På den här sidan kan du läsa mer om vad datahantering innebär och varför det är viktigt. Här finns länkar till fördjupad läsning, guider och verktyg, och tips på hur du kan förbättra din datahantering.
Vad är datahantering?
Du hanterar troligen data varje dag utan att tänka på det som "datahantering". Datahantering är ett koncept som inkluderar vad man gör med data från forskning och miljöanalys, från planering genom alla stadier i ett projekt fram tills att projektet är avslutat.
Forskningsdata och miljöanalysdata är data som samlas in eller genereras utifrån vetenskapliga principer för att användas för olika sorters vetenskapliga analyser. Både forskningsdata och miljöanalysdata förekommer i olika former, till exempel:
numeriska data, till exempel mätresultat
text, till exempel intervju- och enkätsvar
bild- och ljudmaterial
källkod
kartmaterial och andra former av geografiska data
observationer, till exempel av artförekomster.
God datahantering, det vill säga datahantering som följer lagar, principer och praxis, är inte ett självändamål utan en strategi för att effektivisera och underlätta forskning och miljöanalys, ett sätt att sprida resultat så de kommer till större nytta, och en viktig del i god forskningssed.
God datahantering:
möjliggör effektivare användning av forskare och miljöanalytikers tid
underlättar återupprepning av forskning och gör det lättare att bekräfta forskningsresultat
innebär att filer och data förvaras så att de är lätta att hitta
minskar riskerna för informationsförlust och dataintrång
gör det möjligt för andra att återanvända data
möjliggör samarbeten genom datadelning
visar att användningen av offentliga medel sker på ett ansvarsfullt sätt.
Datalivscykeln – från planering till långtidsbevarande av data
Man brukar prata om att man ska ha god datahantering genom hela datalivscykeln (bilden ovan). Datalivscykeln är en konceptuell modell som illustrerar datahanteringens olika faser, från planering och insamling, via bearbetning och lagring, till publicering och långtidsbevarande.
Nedan kan du läsa mer om olika delar av datahantering under faserna i datalivscykeln.
Planera datahantering
Att planera datahantering hjälper dig att se ett projekts behov, såväl tekniska som juridiska och etiska. Innan ett projekt startar eller i början av projektet är det viktigt att tänka igenom frågor om datahantering, till exempel:
Kommer ni samla in personuppgifter eller andra skyddsvärda data?
Hur ska data lagras och vilka ska ha tillgång till data under projektet?
Hur ska data tillgängliggöras?
En datahanteringsplan är ett hjälpmedel för att adressera relevanta frågor och arbeta med dom strukturerat.
En central del i planering av datahantering är den så kallade datahanteringsplanen. En datahanteringsplan är ett dokument där man beskriver hur data ska hanteras under och efter ett forskningsprojekt, inom en miljöverksamhet eller i en forskningsinfrastruktur. Datahanteringsplanen gör det lättare att förutse potentiella problem och svårigheter innan de uppstår, vilket ger dig bästa möjliga förutsättningar att hitta den lösning som passar dig och ditt projekt bäst.
Datahanteringsplanen är ett levande dokument som ska uppdateras löpande.
Enligt SLU:s policy för datahantering är datahanteringsplaner obligatoriska för alla nya projekt (startade i september 2022 eller senare) vid universitetet.
Allt fler finansiärer kräver att finansierade projekt tar fram, underhåller och följer en datahanteringsplan. Kolla med din finansiär för att ta redo på vilka krav som gäller för datahanteringsplaneringen, eller kontakta SLU:s datahanteringsstöd (dms@slu.se).
Organisera data
Data blir snabbt ostrukturerade, oavsett om du arbetar med andra eller på egen hand. Det är därför bra att ha ett system för hur man organiserar och namnger filer. Det är också till fördel att ha ett system för att hantera olika versioner av samma fil, eftersom det möjliggör spårning av ändringar och underlättar möjligheten att rätta fel.
Bestäm hur du organiserar och namnger filer och mappar för att spara tid och undvika fel. Ett logiskt och konsekvent system hjälper dig hitta rätt filer snabbt och korrekt.
Det är en bra idé att dokumentera sitt filhanteringssystem, särskilt när man samarbetar med andra. En beskrivning av mappstrukturen och namngivning av filer och mappar, kan placeras i en stödjande README-fil i projektets toppmapp där den lätt kan hittas av alla inblandade.
Dataset och filer går ofta igenom ändringar som du behöver hålla reda på. Att spara fler versioner av filer och att enkelt kunna komma åt olika versioner gör det lättare att spåra ändringar och rätta fel. Versionskontroll kan göras med hjälp av filnamn, tabeller eller med hjälp av program eller tillägg till exempelvis analysprogram. Att göra ändringarna i ett program där man använder kod eller skript är ett annat sätt att skapa ett system för att komma åt olika versioner av en datamängd.
Läs mer om att dokumentera bearbetningar och analyser längre ned på den här sidan.
För att data ska var möjliga att validera, förstå och återanvändas krävs metadata och dokumentation. Med dokumentation menas beskrivningar av data som främst är tänkta att läsas av människor (och kan därför utgöras av löpande text). Metadata är också ett sätt att dokumentera data men metadata ska vara strukturerad så de kan läsas av både människor och datorer.
Vad som är relevant att dokumentera skiljer sig mellan forskningsämnen och metoder. Det viktiga är att dokumentera data så de går att förstå och återanvända. Det finns standarder för olika vetenskapliga discipliner som talar om vad som ska dokumenteras (se nedan).
Exempel på saker som alltid är viktiga att dokumentera är:
Hur data samlats in (allt från provtagningsutrustning och mätinstrument till enkätfrågeformuleringar och intervjufrågor).
Var data samlats in.
När data samlats in.
Vad koder och förkortningar betyder.
Vilka restriktioner, ex etiska eller juridiska, som begränsar hur data kan återanvänds.
Det finns olika sätt att dokumentera data. Vilket verktyg som passar att använda för datadokumentationen är beroende av vetenskaplig disciplin och i vilka format data är. Olika verktyg kan också passa i olika faser. Här är några exempel på tillvägagångssätt:
Ett separat, kompletterande dokument kan användas, till exempel en textfil (en så kallad README-fil, dvs en textfil med namnet readme.txt) som sparas på samma plats som datafilerna.
En del filformat har stöd för integrerade metadata.
När man ska publicera data i ett forskningsdatarepositorium är det viktigt att undersöka vilka krav repositoriet har om dokumentation och metadata.
Det är inte bara färdiga data som ska dokumenteras, det är också viktigt att dokumentera exempelvis insamlingsmetoder, bearbetningar, analyser och databehandling. Det kommer underlätta både för att skriva artiklar och för att beskriva och tillgängliggöra de färdiga dataseten. Det finns många verktyg och hjälpmedel som kan vara användbara för att dokumentera processer och arbetsflöden, till exempel:
Dokumentation och metadata bör publiceras öppet. Det är också viktigt att dokumentationen är tydligt kopplad till data genom att antingen vara publicerad tillsammans med data eller genom sammanlänkning av data och dokumentation.
Om dokumentationen publiceras separat från själva datafilerna bör den förses med en beständig identifierare så användare kan hitta och referera till dokumentationen. Var dokumentation och metadata bäst tillgängliggörs beror på vilket format de är i. Några alternativ är SLU:s publikationsdatabas, SLU:s e-arkiv och externa repositorier.
SLU:s publikationsdatabas
SLU:s publikationsdatabas ska användas för publikationer utgivna av SLU. Lämpar sig för manualer, instruktioner och rapporter.
SLU:s e-arkiv kan användas för att förse dokument med beständiga identifierare och tillgängliggöra dem öppet. E-arkivet lämpar sig för större historiska samlingar av dokument och för dokument som inte kan publiceras i SLU:s publikationsdatabas. Om du vill arkivera ett dokument kontakta Air – Enheten för arkiv, informationshantering och registratur (arkiv@slu.se).
Observera att dokumentation av data som tagits fram vid SLU räknas som allmän handling och ska enligt lag arkiveras. SLU:s e-arkiv är då lämpligt. Det gäller även dokumentation som publiceras i repositorier och publikationer som registrerats i SLU:s publikationsdatabas. Rutiner för automatisk arkivering av publikationer från publikationsdatabasen är under utveckling.
Repositorier
Om data publiceras i ett repositorium bör dokumentation och metadata publiceras där. Dokumentation och metadata kan också publiceras i ett extern repositorium som till exempel Zenodo. Det är ett snabbt sätt att ge dokument en beständig identifierare när annan kanal inte är möjlig. Observera dock att SLU-utgivna publikationer ska ligga i SLU:s publikationsdatabas och att publicering i Zenodo inte uppfyller lagkraven på arkivering.
Inom olika forskningsdiscipliner finns det olika standarder för metadata. En metadatastandard innehåller specifikationer och riktlinjer för bland annat hur data ska beskriva, vilka metdataelement som ska ingå och hur variabler namnges. Metadatastandarder underlättar harmonisering av data och kan fungera som vägledning för att åstadkomma en utförlig metadatabeskrivning.
Exempel på metadatastandarder är Darwin Core standard, som är en standard för biodiversitetsdata, och DDI Lifecycle, som är en mer generell standard, som används i Svensk nationell datatjänsts repositorium (med möjlighet att välja mer specifika metadataprofiler, som till exempel naturvetenskap och lantbruksvetenskap).
På webbsidan FAIRsharing kan man läsa mer om olika metadatastandarder.
Som svensk myndighet är SLU skyldigt att arkivera allmänna handlingar, inklusive forskningsdata. Arkiveringen har två syften: att hålla ordning på de allmänna handlingarna och att ge allmänheten tillgång till dem i enlighet med offentlighetsprincipen (om inte sekretess gäller, se "Offentlighetsprincipen" under "Datahantering på laglig grund").
Varje institution har genom sin prefekt ansvar för att allmänna handlingar tas om hand om (registreras, beskrivs och lagras säkert). Det operativa arbetet sköts av den person på institutionen som innehar registrerings- och arkiveringsrollen (RA-rollen). Prefekten kan tala om vem det är.
Varje medarbetare har ansvaret att göra arkiveringen möjlig. Den som i tjänsten hanterar exempelvis ansökningar, kontrakt och avtal, upphandlingar, forskningsdata, rapporter och artiklar ska se till att de är möjliga att registrera och arkivera.
På SLU finns lokala arkiv (på en del av institutionerna och en del av fakulteterna), men forskningsdata ska arkiveras i SLU:s centrala e-arkiv. RA-rollen på din institution kan hjälpa dig registrera data, men överföringen till universitetets centrala e-arkiv behöver också inkludera SLU:s enhet för arkiv, informationshantering och registratur. Av dem kan du även få råd om bevarande av forskningsmaterial, som hur man beskriver det och vilka filformat som är lämpliga
Forskningsdata är inte det enda som ska arkiveras inom ett forskningsprojekt. Även till exempel ansökan, kontrakt, projektbudget, datahanteringsplaner, rapporter och artiklar ska arkiveras.
För att filer ska kunna läsa även i framtiden gäller det att välja ett lämpligt filformat, helst ett som är baserat på en öppen standard, är oberoende av en specifik programvara, och är öppet dokumenterat.
Läs mer om filformat för långtidsbevarande på Researchdata.se: Filformat.
Publicera och tillgängliggöra data
Att göra data öppet tillgängliga är ett effektivt sätt att sprida resultat från forskning och miljöanalys. Det gör det möjligt för andra forskare, myndigheter och företag att bygga vidare på redan genomförda studier i stället för att börja från början.
Öppna data ökar också synligheten för tillhörande publikationer. Studier visar att vetenskapliga artiklar som länkar till öppet tillgängliga dataset ofta citeras mer än andra artiklar.
Genom att dela data öppet stärker vi dessutom forskningens transparens och gör det lättare att granska, reproducera och vidareutveckla resultaten.
Forskningsdatarepositorier är plattformar som lagrar och tillgängliggör data på ett strukturerat, sökbart, pålitligt och långsiktigt hållbart sätt. Repositorier kan vara specifika för discipliner, domäner eller institutioner, eller vara mer allmänna.
Data bör i möjligaste mån tillgängliggöras i repositorier som förser data med beständig identifierare (t.ex. en DOI – Digital Object Identifier). Företrädesvis bör ett certifierat repositorium användas.
Att välja datarepositorium
Vilket datarepositorium som passar bäst beror vilken typ av data som ska publiceras. SLU är med och driver forskningsinfrastrukturen Svensk nationell datatjänst som erbjuder ett datarepositorium som möter lagkrav och krav från exempelvis forskningsfinansiärer. Datarepositoriet kan hantera skyddsvärda data som personuppgifter och data synliggörs genom den nationella forskningsdataportalen Researchdata.se (och andra datakataloger och söktjänster). SND:s respoistorium kan användas för många typer av data och många forskningsämnen, men är också ämnesanpassat i och med att det finns stöd för olika ämnesprofiler.
SLU:s datahanteringsstöd erbjuder hjälp vid publicering hos SND.
För data från en del forskningsdiscipliner (exempelvis bioinformatik) kan ett ämnesanpassat repositorium vara att rekommendera.
På sidan re3data.org listas repositorier där man kan dela och hitta forskningsdata
På researchdata.se finns en guide för att välja något av de repositorier som synliggör data på researchdata.se: Dela data: Snabbguide
När du väljer ett repositorium:
kontrollera din finansiärs och tidskrifts rekommendationer och krav för delning av data
använd om möjligt ett repositorium som tillhandahåller data med en permanent identifierare så data kan refereras till och så det blir lättare att hitta och återanvända datasetet
Dataartiklar, eller data papers, är artiklar i sakkunniggranskade (peer-reviewed) vetenskapliga tidskrifter som beskriver dataset och de metoder som använts för att samla in data. Faktiska data lagras dock ofta i ett repositorium (se ovan) och länkas från dataartikeln.
Kan alla data publiceras öppet?
Det är inte möjligt att publicera data öppet om de innehåller något av följande:
sekretessbelagd information, till exempel känsliga personuppgifter
material som är upphovsrättsskyddat, om inte tillstånd finns
företagshemligheter
Det är dock fortfarande möjligt, och ett krav enligt SLU:s policy, att publicera metadata. Det kan i många fall också vara möjligt att publicera delar av data öppet.
Kom ihåg att även data som inte kan publiceras öppet ska arkiveras, och att om någon begär ut ett dataset kommer det alltid prövas.
Licenser och märkningar
Tydliga villkor för hur data får användas underlättar återanvändningen av data och är en viktig del av FAIR-principerna. Data som sådana inte skyddas av upphovsrätten och licenser kan vara svåra att tillämpa på dataset eftersom licenser förutsätter att sådan rätt finns. Det kan därför vara bättre att istället använda en märkning
Vägledning och rekommendationer om licenser vid publicering av data finns i vår FAQ (på engelska): What license should I choose when publishing data via SND (Swedish National Data Service)?
Många forskningsfinansiärer ställer krav på att resultat och underliggande data från finansierade projekt ska göras öppet tillgängliga. Även vetenskapliga tidskrifter kräver i allt större utsträckning att data som ligger till grund för en publikation är öppet tillgängliga. För SLU:s miljöanalys kan det dessutom finnas lagkrav på att tillgängliggöra data.
Sverige och övriga EU-länder har beslutat att data från offentligt finansierad forskning ska publiceras så öppet som möjligt men med begränsningar när det är nödvändigt av juridiska, etiska, säkerhetsmässiga eller kommersiella skäl.
Läs mer om SLU:s datahanteringspolicy och de riktlinjer och principer vi arbetar efter i avsnittet Riktlinjer och vägledande principer längre ned på sidan.
Återanvända data
Att återanvända data kan spara tid och resurser, göra det möjligt att validera studier. Det gör det också möjligt att integrera dataset från olika studier och discipliner, och kan öppna möjligheter för nya samarbeten.
Det finns många sätt att upptäcka, söka efter och hitta data. Genom kolleger inom forskningsämnet, genom vetenskapliga artiklar och litteraturdatabaser, genom generella sökmotorer, och genom att söka direkt i olika datarepositorier och dataportaler.
Fundera över om de data du har hittat verkligen är användbara för dina behov.
Värdera data utifrån deras kvalitet och tillförlitlighet. Är källan tillförlitlig, används etablerade standarder, är data tillräckligt dokumenterade med avseende på när och hur de samlats in och bearbetats?
Kontrollera villkoren för användning och spridning och se till att du får alla nödvändiga tillstånd eller medgivanden.
Ge erkännande till dem som samlade in och tillgängliggjorde datagenom att citera sekundärdata på ett korrekt sätt, i likhet med hur du citerar vetenskapliga artiklar. SLU-biblioteket har information om hur du citerar data enligt SLU:s Harvard-stil:
En mängd olika lagar, förordningar och andra sorters regler är relevanta för datahantering på SLU, bland annat tryckfrihetsförordningen, offentlighets- och sekretesslagen, dataskyddsförordningen, arkivlagen och öppna datadirektivet. Att känna till de grundläggande bestämmelserna är viktigt för att kunna hantera vetenskapliga data från forskning och miljöanalys på ett ansvarsfullt sätt.
SLU är ett statligt universitet och omfattas av offentlighetsprincipen, vilket innebär att data från forskning och miljöanalys som regel är allmän offentlig handling och alltså lämnas ut på begäran. Undantaget är när skäl för sekretess finns enligt offentlighets- och sekretesslagen. Den som begär ut allmänna handlingar har alltid rätt att få sin begäran prövad. SLU:s jurister avgör om skäl för sekretess finns. Ett skäl för sekretess kan till exempel vara att data innehåller känsliga personuppgifter.
Vetenskapliga data är en av SLU:s viktigaste resurser och vi måste värna om dem. I hanteringen av data behöver man därför tänka på informationssäkerheten. Information från SLU ska vara riktig, tillgänglig för den som har rätt att se den men inte synas för obehöriga. Det betyder inte att vetenskapliga data alltid måste hållas konfidentiella, utan att vi behöver skydda dem för att undvika dataförluster och dataintrång.
Behovet av skyddsnivå påverkas bland annat av vad som krävs för att återställa ett korrumperat dataset eller återskapa ett dataset som gått förlorat. Eftersom forskningsdata kan vara känsliga av olika skäl och i olika grad kan skyddsbehovet variera under arbetets gång, när de ska tillgängliggöras och sedan bevaras och arkiveras. Det kan till exempel finnas juridiska eller etiska skäl som hindrar att data görs öppet tillgängliga, som att data omfattas av upphovsrätt (exempelvis om de innehåller fotografier), sekretess (skydd av hotade arter, känsliga personuppgifter eller företagshemligheter). Sådan information ska kanske ligga mer skyddat medan den används aktivt, men den ska arkiveras på samma sätt som andra forskningsdata, med tydlig beskrivning.
Det första steget för att skydda data från forskning och miljöanalys är att göra en informationsklassning. Läs mer på medarbetarwebben (inloggning krävs): Informationsklassning
Läs mer om skyddsvärda data på Researchdata.se: Skyddsvärda data.
Personuppgifter är information som rör en identifierad eller identifierbar fysisk person. Data från forskning och miljöanalys innehåller personuppgifter oftare än man kan tro.
Det är dock inte något problem, SLU får samla in, använda och arkivera (långtidsbevara) personuppgifter så länge vi hanterar personuppgifterna på rätt sätt och har en så kallad ”rättslig grund” för hanteringen. Speciella krav ställs på hantering av känsliga personuppgifter, som till exempel information om en persons politiska åsikter. Bland annat krävs det en etikprövning för att använda känsliga personuppgifter i forskning.
SLU:s datahanteringspolicy syftar till att öka kvalitet, spridning, genomslag och innovationskraft i universitetets forskning och miljöanalys. Policyn beskriver principer för datahantering vid SLU, bland annat gällande lagring, publicering och tillgängliggörande, och betonar vikten av god datahantering inom forsknings och miljöanalys.
Datahanteringspolicyn utgår från bland annat lagkrav och Sveriges nationella riktlinjer för öppen vetenskap.
Policyn säger till exempel att data från forskning och miljöanalys ska göras tillgängliga så öppet som möjligt och att FAIR-principerna ska följas.
Policyn gäller alla typer av digitala data som produceras och bearbetas inom forskning och miljöanalys vid SLU
SLU förordar öppen vetenskap, vilket bland annat utrycks i policyn för datahantering och policyn för vetenskaplig publicering, och i strategin för 2026–2030, där öppenhet nämns som en av SLU:s fyra grundläggande värden
SLU är också medlem i Svensk nationell datatjänst (SND) som är en nationell infrastruktur som hjälper forskare att göra alla typer av digitala forskningsdata tillgängliga, bland annat genom forskningsdataportalen Researchdata.se.
FAIR är en akronym för Findable, Accessible, Interoperable och Reusable – hittbara, tillgängliga, interoperabla och återanvändbara. FAIR-principerna syftar till att fungera som riktlinjer för att förbättra återanvändbarheten av vetenskapliga data och spelar en viktig roll i arbetet för öppen vetenskap.
Principerna publicerades ursprungligen i The FAIR Guiding Principles for scientific data management and stewardship (Wilkinson et al 2016) och har sedan dess fått brett stöd av forskargrupper, regeringar, finansiärer och utgivare. SLU:s datahanteringspolicy anger att data från forskning och miljöövervakning vid SLU ska vara FAIR i så stor utsträckning som möjligt.
Läs mer om hur data du jobbar med kan bli mer FAIR:
