facebook
Tematické sekce
 
Branžové sekce
Přehledy
 
Tematické seriály
 

GDPR

General Data Protection Regulation zásadně mění zpracování osobních údajů a zavádí nové povinnosti...

články >>

 

Jak uřídit IT projekt a nezbláznit se

Užitečné tipy a nástroje pro řešení problémů řízení inovací a vývoje produktů...

články >>

 

Industry 4.0

Průmysl 4.0

Jaký vliv bude mít čtvrtá průmyslová revoluce na výrobu a výrobní firmy?

články >>

 

Komplexní svět eIDAS

O nařízení eIDAS již bylo mnoho řečeno i napsáno. A proto jediné, o čem...

články >>

 

Trendy v CRM

Systémy pro řízení vztahů se zákazníky (CRM) prochází v posledních letech výraznou změnou. Zatímco dříve...

články >>

 

Příručka úspěšného IT manažera

Dnes je řada IT manažerů opomíjena. Úspěšní bývají brouci Pytlíci a Ferdové...

články >>

 
Partneři webu
Navisys
IT řešení pro veřejný sektor a zdravotnictví , AI a Business Intelligence , Veřejný sektor a zdravotnictví

Po-fondová kocovina aneb Big Data jako nový přístup k řízení měst

Filip Neterda


DeloittePo reformě územního uspořádání, které začalo platit od 1. 1. 2003 před naším vstupem do EU, se do nového systémového uspořádání (zrušení okresů, ustavení krajů a ORP) vkládala naděje na efektivní správu a koncepční rozvoj, které měla zrychlit investiční vlna evropských fondů a příchod zahraničních investorů. Očekával se rozvoj venkova, utlumování nerovností mezi českými regiony a mnoho dalších pozitiv. Splnila se tato očekávání? Rozvíjí se ČR harmonicky a rovnoměrně? Byly strukturální fondy manou nebeskou? A jak s tím mohou souviset Smart Cities a řízení veřejného sektoru na základě dat?


Nemám v úmyslu zde obsáhle analyzovat veškeré souvislosti, tímto článkem bych pouze rád otevřel debatu. Motivací pro mne byla účast společnosti Deloitte v projektu Obce v datech, který jsem odborně zastřešoval, a moje desetiletá zkušenost s poradenstvím pro veřejný sektor.

Hodnocení vývoje obcí a regionů je potřeba ukotvit již v období centrálního plánování. Na obrázku níže jsou hlavní tehdejší směry urbanizace, které odpovídají ekonomické aktivitě rovnoměrně rozložené napříč celou republikou, včetně existující regionální specializace – tu na hornictví a ocel, tu na hnědé uhlí, energetiku a chemii nebo na strojírenství a průmysl. Obecně lze konstatovat, že životní možnosti byly relativně vyrovnané a tzv. disparit bylo minimum.

Zdroj: MUSIL, J. Zrod velkoměsta: Urbanizace českých zemí a Evropa. 1. vyd. Praha: Paseka, 2002
Zdroj: MUSIL, J. Zrod velkoměsta: Urbanizace českých zemí a Evropa. 1. vyd. Praha: Paseka, 2002

Transformace přenesla vlastnictví podniků do soukromého sektoru, přičemž se rozhodně nejednalo o bezbolestný proces. Došlo k nastartování úpadku mnoha firem a k restrukturalizaci celých odvětví (např. těžební, textilní, sklářský, hutní průmysl), který trvá v zásadě dodnes (např. na Ostravsku a Mostecku). V Česku se natrvalo usídlil pojem brownfield – většinou opuštěný výrobní areál. V roce 2008 jich Ministerstvo průmyslu a obchodu v rámci Národní strategie regenerace brownfieldů uváděla cca 11 000. V dezolátním stavu jsou zejména v oblastech, kde byl průmysl akcentován centrálním hospodářstvím. V Praze jsou naopak vítanými lukrativními pozemky.

Obce v datech

V rámci akceleračního programu spolupracoval Deloitte se start-upem Obce v datech, který vytvořil projekt porovnávající kvalitu života v obcích v ČR na základě dat. Technologicky je tento projekt unikátní zejména díky vlastním vyvinutým robotům pro vytěžování dat z internetu, které představují robustní BI nástroj, jenž dokáže data získat i ze sofistikovaných stránek jako Google Maps a dalších. Pokud by někdo použil komerční produkt pro robotický sběr, platil by s velkou pravděpodobností statisíce až miliony korun. Dalším technologickým aspektem je výpočet dojezdových vzdáleností prostřednictvím API – lze tak měřit, jaké objekty mají občané obce v dojezdu/dosahu.

Získaná data jsou strukturována do indexů ve třech základních kategoriích – zdraví a životní prostředí, materiální zabezpečení a vzdělání, vztahy a služby. Data jsou zpracovávána na základě matematicko-statistického aparátu a metodik OECD ke kompozitním indexům.

Výsledky analýzy více než 1 miliardy řádků dat jsou zobrazeny na mapě níže:


Díky spolupráci Deloitte s projektem Obce v datech jsem měl možnost sledovat validaci dat zejména přímou interakcí se starosty a díky odezvě veřejnosti i médií. Dovolte mi tedy subjektivní zhodnocení:

  • Příhraniční oblasti korespondující zejména s územím bývalých Sudet jsou na sestupné trajektorii – mají nižší možnosti pracovních příležitostí, často trpí horším životním prostředím, vysokým počtem exekucí, koncentrují se zde sociálně slabší vrstvy obyvatel, mají horší dostupnost služeb a nízkou volební účast.
  • Vysokou kvalitu života vykazují města v okolí center služeb a na inovacích založené ekonomice (Praha, Brno), města v okolí strojírenského průmyslu (Plzeň, Mladá Boleslav) nebo region s dlouhodobou kontinuitou podnikatelské a společenské aktivity, do které nebylo politicky zasahováno, a je navíc umocněná atraktivní lokalitou a blízkostí zahraničí (jižní Čechy).
  • Vysoký Index kvality života nutně neznamená vysokou materiální úroveň, ale spíše lokální možnosti nebo sociální stabilitu relativně vztaženou k ostatním obcím.
  • Strategie obcí jsou povětšinou těžkopádné, objemné a technicistní dokumenty, oprašují stávající stav a často kapitulují před aktuálními klíčovými problémy s dovětkem, že se jedná o širší problém, který má řešit kraj nebo vláda.

V období po vstupu do EU byly investovány stovky miliard za účelem vyrovnaného rozvoje regionů. Byly vynaloženy účelně? Výsledky projektu Obce v datech výrazný pozitivní dopad investic nezaznamenávají. Extrémně vysoké částky z evropských fondů vyšší kvalitu života nezajistily. Dříve poměrně vyrovnaně se rozvíjející země se smrskla primárně na Prahu, která dominuje ekonomické aktivitě a přitahuje talenty z celé ČR. Vývoj podíl krajů na HDP ČR ukazuje vzrůstající rozdíly. Byl toto cíl politiky soudržnosti?

Kraj Podíl na HDP % Rozdíl 1996 vs. 2016 % Změna %
1996 2004 2016
Hl. město Praha 20,23 24,29 24,84 4,60 22,74
Středočeský kraj 9,83 10,78 11,67 1,84 18,77
Jihomoravský kraj 10,33 10,06 10,72 0,39 3,79
Moravskoslezský kraj 11,11 9,41 9,89 -1,21 -10,93
Ústecký kraj 7,52 6,39 5,79 -1,73 -23,05
Plzeňský kraj 5,27 5,26 5,11 -0,16 -3,04
Jihočeský kraj 5,81 5,52 4,99 -0,82 -14,05
Zlínský kraj 4,81 4,58 4,81 0,00 -0,03
Královéhradecký kraj 4,92 4,77 4,66 -0,26 -5,32
Olomoucký kraj 5,32 4,94 4,61 -0,71 -13,40
Kraj Vysočina 4,17 4,12 3,98 -0,19 -4,62
Pardubický kraj 4,28 4,14 3,92 -0,36 -8,49
Liberecký kraj 3,73 3,40 3,27 -0,46 -12,43
Karlovarský kraj 2,66 2,33 1,88 -0,78 -29,23
Tab. 1: Podíl krajů na HDP ČR ukazuje vzrůstající rozdíly. Zdroj dat: Český statistický úřad.

Praha a Středočeský kraj dominují v přírůstku obyvatel. Problémové kraje ztrácí populaci. Relativně vyrovnaný stav bilance Ústeckého kraje je možné přisuzovat příchodu nových obyvatel, a to zejména ze sociálně slabších skupin.

Rozdíl počtu obyvatel v roce 2017 a 2000
Středočeský kraj 231 204
Hl. město Praha 124 037
Jihomoravský kraj 48 162
Plzeňský kraj 30 012
Jihočeský kraj 14 903
Liberecký kraj 13 053
Pardubický kraj 10 076
Ústecký kraj 700
Královéhradecký kraj 197
Kraj Vysočina -3 317
Karlovarský kraj -8 747
Olomoucký kraj -10 888
Zlínský kraj -11 967
Moravskoslezský kraj -59 397
Tab. 2: Problémové kraje ztrácí populaci. Zdroj dat: Český statistický úřad

Jeden můj dávný kolega ze Západního Berlína kdysi komentoval zadlužování svého města – když nám dluh v roce 1991 po sloučení vzrostl za 2 roky z 10 na 12 mld. EUR, tak z toho byl poprask, ale když vzrostl v roce 2000 za 2 roky z 35 na 46 mld. EUR, tak to nikdo neřešil. Podobné je to dle mého názoru s evropskými fondy. Miliardy protekly (k aktuálnímu datu šlo do znevýhodněných regionů cca 606 mld. Kč) bez kýženého efektu. Abychom této sumě dali lidský rozměr, připomeňme např. projekt za více než 1 mld. Kč., který normativně vymezuje požadované úrovně kvalifikace na veškerá povolání v ekonomice za účelem uznávání kvalifikací získaných mimo školský vzdělávací systém. Stát nám prostřednictvím tohoto projektu říká, že kuchař musí být při výrobě příloh schopen zvolit vhodný technologický postup nebo použít vhodné suroviny pro daný pokrm, nebo vymezuje, že smuteční řečník musí být schopen projevit soustrast pozůstalým.

Jak mohou data přispět k lepšímu nastavení systému?

Podle mého názoru zásadně. Již nyní vidíme, že pod určitým tlakem výsledků Obcí v datech chce politická úroveň ve znevýhodněných lokalitách řešit problémy běžných lidí s exekucemi, podporu podnikání a vytvoření podmínek pro usídlování produktivní populace namísto investic do oprav kašen a náměstí. Data fungují pro správné nastavení, kam investovat.

Fiasko evropské regionální politiky v ČR by mělo stát přimět, aby další programy a intervence připravoval zcela jinak. Pokud tak neučiní, dosáhne stejnými prostředky stejných výsledků. Jiný přístup znamená zahrnutí firem a lidí žijících v regionu, a to na bázi návratné podpory – jinými slovy opustit dotace a zároveň podporovat aktivitu lidí vedoucí k produktivnímu ekonomickému chování (vzdělání, dopravní infrastruktura, právní stát) např. formou návratných půjček a fondů městského rozvoje. Seattle se z brownfieldu nestal světovým centrem kreativní ekonomiky na základě dotací, ale především díky kvalitnímu vzdělávání na místní privátní základní škole, kterého se dostalo jistému panu Gatesovi.

Data a Smart Cities – domnívám se, že hovořit o samořiditelných autech, chytrých lavičkách a dalších smart řešeních ve znevýhodněných regionech hraničí se zpovykaností, a to zejména vzhledem k výzvám, kterým tyto oblasti čelí. Výsledkem může být sbírka technologických neživotaschopných hraček. Nutné je naopak pracovat s daty, kombinovat je s lokální znalostí a používat je ke správnému nastavení intervencí a monitoringu jejich dopadu, resp. vývoje daného území. Jistou nadstavbou v této oblasti jsou tzv. datové platformy, kdy se v širším regionálním kontextu sbírají k aktuálním problémům data on-line (z různých zdrojů), vyhodnocují se a na jejich základě se on-line rozhoduje. Data slouží také k zacílení intervencí a ke sledování jejich dopadu. Důležité je i zpřístupnění dat lokálním podnikatelům. Příkladem může být aplikace datové platformy pro kraj v oblasti dopravy. Ta může usnadnit vyjednávání o dopravní obslužnosti kraje na základě přesných dat (tj. obsazenost, cenová politika apod.) a data o komplexní dopravě zároveň umožní firmám nabídnout zákazníkům takové aplikace a služby, které využijí.

Žijeme v době, kdy rozhodují znalosti a lidský kapitál. Pokud o ně obec, region či stát přijde, prohrál. Nové business modely jsou daleko více o know-how, datech, službách a sdílení než o fixních aktivech a přírodních zdrojích. Mobilita lidí je vysoká. Podnikatelsky se etablovat na mezinárodním trhu nikdy nebylo snazší. Ti, kdo uspějí, nebo budou alespoň participovat na globálním trhu, tak budou dosahovat exponenciálně násobného bohatství oproti úspěšným lidem doby minulé. Budou se chtít usazovat, žít a pracovat tam, kde to samé, tedy vysokou kvalitu života, hledají ostatní úspěšní lidé. Znevýhodněné regiony, které budou zmateně kormidlovat v tomto neúprosném oceánu a navigovat se špatně zpracovanými strategiemi doby minulé, mohou skončit bez posádky či zcela ztroskotat. Přiznejme si otevřeně, že samotná oprava chodníků a vztyčení úsporných lamp lidi v obci neudrží a další rozevírání nůžek mezi regiony v našem státu není v zájmu nikoho.

Filip Neterda Filip Neterda
Autor článku je manažerem v oddělení poradenství Deloitte.
Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.