity
Journal of Biomedical Semantics
Journal of Theoretical and Applied Electronic
Commerce Research
Multimedia Tools and Applications
Social Science Computer Review
Transforming Government: People, Process
and Policy
Trends in cell biology
Transportation Research Record: Journal of the
Transportation Research Board
Peer-reviewed (OU)
Tabel 3: PoP resultaat Open Data Ecosystem(s)7
Freq/maand
8
7
6
5
4
3
2
1
0
Onbekend
2012
2013
2014
2015
Tabel 4: PoP resultaat Open Data Ecosystem(s), in geel de OU/PoP tijdschrift resultaten, vet de WoS resultaten.
Cites Authors
137 SA Sansone, P Rocca-Serra, D
Field, E Maguire
67
B Ubaldi
50
TM Harrison, TA Pardo, M Cook
25
P Nkki, A Bck, T Ropponen, J

Kronqvist
Title
Toward interoperable bioscience data
Year
2012
Open Government Data

Creating open government ecosystems: A research and development agenda
Social media for citizen participation
2013
2012
2011
Geen van deze tijdschriften komen voor op de Journal Quality List, 55th Edition, 23 May 2015
(http://www.harzing.com/jql.htm)
Zoekterm open data ecosystem, peer reviewed only,

PoP check is de zoekvraag herhalen voor het tijdschrift met dezelfde zoekterm binnen PoP.
7 Oorspronkelijk 228 resultaten, na ontdubbelen en opschonen van alle niet engels of Nederlandstalige
literatuur (17x) en evident onjuiste vermeldingen 182 resultaten
5
6
pag. 21 van 31
20
T Davies, D Edwards
20
P Lopes, JL Oliveira
18
M Janssen, A Zuiderwijk
12
M Vander Sande, P Colpaert, R

Verborgh
R Kern, K Jack, M Hristakeva, M
Granitzer
M Heimstdt, F Saunderson, T
Heath
A Zuiderwijk, M Janssen, S
Choenni
G Magalhaes, C Roseira, S Strover
AMG Zuiderwijk, M Janssen, CB
Davis
TG Davies
B Worthy
6
5
5
C Schwegmann
N Julien
M Palmirani, M Martoni, D Girardi
C Bartels, K Jenderny
12
9
8
8
7
5
4
4
4
4
4
4
4
4
4
3
3
3
3
3
3
3
3
Emerging implications of open and linked data for knowledge sharing in development
COEUS:" semantic web in a box" for biomedical applications.
Infomediary business models for connecting open data
providers and users
R&Wbase: git for triples.
2012
TeamBeam Meta-Data Extraction from Scientific Literature
2012
Conceptualizing Open Data ecosystems: A timeline analysis

of Open Data development in the UK
Design principles for improving the process of publishing
open data
Open government data intermediaries: A terminology framework
Innovation with open data: Essential elements of open data
ecosystems
Open Data Policies and Practice: An International Comparison
David Cameron's Transparency Revolution? The Impact of
Open Data in the UK
Open Data in Developing Countries
Business Opportunities Arising from Open Data Policies
Open Government Data Beyond Transparency
2014
The role of capital income for top incomes shares in Germany

RDF mapping rules refinements according to data consumers' feedback
Open Data: Infrastructures and ecosystems
Open data: opportunities and challenges
2014
A Dimou, M Vander Sande, T De

Nies
T Davies
H Jaakkola, T Mkinen, A
Etelaho
P Hoefler, M Granitzer, V Sabol Linked data query wizard: A tabular interface for the semantic web
P Hoefler
Linked data interfaces for non-expert users
J Lindman, L Nyman
The businesses of open data and open source: Some key similarities and differences
D Lee, R Cyganiak, S Decker
Open Data Ireland: Best Practice Handbook
A Stott
Open data for economic growth
S Williams, E Marcello, JM Klopp Toward open source Kenya: Creating and sharing a GIS database of Nairobi
S Mellouli, LF Luna-Reyes, J
Smart government, citizen participation and open data
Zhang
P Masuzzo, L Martens
An open data ecosystem for cell migration research
A Ojo, E Curry, FA Zeleti
A Tale of Open Data Innovations in Five Smart Cities
E Eros, S Mehndiratta, C Zegras Applying the General Transit Feed Specification to the Global South: Experiences in Mexico City, Mexicoand Beyond
A Poikola, P Kola, KA Hintikka
Public data
W Hall, N Shadbolt, T Tiropanis, Open data and charities
K O'Hara, T Davies
M Dulong de Rosnay, K Janssen Legal and institutional challenges for opening data across
public sectors: Towards common policy solutions
J Lindman, T Kinnari, M Rossi
Industrial open data: Case studies of early open data entrepreneurs
2012
2014
2013
2014
2013
2014
2014
2013
2013
2012
2014
2014
2011
2014
2013
2013
2014
2014
2014
2014
2014
2015
2015
2014
2011
2012
2014
2014
pag. 22 van 31
3
3
3
X Masip-Bruin, GJ Ren, R SerralGraci

R Soden, N Budhathoki
A Meijer, J de Hoog, M van

Twist, M van der Steen
A Immonen, M Palviainen, E
Ovaska
T Kinnari
2
2
M Heimstdt, T KELSEY
S Chattapadhyay
C Alexopoulos, E Loukis
2
2
JP McCusker, T Lebo, M Krauthammer

B Worthy
2
2
2
R Kitchin
P Pollard
T Meissner, D RostamAfschar
D Quint
S Chattapadhyay
1
1
1
1
D Lee
C Alexopoulos, A Zuiderwijk, Y
Charalabidis, E Loukis
Y Soltan-Zadeh, JR Crdoba
N Verma, MP Gupta
M Cook, MA Jurkat
E Mercado-Lara, JR Gil-Garcia
F Van Schalkwyk, M Caares, S

Chattapadhyay
D Agrawal, W Kettinger, C Zhang
1
1
1
1
1
1
1
1
P Parycek, N Edelmann
W Ritter
A Immonen, M Palviainen, E
Ovaska
I Susha, A Zuiderwijk, M Janssen
B Estermann
M Grzegorzek, M Granitzer, S
Rger, M Sintek
L Bigagli, T Sveinsdottir, B Wessels, R Smallwood
Unlocking the Value of Open Data with a Process-Based Information Platform

Resilience-Building and the Crisis Informatics Agenda: Lessons Learned from Open Cities Kathmandu
Understanding the Dynamics of Open Data: From Sweeping
Statements to Complex Contextual Interactions
Towards open data based business: Survey on usage of
open data in digital services
Open data business models for media industry-Finnish case
study
The British Open Data Ecosystem
Opening Government Data through Mediation: Exploring
the Roles, Practices and Strategies of Data Intermediary Organisations in India
A Platform for Closing the Open Data Feedback Loop based
on Web2. 0 functionality
Next Generation Cancer Data Discovery, Access, and Integration Using Prizms and Nanopublications
Making Transparency Stick: The Complex Dynamics of Open
Data
Four critiques of open data initiatives
Opening up government data: making the case
Do tax cuts increase consumption? An experimental test of
Ricardian Equivalence
Is it really more dispersed? Measuring and comparing the
stress from the common monetary policy in the euro area
Access and use of government data by research and advocacy organisations in India: a survey of (potential) open data
ecosystem
Building an open data ecosystem: an Irish experience
Closing the open public data feedback loop: the ENGAGE
platform
Developing openness in electronic healthcare systems
Open government data: beyond policy & portal, a study in
Indian context
An Open Government Research and Development Agenda
Setting Workshop: A Summary Activity Report
Open government and data intermediaries: the case of
AidData
Open Data Intermediaries in Developing Countries
2013
The Openness Challenge: Why Some Cities Take It On and

Others Don't
Conference for E-Democracy and Open Governement
Open Data in Asia
Requirements of an Open Data Based Business Ecosystem
2014
2014
2014
2014
2013
2013
2014
2014
2013
2014
2013
2011
2014
2014
2014
2014
0
2014
2013
2011
2014
2014
2014
2014
2014
Benchmarks for Evaluating the Progress of Open Data Adop- 2014

tion Usage, Limitations, and Lessons Learned
Diffusion of open data and crowdsourcing among heritage
2014
institutions: results of a pilot survey in Switzerland
Trends in semantic and digital media technologies
2013
Infrastructure and technology challenges
2014
pag. 23 van 31
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
S Hunnius, B Krieger, T Schuppan Providing, Guarding, Shielding: Open Government Data in

Spain and Germany
M Noorman, V Kalaitzi, M Ange- Institutional barriers and good practice solutions
laki, V Tsoukala
V Tsoukala, M Angelaki, V
Policy guidelines for open access and data dissemination
Kalaitzi, B Wessels, L Price
and preservation
G Magalhaes, C Roseira, L Man- Business models for open government data
ley
A Zuiderwijk, I Susha, Y Charala- Open Data Disclosure and Use: Critical Factors From a Case
bidis
Study
A Haeger, K Wolf, MM Zegers, P Collective cell migration: guidance principles and hierarFriedl
chies
C Ambrosius, A Cuecuecha
Do remittances increase borrowing?
C Hattendorff
Natural resources, demand for external finance and financial development
T Scassa
Public Transit Data Through an Intellectual Property Lens:
Lessons About Open Data
T Jetzek
Innovation in the Open Data Ecosystem
L Mdini, F Le Peutrec, F Bacle,
DataConf and its Linked Open Data ecosystem: produce, link
BD de la Pastellire
and consume scientific conference metadata
S Schade, C Granell, A Perego
Coupling Public Sector information and Public-Funded Research Data in europe: A Vision of an open Data ecosystem
J Lindman, T Kinnari, M Rossi
Business Roles in the Emerging Open-Data Ecosystem
M Heimstdt, F Saunderson, T
From Toddler to Teen: Growth of an Open Data Ecosystem.
Heath
T Aaltonen, T Mikkonen, H
From Mashup Applications to Open Data Ecosystems
Peltola
M Heimstdt
The Institutionalization of Digital Openness: How NGOs,
Hackers and Civil Servants Organize Municipal Open Data
Ecosystems
J Chang
The Key to the Cities of Tomorrow: Leveraging Sustainable
Local Open Data Ecosystems to Unlock Civic Innovation and
Improve Government Accountability
S Song, TD Kim, M Won
A study on the open platform modeling for linked open data
ecosystem in public sector
D Ponte
Enabling an Open Data Ecosystem
L Mutuku, C Mahihu
A suggested framework for impactful open data applications in developing countries
M Garca
FINODEX. Open Data, Open for Business
M Heimstdt, P Golka
The Role of Intermediation for Public Open InnovationThe
Case of Open Data in the UK
B Wessels, T Sveinsdottir
Stakeholder values and ecosystems in developing open access to research data.
M Vignoli
Towards a Sustainable Austrian Data Market
T DoCarmo
Freedom Collaborative: Building New Connectivity for the
Counter-Trafficking Movement
S Ligl
Rhizome and Wikipedia A humanities based approach towards a structural explanation of the namespace
M McLeod, M McNaughton
A methodological approach for understanding an emergent
Caribbean Open Data eco-system
D Lee
Open Data Ireland: Evaluation Framework
U Atz
The Tau of Data: A New Metric to Assess the Timeliness of
Data in Catalogues
H Ofe, C Tinnsten
Open Data: Attracting third party innovations
2014
2014
2015
2014
2015
2015
2014
2014
2015
0
0
2015
2014
2014
2014
2014
2014
2013
2015
2014
0
2013
2014
0
2013
2014
0
2014
2014
2014
pag. 24 van 31
J Clippinger, D Bollier
CG Reddick, L Anthopoulos
0
0
0
J Breuer
J Chalifour
G Maccani, B Donnellan, M Helfert
D Lee, R Cyganiak, S Decker
M Vander Sande, P Colpaert, T
De Nies
M Napolitano
M Van CompernolleiMinds
MICTUGent
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
P Colpaert
S Ona, S Fumega, F van
Schalkwyk, J Shkabatur
A Dimou, P Colpaert, R Troncy, E
Mannens
Y Soltan-Zadeh, JR CrdobaPachn
O Agbabiaka, A Ojo
From Bitcoin to Burning Man and Beyond: The Quest for

Identity and Autonomy in a Digital Society
Information and Communication Technologies in Public Administration: Innovations from Developed Countries
BEYOND'BUSINESS'MODELS
Digital Curation Issues Involving Open Government Data
Open Data Diffusion for Service Innovation: An Inductive
Case Study on Cultural Open Data Services
Open Data Ireland: Open Data Publication Handbook
Publish data as time consistent web API with provenance
2014
Open Data InstituteTrento Node FBK

The development of a Shared Catalogue of Contact Information in public administrations: Lessons learned for future
Open Standards and Linked Open Data
A three-level data publishing portal
Category Archives: Academic
0
0
Cataloguing Open Data Applications using Semantic Web

Technologies
Business Intelligence For Human Healthcare And Wellbeing
And Its Potentially Open Nature
Framework for assessing institutional readiness of government organisations to deliver open, collaborative and participatory services
R Dispatches, S Webb
Peter Friedl says that for cell migration studies, in vivo and
in vitro experiments can be used to inform biology.(Click to
enlarge)
NS Bula
of regional organisations in building the DRM capacities of
Pacific Island Countries
D Stuart
Openness in scholarly research: LIS should be leading by
open example
K Janssen, S Hugelier
Open data as the standard for Europe? A critical analysis of
the European Commission's proposal to amend the PSI Directive
RA Caceres, K Royds
Developer Challenges as a Platform for Citizen Engagement
with Open Government Data: The Australian Case
S Taieb, L Sliman, B Charroux, Y
Towards a Total Traceability of Research Collaboration: a
Stroppa, F Orleans
New Distributed Research Oriented Version Control System
N Loutas, F Narducci, A Ojo, M
3rd International Workshop on PErsonalization in eGOVernPalmonari, C Paris
ment and Smart Cities (PEGOV): Smart Services for Smart
Territories
L BTGAN
The Role of Open Government Data in Urban Areas Development
K Krvemaa
Timetablle comparison search using open data
R Iemma, M Osella, F Morando
Breaking Public Administrations' Data Silos: the Case of
Open-DAI, and a Comparison between Open Data Platforms
L Mdini, PA Champin, M Mrissa, Towards semantic resource mashups
A Cordier
L Mutuku, CM Mahihu
Open Data in Developing Countries
A Ojo, I Mergel, M Janssen, A
Open data to solve societal issues: workshop
Zuiderwijk
A Meng
Investigating the Roots of Open Data's Social Impact.
TP Lauriault
Category Archives: analysis
KLS Pettit
Case Study: Open Data in Chicago
2015
0
2015
2015
2014
2014
0
0
2013
2014
2014
0
2014
2013
2015
0
0
2014
2015
2014
2014
0
2015
2014
0
2014
pag. 25 van 31
E Burnstein, S IYER
A Immonen, E Ovaska, J Kalaoja,

D Pakkala
J GURIN
U Atz, T Heath, M Heil, J Hardinges, J Fawcett, Y Lee
F Van Schalkwyk, MA Willmers, L Open data in the governance of South African higher educaCzerniewicz
tion
S Dumpawar
Open government data intermediaries: mediating data to
drive changes in the built environment
Z Chiliswa, L Mutuku
BUILDING OPEN DATA INFRASTRUCTURE AND STRATEGIES
FOR EFFECTIVE CITIZEN ENGAGEMENT
FLK Ohemeng, K Ofosu-Adarkwa One way traffic: The open data initiative project and the
need for an effective demand side initiative in Ghana
B Goldstein, J Mahoney, DX OBuilding a Smarter Chicago
Neil, E Coleman
S Filippov
digital insights Data-Driven
M McNaughton
Case Study Report on Investigation of the Use of the Online
National Budget of Nigeria
P Oittinen
Technology in the R&D Activities of the Next Media Programme
TM Yang, J Lo, J Shiang
To open or not to open? Determinants of open government
data
A MOCHNACKI
Organizational Templates, Performative Claims-making, and
Expert Work in Open Data Advocacy: Mobilizing Grassroots
Participation in Toronto
L MiLLar
11 Managing Open Government Data
ORG Join
Open Rights Group Consultation Response: Making Open
Data Real
T Piirainen
Developer Communities for Effective Utilization of Open
Transport and Traffic Data
OV Mejabi, AL Azeez, A AdeChallenges to Open Data Institutionalisation: Insights from
doyin, MO Oloyede
stakeholder groups in Nigeria
P Chu, S Chiang
A Study of Establishing Evaluation Indices for Open Government Data
P Linde, M Noorman, BA WesHow can libraries and other academic stakeholders engage
sels
in making data open?
A Buda
Decision support framework for opening business data
B Manolea, V Cretu
The influence of the Open Government Partnership (OGP)
on the Open Data discussions
J Hivon, R Titah
Citizen Participation in Open Data Use at the Municipal Level
BEN WORTHY
THE IMPACT OF OPEN DATA IN THE UK: COMPLEX, UNPREDICTABLE, AND POLITICAL
P Linde, B Wessels, R Smallwood, Feasibility of using existing open access networks to support
L Price, M Noorman
the harmonization of open access
A Young, C Rogawski, KS RahRe-Imagining Governance in Practice: Benchmarking British
man
Columbia's Citizen Engagement Efforts
R Iemma, M Osella, F Morando Porto Institutional Repository
TP Lauriault
Observations and Recommendations: on the Republic of Ireland Open Data Strategy (Working Paper 3)
M Garca
European Public Sector Information Platform Topic Report
No. 2013/06 Open Data and EU Funding
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
PARTNER'S PERSPECTIVE: NNIP AND OPEN DATA IN BALTIMORE

A service requirements engineering method for a digital service ecosystem
DRIVING INNOVATION WITH OPEN DATA
Best practice visualisation, dashboard and key figures report
2014
2015
2014
2014
2014
2015
0
2015
0
0
0
2013
2015
2015
2012
0
0
2015
2014
2014
2015
0
0
2015
2015
2013
0
2014
2020
pag. 26 van 31
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
CIN MACEDONIA
OPEN DATA: THE CURRENT STATE AND CHALLENGES IN MACEDONIA

P Ocha, LG Pinto, S Joshipura Convergence towards Excellence Diversity: Mapping the
Field of E-Resources
TH Jetzek
The Sustainable Value of Open Government Data
J Koskinen
Corporate Citizenship for next Generation Service Innovations and Welfare
K Alexanyan, SA Matei, M Russell Socio-Computational Frameworks, Tools and Algorithms for
Supporting Transparent Authorship in Social Media Knowledge Markets
J Crowley
Open Data for Resilience Initiative: Field Guide
S Zehle
Reclaiming the Ambient Commons: Strategies of Depletion
Design in the Subjective Economy
Y Lin
Open data and co-production of public value of BBC Backstage
M Binder, CJ Offermanns
Globalization and international business cycle dynamics: A
conditional GVAR approach
K Zacharis, P Ipsilandis, J O'Kane How Public Administration Restructuring Can Contribute to
Greek educational Reform
A Zuiderwijk, M Janssen, K Pou- Open data for competitive advantage: insights from open
lis
data use by companies
J Kropczynski, G Cai, JM Carroll
Characterizing democratic deliberation in an online forum
CJ Offermanns
On the degree of homogeneity in dynamic heterogeneous
panel data models
B Koelle, C Bachofen, P Suarez, R Pilot Phase: Zambia| Technical Report
Jones, E Coughlan
FM Fossen, V Steiner
The tax-rate elasticity of local business profits
P Dini, S Van der Graaf, A Passani Socio-economic framework for BOLD stakeholders
MS TXT, J Marsh, FW OU
TELL ME Methodology for Living Lab Learn., Life Long
Learn., Social Learn. AND TELL ME MethodIssue 2
PA Kirschner, J Boon, J Janssen, F New learning opportunities in a networked world: DeveloPrinsen
ping a research agenda on innovative uses of ICTs for learning and teaching.
S Eichfelder, M Lau
Capital Gains Taxes and Asset Prices
G Schreygg, SM Ostermann
Managing uncertainty in intensive care units: Exploring formal and informal coping practices in a university hospital
T Obi, N Iwasaki
A Decade of World E-Government Rankings
M Binder, CJ Offermanns
International investment positions and exchange rate dynamics
T Bnke, G Neidhfer
Parental background matters: Intergenerational mobility
and assimilation of Italian immigrants in Germany
L Zvyagintseva
Articulating a Vision for Community-Engaged Data Curation
in the Digital Humanities
AV Kelly, AG Hoover, GP Mays
Public Health Services & Systems Research Inventory
GP Mays, AG Hoover, AV Kelly, J 2015 PHSSR Extramural Research Inventory
Jacobs, LC Fowler
D Osimo, F Mureddu, R Onori, S International Research Roadmap on ICT Tools for GoverArmenia
nance and Policy Modelling Interim Version
2013
2013
0
0
2015
2014
2014
2015
2014
2015
2015
2015
2014
2014
2014
2015
2014
2015
2014
2014
2015
2014
2014
2015
2014
2015
2012
pag. 27 van 31
Bijlage 3: Overzicht belemmering OGD publicatie

Overzicht van hindernissen die het aanbieden van open data belemmeren (Table 2 Adoption
barriers for not publicizing data , Janssen et al., 2012, pp. 262-263)
Categories
Barriers
Institutional
Emphasis of barriers and neglect of opportunities

Unclear trade-off between public values (transparency vs. privacy values)
Risk-averse culture (no entrepreneurship)
No uniform policy for publicizing data
Making public only non-value-adding data
No resources with which to publicize data (especially small agencies)
Revenue system is based on creating income from data
Fostering local organizations' interests at the expense of citizen interests
No process for dealing with user input
Debatable quality of user input
Lack of ability to discover the appropriate data
No access to the original data (only processed data)
No explanation of the meaning of data
No information about the quality of the open data (see category "Information Quality")
Apps hiding the complexity but also potential other use of open data
Duplication of data, data available in various forms, or before/after processing resulting in discussions about what the source is
Task complexity
Difficulty in searching and browsing due to no index or other means to ensure easy search for
finding the right data
Even if data can be found, users might not be aware of its potential uses
Data formats and datasets are too complex to handle and use easily
No tooling support or helpdesk
Focus is on making use of single datasets, whereas the real value might come from combining
various datasets
Use and participation
Contradicting outcomes based on the use of the same data Invalid conclusions
No incentives for the users
Public organizations do not react to user input
Frustration at the existence of too many data initiatives
No time to delve into the details, or no time at all
Having to pay a fee for the data
Registration required before being able to download the data
Unexpected escalated costs
No time to make use of the open data
Lack of knowledge to make use of or to make sense of data
Lack of the necessary capability to use the information
No statistical knowledge or understanding of the potential and limitations of statistics Threat of
lawsuits or other violations
Legislation
Privacy violation
Security
No license for using dataLimited conditions for using data
Dispute and litigations
Prior written permission required to gain access to and reproduce data Reuse of contracts/agreements
Information Quality
Lack of information
Lack of accuracy of the information
Incomplete information, only part of the total picture shown or only a certain range Obsolete and
non-valid data
Unclear value: information may appear to be irrelevant or benign when viewed in isolation, but
when linked and analyzed collectively it can result in new insights
Too much information to process and not sure what to look at
pag. 28 van 31
Technical
[Essential] Information is missing

Similar data stored in different systems yields different results
Data must be in a well-defined format that is easily accessible: while the format of data is arbitrary, the format of data definitions needs to be rigorously defined
Absence of standards
No central portal or architecture
No support for making data available
Lack of meta standards
No standard software for processing open data
Fragmentation of software and applications
Legacy systems that complicate the publicizing of data
pag. 29 van 31
Bijlage 4: Barrires bij het open dataproces

Tabel 5: Sociale en technische barrieres bij het Open data
Step
Technical barrier
Creating data System quality
Few metadata created
Metadata are difficult to understand
Unstructured metadata created
No open data publication support
Publishing
data
Insufficient data published (amount

and type)
Data are not published continuously or
not updated
License restricts data publication
and/or use
Finding data
Fragmentation: data published on various websites

Overviews of which data can be found
where are insufficient
Lack of clear interfaces (searching and
navigation)
Data are not available/published
Social barrier
Quality of the data source is unknown
Metadata are difficult to understand
Datasets are not sufficiently comprehensive
Inappropriate support for data creation
(e.g. lack of policy, legal framework and
guidelines for data creation)
Not being aware of the needs of open data
users
Not considering the needs of open data users in the way of creating data
Not knowing how to integrate data creation
in the process of systematically publishing
open data
The process of creating data is highly related to data publication
Risk averse attitude and resistance towards
opening
Embargo period, data deletion policy or organization wants to reuse data itself
Fee charged for data use (revenue system
based on creating income from data)
Risk on privacy violation, legal liability, data
misuse and criticism
Unclear how data can be published. Insufficient guidance of open data policies about
how to deal with complexities and risks of
opening data
Not willing to publish data
Unclear how data will be reused in the future
Unclear value of open data
Not being aware of the needs of open data
users
Not considering the needs of open data users in the way of publishing data
License restricts data publication and/or use
Many types of uses to consider
Users often do not know which organization
creates which data
Organizations need to collaborate to make
data findable
pag. 30 van 31
Using data
(analysing
and processing)
Discussing
data and
providing
feedback on
them
Open data platforms are usually not

multilingual
Semantic interpretation is complicated
Format restricts data use
No information about the quality of
the data
Insufficient tools for using open data
Lack of tools for collaboration with
other users or for asking questions to
the data provider
Lack of tools for monitoring feedback,
data use and data users
Lack of tools and instruments to discuss open datasets in a discussion environment that is devoted to a certain
dataset and in which data providers
and data users can collaborate or ask
questions
Difficult to understand the context in which

data were created
Difficult to interpret data
Users have to find out themselves what the
quality and value of the data is
Lack of skills, capabilities and knowledge to
use the data
No support and/or help and/or training for
the use of the data is provided
Difficult to collaborate with other users
Data providers and data users do not discuss datasets
Few incentives for participation
Data providers and other governmental organizations often do not use feedback on
datasets to improve their own processes
(e.g. policy-making)
Often not being aware of the needs of open
data users
Often not considering the needs (e.g. data
requests) of open data users
Usually no process for dealing with user input
pag. 31 van 31

Literatuurrapport 2.0

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Literatuurrapport 2.0

Enviado por

Direitos autorais:

Formatos disponíveis

Rapport Literatuurstudie

Pascal Slaats (836695964)

Business Proces Management and IT (BPMIT)

Verantwoording zoekstrategie ........................................................................................ 3

(Unieke) open data kenmerken ............................................................................... 5

Open data soms ruwe, real time en personal/private data................................ 6

Open data soms Big en Linked data ................................................................ 6

Typen open data naar bron en onderwerp ....................................................... 7

Conclusie unieke kenmerken open data ................................................................. 7

Elementen open data ecosystemen ........................................................................ 7

Open data proces ............................................................................................ 8

Open data gemeenschappen ........................................................................... 8

Open data businessmodellen ........................................................................... 9

Conclusie componenten open data ecosystemen .......................................... 11

Rolverdeling binnen open data ecosystemen ........................................................ 11

Conclusies open data ecosysteemrollen ........................................................ 12

Belemmeringen bedrijfsparticipatie ....................................................................... 12

Belemmeringen aanbiedende bedrijven ......................................................... 12

Belemmeringen ontvangende bedrijven ......................................................... 13

Belemmeringen in open data proces .............................................................. 13

Conclusies belemmeringen bedrijfsparticipatie .............................................. 13

Bijlage 1: Zoektermen per deelvraag................................................................................... 19

De laatste wetenschappelijke inzichten worden binnen het thesisonderzoek verankerd via de

Wat zijn de (unieke) kenmerken van Open Data?

4.1 (Unieke) open data kenmerken

4.1.1 Open data soms ruwe, real time en personal/private data

4.1.2 Open data soms Big en Linked data

Toenemende mogelijkheden in het koppelen en vermengen van complexe en verschillende

4.1.3 Typen open data naar bron en onderwerp

4.2 Conclusie unieke kenmerken open data

4.3 Elementen open data ecosystemen

4.3.1 Open data proces

4.3.2 Open data gemeenschappen

4.3.3 Open data businessmodellen

4.3.4 Conclusie componenten open data ecosystemen

4.4 Rolverdeling binnen open data ecosystemen

4.4.1 Conclusies open data ecosysteemrollen

4.5 Belemmeringen bedrijfsparticipatie

4.5.1 Belemmeringen aanbiedende bedrijven

4.5.2 Belemmeringen ontvangende bedrijven

4.5.3 Belemmeringen in open data proces

4.5.4 Conclusies belemmeringen bedrijfsparticipatie

Motivatie: Hoe belangrijk is open data voor het bedrijf?

Door deze elementen te verkennen en de resultaten te ordenen worden de gezochte sociale

Bijlage 1: Zoektermen per deelvraag

Wat zijn de (unieke) kenmerken van open data?

[open/big/linked/research] data + [management/architecture (architectuur)]

Uit welke elementen bestaat een (open) (data) ecosysteem?

[information/data] value chain (informatiewaardeketen)

Welke typen open data ecosystemen kunnen onderscheiden worden op basis

[open] data / digital / business] ecosystem (ecosysteem)

Participation (participatie) + open data

de participatie binnen een

Barrier (belemmering) / treath (bedreiging) / Impediment (hindernis)/ mitigation3

Geen zinvol nederlands equivalent als zoekterm gevonden.

Bijlage 2: Resultaten zoekproces

Tabel 3: PoP resultaat Open Data Ecosystem(s)7

P Nkki, A Bck, T Ropponen, J

Open Government Data

Zoekterm open data ecosystem, peer reviewed only,

M Vander Sande, P Colpaert, R

TeamBeam Meta-Data Extraction from Scientific Literature

Conceptualizing Open Data ecosystems: A timeline analysis

The role of capital income for top incomes shares in Germany