lohkoketjuteknologiasta vauhtia hyvinvointiekosysteemille ja sosiaali- ja ... · 2019-08-05 ·...
TRANSCRIPT
LOHKOKETJUTEKNOLOGIASTA VAUHTIA
HYVINVOINTIEKOSYSTEEMILLE JA
SOSIAALI- JA TERVEYDENHUOLLON
ORGANISAATIOLLE
Kartoittava kirjallisuuskatsaus
Tuomas Laukkanen
Pro gradu -tutkielma
Sosiaali- ja terveyshallintotiede
Itä-Suomen yliopisto
Sosiaali- ja terveysjohtamisen
laitos
Toukokuu 2019
ITÄ-SUOMEN YLIOPISTO, yhteiskuntatieteiden ja kauppatieteiden tiedekunta
Sosiaali- ja terveysjohtamisen laitos, Sosiaali- ja terveyshallintotiede
LAUKKANEN, TUOMAS: Lohkoketjuteknologiasta vauhtia hyvinvointiekosysteemille
ja sosiaali- ja terveydenhuollon organisaatioille. Kartoittava kirjallisuuskatsaus
Pro gradu -tutkielma, 109 sivua, 2 liitettä (10 sivua)
Tutkielman ohjaajat: TtM Juha Rautiainen
FT Virpi Jylhä
Toukokuu 2019_________________________________________________________
Avainsanat: Lohkoketjut, omadata, systeemiteoria, ekosysteemit
Uudet teknologiat ja innovaatiot muokkaavat yhteiskunnan rakenteita. Digitalisaatio ja
datan määrän kasvu asettavat myös sosiaali- ja terveydenhuollon organisaatiot pohtimaan
toiminnan rakenteellista kehittämistä. Avoimen innovaation mallissa yritykset ja organi-
saatiot muodostavat yhteistoiminnallisia ekosysteemejä, jotka perustuvat vastavuoroisuu-
teen.
Tutkielman tarkoituksena oli kuvata teoreettisesti, minkälaisista teemoista lohkoketjutek-
nologian ympärille rakentuva hyvinvointiekosysteemi voisi koostua. Lisäksi tutkielmassa
tarkasteltiin mitä lisäarvoa lohkoketjuteknologia voisi tuottaa sosiaali- ja terveydenhuol-
lon organisaatioille. Myös datan ihmiskeskeinen hallinta- ja hyödyntämismalli oli tarkas-
teltavana. Lohkoketjuteknologiaa ja hyvinvointiekosysteemiä tarkasteltiin myös systee-
miteoreettisesta näkökulmasta.
Tutkielma toteutettiin kartoittavana kirjallisuuskatsauksena. Tiedonhaku tehtiin Scopus,
IEEE Xplore, Web of Science, Google Scholar, ARTO ja Finna tietokantoihin. Haun tu-
loksena löytyi 484 aineistotulosta, joista aineiston valintaprosessin seurauksena lopulli-
seen katsaukseen valikoitui 44 artikkelia. Aineisto analysoitiin teoriaohjaavan sisäl-
lönanalyysin keinoin. Teemoittelun avulla aineisto järjestettiin systemaattiseksi kokonai-
suudeksi.
Tutkielman tuloksissa korostui lohkoketjuteknologian tekniset ominaisuudet. Negatiivi-
sessa valossa näyttäytyi lohkoketjuteknologian epäkypsyys, joka näkyy yhteensopivuu-
den ongelmina ja sääntelyn vaikeutena. Myös erilaiset henkilödataan liittyvät hallinnoin-
tikeinot toistuivat aineistossa. Tulosten perusteella lohkoketju ei sovellu hyvinvointitie-
tojen eikä asiakas- ja potilastietojen säilytyspaikaksi. Sen sijaan digitaalisen identiteetin
varmentamiseen lohkoketjuteknologia näyttää tulosten valossa sopivan hyvin. Potentiaa-
lisia jatkotutkimusaiheita ovat älysopimusten hyödyntäminen sosiaalihuollon organisaa-
tioissa sekä palvelusetelin tokenisoiminen. Tietoarkkitehtuurin näkökulmasta hyvinvoin-
tiekosysteemiä ei kannata rakentaa pelkästään lohkoketjuteknologian ympärille. Sen si-
jaan tulisi hyödyntää avoimia ohjelmointirajapintoja ICT-infrastruktuurin luomisessa.
UNIVERSITY OF EASTERN FINLAND, Faculty of Social Sciences and Business
Studies
Department of Health and Social Management, Health and social management sciences
LAUKKANEN, TUOMAS: Blockchain technology to boost wellbeing-ecosystem and
social- and healthcare organizations. Scoping review
Master's thesis, 109 pages, 2 appendices (10 pages)
Thesis Supervisors: MHSc Juha Rautiainen
PhD Virpi Jylhä
May 2019_____________________________________________________
Keywords: blockchain, mydata, systems theory, ecosystems
New technologies and innovations shape the structures of society. Digitalisation and in-
creased amount of data place social and healthcare organizations on the question of struc-
tural development. In open innovation model companies and organizations form a collab-
orative ecosystems which are based on reciprocity.
The purpose of this master’s thesis was to describe the themes that a theoretical wellbeing
ecosystem based on blockchain technology could consist of. In addition, the added value
of blockchain technology for social- and healthcare organizations was explored. The hu-
man-centered personal data management model was also under observation. Blockchain
technology and wellbeing ecosystem were also viewed from a systems theory perspective.
The thesis was carried out as a scoping literature review. Data retrieval was performed in
Scopus, IEEE Xplore, Web of Science, Google Scholar, ARTO and Finna databases. The
search resulted in 484 material results, of which 44 articles were selected for the final
review as a result of the material selection process. The material was analyzed by means
of theory-driven content analysis. With help of using themes the material was organized
into a systematic entity.
Results underlines different kind of technical solutions which were based on blockchain.
Immaturity of the blockchain technology appeared in negative light. It is reflected in in-
teroperability problems and regulatory difficulty. Also, the different ways of managing
data were repeated in the material. Based on the results, the blockchain is not suitable for
storing health, customer, or patient data. Instead, for the verification of digital identity,
blockchain technology seems to be well suited based on the results. Potential use cases
are also exploitation of the smart contracts in socialcare organizations and the tokeniza-
tion of the service vouchers. However, these require more extensive research and piloting.
From the information architecture perspective, it is not wise to build a well-being ecosys-
tem around just the blockchain technology. Instead, open programming interfaces should
be used to create ICT infrastructure.
SISÄLTÖ
1 JOHDANTO ............................................................................................................. 3
1.1 Tutkielman lähtökohtia ................................................................................ 3
1.2 Tutkielman tarkoitus ja tutkimuskysymykset ............................................ 4
1.3 Tutkielman kulku ......................................................................................... 6
2 SYSTEEMITEORIA ......................................................................................... 8
2.1 Yleinen systeemiteoria ................................................................................. 8
2.2 Luhmannin systeemiteoria........................................................................... 9
2.3 Ilmiömäisyys, organisaatiot ja moderni yhteiskunta ................................ 11
2.4 Koodit, mediumit, ohjelmat ja luottamus ................................................. 14
3 HYVINVOINTIEKOSYSTEEMIN TEOREETTISET ELEMENTIT ......... 17
3.1 Lohkoketjuteknologia ................................................................................ 17
3.1.1 Lohkoketjun tekninen kuvaus ja ominaisuudet ............................ 19
3.1.2 Lohkoketjutyypit ja toimijat.......................................................... 22
3.1.3 Älykkäät sopimukset ...................................................................... 25
3.1.4 Lohkoketjuihin liittyvät haasteet ................................................... 26
3.2 Ekosysteemimalli ........................................................................................ 29
3.3 Data, omadata ja ihmiskeskeisyys ............................................................. 32
3.4 Hyvinvoinnin edistäminen ......................................................................... 37
3.5 Teoreettisen viitekehyksen yhteenveto ...................................................... 38
4 TUTKIMUSMENETELMÄ JA AINEISTO ........................................................ 44
4.1 Kartoittava kirjallisuuskatsaus ................................................................. 44
4.2 Tutkimusprosessi ....................................................................................... 45
4.3 Tutkimusaineiston analyysi ....................................................................... 51
5 TULOKSET ........................................................................................................... 53
5.1 Systeemi- ja teknologisen tason ratkaisut ................................................. 53
5.2 Datan asema ja hallinnointi ....................................................................... 60
5.3 Yksityisyys, turvallisuus ja luottamus ....................................................... 64
5.4 Talous ja tokenisointi ................................................................................. 69
5.5 Laki ja sääntely .......................................................................................... 72
5.6 Eettiset näkemykset ................................................................................... 75
5.7 Tulosten yhteenveto ................................................................................... 78
6 POHDINTA ............................................................................................................ 81
6.1 Johtopäätökset ja pohdinta ........................................................................ 81
6.2 Tutkimuksen luotettavuus ja eettisyys ...................................................... 87
LÄHTEET ................................................................................................................. 90
LIITEET.................................................................................................................. 100
KUVIOT
KUVIO 1. Lohkoketjuteknologian toimintaperiaate................................................. 21
KUVIO 2. Älykkään sopimuksen toimintaperiaate...…………………….……..…….. 25
KUVIO 3. API ekosysteemi, organisaatiokeskeinen alusta ja MyData-malli.......... 36
KUVIO 4. Teoriasta nousevat teemat koskien lohkoketjuteknologian mahdollista-
maa hyvinvointiekosysteemiä……………………………………..…….............................39
KUVIO 5. Aineiston valintaprosessi....................................................................................50
TAULUKOT
TAULUKKO 1. Aineiston sisäänotto- ja poissulkukriteerit…………......……………47
TAULUKKO 2. Tietokannat hakulausekkeet ja tulokset…………………..…...……..49
TAULUKKO 3a. Aineiston tulosten yhteenveto....…………………………….………..79
TAULUKKO 3b. Aineiston tulosten yhteenveto…………………….………….……….80
3
1 JOHDANTO
1.1 Tutkielman lähtökohtia
Sosiaali- ja terveyspalveluiden tuottamisesta koituu huomattava julkinen kuluerä valti-
olle. Kustannuksiksi on arvioitu n. 18,7 mrd. euroa. (Salonen ym. 2018, 40.) Väestön
ikääntyessä kulurakenteen ennakoidaan kasvavan entisestään (Tilastokeskus 2018.) On-
kin pohdittava uusia palveluiden tuottamis- ja järjestämismalleja. Rakenteiden uudistu-
essa tarvitaan myös tietojärjestelmien ja teknologian uudistamista. (Salonen ym. 2018,
40.) Valtiollisessa digimuutosohjelmassa on asetettu tavoitteeksi tarjota väestölle ny-
kyistä yhdenvertaisempia palveluja. Tavoitteena on myös vähentää hyvinvointi- ja ter-
veyseroja. Myös kustannusten kasvua tulisi hillitä. Digitaalisia palveluita tulisi hyödyntää
nykyistä paremmin ja niiden pitäisi tukea peruspalveluja. (Valtioneuvosto 2015.)
Käynnissä oleva teknologinen muutos mahdollistaa myös digitalisoituvien verkostojen
rakentamisen. Digitaalinen murros tarjoaa uudenlaisia toiminnan organisointi- ja palve-
lujen järjestämisen tapoja. Innovaatiotoiminnan on myös havaittu muuttuneen yhä enem-
män avoimen innovaation malliin. Sitä hyödyntävät yritykset ja organisaatiot pyrkivät
rakentamaan ympärilleen kehitysyhteisöjä. Tällä tavalla pyritään muodostamaan liiketoi-
minnallisia ekosysteemeitä. Ominaista ekosysteemiajattelulle on kumppaneiden ja käyt-
täjien yhteistoiminta sekä arvon luominen toisiinsa kytkeytyneiden toimijoiden verkos-
tossa. (Nieminen ym. 2011, 8-10.) Ekosysteemit mahdollistavat myös oman järjestelmän
ulkopuolisten tahojen hyödyntämisen sekä paremman mahdollisuuden reagoida ulkoisiin
paineisiin. (Nieminen ym. 2011, 30, 54)
Yhtenä kiinnostavana skenaariona visioidaan lohkoketjuteknologian mahdollistamaa hy-
vinvointiekosysteemiä, jossa kansalaiset tuottavat itsestään hyvinvointitietoa järjestel-
mään esimerkiksi mobiilisovelluksen kautta (Salonen ym. 2018, 40.) Tuomas Pöysti
(2017) esittää valtioneuvoston ”Ennakoivan hyvinvoinnin ekosysteemin rakentaminen ja
kehkeyttäminen” raportissa digitalisaation olevan tällä hetkellä merkittävä muutosta ajava
voima. Julkisen hallinnan kokonaiskuva ja odotukset ovat muuttumassa. Jalansijaa ovat
saaneet julkispalvelu palvelualustana, alustatalous, ekosysteemimalli ja siirtyminen kes-
kitetyistä hajautettuihin järjestelmiin. Pöystin mukaan ollaan siirtymässä järjestelmä- ja
4
professiokeskeisyydestä kohti ihmiskeskeistä järjestelmää. Pöysti nostaakin esiin lohko-
ketjut yhtenä potentiaalisena teknologiana, joka mahdollistaisi asiakas- ja ihmiskeskeisen
lähestymistavan. (Pöysti 2017.) Kanta palvelussa kehitystyö on jo vireillä. Omakannan
omatietovarannossa voidaan jo tallentaa terveystietoja järjestelmään ja tarkoituksena olisi
että niitä pystyttäisiin jakamaan myös sosiaali- ja terveydenhuollon ammattilaisille.
(Kanta 2018.) Tämä järjestelmä ei kuitenkaan ole lohkoketjuteknologiaan pohjautuva ja
sen idea rakentuu datan luovutuksen, ei niinkään vaihdannan ympärille, kuten lohkoket-
juteknologian mahdollistamassa hyvinvointiekosysteemissä.
Myös tietojärjestelmätieteen professori Tomi Dahlberg (2019) näkee lohkoketjuissa po-
tentiaalia terveyspalveluita silmälläpitäen. Hän korostaa etenkin datan helpompaa ja tur-
vallisempaa liikuttamista sote-ammattilaisten välillä. (Dahlberg 2019.) Yrityksistä aina-
kin Nokia, OP ja Tieto kehittelevät lohkoketjupohjaisia terveystietoihin liittyviä alustoja.
Myös eduskunnan tulevaisuusvaliokunta on käsitellyt aihetta. (Eduskunta 2018, 37.)
Uusia teknologioita ei voida kuitenkaan vaan sovittaa vanhaan rakenteeseen, vaan tarvi-
taan myös rakenteellisia muutoksia. Uusi teknologia voi synnyttää uutta teollisuutta tai
uusia toimintatapoja, joka edellyttää uusien organisaatiojärjestelyjen kehittämistä, myös
sosiaali- ja terveydenhuollon kentällä. Rakenteeseen sopimaton teknologia voi aiheuttaa
organisaatiossa teknisiä sekä sosiaalisia ongelmia. (Arthur 2010, 180-181.) Siksi ilmiötä
on tarkasteltava yksilön kokeman teknologian soveltuvuuden ja hyötyjen näkökulman li-
säksi myös rakenteellisella tasolla. Lohkoketjuteknologia itsessään on suhteellisen uusi
innovaatio ja sitä on tarpeellista tutkia sosiaali- ja terveydenhuoltoon peilaten, mahdolli-
nen hyvinvointiekosysteemi huomioiden.
1.2 Tutkielman tarkoitus ja tutkimuskysymykset
Tutkielman tarkoituksena on teorian ja kirjallisuuskatsauksen avulla kuvata, minkälaisten
teemojen ympärille teoreettinen lohkoketjuteknologian mahdollistama hyvinvoin-
tiekosysteemi voisi rakentua. Hyvinvointiekosysteemin tulisi olla ihmiskeskeinen, eli se
asettaisi ihmisen keskiöön, jonka ympärille ekosysteemi voisi rakentua (Poikola ym.
2018, 12.) Tällä tavoitellaan yksilön lisääntynyttä hyvinvointia sekä yksityisyyden, tur-
vallisuuden ja luottamuksen tunnetta. Omien tietojen hallittavuus lisää yksilön kokemaa
5
hallittavuuden tunnetta omasta elämästään. (Eliasen ym. 2018, 17.) Lähestyn aihetta siis
yksilön näkökulmasta, josta laajennan tarkastelun systeemiteorian valossa yhteiskunnan
tasolle. Koen että ilmiön kuvaamiselle on sosiaalinen tilaus, joka pyrkii vastaamaan hen-
kilökohtaisen datan sekä terveystietojen turvalliseen käyttöön, jakamiseen ja säilyttämi-
seen liittyviin kysymyksiin.
Ajatus hyvinvointiekosysteemistä pohjautuu VTT:n visioon lohkoketjuteknologian käy-
töstä (Salonen ym. 2018), digital health revolution hankkeeseen (Eliasen ym. 2018), oma-
data (mydata) malliin (Poikola 2018 ym.) sekä AuroraAI hankkeeseen (Koppanen &
Ruostetsaari 2019.) Nämä tutkimukset ja hankkeet näkevät hyvinvointiekosysteemin ra-
kentuvan sote- ja muista organisaatioista, käyttäjistä, yrityksistä sekä kolmannen sektorin
toimijoista. Kyseisissä tutkimuksissa ja hankkeissa hyvinvointiekosysteemin on myös
katsottu rakentuvan erilaisten teemojen ympärille. Esiin nousee etenkin ihmiskeskeinen
henkilötietojen hallinta- ja hyödyntämismalli. Tutkielmassani pyrin tuomaan yksityis-
kohtaisesti esiin teemojen sisältöjä aineistosta nousevien esimerkkien kautta. Tarkastelen
myös omia löydöksiäni suhteessa aikaisempiin tutkimuksiin hyvinvointiekosysteemistä
kansallisessa kontekstissa. Keskustelu ja tutkimus lohkoketjuteknologian ja hyvinvoin-
tiekosysteemin osalta leijuu hyvin abstraktilla tasolla. Pyrinkin nostamaan esiin myös
konkreettisia asioita aineistosta, jos se vain suinkin on mahdollista.
Tarkastelen lohkoketjuteknologian mahdollistamaa hyvinvointiekosysteemiä systeemi-
teoriaan peilaten. Yleisen systeemiteorian näkökulmasta lohkoketjuteknologiaa ovat tut-
kineet mm. (Okaka & Comin-Wattiau 2017; Omran ym. 2017.) Niklas Luhmannin teori-
aan liittyvän luottamuksen valossa lohkoketjuja ovat tarkastelleet mm. (Sadhya ym. 2018;
Wessling ym. 2018; Hällström & Uggia 2018; Mehrwald ym. 2019.) Kommunikaation
näkökulman huomio (Van Lier 2017) tutkiessaan lohkoketjuteknologiaa kyberfyysiisen
järjestelmän näkökulmasta. Luhmannin systeemiteorian huomio myös (Paetau 2015,
2016) tutkiessaan rahan sosiaalista funktiota hyväksikäyttäen sosiokyberneettistä- ja so-
siaalisten systeemien näkökulmaa. Tutkielmassani peilaan tarkastelemastani ilmiöstä
nousevia teemoja Niklas Luhmannin systeemiteoriaan ja päinvastoin. Pyrin löytämään
yhtymäkohtia teorian ja ilmiön välillä ja näinollen selittämään ilmiötä myös systeemiteo-
riaan pohjautuen. Hyvinvointiekosysteemi ilmiönä on suhteellisen tuore, samoin kuin
6
lohkoketjut teknologiana. Siksi aikaisempaa tutkimusta aiheesta on vain vähän. Tutkiel-
mani tuloksia pyrin peilaamaan aikaisemmin löydettyihin tuloksiin ja joko vahvistamaan
tai kyseenalaistamaan niissä esille nousseita tuloksia.
Tutkimuskysymykset ovat seuraavat:
1. Minkälaisten teemojen ympärille lohkoketjuteknologian mahdollistama teoreetti-
nen hyvinvointiekosysteemimalli voisi rakentua teorian ja aineiston mukaan, nou-
dattaen ihmiskeskeistä henkilötietojen hallinta- ja hyödyntämismallia?
2. Mitä lisäarvoa lohkoketjuteknologia voisi tuottaa sosiaali- ja terveydenhuollon or-
ganisaatioille?
1.3 Tutkielman kulku
Tutkielmani johdanto-osiossa selvitän tutkielmani taustaa sekä esittelen aihepiirin. Pyrin
osoittamaan myös aiheen ajankohtausuuden sosiaali- ja terveydenhuollon toimintaympä-
ristö huomioiden. Kuvaan myös aikaisempia tutkimuksia aihepiiriin liittyen. Kerron
kuinka tulen vertailemaan aikaisempien tutkimuksien tuloksia omiin tuloksiini. Alalu-
vussa 1.2 esittelen myös tutkimuskysymykseni.
Luvuissa 2 ja 3 kuvaan tutkielman teoreettisen viitekehyksen. Teoreettinen viitekehys ra-
kentuu hyvinvointiekosysteemin elementeistä, joita ovat: lohkoketjuteknologia, ekosys-
teemimalli, omadata ja hyvinvointi. Teoriaosuudessa kuvaan myös Luhmannin systeemi-
teoriaa sekä sen linkittyvyyttä hyvinvointiekosysteemin teemoihin.
Luvussa 4 kuvaan tutkimusmenetelmääni sekä aineistonkeruuta ja analyysiä. Tutkielmani
toteutin kartoittavana kirjallisuuskatsauksena, joka voidaan luokitella kuvailevan kirjalli-
suuskatsauksen kategoriaan. Kuvaan myös tutkimusprosessin etenemisen vaiheittain mu-
kaan lukien sisäänotto- ja poissulkukriteerit, tietokannat, aineiston hakulausekkeet sekä
aineiston valintaprosessin. Tutkimusaineiston analyysin toteutin teoriaohjaavana sisäl-
lönanalyysinä, joka on myös kuvattuna luvussa 4.
7
Tulokset osiossa kuvaan aineostosta nousseita tuloksia teemoittain. Jokaiselle teemalle
on oma alalukunsa, jossa aineistosta nousevia asioita pohditaan suhteessa teoriasta nou-
seviin teemoihin. Pohdinta ja johtopäätökset osiossa pohdin lohkoketjuteknologian ja hy-
vinvointiekosysteemin käyttöä ja käytettävyyttä sosiaali- ja terveydenhuollon konteksti
huomioiden. Esitän myös uusia avauksia ilmiöön liittyen, mikä johdattelee myös lisätut-
kimuksen tarpeeseen. Lopuksi pohdin tutkielmani eettisiä näkökulmia tutkielman teke-
miseen liittyen. Tutkielmassani käytetään paljon englanninkielisiä termejä sekä lyhennel-
miä. Liitteessä 2. on kirjoitettu näitä auki.
8
2 SYSTEEMITEORIA
2.1 Yleinen systeemiteoria
Systeemiteoria juontaa juurensa Newtonin, Galileon ja Copernikuksen kaltaisten ajatteli-
joiden tavasta tutkia fyysistä todellisuutta orastavan systeemiteorian käsittein. Heille
luonto oli keskeisin järjestelmä, jonka ominaisuudet tulkittiin objektiivisiksi, muuttumat-
tomiksi ja yleisiksi. Yleisen systeemiteorian filosofiset juuret kuvaillaan ulottuneen aina
1770-luvulle saakka, kohdistuen G.W.F. Hegeliin. 1920-luvulla Ludwig von Bertalanffy
asetti kyseenalaiseksi redusoimiseksi kutsutun teorian. Bertalanffyn mukaan järjestelmää
ei voi ymmärtää kokonaisuudessaan, jos sen purkaa osiin. Hänen mukaansa järjestelmiä
oli analysoitava kokonaisuuksina, jos niitä haluttiin ymmärtää realistisesti. Bertalanffy
kehittikin avoimien järjestelmien teorian, jossa järjestelmillä on luontainen kyky oman
toimintansa sääntelyyn, voidakseen säilyttää tasapainonsa ja sopeutuakseen uusiin olo-
suhteisiin. 1930-luvulla Bertalanffy oli kiinnostunut luomaan eri tieteiden tuloksista yh-
teisen teoreettisen käsityksen. Yleisen systeemiteorian hän esitteli teoksessaan: General
systems theory: foundations, development, applications (1969). (Harisalo 2008, 180-
195.)
William G. Scott oli ensimmäinen sosiologi joka yhdisti yleisen systeemiteorian ja orga-
nisaatioteorian toisiinsa vuonna 1961. Organisaatio- ja hallinnon tutkimuksessa Chester
Barnard käytti systeemiteoriaa jo 1970-luvulla. Systeemiteoria jäsentyi luonnontieteelli-
sistä ja yhteiskunnallisista olosuhteista ja tekijöistä. Systeemiteorian mukaan organisaatio
on jatkuvassa vuorovaikutuksessa muiden järjestelmien ja toimintaympäristönsä kanssa.
Systeemiteorian vaatimuksena on tutkia rakenteellisia tekijöitä tai koordinaation mahdol-
lisuuksia osana järjestelmien kokonaisuutta. Yleistä systeemiteoriaa on käytetty pääsään-
töisesti sosiologien ja biologien toimesta. Sosiologisesta näkökulmasta tarkasteltuna sen
avulla pystytään hahmottamaan yhteiskunnan järjestelmiä, sen osajärjestelmiä ja toimin-
taympäristöä. Järjestelmien sisällä voidaan tarkastella ovatko ne avoimia vai suljettuja
järjestelmiä. (Kast & Resenzweig 1981.)
Tässä tutkielmassa tarkastelen lohkoketjuteknologian mahdollistamaa hyvinvoin-
tiekosysteemiä Niklas Luhmannin systeemiteorian valossa. Luhmannin systeemiteoria
9
tarjoaa varteenotettavan näkökulman moderniin- ja postmoderniin yhteiskuntaan huomi-
oiden tasapuolisesti sen kaikki järjestelmät. Sosiaali- ja terveydenhuollon näkökulmasta
tarkasteltuna Luhmann on tutkinut ilmiöitä, kuten hoivaamista ja sairaanhoitoa. Lisäksi
Luhmann käsittelee aiheita, kuten kommunikaatio, informaatio, luottamus, teknologia ja
organisaatiot, jotka sopivat myös lohkoketjuteknologian kuvaukseen. Luhmannin teori-
aan kytkeytyy myös toisen asteen-kybernetiikka ja itseensä viittamisen teoria, jotka sopi-
vat tutkielmassa kuvatun ilmiön tarkasteluun. (Luhmann 2013, 26.) Lohkoketjuteknolo-
giaa voidaan tarkastella teknologisen näkökulman lisäksi yhteiskunnallisesta näkökul-
masta, jonka puitteissa yritetään ymmärtää, kuinka tämä teknologia voisi vaikuttaa ny-
kyisiin yhteiskunnan järjestelmiimme (Johansson ym. 2019, 261.)
2.2 Luhmannin systeemiteoria
Niklas Luhmann oli saksalainen sosiologian teoreetikko ja lakimies. Luhmannin työ kes-
kittyi tarkastelemaan yhteiskunnallisia ilmiöitä kuten, tietoyhteiskunnan murrosta, globa-
lisaatiota ja organisaatioihin liittyvää problematiikka. Luhmann pohti ilmiöitä yhteiskun-
tateoreettisestä näkökulmasta. Hän tarkasteli ja analysoi myös perusteellisesti monia yh-
teiskunnan keskeisiä osajärjestelmiä, kuten oikeutta, taloutta, taidetta, hoivaamista, poli-
tiikkaa, sairaanhoitoa ja kasvatusta. Luhmannin näkemyksien keskeisenä vaikuttajana
voidaan pitää funktionaalisen sosiologian oppi-isänä pidettyä Talcott Parsonsia. Luh-
mann oli vuoden Parsonsin opissa yhdysvalloissa. Tänä aikana hän imi vaikutteita mm.
Parsonsin ajatuksesta yhteiskunnallisista osajärjestelmistä eli differentaatioista. Parsonsin
systeemiteoria näyttäytyi Luhmannille kuitenkin liian yksinkertaisena. (Jalava 2013, 7-
9.)
Luhmannin ajatteluun vaikuttivat keskeisesti chileläiset neurotieteilijät Humberto Matu-
rana ja Francisco Varela. He kehittivät autopoieesin käsitteen. Autopoieettiset järjestel-
mät ovat sekä avoimia että suljettuja ja ominaista niille on, että ne uudistavat itse itsensä.
Maturana ja Varela (1980) soveltivat ajatusta biologian puolella mm. solujen toimintaa
tarkastellessaan. Autopoieettisina järjestelminä voidaan pitää sellaisia järjestelmiä, jotka
luovat omien elementtiensä ja niiden kommunikaation kautta elementit, joista järjestelmä
muotoutuu. (Eräsaari 2013, 44; Raiski 2004, 11.) Luhmann toi ajatuksen myös sosiaali-
siin systeemeihin. Hänen mukaansa ajatukset tuottavat lisää ajatuksia ja kommunikaatio
10
lisää kommunikaation määrää. Luhmannin ajatelussa autopoieettiset järjestelmät toimivat
parhaiten suljetussa systeemissä. Hän yhdisti autopoieesin käsitteen aikaisempaan teori-
aansa yhteiskunnasta, klassikoksi muodostuneessa teoksessaan: social systems (1984).
Teos voidaan nähdä myös hänen irtautumisenaan Parsonsin varjosta. (Gilgen 2013.)
Luhmannin teoriaan vaikutti myös Edmund Husserlin (1900, 1901) fenomenologisen tie-
toisuuden muodostamisen analyysissa käyttämät pretention ja protention käsitteet. Kysei-
set käsitteet sekä autopoieesi painottavat järjestelmän toiminnallista sulkeutuneisuutta.
Tällä tarkoitetaan sitä, että järjestelmän muodostavat ja redusoivat elementit spesifioidaan
niiden omien rakenteiden prosessien ja elementtien keskinäisissä yhteyksissä. Järjestel-
mään ei voida tuoda elementtejä ohi niiden keskinäissuhteiden. Luhmannin systeemiteo-
riaa voidaankin pitää edellä mainittujen kahden eri teorian yleistettynä synteesinä. (Erä-
saari 2013, 44.)
Luhmannin teoriassa (1970, 1984) funktionaalinen analyysi ei johda kausaaliseen tai te-
leologiseen selittämiseen, vaan se on pikemminkin eräänlainen vertaileva metodi, jonka
pyrkimyksenä on hävittää sosiaalisten ilmiöiden itsestäänselvyys ja avata tätä kautta so-
siaalisen järjestyksen konstituutioehtojen tarkastelu. Luhmann siis tarkastelee systeemin
ongelmia niiden ratkaisujen kautta. Hän hakee ensin ratkaisuja, joista voidaan johtaa sys-
teemin ongelmat, jotka ratkaisut ratkaisevat. Luhmann pyrkii funktioanalyysissään täh-
täämään erilaisten ratkaisujen mahdollisuuden osoittamiseen. Toisin sanoen hän pyrkii
tarkastelemaan ratkaisuita kontigenssin kautta. Luhmann kuvailee sosiologisen valistuk-
sen tehtäväksi yhteiskunnan in-formoimisen, eli mahdollisuuksien avaamisen vaihtoeh-
toisten ratkaisujen tai kontingenssin osoittamisen kautta. (Kangas 2013, 73-74.)
Luhmannin (1984) perimmäinen ajatus on että yhteiskunta rakentuu funktioista, järjestel-
mistä, osajärjestelmistä ja niiden kommunikaatiosta. Hänen mukaansa kyse on kommu-
nikaation prosessista ja sen muuntautuvista yhteyksistä. Luhmannin mukaan yhteiskunta
ei muodostu ihmisten välisestä kommunikaatiosta, vaan kommunikaatioiden välisestä
kommunikaatiosta. (Jalava 2013, 25.) Luhmannille yhteiskunta on kaikista kattavin kom-
munikaation järjestelmä. Se on hänen mukaansa suljettu järjestelmä, joka havainnoi vain
kommunikaation kommunikaatiota. Tietoisuus ja kommunikaatio ovat Luhmannille eri
11
ilmiöiden järjestelmiä. (Luhmann 2004, 67-69.) Luhmannin mukaan monimutkaiset jär-
jestelmät kuten yhteiskunnat ovat jakautuneet osajärjestelmiin, jotka näkevät muut yh-
teiskunnan alueet omana ympäristönään (Luhmann 2004, 57.)
2.3 Ilmiömäisyys, organisaatiot ja moderni yhteiskunta
Luhmann (1984) kritisoi muiden sosiologien kuvauksia yhteiskunnan toiminnasta. Hänen
mukaansa kuvaukset eivät tavoittaneet ilmiömäisyyttä. Ilmiömäisyydellä tarkoitetaan sitä
miten asiat ovat, mikä kokoaa niiden merkityksen, mikä aiheuttaa tapahtumisen havait-
semisen ja jatkuvuuden ja miten systeemien dynamiikka on ratkaisu muutoksen ymmär-
tämiseen. Ilmiömäisyys tekee ilmiöstä totta. Niiden on tapahduttava, jotta niitä voidaan
ajatella pidemmälle. Postmodernissa maailmassa ilmiöt ovat usein monimutkaisia. Mo-
nimutkaisuutta ei Luhmannin mukaan kuitenkaan pidä pitää haittana tai ongelmana. Mo-
nimutkaisuutta ei hänen mukaansa tulisi yksinkertaistaa, koska asiat ja ilmiöt ovat kie-
toutuneita ja niin niiden kuuluukin olla. Yksinkertaistaminen vain lisää ongelmia, koska
silloin ei yritetä ymmärtää ilmiön kompleksisuutta. (Eräsaari 2013, 21-22.) Paradoksaa-
lisesti Luhmann (1982) kuitenkin pyrkii erottelemaan systeemeitä osasysteemeistä komp-
leksisuuden vähentämiseksi ja kontingenssin lisäämiseksi. Luhmannin teoriassa mm.
(1972, 1975, 1977) systeemien tulee olla funktionaalisia, jotta ne pystytään koodaamaan
binäärikoodien avulla. Systeemit ovat funktionaalisia silloin, kun ne pystyvät järjestäyty-
mään ja jakamaan informaatiota siten, että myös toiset systeemit pystyvät hyötymään
siitä. (Jalava & Kangas 2013, 48-52.)
Hän oli kiinnostunut myös luottamuksesta ilmiönä. Luottamus on ratkaisu kun johonkin
asiaan liittyy riski. Luottamus syntyy ihmisten välille, kun tunnemme olomme turval-
liseksi toisen seurassa. Postmodernissa yhteiskunnassa elämä kuitenkin muuttuu koko
ajan joka vaikuttaa luottamuksen syntymiseen ja ylläpitämiseen. Luottamus on siirty-
mässä Luhmannin mukaan yhä etenevissä määrin kosmologisesta luottamuksesta tekno-
logiseen luottamukseen. Emme luota enää sokeasti tarinoihin, vaan vaadimme todisteita,
jotka teknologia mahdollistaa. Lisääntynyt kompleksisuus yhteiskunnassa voi luoda tar-
peen systeemeille jotka lisäävät luottamusta, jotta ihmisten osallistuminen yhteiskunnassa
säilyy, esimerkkinä äänestäminen. Luottamusta tarvitaan yhteiskunnan eri systeemeissä,
kuten taloudessa, politiikassa ja juridiikassa. Jos luottamusta ei ole, myöskään systeemit
12
eivät voi suorittaa niille määrättyä tehtävää. Luottamuksen puute yhteiskunnassa voi
muodostaa kierteen, joka vähentää luottamusta yhteiskunnan järjestelmistä kerros kerrok-
selta ja lopulta muodostaa levottomuutta ja mahdollisesti järjestelmien hajoamisen. (Luh-
mann 2000.)
Luhman (1984) erottelee yksilön tietoisuusjärjestelmän ja systeemireferenssin eli sosiaa-
lisen järjestelmän toisistaan. Ilmiön systeemisyys ei siis rakennu erilaisia subjekteja seu-
raamalla. Systeemissä tehdään erottelu systeemin ja ympäristön välille. Systeemi havain-
noi sisäisesti omaa jakoaan ympäristöönsä suhteutettuna. Luhmannin mukaan ilmiö voi-
daan tavoittaa organisaatiolla, sillä ne tiedottavat järjestelmän toiminnasta sekä toimi-
joille että havainnoijille. Ne siis voivat olla jokapäiväiseen elämään vaikuttavia osia.
(Eräsaari 2013, 34.)
Luhmannin (1964, 2000) systeemiteoriassa organisaatio nähdään kolmantena sosiaalisten
systeemien muotona yhteiskunnan ja interaktioiden lisäksi. Postmoderni yhteiskunta
muodostuu Luhmannin mukaan useista eri osasysteemeistä. Osasysteemit kuitenkin lin-
kittyvät tavalla tai toisella kommunikaatioon joka tapahtuu erityisesti organisaatioissa.
Organisaatiot kommunikoivat Luhmannin mukaan päätöksenteon kautta. Organisaatioi-
den tekemät päätökset ovat myös sidoksissa niiden aiempiin päätöksiin. Organisaatioissa
tehdyt päätökset vaikuttavat myös sen ympäristöön ja muihin ympäristössä toimiviin or-
ganisaatioihin. Osasysteemien toimintaa on helpompi hahmottaa organisaatiosta käsin.
Organisaatiot ovat tavallaan eri osasysteemien kehityksen oheistuotteita. Esimerkiksi po-
litiikan myötä on syntynyt poliittiset puolueet, talouden myötä ovat kehittyneet erilaiset
yhtiöt ja yritykset ja hoivan sekä sairaanhoidon myötä on luotu sairaalat ja sosiaali- ja
terveydenhuollon organisaatiot. (Jalava 2013, 100.)
Luhmannin systeemiteoriassa organisaatio on suhteellisen laaja käsite. Se kattaa alleen
esimerkiksi sairaalat, oppilaitokset, poliittiset puolueet, kaupalliset yhtiöt, oikeuslaitok-
set, vapaaehtoisorganisaatiot ja kolmannen sektorin toimijat. Erilaiset organisaatiot voi-
daan nähdä sosiaalisen muodon erilaisina variantteina. Organisaatioiden avulla eri
osasysteemeitä pystytään kuitenkin tarkastelemaan empiirisesti. Esimerkiksi talouden
systeemin toimintaa voidaan hahmottaa pankkien ja pörssiyhtiöiden avulla. Organisaatiot
tekevät osasysteemien toiminnan todelliseksi. Voidaankin todeta että Luhmann pitää
13
postmodernia yhteiskuntaa, organisaatioiden yhteiskuntana. Hänen mukaansa organisaa-
tiot kommunikoivat päätöksenteon kautta. (Jalava 2013, 101.) Postmoderni yhteiskunta
perustuukin Luhmannin mukaan autopoieettisten toimintojensa tasolla ohjelmointiin,
koodaukseen ja funktionaaliseen eriytymiseen (Luhmann 2004, 184.)
Systeemiteoreettisessa ajattelussa organisaatiot on nähty suljettuina systeemeinä. Niillä
on omat säännöt ja päätöksentekokäytännöt, sekä uniikki historia joka vaikuttaa organi-
saation toimintaan. Uudistuakseen organisaatiot tarvitsevat kuitenkin toisia organisaa-
tioita. Organisaatiot toimivat toisien organisaatioiden toimintaympäristöissä ja ne kom-
munikoivat toistensa kanssa rakenteellisen kytkennän kautta. Monimutkaisuuden lisään-
tyessä organisaatiot eivät aina pysty itse ratkaisemaan kohtaamiaan ongelmia, jolloin ne
tarvitsevat toisten organisaatioiden apua ongelmanratkaisuun. Ympäristössä toimivat or-
ganisaatiot voivat myös omalla toiminnallaan säädellä toisten organisaatioiden toimintaa.
Esimerkiksi sosiaalihuollon lakimuutos vaikuttaa sosiaalihuollon käytäntöihin. (Jalava
2013, 101-107.)
Luhmann (1995) puhui kuitenkin differentaatiosta, jolla hän tarkoitti systeemin ja sen
ympäristön välistä suhdetta. Sen turvin systeemi sulautuu ympäristöönsä luoden omat
alajärjestelmänsä. Sulautuessaan ympäristöönsä systeemi muuttuu vaikeammin kontrol-
loitavaksi. Se myös ikään kuin laajentuu ja avautuu alttiiksi ympäristölleen. Tällaista sys-
teemiä voidaan kutsua Luhmannin mukaan avoimeksi systeemiksi. (Luhmann 1995a, 7-
8.)
Luhmannin tarkasteli myös modernia yhteiskuntaa teoriansa turvin. Funktionaalinen eriy-
tyminen teki mahdolliseksi uudenlaiset refleksiteoriat, jotka mahdollistivat yksittäisten
funktiojärjestelmän autonomian, tehtävän ja itseisarvon. Modernin yhteiskunnan funk-
tiojärjestelmille on ominaista, että epäsopivat moraalit ja instituutiot hajoavat ja niiden
tilalle muodostuu tehtävään sopivampia instituutioita sopivine koodeineen. Uusia järjes-
telmiä ei kuitenkaan synny ilman vastustusta. Luhmannin mukaan uusien järjestelmien
kokema vastustus kielii siitä, että se on tavoitettavissa kommunikaatiolla suhteessa ym-
päristössä oleviin järjestelmiin. Se toimii ikään kuin testinä sille onko muutos todellista.
(Luhmann 1995b.) Jokaisella funktiojärjestelmällä on oma erityinen resonointikykynsä.
Siksi niitä pitää myös analysoida erikseen. Osajärjestelmät ovat toistensa ympäristöä. Ne
14
myös häiritsevät ja ehdollistavat toisiaan vastavuoroisesti. Jos yksi osajärjestelmä reagoi
ympäristönsä muutokseen, muuttaa se myös toisten osajärjestelmien yhteiskunnallista
ympäristöä. Funktiojärjestelmien yhteistoiminta on kuitenkin välttämätöntä yhteiskunnan
toiminnan kannalta. (Luhmann 2004, 88-93.)
Luhmann (1973) kuvailee myös postmodernin yhteiskunnan piirteitä yksilön näkökul-
masta. Yksi keskeinen näkemys on esimerkiksi avun tarve, joka on sidoksissa osasystee-
mien toimintaan. Osasysteemit voivat toiminnallaan aiheuttaa syrjäytymistä yhteiskun-
nasta. Esimerkiksi talousjärjestelmä voi aiheuttaa kodittomuutta tai työttömyyttä. Siksi
yhteiskunta tarvitsee systeemejä, jotka vahvistavat inkluusiota tai auttamista. Luhmann
kutsuu tämän kaltaisia systeemejä sekundäärisiksi systeemeiksi. Sekundäärisysteemit
pyrkivät ratkomaan primääristen systeemeiden tuottamia ongelmia. Systeemiteoreetti-
sesti ajatellen hoiva on tästä hyvä esimerkki. Hoivassa kommunikaatio syntyy hoivatta-
van ja hoivaavan välille. Jos esimerkiksi yksilö ei selviydy talousjärjestelmän tuottamista
vaatimuksista, joutuu yhteiskunta hoivaamaan yksilöä. Tähän taas tarvitaan sekundääri-
systeemiä, joka tässä tapauksessa voidaan nähdä sosiaalityönä. (Jalava 2013, 148.)
2.4 Koodit, mediumit, ohjelmat ja luottamus
Jokainen osasysteemi on erilainen ja niitä voidaan tarkastella kommunikatiivisten koo-
dien ja mediumien kautta. Osasysteemit voidaan koodata binäärikoodien avulla, esimer-
kiksi oikeudellisen systeemin koodi voi olla laillinen tai laiton ja taloudellinen koodi voi
olla maksaa tai ei maksa. Binäärikoodit ovat siis funktionaalisia kaksiarvoisia koodeja,
jotka esiintyvät erikoistuneiden funktioiden näkökulmasta vaatimuksiltaan universaa-
leina poissulkien kolmannet mahdollisuudet. Binäärikoodit ovat siis kaksintamissääntöjä.
Todellisuudessa kommunikaation koodauksella päästään siihen, että kaikkea mitä vertail-
laan, voidaan käsitellä kontingenttina eli vaihtoehtojen välisenä valintana vastakkaisen
arvon suhteen. (Luhmann 2004, 75-77.) Mediumi taas on ikään kuin osajärjestelmän
osoittaja. Esimerkiksi talouden mediumi on raha, poliittisen järjestelmän mediumi on
valta ja oikeusjärjestelmän mediumi on laki. (Jalava & Kangas 2013, 51-52.)
15
Luhmann huomauttaa kuitenkin, ettei postmodernia yhteiskuntaa pysty tarkastelemaan
pelkästään koodien avulla. Pelkät koodit eivät tee yhteiskunnan toimintaa ymmärrettä-
väksi. Yhteiskuntaa voidaan Luhmannin mukaan tarkastella siis kahdella eri tasolla. Koo-
dauksen tason lisäksi voidaan tarkastella tasoa, jossa operaatioiden oikeellisuuden ehdot
määritellään ja mahdollisesti muunnellaan. Tätä tasoa Luhmann kutsuu ohjelmoinnin ta-
soksi. Koodauksen ja ohjelmoinnin tasojen ansiosta järjestelmä voi operoida sekä suljet-
tuna että avoimena järjestelmänä. Hänen mielestään eriytyneiden tasojen avulla voidaan
ratkaista ongelmia jotka koskevat yhteiskunnallista resonanssia. (Luhmann 2004, 85-86.)
Resonanssi kuvaa järjestelmän ja ympäristön välistä suhdetta. Jos yhteiskunta nähdään
monimutkaisena ilmiönä, niin ettei sitä pysty kuvaamaan yksikertaisesti, tarvitaan reso-
nanssia. Järjestelmän ja ympäristön välinen yhteys syntyy kun järjestelmä uusintaa itse-
ään ympäristöltään suljetussa tilassa, käyttämällä sisäisesti kehämaisia rakenteita. Tällöin
ympäristötekijät voivat tuottaa ärsykkeitä järjestelmään, ja saada sen värähtelemään. Tätä
tilannetta Luhmann kutsuu resonoinniksi. (Luhmann 2004, 52-53.)
Luhmannin (1994) ajattelussa yhteen osajärjestelmään liittyy aina sen mediumin kautta
tarkasteltavat koodit. Åkerstrom Andersen (2003) pitää tällaista järjestelmää tai organi-
saatiota homofonisena. Se toimii joidenkin organisaatioiden kohdalle, kuten esimerkiksi
oikeusjärjestelmän. Mutta jos ajatellaan esimerkiksi sosiaali- ja terveydenhuollon organi-
saatiota, muuttuu koodaus- ja mediumi ajattelu paljon monimutkaisemmaksi. Sote-orga-
nisaatiossa vaikuttavat useat eri osajärjestelmät kuten, talous, politiikka ja oikeus sekä
niiden koodit ja mediumit. Tällaista organisaatiota, joka operoi monella eri osa-alueella,
Åkerstrom Andersen (2003) kutsuukin polyfoniseksi järjestelmäksi. Polyfonisen organi-
saation voidaan katsoa uusivan itseään monen eri osajärjestelmän ja koodin kautta. Poly-
fonisen organisaation päätöksenteko ja valinnat linkittyvät myös siihen, millä koodilla
kommunikoidaan milloinkin. Polyfonisessa organisaatiossa korostuu toisten organisaa-
tioiden, kumppanuuksien ja sopimusten merkitys. Kun tarpeeseen ei pystytä vastamaan
organisaation sisältä, tarvitaan organisaation ulkopuolista apua. Toisin sanoen kyse on
Luhmannin (2004) mukaan resonoinnista (Jalava 2013, 110-111.) Hän kuitenkin on ko-
rostanut organisaation uusivan itseään vain suljetussa tilassa. Ongelmatilanteiden ratkai-
suksi Luhmann (1997) kuitenkin esittää sekundäärisiä systeemeitä. (Jalava 2013, 55.)
16
Luhmannin teoriassa on paljon ristiriitaisuuksia kun tarkastellaan esimerkiksi modernin
ja postmodernin yhteiskunnan organisaatiota. Suurin osa postmoderneista organisaa-
tioista ei operoi enää pelkän yhden osajärjestelmän mediumin ja koodien kautta. Luh-
mann on todennut itsekin, että hänen teoriansa voi nähdä yhtenä mahdollisena lähesty-
mistapana muiden joukossa. Luhmannin teoria pyrkii kuitenkin pilkkomaan yhteiskuntaa
pienempiin osiin, rakentamalla systeemeitä ja osasysteemeitä, joille on omat mediuminsa
ja koodinsa. Tällöin yhtä kokonaisuuden osaa on helpompi hahmottaa. Hän myös koros-
taa organisaatioita systeemien ja osasysteemien ilmentyminä ja kommunikaation tuotta-
jina. Organisaatiota pystytään myös empiirisesti tutkimaan. Se tuo Luhmannin teoriaan
lisää konkreettisuutta. (Jalava 2013, 113.)
17
3 HYVINVOINTIEKOSYSTEEMIN TEOREETTISET ELEMENTIT
3.1 Lohkoketjuteknologia
Lohkoketjuteknologia on teknologiaa. Teknologialla ei ole yhtä oikeaa määritelmää siitä
mitä se on. Sillä ei siis ole yksittäistä teoreettista perustaa. Voidaan kuitenkin tarkastella
sitä kuinka teknologiat syntyvät ja kehittyvät. W. Brian Arthurin (2010) mukaan kaikki
teknologiat muodostuvat alkioidensa kombinaatioista. Alkiot itsessään ovat myös tekno-
logioita. Alkio voi olla esimerkiksi komponentti, transistori tai mikrosiru. Alkiota yhdis-
telemällä taas syntyy uusia innovaatioita, uutta teknologiaa. Uusien asioiden tarve syn-
nyttää uutta teknologiaa. Ihmisellä onkin ollut tarve vangita ja valjastaa luonnon ilmiöitä
omiin käyttötarkoituksiinsa, ja tähän on tarvittu ja tarvitaan edelleen teknologiaa. Arthu-
rin mukaan teknologia luo itse itseään. Hänen mukaansa prosessi on rekursiivinen, jossa
uudet teknologiat luovat uusia alaongelmia, joiden ratkaisemiseksi tarvitaan taas uusia
teknologioita. Hän kutsuu tätä kehää kombinatoriseksi evoluutioksi. (Arthur 2010, 188.)
Teknologian ja varsinkin tietokoneisiin liittyvää kehittymistä on myös selitetty joka vuosi
kasvavalla laskentanopeudella. Gordon Moore (1965) huomasi tietokoneen transistorei-
den määrän kasvavan joka vuosi, joka paransi niiden laskentatehoa. Moore esitti väitteen,
että transistoreiden lukumäärä tuplaantuu n. kahdessa vuodessa. Tätä periaatetta kutsu-
taan Mooren laiksi. Mooren lain mukaan tietokoneiden suorittimien laskentateho siis tup-
laantuu 18-24 kuukauden välein. (Fortnow 2014, 165.) Mooren laki ei enää yksistään
kuitenkaan selitä teknologian kehittymistä. Eric DeBenedictiksen mukaan (2018) pelkkä
transistoreiden lisääntyminen ei kuitenkaan pysty enää selittämään jatkuvaa kehitystä.
DeBenedictis esittääkin tekoälyn, kvanttikoneiden ja muiden orastavien teknologioiden
ja Mooren lain muodostavan hybridin, joka tulee mullistamaan vielä koko teknologian
kentän.
Itse lohkoketjuteknologian syntyyn vaikuttivat pitkään käydyt keskustelut instituutioiden
ja yksilöiden välisistä suhteista, ihmisyhteisöjen spontaanista järjestäytymisestä sekä
desentralisaatiosta. Lohkoketjuteknologiassa on kysymys ongelmanratkaisusta, vapaasta
luovasta kehittämisestä, itsekorjaavuudesta ja halusta ymmärtää logiikkaa toiminnan ym-
pärillä. (Rantala 2018, 46.)
18
Vuonna 2008 investointipankki Lehman Brothers meni konkurssiin ja sysäsi koko maa-
ilmantalouden laskusuhdanteeseen. Tällöin ihmisten luottamus rahoitusinstituutioihin
koki kovan kolauksen. Ei liene sattumaa että lohkoketjuteknologian ensimmäinen sovel-
lus Bitcoin, synnytettiin vain kaksi kuukautta Lehman Brothersin romahduksen jälkeen.
(Venkata 2017.) Lohkoketjuteknologia on siis verrattain uusi innovaatio, mutta se voi-
daan nähdä myös osana neljännen teollisen vallankumouksen syntyä (Rantala 2018, 46.)
Lohkoketjuteknologian synty voidaan kuvata Arthurin (2010) määrittelemän kombinato-
risen evoluution mukaan. Tarve syntyi epäluottamuksesta instituutioita kohtaan. Lohko-
ketjuteknologia itsessään on yhdistelmä aikaisemmin kehitettyjä alkioita. Sen myötä on
syntynyt myös uusia alaongelmia, joihin on kehitetty ja kehitetään ratkaisuja uusien in-
novaatioiden keinoin, synnyttäen taas uutta teknologiaa. (Arthur 2010, 188.)
Lohkoketjuteknologiaa voidaan myös tarkastella kybernetiikan näkökulmasta, koska
pohjimmiltaan se on ihmisen ja koneen välistä kontrollointia ja kommunikaatiota. Kyber-
netiikkaa on yksi yleisen systeemiteorian sovellutuksista. (Harisalo 2008, 184.) Se sai
tiettävästi alkunsa vuonna 1942 Macy-konferensseista, joihin kokoontuivat fysiologit ma-
temaatikot ja insinöörit. Konferensseissa keskusteltiin teleologisuudesta ja itsesäätelystä.
Keskeisiksi keskustelun aiheiksi nousivat biologiset ja koneelliset järjestelmät sekä nii-
den sosiaaliset prosessit. Myös armeija kiinnostui aihepiiristä ja varsinkin tiedonsiirron
turvallisuusnäkökulmasta. Tiedonsiirtoon kehitettiinkin ”pakettikytkentä” (packet swit-
ching), jossa data hajotettiin pienemmiksi paketeiksi. Vastaanottaessa tiedostoja paketit
yhdistämällä data saatiin taas luettavaan muotoon. (Rantala 2018, 47.) Kybernetiikan
yhtenä tärkeimpänä kehittäjänä on pidetty Norbert Wieneriä. Wienerin vuonna 1969 il-
mestyneessä teoksessa ”Ihmisestä, koneista ja kielestä” kuvataan tieteitä, jotka käsittele-
vät organismien ja koneiden kontrollointia palautteen ja kommunikaation avulla. Ky-
seessä on siis informaation käyttäminen, välittäminen ja manipuloiminen kemiallisten ja
fyysisten systeemien kontrollointiin. Kybernetiikassa systeemien toiminta ja lopputulos
ovat aina ennalta määriteltyjä tai ennakoitavissa. (Ståhle 2004.)
Rantala (2018) kuvailee kybernetiikan liittyvän lohkoketjuteknologiaan, koska siinä ih-
minen ja ei-ihminen (kone) toimivat yhdessä. Siinä pyritään ymmärtämään ja luomaan
hallittuja itsesääteleviä järjestelmiä. Kybernetiikka pyrkii myös tutkimaan ja kehittämään
19
informaatiojohtoista sosiaalista hallintaa, joka kohdistuu sekä ihmisiin että ei-ihmisiin eli
koneisiin. (Rantala 2018, 47.) Kybernetiikalle ominaista on myös tutkia sellaisia järjes-
telmiä, joissa valvonnalla on suuri merkitys. Jos järjestelmä ei sisällä valvontaa, siltä ei
myöskään voida edellyttää valintojen eikä päätösten tekoa. (Harisalo 2008, 185.)
3.1.1 Lohkoketjun tekninen kuvaus ja ominaisuudet
Vuonna 2008 pseudonyymi Satoshi Nakamo julkaisi artikkelin ”Bitcoin: a peer-to-peer
electronic cash system”. Artikkelissaan Nakamoto esittelee kryptovaluutta bitcoinin toi-
mintaa, joka pohjautuu lohkoketjuteknologiaan. Lohkoketjuteknologian kuvataan edes-
auttavan arvon siirtämisessä (transactions) kahden toisilleen tuntemattoman toimijan vä-
lillä, ilman kolmatta osapuolta, joka normaalisti mielletään pankiksi. Varmentaakseen
siirtyvien tietojen oikeellisuuden Nakamoto esittää aikaleimauksen (timestamp) ja työn
varmennuksen (proof of work). (Nakamoto 2008.) Kuitenkin jo vuonna 1991 ilmesty-
neessä Haberin ja Stornettan artikkelissa puhutaan digitaalisesta aikaleimauksesta, joka
kuvataan digitaalisessa muodossa olevien dokumenttien varmentamisena aikaleimauksen
ja digitaalisen allekirjoituksen avulla. (Haber & Stornetta 1991.) Nakamoto on ottanut
vaikutteita myös tietokoneinsinööri Wei Dain (1998) julkaisemasta B-money tekstistä.
Tekstissään Dai kuvaa lohkoketjuteknologialle ominaisia piirteitä, kuten digitaalisten
omistusten siirtämistä (transactions), hajautettua tietokantaa (distributed ledger), tiedon
varmentamista (proof of work), älykkäitä sopimuksia (smart contracts) ja toimijoiden
anonymiteettiä. (Dai 1998.) Nick Szabo puolestaan esitteli artikkelissaan ”smart cont-
racts” älykkäiden sopimusten ideaa jo vuonna 1994. Szabo jatkoi idean kehittämistä myös
vuosina 1996-1999. Hän oli myös kiinnostunut digitaalisen valuutan luomisesta ja esitte-
likin artikkeleissaan mikromaksamista ja siihen liittyviä ongelmia ja hyötyjä. (Szabo,
1999). Szabo esitteli myös oman versionsa kryptovaluutasta nimeltä Bitgold vuonna
2005. Nakamoto oli kuitenkin ensimmäinen, joka sai nämä kaikki omainaisuudet yhdis-
tettyä. Näin syntyi Bitcoin, jota voidaan pitää lohkoketjuteknologian ensimmäisenä so-
velluksena. (Lauslahti ym. 2016.)
Teknisesti lohkoketju on hajautettu useille eri tietokoneille. Lohkoketjun yhtä osaa, eli
lohkoa, voidaan verrata esimerkiksi kirjanpidon tilikirjaan. Kun kirjanpito saadaan tehtyä
tietyltä ajanjaksolta, lohko suljetaan ja tieto siitä kirjataan tilikirjaan (ledger). Jälkikäteen
20
lohkoa ei voi enää muuttaa ja järjestelmä tunnistaa sen, jos joku yrittää sitä peukaloida
(tamper proof). Useasta lohkosta syntyy ketju lohkoja, eli lohkoketju. Jokaisella lohko-
ketjun lohkolla on oma tunnisteensa, jota kutsutaan myös tiivisteeksi (hash). Lohkoket-
jussa lohkot yhdistetään edelliseen algoritmilla, jota nimitetään myös tiivistefunktioksi.
Tämä funktio luo datasta sekalaisen merkkijonon. Tiivistefunktio näyttäytyy jokaisella
käyttäjällä samoin eli tietystä datasta syntyy aina merkkijono, joka on samanlainen.
Koska tieto on hajautettu usealle eri tietokoneelle, tiivistefunktio varmistaa, että data on
täysin samanlainen kaikissa koneissa. Järjestelmä huomaa yhdenkin merkin muutoksen
datassa. Jokainen lohkoketjun lohko pitää sisällään tiivistefunktiolla edeltävästä lohkosta
lasketun merkkijonon. Käytännössä tiivistefunktio tekee peräkkäisistä lohkoista paloja,
jotka sopivat toisiinsa täydellisesti. Periaatteessa lohkot ovat kuin kansioita tietokoneen
kiintolevyllä, mutta hajautetumpia ja turvallisempia. (Storås 2016.)
Lohkojen varmentaminen tapahtuu konsensusmekanismin ja solmujen (node) kautta. Eri-
laisista konsensusmekanismeista tunnetuimmat ovat proof of work (PoW) eli louhiminen
ja proof of stake (PoS), joka perustuu riittäviin panoksiin. PoW-konseptia käytetään esi-
merkiksi Bitcoinissa ja PoS:ia Ethereum alustan varmentamisessa. PoW-menetelmää to-
teutetaan jokaisessa lohkossa olevan yksilöllisen Nonce (number used once) -muuttujan
haravoinnilla. Siirron varmistajat louhivat, eli etsivät soveltuvaa Nonce-muuttujaa, jonka
avulla tiivistefunktion ratkaisu saadaan ennalta määritellyt ehdot täyttäviksi. Nonce-
muuttujan varmistanut taho saa työstään palkkion. Esimerkiksi Bitcoinin tapauksessa tie-
don varmentaja, eli louhija saa palkkioksi Bitcoineja. Lohkot sisältävät myös tiivistear-
von (Prev_Hash) edellisestä lohkosta, aikaleiman (timestamp) sekä epäsymmetrisellä
avaimella salatut siirrot (Tx_Root). Erilaisilla konsensusmekanismeilla pyritään siis luo-
maan luottamusta lohkoketjun käyttäjien välille. (Yli-Huumo ym. 2016; Honkanen 2017,
8; Värränkivi ym. 2018, 10.) Lohkoketjuteknologian toimintaperiaate on kuvattuna ku-
vassa 1. ( Kinnunen ym. 2017, 6.)
21
Kuvio 1. Lohkoketjun toimintaperiaate ( Kinnunen ym. 2017, 6)
Yksi lohkoketjuteknologian perustavanlaatuinen ominaisuus on siis luottamus. Luotta-
mus on keskeinen elementti yhteiskunnan kaikessa toiminnassa. Ilman luottamusta yh-
teiskunnan järjestelmät eivät ole vuorovaikutuksissa toisiinsa. Nykyisin luottamuksen
luomiseen kehitetyt kolmannen osapuolen varmennusjärjestelmät ovat aikaa vieviä ja
työläitä prosesseja. Luottamuksen varmentamisesta joudutaan myös maksamaan. Pan-
keille pitää maksaa palvelumaksuja, lakimiehille maksetaan sopimusten varmentamisesta
ja vakuutusyhtiölle maksetaan vakuutusten laatimisesta. Sama koskee myös kirjanpitoa,
kiinteistökauppoja ja osakekauppoja. Myös sote-palveluissa tarvitaan luottamusta. Saa-
dakseen palveluita on varmennettava identiteetti kolmannen osapuolen myöntämällä do-
kumentilla. Identiteetin varmentamiseen on kuitenkin kehitetty erilaisia keinoja. (Johans-
son ym. 2019, 71-73.)
22
Digitaalinen identiteetti sisältää tietoa jostain kokonaisuudesta, jonka avulla kuvataan di-
gitaalisessa maailmassa ulkoista toimijaa, kuten henkilöä, yhteisöä, laitetta tai sovellusta.
Digitaalisen identiteetin varmentaminen mahdollistaa järjestelmän kanssa toimimisen il-
man ihmisen liittymistä varsinaiseen tunnistusprosessiin. Digitaaliset identiteetit mahdol-
listavat toiminnan automatisoimisen sekä järjestelmien välisen kommunikaation. Kun
palvelut muuttuvat digitaalisiksi, digitaalisen identiteetin merkitys kasvaa. World wide
web consortium (W3C) on luomassa myös standardia digitaaliselle identiteetille, jonka
mukaan jatkossa toimitaan. W3C:n ehdotus on DID-tunniste (decentralized Identifier).
DID-standardoinnin avulla yksilöt, yhteisöt ja palveluntarjoajat voivat luoda uniikkeja
tunnisteita jotka ovat omistajiensa hallussa. (Johansson ym. 2019, 127-133.)
Lohkoketjuteknologiassa luottamus toimijoiden kesken syntyy matemaattiseen krypto-
grafiaan perustuen koneellisesti, ilman kolmatta hallinnoivaa osapuolta. Tyypillisimpiä
käyttökohteita toimijoiden välillä ovat erilaiset siirrot (transactions). Kuvatun teknolo-
gian turvin kolmatta osapuolta ei tarvita, vaan teknologia mahdollistaa luottamuksellisen
toiminnan. Suurin osa lohkoketjuteknologian sovellutuksista pohjautuu avoimeen lähde-
koodiin. Lohkoketjuteknologialla pyritään myös vastaamaan hajautetun tiedon päätök-
senteon ongelmaan. Tätä ongelmaa nimitetään myös bysanttilaisen kenraalin ongelmaksi.
Kun tieto varmennetaan eri solmuissa, ei väärää tietoa pääse syntymään. (Värränkivi ym.
2018, 9-10; Rantala 2018, 45.) Lohkoketjuteknologia on siis järjestelmä joka luo luotta-
musta ilman kolmatta osapuolta (Johansson ym. 2019, 33.)
3.1.2 Lohkoketjutyypit ja toimijat
Lohkoketjuja on jaoteltu kolmeen eri luokkaan: julkisiin, yksityisiin ja luvanvaraisiin.
Julkisissa lohkoketjuissa niihin säilötyt siirtotapahtumat (transactions) ovat löydettävissä
julkisesti avoimesta lokista. Avoimen lokin periaatteessa tiedon sisältö on kuitenkin voitu
kryptografisesti salata PKI-mekanismilla (public key infrastructure), joten tiedon sisäl-
töön ei ole pääsyä ilman tunnistusavainta. Yksityiset lohkoketjut taas ovat suljettuja, eikä
konsensusmekanismin käyttö ole niissä välttämätöntä, koska toimintaympäristö on jo läh-
tökohtaisesti luottamuksellinen. Yksityisiä lohkoketjuja voidaan käyttää esimerkiksi yri-
23
tyksien sisäisissä järjestelmissä. Luvanvaraisiin lohkoketjuihin osallistutaan yleensä kut-
sun tai luvan kautta. Kutsu voidaan osoittaa esimerkiksi älykkäiden sopimusten luomi-
seen lohkoketjuverkon sisällä. (Honkanen 2016, 9.)
Lohkoketjut voidaan jakaa myös hajautettuihin- (decentralized) sekä keskitettyihin (cent-
ralized) järjestelmiin. Keskitetyssä järjestelmässä verkoston elementit noudattavat kes-
kuksen ohjausta. Hajautetussa verkostossa taas ei ole mitään yksittäistä päättävää elintä,
joka ohjailisi verkoston toimintaa. Avoimet ja julkiset lohkoketjuratkaisut nähdään siis
hajautettuina ja yksityiset ja suljetut keskitettyinä. (Rantala 2018, 46.)
Kryptovaluutat ovat yksi tunnetuimpia lohkoketjuteknologiaan pohjautuvia sovelluksia.
Kryptovaluutat ovat virtuaalista valuutta, joita voi ostaa, vaihtaa ja myydä kryptovaluut-
tapörsseistä, kuten esimerkiksi Coinbase, Binance tai Coinmotion. Kryptovaluuttojen
arvo vaihtelee niiden kysynnän ja tarjonnan mukaan, ikään kuin osakemarkkinoilla. Coin-
marketcap listaa kryptovaluutat ja sen sisältämän pääoman sivustollaan. Sivustolta voi
seurata myös arvon kehittymistä. Kryptovaluutat voidaan jakaa ”kolikkoihin” (coins) ja
”tokeneihin” (tokens). Kolikot on suunniteltu käytettäväksi maksuvälineenä, kun taas to-
keneilla on muitakin käyttötarkoituksia. Tokenin voidaan määritellä olevan todiste jonkin
asian arvosta. Tokenit soveltuvat myös arvon siirtoihin ja vaihtamiseen digitaalisilla alus-
toilla. (Rennock ym. 2018, 38.) Token on siis digitaalinen rahake tai poletti, joka on to-
distus tietyn asian omistuksesta. Tokenisointi viittaa prosessiin, jossa jokin asia esimer-
kiksi kultaerä liitetään lohkoketjuun. Kultaerän kytketään tokeneihin, joista jokainen to-
ken edustaa tiettyä osaa kullan määrästä. Hankkimalla tokeneita voi täten ostaa osuuksia
kultaerän määrästä, ilman että omistaisi kultaa fyysisesti. (Johansson ym. 2019, 104-105.)
Seuraavaksi tarkastelussa on Coinmarketcapin (2019) mukaan arvokkaimpia kryptova-
luuttoja. Bitcoin on markkina-arvoltaan suurin kryptovaluutta. Sen markkina-arvo on kir-
joitushetkellä yli puolet (52, 8 %) koko kryptovaluuttojen yhteenlasketusta arvosta.
Bitcoinia voidaan käyttää maksuvälineenä, mutta sillä on myös merkitys arvon säilyttä-
jänä. Muita tunnettuja maksuvälineenä toimiva kryptovaluuttoja ovat Litecoin, Monero,
Dash ja Bitcoin cash, joka on jakautunut haara (fork) bitcoinin lohkoketjusta. Toiseksi
suurin markkina-arvo on XRP (ennen Ripple) nimisellä tokenilla. XRP kehittää palveluita
kuten, xRapid, xCurrent ja zVia pankkimaailman tarpeita silmällä pitäen.
24
Ethreum listataan Coinmarkecapissa markkina-arvoltaan kolmannelle sijalle. Ethereum
on lohkoketjuteknologiaa hyödyntävä alusta, jonka ympäristöön voidaan rakentaa
ekosysteemi hyödynten älysopimuksia ja dApp (decentralized App)-sovelluksia. Ethe-
reumin ympärille muodostui vuonna 2017 ICO (initial coin offering) buumi, jolloin sen
alustalle luotiin satoja uusia Ethereum pohjaisia tokeneita. ICO:lla tarkoitetaan uudelle
projektille kerättävää joukkorahoitusmuotoa, jota monet startupit ovatkin käyttäneet. Et-
hereum on tunnetuin platform tyyppinen kryptovaluutta. Sillä on kuitenkin runsaasti
haastajia kuten Cardano, TRON ja EOS, jotka pyrkivät tuomaan markkinoilla paremmin
toimivan ekosysteemi-alustan. (Bitcoinkeskus 2018.)
Tunnetuimpien kolikoiden ja tokenien ulkopuolelta löytyy myös mielenkiintoisia projek-
teja. Basic attention token (BAT) liittyy Brave-selaimen käyttöön. Brave selaimen erikoi-
suus on että se blokkaa kaikki mainokset. Käyttäjä voi kuitenkin säätää asetuksista mai-
noksia päälle, mutta tällöin mainostajat joutuvat maksamaan selaajalle BAT tokeneita,
että mainokset näkyvät. (Bitcoinkeskus 2018.) Chainlink pyrkii yhdistämään lohkoketjun
ulkopuolisen tiedon (off chain) ja lohkoketjusta tulevan tiedon (on chain) älysopimusten
avulla (Chainlink 2019.) Myös terveydenhuoltoon keskittyviä projekteja, kuten Me-
diBloc, MedRec, MediShares ja Medicalchain on olemassa. Nämä projektit pyrkivät tak-
laamaan esimerkiksi potilastietojen tallentamiseen ja turvallisuuteen liittyviä ongelmia.
(Coinmarketcap 2019.)
Myös suuret toimijat kuten IBM ja Microsoft kehittävät omia lohkoketjujaan. Hyperled-
ger projektin tavoitteena on tuoda lohkoketjuteknologia massamarkkinoille. Se on Linux-
foundationin kehittämä projekti, jossa on mukana yli 100 jäsentä, kuten esimerkiksi IBM,
Nokia, Cisco, Fujitsu, SWIFT ja Intel. Yhteisöllä on kehitteillä useampiakin lohkoket-
juprojekteja, mutta tunnetuin niistä on Hyperledger fabric. Fabric voi olla sekä avoin että
suljettu muuttumaton tilikirja. Konsensusmekanismi on säädettävissä kutakin käyttötar-
koitusta varten ja tietoturva järjestyy sertifikaateilla. (Salonen ym. 2018, 20.)
Microsoft azure lohkoketju taas mahdollistaa esimerkiksi vakuutusten myöntämisen loh-
koketjuteknologiaa hyödyntäen. Se voi myös ennaltaehkäistä matkavarausten yhteydessä
25
sattuneita virheitä sekä toimia rojaltien maksuvälineenä esimerkiksi peli ja eSports ym-
päristöissä. (Microsoft 2019.) Useilla toimialoilla toimijat ovat kerääntyneet yhteen ja
muodostaneet konsortioita pohtien lohkoketjuteknologian hyödyntämistä toimialalla. R3-
konsortio tutkii liiketoiminnallisia ratkaisuita ja siinä on mukana viranomaisia, keskus-
pankkeja ja taloudellisia instituutioita. Vakuutusalalla on B3i-konsortio (blockchain in-
surance industry) ja oikeudellisen alan konsortio on GLBC (global blockchain consor-
tium). Hyperledger konsortiossa on mukana myös terveydenhuollon toimija Change
healthcare, mutta sosiaali- ja terveydenhuollon toimijoilla ei tiettävästi ole omaa konsor-
tiota. (Johansson 2019, 140-144.)
3.1.3 Älykkäät sopimukset
Älykkään sopimuksen -käsitteellä ei ole vielä vakiintunutta kuvausta. Myös niiden sopi-
musoikeudellinen asema on vielä hieman epäselvä. Lohkoketjuteknologiaan liittyvissä
kirjoituksissa älykkäät sopimukset (smart contracts) määritellään liittyviksi lohkoketju-
teknologian konsensusarkkitehtuuriin. Älykkäitä sopimuksia voidaan solmia kahden tai
useamman osallistujan välille hajautetussa ympäristössä (Yli-Huumo ym. 2016, 18.)
Kuvio 2. Älykkään sopimuksen toimintaperiaate
26
Ne ovat digitaalisia ohjelmia, jotka toimeenpanevat sopimuksen automaattisesti tiettyjen
ehtojen toteutuessa (self-execution). Niiden tarkoituksena on myös estää sopimuksen
muuttaminen oikeudettomasti (self-enforcement). Älykäs sopimus perustuu tietokoneella
ohjelmoituun koodiin, joka aktivoituu kun tietyt, ennalta koodiin kirjoitetut ehdot täytty-
vät. (Lauslahti ym. 2016, 13.) Älykäs sopimus on laskennallisesti toteutettava ja digitaa-
lisesti allekirjoitettu sopimus kahden tai useamman toimijan välillä. Sopimuksen koodiin
voidaan sisään rakentaa kolmas osapuoli joka valvoo sopimusta. Sen voi toteuttaa myös
pelkkään koodiin perustuen ilman ihmiseltä vaadittavaa toimintaa. Älykäs sopimus on
pohjimmiltaan kasa loogisia lauseita (jos X tapahtuu niin Y toteutuu). Se sisältää sopi-
musehtojen tiedot, jotka toteutuvat automaattisesti. (Johansson ym. 2019, 97.)
Älykkään sopimuksen kehittäjä Nick Szabo vertaa älykästä sopimusta juoma-automaatin
toimintaan. Kun raha laitetaan juoma-automaattiin, sopimus aktivoituu. Vastineeksi ra-
han laittaja saa automaatista juoman. Tässä yksinkertaisessa esimerkissä on kolme ele-
menttiä jotka toteutuvat myös lohkoketjuteknologian mahdollistamissa älykkäissä sopi-
muksissa: varojen hallinnointi, automaatio ja suorituksen varmentaminen ilman kolmatta
osapuolta. (Clarke 2018.) Älykkäitä sopimuksia voidaankin hyödyntää esimerkiksi va-
kuutuksissa tai kiinteistökaupassa. Lohkoketjuteknologia mahdollistaa luottamuksellisen
toiminnan hajautetussa ympäristössä ilman kolmatta osapuolta. Älykkäitä sopimuksia
voidaankin hyödyntää digitaalisesti hallittavien omaisuuserien siirtymisessä toimialasta
riippumatta. (Ridanpää 2018, 16.) Älykkään sopimuksen toimintaperiaate on kuvattu ku-
viossa 2.
3.1.4 Lohkoketjuihin liittyvät haasteet
Lohkoketjuteknologiaan liittyy myös paljon haasteita ja ratkaisemattomia ongelmia. Yksi
suurimmista haasteista on teknologian käytettävyys. Ensinnäkin lohkoketjuteknologiaa
hallitsevia käyttäjiä on vielä verrattain vähän, joten teknologia voi olla käyttäjälle haas-
teellista. Toisekseen on syytä pohtia mihin lohkoketjuteknologiaa ja hajautettua tietokan-
taa voi ja kannattaa ylipäätään käyttää. (Meiklejohn 2018.) Yksityisten lohkoketjujen
27
osalta kyseenalaista on sen tarjoama hyöty perinteiseen datarakenteisiin nähden (Honka-
nen 2017, 9.) Lohkoketjuteknologian verkostomainen rakenne on myös ongelma säänte-
lyn ja lainsäädännön näkökulmasta. Sen käyttöönottoa on viivästyttänyt sovittujen sään-
töjen ja lakien vajavaisuus ja tulkintojen puute. Aiheeseen liittyvä standardisointityö on
kuitenkin aloitettu keväällä 2017. (Ridanpää 2018, 23.)
Ongelmallisena lohkoketjuteknologiassa nähdään älysopimukset, referenssiarkkitehtuuri,
yksityisyyden suoja ja hallinnointi. Etenkin hallinnointi tai sen puute lohkoketjuteknolo-
giassa nähdään haastavana ongelmana. Globaalissa mittakaavassa ISO on aloittanut stan-
dardointityön. Suomessa SFS on perustanut aiheeseen liittyvän seurantaryhmän. Standar-
doinnilla pyritään luomaan esimerkiksi yhdenmukaista terminologiaa ilmiön ympärille.
(Hänninen 2017, 10.)
Älykkäiden sopimusten ongelmana on niiden juridisen aseman epäselvyys, joka vaikuttaa
niiden laajempaan hyödyntämiseen ja käyttöönottoon. Määriteltävänä on vielä, tuleeko
älykästä sopimusta käsitellä normaalina sopimuksena sopimusoikeuden puitteissa? (Ri-
danpää 2018, 17.) Antonopoulos ja Wood (2018) toteavat teoksessaan ”mastering ethe-
reum”, ettei älykkäillä sopimuksilla ole laillista valtaa, kuvaten niiden olevan vain tieto-
koneella tehtyjä koodeja. Raskin (2017) taas käy läpi älykkäiden sopimusten asemaa esi-
merkkien kautta. Hänen tutkimuksensa mukaan älysopimusten juridinen asema alkaa sel-
vitä vasta oikeuden käsittelemien tapausten kautta. Päätöksistä saadaan ennakkotapauk-
sia, jotka määrittelevät älykkäiden sopimusten asemaa. Teknologian skaalautuvuus ole-
massa olevaan ympäristöön nähdään myös yhtenä mahdollisena kompastuskivenä (Yli-
Huumo ym. 2016, 4.)
Skaalautuvuuden ohella siirtonopeudet nähdään myös haasteellisina. Esimerkiksi bitcoi-
nin lohkoketju pystyy käsittelemään keskimäärin n. 240 000 transaktiota päivässä, kun
esimerkiksi VISA – luottokorttiyhtiö pystyy käsittelemään 150 miljoonaa transaktiota
päivässä. Tämä voi aiheuttaa lohkoketjussa tapahtuviin siirtoihin viivettä, jos verkko
ruuhkautuu. Skaalautuvuus on myös ongelmallista, koska lohkoketju tallentaa jokaisen
verkossa tapahtuvan siirron. Mikäli valtavirta alkaisi käyttää lohkoketjuteknologiaa, tulisi
laskentatehon ja tallennustilan kasvaa uusiin mittoihin. (De Filippi & Wright 2018, 56.)
28
Myös lainsäädäntö määrittää pitkälti lohkoketjuteknologian käyttöönottoa. Tällä hetkellä
eri maissa suhtaudutaan eri tavoin lohkoketjuteknologiaan, kryptovaluuttoihin ja älysopi-
muksiin. Valtio määrittää aina omat lakinsa ja se voi määritellä ne joko lohkoketjutekno-
logiaa suosivaksi tai hylkiväksi. Jossain vaiheessa lohkoketjuteknologiaa pitää kuitenkin
säännellä, mutta liian aikaisessa vaiheessa orastavaan innovaation puuttuminen voi ai-
heuttaa potentiaalisten hyötyjen menetyksen. (De Filippi & Wright 2018, 57.)
Lohkoketjuteknologiaa voidaan hyödyntää esimerkiksi tietojen varastoinnissa ja suojaa-
misessa. Nykyään esimerkiksi potilastiedot terveydenhuollossa on tallennettu keskiste-
tysti yhteen paikkaan. Yleensä terveydenhuollon tietojärjestelmien ylläpitäminen on
myös ulkoistettu kolmannelle osapuolelle. Tietojen tallentaminen ja säilyttäminen yh-
dessä paikassa, tekee sen haavoittuvaksi erilaisille kyber-, verkko- ja palvelunestohyök-
käyksille. Yhdysvalloissa vuonna 2016, 16,6 miljoonan henkilön potilastiedot anastettiin.
Vuonna 2017 varastettujen potilastietojen osuus nousi vielä 26 %. Suurin syy potilastie-
tojen vuotoon oli luottaminen yhteen keskitettyyn serveriin. Tuon serverin hakkeroimalla
rikolliset pääsivät käsiksi potilastietoihin. Tästä voidaan käyttää myös englanninkielistä
ilmausta ”single point of failure”. Ilmaus viittaa yhteen kohtaan, jolla koko järjestelmän
voi kaataa tai ottaa sen haltuunsa. Lohkoketjuteknologiassa sen sijaan tietokanta on ha-
jautettu, joten yhtä solmua haavoittamalla vahinkoa ei pääse tapahtumaan. Jos yksi solmu
on jostain syystä poissa käytöstä, muut verkon solmut suorittavat tarvittavan konsensus
protokollan. Hajautetussa järjestelmässä myös kaikki tietojen siirrot tallentuvat lohkoket-
juun. (Li ym. 2019.)
Suorittaakseen hajautetun verkon kaappauksen tulisi hyökkääjien saada haltuunsa yli
puolet verkon solmuista. Yleensä hajautetuissa verkoissa on tuhansia solmuja. Esimer-
kiksi Ethereumissa on 10280 solmua, jotka ovat jakautuneet ympäri maailmaa (ethe-
reumnodes 2019.) Joten kaappaamisurakka tuntuu mahdottomalta. Kuitenkin pienempien
verkkojen kaappaustapauksia on ollut muutamia lohkoketjuteknologian historian aikana.
Verkon kaappauksia kutsutaan myös 51 % hyökkäyksiksi. (Ridanpää 2018, 19.)
Johansson, Eerola, Viitanen ja Innanen (2019) kuvaavat kirjassaan näkemyksiä kuinka
sosiaali- ja terveysala voisi hyötyä lohkoketjujen käytöstä. He toteavat sosiaali- ja ter-
veysalan olevan tiukasti säännelty ja sen toimintaa ohjaavat useat eri lait. He löytävät
29
useita eri käyttökohteita lohkoketjuteknologialle, kuten: potilastiedot, pääsynhallinta ja
pääsynvalvonta tietoihin, mikromaksut, kliiniset kokeet, lääkkeiden kuljetusketjun seu-
raaminen ja sairausvakuutuspetokset. Näitä teemoja kirjoittajat avaavat hyvin lyhyesti,
joten teemojen laajempi tutkiminen on mielestäni tarpeellista.
3.2 Ekosysteemimalli
Luonnon ekosysteemi määritellään olosuhteiltaan samantapaisilla alueella elävien, toi-
siinsa vuorovaikutuksessa olevien eliöiden ja niiden ympäristön muodostamaksi toimin-
nalliseksi kokonaisuudeksi. Ekosysteemissä voidaan tunnistaa rakenteita, (laji) koostu-
mus ja prosessit, mihin perustuvat ekosysteemissä tapahtuvat toiminnat. (Hiedanpää ym.
2010, 20.)
Ekosysteemin käsitettä on alettu käyttämään myös muun tyyppisten verkostojen ja pro-
sessien kuvaamiseen. Yritysten ja organisaatioiden kasvava erikoistuminen ja tietojen ha-
jautuminen ovat seurausta yritysyhteistyön huomattavasta kasvusta viime vuosikymmen-
ten aikana. Yritysten sisäisten ominaisuuksien merkitys on pienentynyt ja ympäröivän
verkoston merkitys korostunut. Samantapainen ilmiö on havaittavissa myös organisaa-
tioiden kehityksessä. Ekosysteemin käsitettä on alettu käyttämään organisaatio- ja inno-
vaatiokirjallisuudessa, koska sen avulla pystytään selittämään, miksi ja miten organisaa-
tiot toimivat yhteistyössä jaettujen tavoitteiden saavuttamiseksi. Kuten lajit luonnolli-
sessa ekosysteemissä, myös liiketoimintaekosysteemin jäsenet ovat riippuvaisia toisis-
taan. Organisaatiokirjallisuudessa kuvatun ekosysteemin käsite määritellään sen tyypin
mukaan, jota tarkasteltava aihe kuvaa parhaiten. Se voidaan jakaa kolmeen erilaiseen
tyyppiin, jotka ovat alueellinen-, liiketoiminta ja platform-ekosysteemi. Ominaista
ekosysteemille on tuotanto- ja käyttäjäpuolen yhdistäminen ja yhteensovittaminen.
Ekosysteemi käsittää sekä horisontaaliset että vertikaaliset suhteet toimijoiden välillä.
Ekosysteemimallissa arvonluonti on epälineaarista. Sen jäsenet ovat sosiaalisesti ja tek-
nisesti toisistaan riippuvaisia. Ekosysteemin johtaminen perustuu tiedonvaihtoon sen jä-
senten välillä. (Pulkka 2016, 4-6.)
30
Luhmannin (1989) määritelmä yhteiskunnan ekosysteemistä on monimutkainen. Hänen
mukaansa yhteiskunta on suljettu järjestelmä, joka uudistaa itse itseään autopoieesin
kautta. Luhmannin mukaan yhteiskunta voi tavoittaa ympäristönsä vain kommunikaation
avulla. Yhteiskunnan osajärjestelmät kuitenkin ovat hänen mukaansa yhteydessä toi-
siinsa. Ne voivat olla joko avoimia tai suljettuja systeemeitä. Jos osajärjestelmän pystyy
koodaamaan binäärikoodin avulla, voidaan sitä pitää suljettuna systeeminä. Jos taas osa-
järjestelmä vaatii binäärikoodausta monimutkaisempaa operationalisointia, voidaan sitä
pitää avoimena järjestelmänä. (Peterson 1992.) Näinollen sosiaali- ja terveydenhuollon
järjestelmää voidaan pitää avoimena, koska sitä ei pysty koodaamaan yhden binäärikoo-
din varaan ja sen päälle limittyy muitakin osajärjestelmiä kuten politiikka, oikeus ja ta-
lous. Luhmannilla (1989) ei siis ole yksinkertaista selitystä yhteiskunnan ekosysteemille.
Kuitenkin hän kuvailee ekosysteemille ominaisia piirteitä kuten kommunikaatio järjes-
telmän sisällä sekä toimijoiden välillä. Lisäksi hän kuvailee yhteiskunnan tarvitsevan osa-
järjestelmiä toimiakseen ja tuottaakseen lisää kommunikaatiota. (Peterson 1992.)
Tässä tutkimuksessa tarkastellaan ekosysteemiä platform eli alustaekosysteemin sekä
API (application programming interface) ekosysteemin näkökulmasta. Platform-ekosys-
teemi on alusta, jonka tarkoituksena on toimia ekosysteemin jäsenten koordinoimisen vä-
lineenä. Platform, eli alusta koostuu teknologioista, työkaluista, palveluista, standardeista
ja muista resursseista. Ekosysteemin jäsenet hyödyntävät näitä elementtejä muodostaen
toimivan ekosysteemin. Yleensä platform-ekosysteemissä on hallinnoiva organisaatio,
joka kontrolloi ja omistaa alustan keskeisiä osia. Hallinnoiva organisaatio ei hallitse kui-
tenkaan koko alustaa, vaan moduulien ja komponenttien omistus on hajautettu ekosystee-
min osallistujille. Platform-ekosysteemi kuvaa hyvin verkostoja, jossa arvonluonti perus-
tuu tuottajat ja käyttäjät liittävään alustaan ja erityyppisten osallistujien synnyttämiin ver-
kostovaikutuksiin. (Pulkka 2016, 5-6.)
Multi-sided platform taas on kaksi- tai useampipuolinen verkosto, jonka kautta tapahtuva
vaihdanta hyödyttää molempia osapuolia. Alustan tärkeänä tehtävänä on räätälöidä vaih-
dannan infrastruktuuri ja säännöt. (Beudreau & Hagiu 2008.) Multi-sided alustat voidaan
nähdä katalysaattoreina, joiden tarkoitus on mahdollistaa ryhmien välinen vaihdanta ja
arvonluonti (Evans 2009.)
31
API ekosysteemiä voidaan kuvata ohjelmointirajapinnaksi, jonka avulla ekosysteemin
ohjelmistot voivat olla vuorovaikutuksessa keskenään. API ekosysteemissä verkoston
kaikki jäsenet voivat olla suoraan yhteydessä toisiinsa ilman keskitettyä toimijaa. Sen
käyttö yrityksissä onkin lisääntynyt huomattavasti viime vuosien aikana. API:en käyttö
on mahdollistanut mm. monen suuren toimijan, kuten Netflixin, Twitterin ja Ebayn kas-
vamisen nykyisiin mittaluokkiinsa. Yritykset hyötyvät API:en käytöstä monin eri tavoin,
esimerkiksi luoden uusia tulovirtoja yhdistelemällä verkostosta syntyvää dataa. API
ekosysteemi mahdollistaa myös kolmansien osapuolien osallistumisen ekosysteemiin.
Kolmannet osapuolet voivat kehittää esimerkiksi jonkin aplikaation, ja liittää sen jo ole-
massa olevaan API ekosysteemiin. API ekosysteemit ovat siis avoimia ohjelmointiraja-
pintoja, joissa datavirrasta koituva tieto voidaan jakaa ekosysteemissä olevien jäsenten
kesken. (Evans & Basole 2016.) API:t itsessään eivät välttämättä ole riittäviä, jotta
ekosysteemi voisi rakentua pelkästään sen varaan. API:n tarkoituksena on luoda lisäarvoa
verkoston toimijoille, joten se edellyttää täydentävien osien olemassaoloa. API:t tuovat
siis oman lisäarvonsa laajempaan kokonaisuuteen. API:t ovat kuitenkin keskeinen osa
nykyaikaisten digitaalisten ekosysteemien rakentamista ja rakentumista. API:en kautta
voidaan luoda mahdollisuuksia joustavampaan ja monipuolisempaan verkoston toimijoi-
den hyödyntämiseen luoden uudenlaisia tarjoomia verkoston jäsenille. (Moilanen & Sep-
pänen 2018, 41.)
Lohkoketjuteknologian ekosysteemiin voidaan nähdä sisältyvän elementtejä kuten tieto-
kanta, tietovaranto, tiedostojen siirto, viestintä, kryptovaluutta, lompakkopalvelut, mik-
romaksaminen, identiteetin varmentaminen ja maine. Lohkoketjupohjainen ekosysteemi
voi toimia machine-to-machine (M2M) järjestelmänä, missä tekniset laitteet muodostavat
toisiinsa nitoutuneen verkon ”internet of things” (IoT). Esimerkiksi järjestelmä voisi toi-
mia tietullin maksamisessa, jossa järjestelmä tunnistaa missä älysensorilla varustettu auto
on ja maksaa automaattisesti tietullimaksun, kun auto ylittää tullin rajan. (Swan 2015.)
Yleisesti katsotaan lohkoketjuteknologian toimivan peer to peer (P2P) vertaisverkossa,
mikä mahdollistaa hajautetun tietokannan (Honkanen 2017, 16.)
Riasanow ym. (2018) pyrkivät määrittelemään yleistä mallia lohkoketjuteknologian
ekosysteemistä. He löysivät siitä kolme keskeistä elementtiä: hallinnon, luottamuksen ja
avoimuuden, jotka voidaan nähdä lohkoketjuteknologian ekosysteemin etuina. Hallinnon
32
etuina nähdään olevan yhteisön mahdollisuus vaikuttaa suoraan esimerkiksi projektissa
tapahtuviin päätöksiin. Luottamus taas mahdollistuu lohkoketjuteknologian kautta, jol-
loin kolmatta osapuolta ei tarvita luottamuksen määrittelyyn. Avoimuus tässä yhteydessä
tarkoittaa läpinäkyvyyttä. Avoimet lohkoketjuratkaisut mahdollistavat läpinäkyvän tieto-
jen seurannan. Monet lohkoketjuprojektit myös pohjautuvat avoimeen lähdekoodiin, joka
mahdollistaa ekosysteemiin liittyvien aplikaatioiden avoimen kehittämisen. (Riasanow
ym. 2018, 7.)
Lohkoketjuihin perustuvan hyvinvointiekosysteemin ideana on asettaa ihminen keskiöön
ja ekosysteemi rakentuisi ihmisen ympärille. Yksi tämän mallin hyötyjä voisi olla enna-
koiva terveydenhuolto. Tässä mallissa ihminen tuottaa itse itsestään terveystietoa tervey-
denhuollon organisaatiolle, jolloin organisaatio saa arvokasta tietoa ihmisen terveydenti-
lasta ja pystyy toimimaan ennakoivasti esimerkiksi orastavan sairauden suhteen. VTT:n
vision (2018) mukaan hyvinvointiekosysteemin käyttämisen motivointiin voitaisiin yh-
distää ”hyvinvointitoken”. Kun asiakas tuottaa itsestään tietoa organisaatiolle, saa hän
siitä pienen korvauksen ”hyvinvointitokenin” muodossa, jonka hän voi käyttää erilaisiin
hyvinvointia edistäviin käyttötarkoituksiin. Tähän malliin liittyy siis oman datan hallin-
nointi. Oman datan jakaminen ei rajoitu vain terveydenhuoltoon, vaan sitä voitaisiin jakaa
myös kolmansille osapuolille ”hyvinvointitokeneita” vastaan. (Salonen ym. 2018, 42.)
3.3 Data, omadata ja ihmiskeskeisyys
Data on digitaalisen ajan resurssi. Sana data (latinakasi datum) tarkoittaa jotain annettua.
Ilmaisua käytettiin tiettävästi ensimäistä kertaa vuonna 1620 Francis Baconin toimesta.
Se miten nykyaikaisen datan käsitteen ymmärrämme, sai alkunsa vuonna 1946. Se kuva-
taan perustekijäksi, jonka välityksellä ja vaihdannalla koneet voivat lähettää ja tallentaa
tietoa. Vaikka datan käsitteellä on pitkälle ulottuvat juuret, on se silti pysynyt pitkään
pimennossa. Esimerkiksi vuonna 1983 Raimond Williamsin kulttuurin ja yhteiskunnan
sanakirjasta data:n käsitettä ei löydy. Tarkasteltaessa datan käsitettä voidaan olettaa sen
toimivan tiedon lähtökohtana, tarjoten perusrakenteen tiedolle ja tietämykselle. (Gutier-
rez 2017.) Chaim Zins (2007) kuvailee tutkimuksessaan datan (datumin) ominaisuuksia.
Sen nähdään mm. olevan yksi pienimmistä keräiltävistä yksiköistä, jonka avulla ilmiöitä
33
voidaan selittää. Dataa voidaan pitää perustavanlaatuisena kerroksena symbolisessa maa-
ilmassa. Datalla ei itsessään ole merkitystä, mutta se on silti merkityksellisyyden lähde.
Teknisesti data on joukko digitaalisesti tallennettuja merkkejä. Data on informaatiota nu-
meraalisessa muodossa, jota voidaan digitaalisesti tallettaa, lähettää ja käsitellä. Ontolo-
gia datan olemuksesta on vielä epäselvä. Ongelma on siinä tulisiko data mieltää aineetto-
maksi vai materiaaliseksi hyveeksi? (Gutierrez 2017.)
Data on myös osa tiedon arvoketjua. Tiedon arvoketjulla on useita määritelmiä, mutta
yleisesti ottaen sen katsotaan koostuvan neljästä elementistä, jotka ovat: data, tieto, tietä-
mys ja viisaus. Tieto jalostuu hierarkisena jatkumona tiedon arvoketjussa datasta tietoon,
tiedosta tietämykseen ja tietämyksestä viisauteen. Tiedon arvoketjun avulla pystytään jä-
sentämään erilaisia tiedon ilmenemismuotoja ja niiden käyttöä. (Kuusisto-Niemi 2016,
34-37.)
Nykyajan datataloudessa kuluttaja nähdään markkinoilla aktiivisena osapuolena. Ilman
kuluttajan aktiivista osallistumista, dataa ei synny. Suurimmat dataa keräävät ja hyödyn-
tävät yhtiöt kuten Facebook, Google, Alibaba, Apple, Microsoft ja Amazon keksivät alati
uusia keinoja saada klikkauksia, jotta ne pääsisivät hyötymään kuluttajien luomasta data-
virrasta. Mediajättien palveluistaan keräämien tietojen rinnalle on nousemassa uusi da-
tankeräysmalli, jossa kuluttajat itse tuottavat itsestään henkilökohtaista tietoa. Dataa voi-
daan tuottaa esimerkiksi liikunnallisista aktiviteeteistä, ruokailutottumuksista ja rahan- ja
ajan käytöstä. Henkilödataan liittyvien patenttien määrä, onkin lisääntynyt huomattavasti
viimeaikoina. (Pantzar 2017, 419.)
Yuval Noah Harari (2018) tutkii massa-dataan kohdistuvia uhkakuvia. Hän kokee uhka-
kuvien tarkastelun tärkeänä, koska yritykset ja innovaattorit pyrkivät ylistämään uusia
luomuksiaan ja uutta teknologiaa, tuomalla esiin vain positiivisia puolia ilmiöstä. Siksi
tutkijoiden, filosofien ja historioitsijoiden tehtäväksi jää uusien innovaatioiden ja tekno-
logian kriittinen arviointi. (Harari 2018, 13.) Harari on erityisen kiinnostunut massa-dataa
hyödyntävästä algoritmistä. Massa-data algoritmia voidaan käyttää niin hyvään kuin pa-
haankin. Etenkin terveydenhuollossa algoritmeillä voi olla järisyttäviä vaikutuksia yksi-
lölliseen hyvinvointiin. Biometrisen datan ja informaatioteknologian avulla sairauksia
voidaan seuloa ja valvoa reaaliajassa. Täten esimerkiksi syöpä voitaisiin havaita ja hoitaa
34
jo sairauden alkuvaiheessa, ennen kuin henkilö alkaa tuntea itsensä sairaaksi. Vastapai-
nona ympärivuorokautisesta terveyden seurannasta henkilö joutuu kuitenkin luopumaan
yksityisyydestään. Biometrisen- ja informaatioteknologisen datan avulla tekoäly voi ana-
lysoida halujasi, päätöksiäsi ja mielipiteitäsi. Massa-data algoritmia voidaan käyttää
myös kansalaisten valvontaan, esimerkiksi Kiina ja Venäjä voisivat olla erittäin kiinnos-
tuneita tällaisesta teknologiasta. (Harari 2018, 63-67.)
Omadata (myös mydata) tarkoittaa ihmiskeskeistä henkilötietojen hallinta- ja hyödyntä-
mismallia, jossa kansalaisille annetaan oikeus oman datansa hallinnointiin. (Poikola ym.
2018, 4.) Ihmiskeskeisyys määritellään THL:n (2016) mukaan asiakaslähtöisyyttä laa-
jemmaksi kokonaisuudeksi, jossa huomioidaan kaikkien toimijoiden ja vaikuttavien teki-
jöiden näkökulmat ihmistä auttavana ja helpottavana kokonaisuutena. Ihmiskeskeisessä
ajattelussa jokaista ihmistä ajatellaan yksilöllisenä, mutta se kattaa myös yhteisöjen toi-
minnan ja yhteiskunnallisen toimivuuden ja edun tavoittelun. Ihmiskeskeisyys pyrkii
edesauttamaan parempaa elämää kestävän ja jatkuvan kehityksen kautta, yhteiskunnassa,
yhteisöissä ja yksilöissä. (THL 2016.)
Omadata ajattelu rakentuu ihmiskeskeisyyden ympärille. Siinä kansalainen itse pystyisi
hyödyntämään, hallitsemaan ja luvittamaan hänestä kerättyä tietoa, kuten esimerkiksi
liikkumis-, terveys- tai taloustietoja. Tavoitteena ihmiskeskeisellä datan hallinnalla on
luoda yhteentoimivuutta ja edistää uusien palvelumallien syntymistä dataa hyödyntävien
alustojen kehittyessä. Omadata ajattelu sovittaa yhteen korkeat tietosuojavaatimukset,
yksilön oikeudet, datan saatavuuden ja toimimisen liiketoimintaympäristössä. Omadata
on globaali kehitysvaiheessa oleva ilmiö ja tulevaisuuden malli, jonka ympärille kertyy
uutta liiketoimintaa ja teknologiaa. Mallin yleistyminen voi merkittävästi vauhdittaa da-
tatalouden kehitystä ja uusien ekosysteemien syntymistä erityisesti painavan tietosuojan
ympäristöissä. (Poikola ym. 2018, 4.)
Pohjoismaisessa ajatellussa korostetaan kuluttajaa datatalouden palveluiden käyttäjänä.
On kuitenkin syytä tarkastella henkilödatan ympärille kerääntyviä markkinoita. Näh-
däänkö palvelut todella kuluttajan palvelemisena vai kenties suurten korporaatioiden jär-
jestelmällisenä hyväksikäyttönä? Palveluiden digitalisoituessa ja omadatamallia käyttöön
35
otettaessa valtiolla onkin keskeinen rooli siinä, kuinka se tässä datatalouden yhteiskun-
nassa asemoituu. Pyrkiikö se korostamaan kansalaisten roolia, oikeuksia ja yksityisyyttä
oman datansa tuottajana vai seuraako se kenties datatalouden suuryritysten viitoittamalla
tiellä, keräten kansalaisista dataa, voimistaakseen omaa asemaansa. (Pantzar 2017, 420.)
Suomessa on vastikään hyväksytty kaksi uutta lakia, siviilitiedustelulaki HE 202/2017
(Eduskunta 2019) sekä toisiolaki HE 159/2017 (Sosiaali- ja terveysministeriö 2019a),
jotka periaatteessa antavat valtiolle lisää valtuuksia sekä mahdollisuuksia kerätä dataa
kansalaisista. Molempiin lakeihin sisältyy viranomaisohjauksen ja valvonnan mahdolli-
suus. Periaatteessa valtiollinen tiedonkeräysmekanismi olisi siis mahdollista myös Suo-
messa. Sosiaali- ja terveydenhuollon palveluista kerättävien asiakas- ja potilastietojen tie-
tosuojaa sääntelee Suomessa EU:n yleinen tietosuoja-asetus, jota on täydennetty ja täs-
mennetty kansallisella lainsäädännöllä. Kansallisella tasolla asiakkaan tietosuojan huo-
mioivat tietosuojalaki (1050/2018), laki potilaan asemasta ja oikeuksista (785/1992), ase-
tus potilasasiakirjoista (298/2009), arkistolaki (831/1994), laki sosiaalihuollon asiakkaan
asemasta ja oikeuksista (812/2000), laki sosiaali- ja terveydenhuollon asiakastietojen säh-
köisestä käsittelystä (159/2007), laki sosiaalihuollon asiakirjoista (254/2015), laki säh-
köisestä lääkemääräyksestä (61/2007) sekä terveydenhuoltolaki (1326/2010). (Sosiaali-
ja terveysministeriö 2019b.)
Valtiollinen tiedonkeräys voidaan kuitenkin nähdä myös hyvänä asiana. Avainkysymyk-
senä on kuinka tietoa käytetään. Jos ihmisellä ei ole mahdollisuutta itse hyötyä kerätystä
henkilötiedosta, niin se ei noudata omadatan periaatteita. Sen tarkoituksena on tuoda yk-
silölle datan hyötynäkökulma tasavertaisena yksityisyydensuojan rinnalle. Periaatteessa
pyritään maksimoimaan datasta koituvat hyödyt ja minimoimaan yksityisyyden suojan
heikkoudet. (Poikola ym. 2018, 5.)
Datan omistajuus on esiintynyt myös yhteiskunnallisissa keskusteluissa. Datan omista-
juus käsitteenä on kuitenkin hankala ja onkin parempi puhua oikeuksista henkilötietoihin.
Omistaminen on helppo ymmärtää esimerkiksi irtaimiston omistamisena. Data taas on
tietoa ja tieto luokitellaan taloustieteissä kilpailemattomaksi hyödykkeeksi. Pääsääntöi-
sesti dataan tai tietoon ei siis kohdistu yksinoikeuksia. Myös julkishallinto käsittelee run-
saasti lakisääteisiä henkilötietoja. Omadata periaatteiden mukaan ihmisillä on oikeus
36
nähdä ja käyttää myös julkishallinnon keräämää dataa lainsäädännön puitteissa. Joihinkin
viranomaistehtäviin henkilötietojen käsittely on välttämätöntä. Ihmiset eivät voi esimer-
kiksi poistaa itseään verottajan rekisteristä nojaten omadatan periaatteisiin, koska verot-
taja tarvitsee henkilötietoja verotusta varten. (Poikola ym. 2018, 20.)
Harari pitää yhtenä suurimpana tulevaisuuden poliittisena kysymyksenä sitä: Kuka datan
omistaa? Hän pitää dataa tärkeimpänä omaisuuden muotona tulevaisuudessa. Tällä het-
kellä datan keräys tapahtuu pitkälti suurten informaatioteknologia yritysten, kuten
Googlen, Facebookin, Baidun ja Amazonin taholta. Nämä yritykset myös omistavat suu-
ret määrät asiakkaidensa henkilökohtaista dataa. Vaihtoehtona on myös valtioiden val-
tuuttama datan kansallistaminen, jolloin valtiot omistaisivat datan. Molemmissa mal-
leissa on uhka data diktatuureille, jolloin yksi taho valvoo, hallinnoi ja manipuloi mas-
soja. Kolmas vaihtoehto on oman datan yksityinen omistaminen. On kuitenkin vielä hie-
man epäselvää kuinka tällainen malli voitaisiin toteuttaa. Yksi vaihtoehto on omadata-
malli. Poliitikoilla, lakimiehillä ja filosofeilla on kuitenkin mietittävää siinä, miten datan
omistusta voitaisiin säännellä. (Harari 2018, 92-95.)
Kuvio 3. API ekosysteemi, organisaatiokeskeinen alusta ja MyData-malli
(Poikola ym. 2018, 38)
37
Omadata mallissa oikeus omaan dataan ja tietojen hallinnointiin nähdään digitaalisen ajan
ihmisoikeutena (Poikola ym. 2018, 23.) Omadata liikkeessä lohkoketjuteknologiaa tai
laajemmin ajateltuna hajautettujen tilikirjojen teknologioita (distributed ledger technolo-
gies) pidetään varteenotettavana alustana, etenkin digitaalisen identiteetin turvallisena
mahdollistajana. Lohkoketjut nähdään myös liiketoimintaverkostoina datan jakamisen
sekä organisaatioiden ja yritysten välillä. (Poikola 2018, 77.) Kuviossa 3. esitellään API
ekosysteemimalli, keskitetty organisaatiokeskeinen aggregaattorimalli sekä omadata-
malli. (Poikola ym. 2018,38.)
3.4 Hyvinvoinnin edistäminen
Hyvinvoinnin edistämisen voidaan nähdä toimintoina, jotka lisäävät terveyttä, hyvinvoin-
tia ja toimintakykyä. Sen tarkoituksena on myös minimoida terveysongelmia ja terveys-
eroja eri väestöryhmien välillä. Lisäksi sen tarkoituksena on vahvistaa osallisuutta ja eh-
käistä syrjäytymistä. (Halonen & Kattilakoski 2018, 7.) Hyvinvointi voidaan määritellä
tilaksi, jossa ihmisen toivomukset ja preferenssit on huomioitu. Erik Allardtin (1976)
määritelmän mukaan hyvinvoinnin käsite voidaan jakaa kolmeen ulottuvuuteen. Ne ovat:
elintaso (having), yhteissuhteet (loving) ja itsensä toteuttamisen muodot (being). Ihmiset
kokevat yleensä tärkeimmäksi hyvinvoinnin ulottuvuudeksi terveyden, joka liittyy elin-
tasoon. (Allardt 1976, 38-40.) Hyvinvoinnin edistämiseen liittyy keskeisesti myös tervey-
den edistäminen. WHO:n (1986) terveyden edistämisen peruskirja määrittelee terveyden
edistämisen toiminnaksi, jonka tarkoituksena on parantaa edellytyksiä ja mahdollisuuksia
huolehtia omasta sekä ympäristönsä terveydestä. Asiakirja määrittelee viisi teemaa, jotka
rakentuvat terveyden edistämisen ympärille. 1) Yhteiskuntapolitiikan kehittäminen ter-
veysnäkökulma huomioiden, 2) terveellisen ympäristön luominen, 3) yhteisöjen toimin-
nan parantaminen, 4) yksilöllisten taitojen kehittäminen ja 5) terveyspalvelujen kehittä-
minen ja uudistaminen. Määrittelyillä pyrittiin edistämään rajat ylittävää, monitoimijaista
ja moniammatillista yhteistyötä. (Honkanen 2010, 217.)
Sosiologisesta näkökulmasta katsottuna yksilön terveyden edistämistä voidaan tarkastella
elämäntyylin kautta. Terveyttä edistävän elämäntyylin voidaan nähdä olevan joukko
käyttäytymisen muotoja. Siihen kuuluvat mm. liikunta, ruokailutottumukset, uni, alkoho-
lin käyttö ja tupakointi. Taustalla vaikuttavat elinympäristö, sosiaaliset- ja taloudelliset
38
olot, jotka voivat vaihdella elämänkulun eri vaiheissa. Yhteiskunnan rakenteilla voi olla
samanaikaisesti kielteisiä että myönteisiä vaikutuksia terveyteen ja hyvinvointiin. Ter-
veyttä edistävä elämäntyyli syntyy yhteiskunnan rakenteiden ja yksilön valinnan vuoro-
vaikutuksesta. Yksilöllä itsellään sekä yhteiskunnalla on vastuu terveyttä edistävän elä-
mäntyylin vaalimisessa. Yhteiskunnan tulisi edistää monin tavoin terveyttä edistävää elä-
mäntyyliä luomalla yksilön valinnoista innostavia, kannustavia ja helppoja. (Mäki-Opas
ym. 2017, 56.)
Suomessa kuntalaki 410/2015 velvoittaa kuntia edistämään asukkaidensa hyvinvointia.
Kuntien tehtävänä on siis asukkaiden terveyden ja hyvinvoinnin edistäminen sekä kunnan
elinvoiman kehittäminen. Myös maakunnat ovat mukana hyvinvoinnin ja terveyden
(Hyte) edistämisessä mm. ennaltaehkäisevien sosiaali- ja terveyspalveluiden kehittämi-
sen kautta. Hyte-työskentely on kuntien ja maakuntien yhteinen tehtävä. (Halonen & Kat-
tilakoski 2018, 7.) Suomalaisessa yhteiskunnallisissa keskusteluissa hyvinvoinnin- ja ter-
veyden edistäminen esitetään usein sosiaali- ja terveyspalvelujen kuluja hillitsevänä teki-
jänä (Ståhl 2010, 3.)
3.5 Teoreettisen viitekehyksen yhteenveto
Lohkoketjuteknologian mahdollistama hyvinvointiekosysteemi rakentuu teorian näkö-
kulmasta useista teemoista, jotka liittyvät myös ihmiskeskeisen henkilötietojen hallinta-
ja hyödyntämismalliin. Voidaan todeta että lohkoketjuteknologian avulla voidaan siirtää
valtaa ja päätöksentekoa enemmän instituutioilta, organisaatioilta ja valtioilta yksityisten
ihmisten käsiin, koskien henkilökohtaisia tietoja. Toisin sanoen yksilöt voisivat hallin-
noida omia tietojaan turvallisesti, luottamuksellisesti ja yksityisyyden suoja huomioiden.
On kuitenkin huomioitava lohkoketjuteknologian vielä kehitysvaiheessa oleva elinkaari
teknologisen tason ratkaisuita tehdessä ja arvioidessa. Teknologian ollessa näin uusi, po-
liittisilla päätöksentekijöillä ja lainsäätäjillä on vaikeuksia säännellä ja säätää lakeja loh-
koketjuteknologiaa koskien. Uuden teknologian kohdalla on syytä myös pohtia mitä eet-
tisiä seuraamuksia se voisi aiheuttaa? Miten se vaikuttaa talouteen ja sitä kautta yhteis-
kuntaan? Lohkoketjujen lisäksi myös tekoäly ja esineiden internet yleistyvät arjessa. On
syytä tarkastella kuinka teknologiat voisivat hyötyä toisistaan yhdistymällä, kuten tässä
39
tutkielmassa hyvinvointiekosysteemissä. Kuviossa 4 on kuvattuna teemat jotka nousevat
teoriasta, tarkasteltaessa lohkoketjuteknologian mahdollistamaa hyvinvointiekosystee-
miä.
Kuvio 4. Teoriasta nousevat teemat koskien lohkoketjuteknologian mahdollistamaa hy-
vinvointiekosysteemiä
Hyvinvointiekosysteemi antaa mahdollisuuden siihen että lohkoketjuteknologiaa ja sen
ominaisuuksia voidaan tarkastella systeemiteorian näkökulmasta sekä yksilön että yhteis-
kunnan tasolla, peilaten sitä myös sosiaali- ja terveydenhuoltoon. Hyvinvointiekosys-
teemi voidaan nähdä yhteiskunnan osa-alueena johon osallistuvat instituutiot, organisaa-
tiot, valtiot, yritykset ja yksilöt ja se rakentuu niiden välisestä kommunikaatiosta. Lohko-
ketjuteknologia taas mahdollistaa useiden yhteiskunnalle tärkeiden rakenteiden kuten so-
pimusten, päätösten ja tietojen tallennuksen turvallisen ja luottamuksellisen automati-
soinnin älysopimusten, konsensusmekanismin ja kryptografian keinoin.
Hyvinvointiekosysteemin visio on teoreettinen. Luhmann näkee tulevaisuuden visiot on-
gelmallisina. Hän korostaa myös nykyhetken päätösten määrittävän tulevaisuuttamme.
Lohkoketju-teknologian
mahdollistama hyvinvointi-ekosysteemi
Datan asema ja hallinnointi
Laki ja sääntely
Talous , tokenisointi ja
arvonsiirrot
Teknologiset ratkaisut
Eettiset näkemykset
Yksityisyys, turvallisuus ja
luottamus
40
Hän kuvaa myös riskitekijöitä, jotka vaikuttavat päätöksentekoon, joka muokkaa tulevai-
suuttamme. Modernin yhteiskunnan päätöksentekoon taloudellisella, poliittisella kuin yk-
silölliselläkin tasolla vaikuttavat nykyhetkellä arvioitavat riskit tulevaisuudesta. (Luh-
mann 1998, 63-73.)
Hyvinvointiekosysteemi voi siis näyttäytyä riskinä poliittisille päätöksentekijöille, koska
ilmiötä ei vielä tunnisteta riittävän hyvin. Sama pätee lohkoketjuteknologiaan. Sellaisista
asioista ei haluta tehdä päätöksiä tai muokata lakeja, joita ei ymmärretä perusteellisesti,
koska väärä päätös voi konkretisoitua tulevaisuudessa ongelmina. Sosiaali- ja terveyden-
huollon rakenteet on juurrutettu vankasti yhteiskuntamme järjestelmään. Siksi ilmiöt
jotka sitä uhkaavat muuttaa kohtaavat vastustusta. On turvallisempaa säännellä uusia il-
miötä ja mahdollistaa nykyisten rakenteiden säilyminen. Riskien pelko siis osaltaan voi
jarruttaa tulevaisuuden innovointia. Myös vallan siirtyminen instituutioilta enemmän yk-
silölle voi olla ongelmallista, koska valtaapitävät eivät halua luopua vallastaan. Toisaalta
tämä on aivan ymmärrettävää, koska valtaapitävät eivät halua että valta joutuu vääriin
käsiin tai että sitä käytetään väärin.
Luhmann ottaa kantaa myös teknologian asemaan modernissa yhteiskunnassa. Hänen
mukaansa teknologia on pelkistettyä funktionalismia joka pyrkii vähentämään koottua ja
todistettua kompleksisuutta yhteiskunnassa. Hän tarkastelee etenkin yksilön ja teknolo-
gian suhdetta. Teknologialla joka mahdollistaa omien havaintojen havainnoinnin, on hä-
nen mukaansa ollut peruuttamaton vaikutus yksilöön. Toisin sanoen postmodernissa yh-
teiskunnassa yksilö havainnoi tekemisisään teknologian avulla. Tätä kutsutaan myös toi-
sen asteen havainnoinniksi, eli itseensä viittaamisen systeemiksi. (Luhmann 1998, 6-7.)
Kuvaus sopii hyvinvointiekosysteemin tarkoitusperään, missä ihmiset tallentavat tietoja
itsestään teknologian mahdollistamalle alustalle ja tarkkailevat sitä kautta itseään. Näin-
ollen ihminen luo ikään kuin peilikuvan itsestään digitaaliselle alustalle. Tämä ilmiö on
ollut havaittavissa jo sosiaalisen median kautta. Myös hyvinvointitietoja voi jo tallentaa
digitaalisille alustoille. Näppilän (2012) mukaan tätä toimintoa voidaan tarkastella myös
toisen asteen kybernetiikan näkökulmasta, jossa kukin tarkkailija käyttää systeemiä omiin
tarkoitusperiinsä, määrää omat tarkoitusperänsä ja on autonominen. Toisen asteen kyber-
netiikassa sisäinen hallinta ja autonomia ovat avainasemassa. (Näppilä 2012, 24.)
41
Luhmannin teorian mukaan systeemeillä on myös muisti, joka reagoi systeemin ulkopuo-
lisiin ärsykkeisiin. Muistin avulla systeemi tunnistaa ärsykkeitä ja osaa reagoida niihin
oikealla tavalla. Luhmannin mukaan ärsykkeet ja muisti ovat autopoieettisten järjestel-
mien tärkeimipiä ominaispiirteistä. (Luhmann 2000, 98.) Muistin avulla voidaan vastus-
taa sopimattomien muutosten tai päätösten tekemistä. Se on myös eräänlainen testi siitä,
onko käsiteltävä ongelma todellinen vai ei. (Luhmann 1995b.)
Tämä ajattelu pätee myös hyvinvointiekosysteemin, missä tiedot, eli data, tallennetaan
lohkoketjun muistiin. Voidaan ajatella, että uuden tiedon syöttäminen järjestelmään on
aina uusi ärsyke. Periaatteessa järjestelmään voitaisiin kytkeä tekoälypohjainen analy-
sointiohjelma, joka analysoisi tietoja aina jokaisen uuden ärsykkeen, eli tiedon syöttämi-
sen jälkeen. Tämä tekisi järjestelmästä myös autopoieettisen, eli systeemi uudistaisi kä-
sitystä ihmisen kokonaishyvinvoinnista, aina uuden ärsykkeen saadessaan. Jos uusi tieto
poikkeaisi radikaalisti vanhasta tiedosta, antaisi se hälytyksen esimerkiksi lääkärille so-
pimattomasta tiedosta, joka voisi viitata johonkin sairauteen. Teknologioita yhdistele-
mällä voitaisiin siis päästä suurempaan arvontuottoon myös sosiaali- ja terveydenhuollon
palveluissa.
Luhmannin teoriassa kontingenssin käsite esiintyy myös toistuvasti. Hyvinvointiekosys-
teemi voitaisiin nähdä esimerkiksi sote-organisaation tietojenkäsittelyn kontingenssina,
eli pyritään tekemään joku olemassa oleva asia toisella tavalla. Yksilön näkökulmasta
kontingenssi voisi näyttäytyä esimerkiksi omien tietojen hallinnoimisena tai muuttunee-
seen terveydentilaan reagoimisena. Tärkein anti on kuitenkin tallennetusta datasta koos-
tuva tieto, joka voidaan nähdä myös kontingenssina. Eli käsitys ihmisen kokonaishyvin-
voinnin tilasta muuttuu aina uuden ärsykkeen tallentamisen jälkeen. (Eräsääri 2013, 29.)
Hyvinvointiekosysteemi voisi Luhmannin teorian (1984) mukaan olla sekundäärisys-
teemi, joka vastaisi sosiaali- ja terveydenhuollossa organisaatiossa ilmentyvään tiedon-
saannin ongelmiin. Yksilöstä käsin katsottuna hyvinvointiekosysteemi voisi vastata hen-
kilötietojen turvalliseen hallinnoimiseen, yksityisyyden suoja huomioiden. Hyvinvoin-
tiekosysteemin mediumi olisi ilman muuta data. Binäärikoodit voisivat olla esimerkiksi,
omistaa/ei omista, jakaa/ei jaa ja hallinnoi/ei hallinnoi. Hyvinvointiekosysteemi toimii
42
siis kommunikaation välittäjänä yksilön ja organisaation välillä, joten se täyttää paik-
kansa luhmannilaisessa ajattelussa kommunikaation lisääjänä yhteiskunnassa. Luhman-
nin (1986) mukaan itseensä viittaava systeemi perustuu kaksoisriippuvuuteen, jossa
kaikki systeemin osat elävät vastavuoroisten riippuvuuksien suhdeverkossa. Ilman tätä
riippuvuussuhdetta systeemiltä uupuu tarvittava yhtenäisyys (connectivity). Systeemi
muodostuu siis näistä yhteyksistä jatkuvan ja vastavuoroisen kommunikaation kautta. Il-
man vastavuoroisuutta systeemi ei toimi. (Ståhle 2004, 12-14.) Tämä asettaa haasteen
myös sosiaali- ja terveydenhuollon organisaatioille ja johtamiselle. Asiakasta tai potilasta
ei ole perinteisesti ajateltu järjestelmän osaksi tai kumppaniksi. Hyvinvointiekosysteemi
mallissa asiakas tai potilas olisi kuitenkin itse tuottamassa tietoa sosiaali- tai terveyden-
huollon organisaatiolle ja toiminnan pitäisi olla vastavuoroista. Tämä ajatus pakottaa
myös sosiaali- ja terveydenhuollon organisaatiot pohtimaan toimintaansa sekä johtamis-
käytäntöjään.
On siis syytä tarkastella nykyisiä organisaatiorakenteita systeemiteorian valossa. Histori-
allisesti tarkasteltuna ja vielä nykyäänkin sosiaali- ja terveydenhuollon järjestelmät ovat
suljettuja systeemeitä. Teknologinen kehitys ja tietoyhteiskunnan muutos asettaa organi-
saatiot kuitenkin pohtimaan siirtymistä suljetuista systeemeistä, kohti avoimia systee-
meitä. Uudet teknologiat ja avoimen datan periaatteet edellyttävät organisaatioilta myös
uudenlaista avoimuutta ja vastavuoroisuutta suhteessa ympäristöönsä. Jos asiakkaasta tai
potilaasta halutaan tietoa tuottava järjestelmän osa, tulee systeemi avata myös toiseen
suontaan. Näinollen systeemistä tulisi avoin. (Ståhle 2004, 2.)
Lohkoketjuteknologian mahdollistamassa hyvinvointiekosysteemissä ”hyvinvointito-
ken” voisi luoda vastavuoroisuutta organisaatioiden ja yksilöiden välille. ”Hyvinvointi-
token” sopisi lohkoketjuteknologian mahdollistaman dynamiikan varjolla hyvin tuohon
yhtälöön, koska tavallaan se operoisi vain suljetussa ja ennalta määrätyssä ympäristössä
ja toimisi ikään kuin kommunikaation ja informaation vaihdon polttoaineena. Vastavuo-
roiseen systeemiin sisältyy aina myös riskejä. Jos esimerkiksi yksilö pitää systeemiä epä-
määräisenä, eikä luota siihen, kommunikaatio tukahtuu. Yksi tärkeimmistä kaksoisriip-
puvuuden edellytyksistä onkin luottamus. Luhmannin (1979) mukaan luottamuksen var-
mentajana toimii joku kolmas osapuoli tai vaihtoehtoisesti osapuolten välillä tulisi olla
välittäjä joka valvoo osapuolia toimimaan sovitulla ja odotetulla tavalla. (Loebbecke ym.
43
2018.) Jos systeemin toimijoiden välillä ei ole luottamusta, vastavuoroisuus ja kommuni-
kaatio hiipuvat. Luhmann (1986) pitää myös informaation laatua kriittisenä tekijänä kak-
soisriippuvaisessa systeemissä. Sitä voidaan pitää edellytyksenä systeemin toiminnalle,
koska vain kommunikointi voi tuottaa toimintaa. Informaation vaihto on systeemin pe-
ruselementti ja sen käyttövoima. Ilman uutta informaatiota systeemi ei pysty uusintamaan
itse itseään. Vaihdettu informaatio muodostaa systeemin toimijoille jaetun kokemuksen,
eli se vaikuttaa systeemin muodostaviin ihmisiin ja organisaatioihin, ja tällä tavoin se
uudistaa jatkuvasti myös systeemin tilaa. (Ståhle 2004, 17.)
Yksi lohkoketjuteknologian tärkeimmistä tehtävistä on luottamuksen luominen toimijoi-
den välille sen teknologian turvin. Myös tästä näkökulmasta hyvinvointiekosysteemi so-
pisi Luhmannin teoriaan. Hyvinvointiekosysteemi perustuisi periaatteessa informaation
vaihtoon, jota Luhmann (1986) pitää tärkeänä. Luhmannin näkemyksen perusteella vas-
tavuoroisen informaation pitäisi olla niin laadukasta, että informaation luomat merkityk-
set pitäisivät systeemin toiminnassa. Toisin sanoen tietojen syöttämisestä palkitseminen
saattaisi heikentää tietojen laadukkuutta ja sitä kautta merkityksellisyyttä ja jaettua koke-
musta. (Ståhle 2004, 16.)
Teoreettisesti tarkasteltuna hyvinvointiekosysteemi voisi toimia, ainakin Niklas Luhman-
nin systeemiteorian puitteissa. Luhmannin (1990) teoriassa teknologian avulla pyritään
yksikertaistamaan monimutkaisia asioita. Teknologialla on ollut järisyttävä merkitys
siinä, kuinka itsemme näemme. Toisen asteen havainnointi on saanut viime vuosikym-
menen aikana konkreettisen alustan internetistä ja sen eri sovelluksista. Toisin sanoen, on
mahdollista nähdä itsensä ns. digitaalisena versiona verkossa. Uutta systeemiä luodessa
on kuitenkin tärkeää hahmottaa systeemille ominaisia piirteitä, huomioiden ne elementit
joista systeemi rakentuu. Hyvinvointiekosysteemiä luodessa on siis tärkeää tarkastella
asiaa myös teoreettisesta sekä eettisestä näkökulmasta. Teoreettisen tarkastelun avulla il-
miötä voidaan hahmotella ja jäsentää. Ilmiötä on myös helpompi selittää ja ymmärtää kun
sen pystyy kytkemään johonkin teoreettiseen viitekehykseen (Haaparanta & Niiniluoto
2016, 56.)
44
4 TUTKIMUSMENETELMÄ JA AINEISTO
Tämä tutkielma toteutettiin laadullisena kirjallisuuskatsauksena. Kirjallisuuskatsauksen
avulla voidaan rakentaa kokonaiskuva käsiteltävästä asiakokonaisuudesta. Sen tarkoituk-
sena on myös tunnistaa tarkasteltavaan ilmiöön liittyviä ongelmia. Lisäksi se mahdollis-
taa tarkasteltavan ilmiön historiallisen kuvaamisen. Kunnianhimoisena tavoitteena kirjal-
lisuuskatsauksella on olemassa olevan teorian arviointi sekä kehittäminen. (Salminen
2011, 3; Tuomi ym. 2018, 138). Kirjallisuuskatsauksen lähestymistapana voi olla tietyn
tieteenalan tutkimuskirjallisuuden näkökulma. Tehtävänä voi tällöin olla tieteenalan teo-
reettisen käsitteistön kehittäminen. Kuitenkin jos halutaan kattava kuvaus tutkittavasta
ilmiöstä, voi lähestymistapa olla poikkitieteellinen. Näin ilmiötä voidaan tarkastella eri
tieteenalojen näkökulmasta. (Suhonen ym. 2016, 7.) Tässä työssä kirjallisuuskatsauksen
kohteena oleva ilmiö on monisäikeinen ja kompleksinen. Siksi lähestyn ilmiötä kartoitta-
van katsauksen (scoping review) avulla.
4.1 Kartoittava kirjallisuuskatsaus
Tässä tutkielmassa lähestymistapana on kartoittava kirjallisuuskatsaus. Kartoittavassa
katsauksessa käydään läpi runsas ja laaja tutkimusmateriaali, jonka avulla pyritään ku-
vaamaan tutkittavaa ilmiötä laaja-alaisesti ja tarvittaessa luokittelemaan ilmiön erityis-
piirteitä. (Salminen 2011, 6.) Sen avulla voidaan myös selvittää aihepiirin luonnetta, laa-
juutta ja puutteita. Tutkimuskysymysten asettaminen on myös väljempää kuin järjestel-
mällisessä katsauksessa. (Peters ym. 2017.)
Kartoittavan katsauksen avulla pyritään luomaan ymmärrys tutkittavasta käsitteestä tai
ilmiöstä, olemassa olevan tiedon luonteesta ja keskeisistä lähteistä. Kartoittava katsaus
voidaan tehdä itsenäisenä tutkimuksena, kun tutkimuskohde on monimutkainen ja moni-
muotoinen tai aikaisempaa katsausta ilmiöstä ei ole vielä tehty. (Suhonen ym. 2016, 11.)
Lisäksi se on hyvä tapa käsitteiden välisten suhteiden esittämisessä ja tunnistamisessa
(Kuusisto 2018, 17.) Kartoittava katsaus antaa kuvan aihealueeseen kohdistuneen tutki-
muksen määrästä, laadusta sekä tarkastelun näkökulmasta. Tämä katsaustyyppi tarkaste-
lee kaikkea olemassa olevaa aihealueen tutkimusta, tutkimusasetelmista riippumatta.
45
Siinä voidaan myös tarkastella menossa olevia tutkimuksia. Tyypillisesti kartoittava kat-
saus ei sisällä tutkimusten menetelmällisen laadun arviointia. Katsaustyypistä nähdään
erityisesti olevan hyötyä, kun tutkitaan monimutkaisia ja monimuotoisia tutkimuskoh-
teita, joista aikaisempaa tutkimusta on vain vähän tai ei lainkaan. (Suhonen ym. 2016, 10-
11). Kartoittavan katsauksen hyötynä on siis tutkia ilmiötä mahdollisimman laaja-alai-
sesti. Sen avulla pystytään osoittamaan sen hetkisen tutkimuskirjallisuuden aukot. (Peters
ym. 2017.)
4.2 Tutkimusprosessi
Tässä tutkielmassa tutkimusprosessi jäsennetään Arkseyn ja O’Malleyn (2005) mallin
mukaisesti. Arkseyn ja O’Malleyn malli antaa tilaa tutkimuskirjallisuudelle, eikä se ole
yhtä tiukka kuin esimerkiksi systemaattisen kirjallisuuskatsauksen mallit. Heidän laati-
massa mallissa on kuusi tasoa, jotka jäsentävät prosessin eri vaiheita. Tutkimusprosessi
ei ole lineaarinen, mutta kaikki vaiheet on kuitenkin käsiteltävä, pois lukien kuudes vaihe
joka ei ole pakollinen. Prosessin edetessä tutkija reagoi eteen tuleviin ongelmiin sovelta-
malla mallin eri vaiheita ongelman ratkaisemiseksi. Tutkija voi siis tarvittaessa palata
prosessin aikaisempaan vaiheeseen. Tällä tavalla pyritään varmistamaan, että kaikki tar-
vittava kirjallisuus on käyty kattavasti läpi. (Arksey & O’Malley 2005, 8.)
Muita tunnistettuja kartoittavan katsauksen viitekehyksiä ovat Levacin, Colquhounin &
O’Brianin (2010) malli, joka on tarkempi ja yksityiskohtaisempi kuin Arkseyn ja O’mal-
leyn viitekehys. Peters ja kumppanit (2015) ovat jalostaneet edellä mainittuja malleja,
rakentaen oman yhdeksänportaisen ja vieläkin yksityiskohtaisemman viitekehyksen. Pe-
tersin ja kumppaneiden viitekehyksessä on katsauksen tekemistä lähestytty Joanna Briggs
instituutin (JBI) ohjeistuksen mukaisesti. (Peters ym. 2017.) Valitsin Arkseyn ja O’Mal-
leyn työni viitekehykseksi, koska tarkastelemani ilmiö on kompleksinen. Siksi koen että
viitekehyksen tulee antaa riittävästi tilaa poikkitieteellisesti muodostuvalle tiedolle. Var-
mistaakseni kuitenkin kartoittavan katsauksen oikeaoppisen etenemisen, käytän hyväk-
seni JBI:n kartoittavaan katsaukseen liittyvää protokollaa. (Peters ym. 2017.)
Arkseyn ja O’Malleyn viitekehyksessä on kuusi vaihetta, joista kuudes ei ole pakollinen.
Viitekehyksen kuusi eri vaihetta ovat:
46
1. Tutkimuskysymysten muodostaminen
2. Relevanttien tutkimusten löytäminen
3. Tutkimusten valinta
4. Tietojen kartoitus
5. Tulosten yhteenveto ja raportointi
6. Konsultointi (jos tutkija näkee tarpeelliseksi)
Katsaustyypistä riippumatta kirjallisuuskatsaus sisältää tyypillisten osien läpikäymistä.
Nämä osat ovat: tutkimusongelman määrittäminen, kirjallisuuden systemaattinen haku,
katsaukseen otettavan kirjallisuuden valinta, arviointi ja aineiston perusteella tehty ana-
lyysi ja loppuyhteenveto. (Suhonen ym. 2016, 8; Niela-Vilen ym. 2016, 23.)
Tutkimuskysymysten kannalta keskeisten käsitteiden määritteleminen on olennaista.
(Salminen 2011, 10.) Tässä työssä keskeiset käsitteet kumpuavat teoreettisestä viiteke-
hyksestä ja ne ovat: lohkoketju(teknologia), ekosysteemi, (oma)data ja hyvinvointi. Kes-
keiset käsitteet on avattu työn ensimmäisessä osassa. Kartoittavissa katsauksissa on
yleensä yksi ensisijainen tutkimuskysymys. Jos tuon yhden tutkimuskysymyksen avulla
pystytään kuvaamaan tutkittavaa ilmiötä riittävän hyvin, apukysymyksiä ei tarvita. (Pe-
ters ym. 2017.) Tässä tutkielmassa apukysymyksen avulla pyritään selvittämään ilmiön
suhdetta sosiaali- ja terveydenhuollon organisaatioihin.
Tässä tutkielmassa tutkimuskysymykset on määritelty tutkielman ensimmäisessä osiossa.
Hyvän tutkimusongelman tai kysymysten tulisi olla aiheeseen nähden ajankohtainen ja
riittävän fokusoitunut, mutta ei myöskään liian suppea. Siihen tulee olla mahdollisuus
vastata katsauksesta nousevan kirjallisuuden perusteella. Tutkimuskysymyksiä muodos-
tettaessa on hyvä tehdä alustavia kirjallisuushakoja, jotta katsauksen tekijä saa käsityksen
olemassa olevasta kirjallisuuden määrästä. (Niela-Vilen ym. 2016, 24-25.) Aihepiiriä kar-
toittaessani tein testihakuja Scopus tietokantaan eri hakulausekkeilla. Testihaun tulokset
antoivat alustavan käsityksen kirjallisuuden määrästä ja auttoivat hienosäätämään tutki-
muskysymyksiä.
47
Testihaku tehtiin Scopus tietokantaan hakulausekkeella: Blockchain AND (”health care”
OR healthcare) saatiin 137 tulosta. Blockchain AND ("health care" OR healthcare) AND
ecosystem* tuotti 11 tulosta. Blockchain* AND ecosystem* tuotti 122 osumaa.
Seuraavaksi määrittelen hyväksymis- ja poissulkukriteerit, jotka esitellään taulukossa 1.
mukaillen JBI kartoittavan katsauksen protokollaa (2017). Kartoittavan katsauksen si-
säänottokriteereiksi voidaan määritellä osallistujat (Peters ym. 2017.) Katsaukseni koh-
dalla osallistujat määritellään tutkimuskysymyksen yhteydessä. Osallistujat voivat siis
olla organisaatioita, yrityksiä tai yksilöitä. Keskeisten käsitteiden liittyminen tutkimus-
kirjallisuuteen on myös yksi sisäänottokriteeri. (Peters ym. 2017.) Tämän työn keskeiset
käsitteet on määritelty jo aikaisemmin tässä luvussa. Sisäänottokriteeriksi olen määritel-
lyt lohkoketju(teknologian) käsitteen liittymisen johonkin toiseen työni keskeiseen käsit-
teeseen, jotka ovat ekosysteemi, (my)data, hyvinvointi ja terveydenhuolto. Katsaukseen
mukaan otettavan kirjallisuuden tulee myös liittyä sisällöllisesti tutkimuskysymyksiini.
Tutkimuskirjallisuudesta rajataan pois AMK-opinnäytetyöt sekä kanditutkielmat. Muu-
ten kirjallisuus voi olla julkaistua tai julkaisematonta, vertaisarvioitua, vielä kesken-
eräistä, harmaata kirjallisuutta tai kaikkea siltä väliltä (Arksey & O’Malley 2005.)
TAULUKKO 1. Aineiston sisäänotto- ja poissulkukriteerit
Sisäänottokriteerit Poissulkukriteerit
1) suomen ja englannin kieliset julkai-
sut ja artikkelit
1) muun kieliset julkaisut ja artikkelit
2) otsikon tai tiivistelmän sisältö liittyy
tutkimuskysymyksiin
2) otsikon tai tiivistelmän sisältö ei
liity tutkimuskysymyksiin
3) koko teksti saatavilla ilman maksua 3) maksullinen artikkeli tai julkaisu
4) otsikon tai tiivistelmän mukaiset
osallistujat ovat yhdenmukaisia tut-
kimuskysymysten kanssa
4) otsikon tai tiivistelmän mukaiset ot-
sikosta osallistujat eivät ole yhden-
mukaisia tutkimuskysymysten kanssa
5) otsikosta, tiivistelmästä tai avainsa-
noista löytyy lohkoketju(teknolo-
gian) käsitteen lisäksi my(data),
ekosysteemi, hyvinvointi, tervey-
denhuolto tai sosiaalihuolto
5) tiivistelmästä tai avainsanoista ei
löydy lohkoketju(teknologian) käsit-
teen lisäksi, (my)dataa, ekosystee-
miä, hyvinvointia, terveydenhuoltoa
tai sosiaalihuoltoa
6) Kaikki kirjallisuus paitsi AMK-
opinnäytetyöt ja kanditutkielmat
6) AMK-opinnäytetyöt tai kanditut-
kielmat
Kartoittavan katsauksen hakustrategian tulisi olla mahdollisimman kattava, jotta sen
avulla voidaan tunnistaa sekä julkaistu että julkaisematon kirjallisuus. Kirjallisuuden
48
haussa noudatetaan JBI käytännön (2017) mukaisesti kolmivaiheista hakustrategiaa. En-
simmäisessä vaiheessa haetaan kirjallisuutta eri tietokannoista valituilla hakulausek-
keilla. Tässä tutkielmassa hain kirjallisuutta tietokannoista: Scopus, IEEE Xplore, Web
of Science ja google scholar. Lisäksi suomen kielellä hain kirjallisuutta ARTO:sta sekä
kansallisesta Finnasta. Tietokantojen valintaan vaikutti tutkittavan ilmiön poikkitieteelli-
syys, kompleksisuus ja teknisyys. Toisessa vaiheessa haetusta kirjallisuudesta tutkin nii-
den sopivuutta otsikoiden, tiivistelmien ja avainsanojen perusteella, tutkimuskysymykset
huomioiden. Kolmannessa vaiheessa kävin läpi vielä ensimmäisen ja toisen vaiheen lä-
päisseiden tutkimusten lähdeluettelot, joista mahdollisesti vielä poimitaan varsinaiseen
katsaukseen relevantit paperit.
Hakustrategian lisäksi kartoittavassa katsauksessa on tyypillistä, että tietoa etsitään myös
tietokantojen ulkopuolelta. Tämä lähestymistapa johtaa sensitiivisempään otteeseen kir-
jallisuuden etsimisessä, mikä onkin suositeltavaa kartoittavaa katsausta tehdessä. Kartoit-
tavan katsauksen hakuprosessi on iteratiivinen, koska hakua tehdessään tutkija alkaa tun-
temaan ilmiötä yhä paremmin. Tämä taas voi johtaa uusiin hakujen tekemiseen uusin ha-
kulausekkein tai uusien tietokantojen tai lähteiden käyttämiseen. (Arksey & O’Malley
2005; Peters ym. 2017.) Iteratiivisen prosessin seurauksena, lisäsin uuden käsitteen ”to-
ken economics” työni kokonaisuuteen. Alkuperäisen haun tiivistelmiä lukiessani huoma-
sin ”token economicsin”, karkeasti suomennettuna ”polettitalouden”, olevan keskeinen
osa lohkoketjuteknologiaan pohjautuvaa ekosysteemiä. Siksi otin sen mukaan hakuun.
Hakuprosessin ensimmäisessä vaiheessa hain kirjallisuutta kuudesta tieteellisestä tieto-
kannasta. Hakulausekkeet muotoutuivat työn keskeisistä käsitteistä ja ne ovat kuvattuna
taulukossa 2.
49
Taulukko 2. Tietokannat hakulausekkeet ja tulokset
Haun ensimmäisessä vaiheessa artikkeleita löytyi 484 kappaletta. Hakuprosessissa käytin
hyväkseni bibliografisten tietojen käyttöön ja tallentamiseen käytettävää RefWorks tie-
donhallintaohjelmaa. Tallensin tulokset Scopuksesta, IEEE Xploresta ja Web of
Sciencestä suoraan RefWorksiin. Google scholarin, Finnan ja Arton löydöt kävin läpi
manuaalisesti ja siirsin sisäänottokriteereiden mukaiset tekstit RefWorksiin. Tämän jäl-
keen poistin ohjelman avulla dublikaatit (12 kappaletta). Toisessa vaiheessa kävin läpi
tekstien otsikot ja tiivistelmät. Osittain tein tätä jo ensimmäisessä vaiheessa Google scho-
larin, Arton ja Finnan kohdalla. Nyt tarkastelin Scopuksen, IEEE Xploren ja Web of
Sciencen löydöksiä. Tämän haravoinnin jälkeen jäljelle jäi 68 lähdettä.
Viimeisessä vaiheessa luin jäljelle jääneet artikkelit. Poistin lohkoketjuyritysten ”white-
paperit”, jotka pyrkivät kuvaamaan yrityksen toimintaperiaatteita. Yritykset pyrkivät tie-
tenkin näyttäytymään ja myymään liikeideaansa whitepapereiden avulla, joten päätin jät-
tää ne pois. Halusin katsaukseeni nimenomaan enemmän tieteellisen tarkastelunäkökul-
man. 21 artikkelia poistettiin, koska ne eivät pyrkineet vastaamaan tutkimuskysymyk-
siini. Manuaalisen haun seuraukseni lisäsin vielä kaksi artikkelia katsaukseen.
Tietokanta Hakulauseke löytyneet
tutkimukset
Scopus blockchain* AND ecosystem* AND ( data OR mydata OR "well
being" OR well-being OR wellbeing OR welfare OR "health
care" OR healthcare OR "social care" )
80
IEEE
Xplore
blockchain* AND ecosystem* AND ( data OR mydata OR "well
being" OR well-being OR wellbeing OR welfare OR "health
care" OR healthcare OR "social care" )
52
Web of sci-
ence
blockchain* AND ecosystem* AND ( data OR mydata OR "well
being" OR well-being OR wellbeing OR welfare OR "health
care" OR healthcare OR "social care" )
29
Google scholar
blockchain* AND ecosystem* AND mydata AND (healthcare OR "health care" OR welfare OR wellbeing OR "well being" OR wellbe-
ing OR "social care")
105
scholar
blockchain AND ("token economy") AND ecosystem* 62
ARTO lohkoketju* 17
Finna lohkoketju* 139
50
KUVIO 5. Aineiston valintaprosessi
Kokonaisuudessaan katsaukseen otettiin mukaan 44 artikkelia. Kirjallisuushaku on täy-
dellisesti kuvattuna PRISMA diagrammina kuviossa 5.
Scopus (n=80)
IEEE Xplore (n=52)
Web of Science (n=29)
yhteensä (n=161)
Seu
lon
ta
Hyväk
sytt
ävät
Kel
pois
uu
s Id
enti
fioin
ti
Google scholar (n=167)
ARTO (n=17) Finna (n=139)
yhteensä (n=323)
Dublikaattien poistamisen jä-
lkeen
(n=189)
Kirjallisuuden määrä pois-
sulkukriteereiden perusteella
hylätyn kirjallisuuden jäl-
keen
(n=68)
Poissulkukriteereiden perus-
teella hylätty kirjallisuus
(n=121)
Yritysten ”whitepaperei-
den” seulonnan jälkeen
(n=63)
“Yritysten whitepaperit” hy-
lätyt artikkelit
(n=5)
Kokotekstin perusteella hy-
väksytty kirjallisuus artikke-
lit
(n=42)
(n=63)
Katsaukseen mukaan otettava
kirjallisuus
(n=44)
Otsikon ja tiivistelmän perusteella va-
littu kirjallisuus
(n=40)
kokotekstin perusteella hy-
lätty kirjallisuus
(n=21)
Manuaalisen haun seu-
rauksena lisätty
(n=2)
51
4.3 Tutkimusaineiston analyysi
Tässä tutkielmassa aineisto analysoidaan sisällönanalyysille tyypillisin menetelmin. Si-
sällönanalyysi on perusanalyysimenetelmä, jota pystytään käyttämään kaikissa laadulli-
sen tutkimuksen perinteissä (Tuomi & Sarajärvi 2009, 91). Aineiston analyysin tarkoitus
on tuoda aineistoon selkeyttä. Sen avulla pyritään myös tiivistämään aineistoa, hukkaa-
matta silti sen sisältämää informaatiota. Sisällönanalyysilla pyritään nimenomaan kasvat-
tamaan informaatioarvoa tekemällä hajanaisesta aineistosta mielekästä ja selkeää. (Es-
kola & Suoranta 1998, 137.)
Sisällönanalyysissä aineistoa voidaan lähestyä aineistolähtöisesti, teorialähtöisesti tai teo-
riaohjaavasti. Aineistolähtöisessä tavassa aineistoa lähestytään induktiivisesti, eli vas-
taukset tutkimuskysymyksiin nousevat aineistosta. Aiemmin luodut teoriat eivät vaikuta
tutkimustuloksiin. Teorialähtöisessä eli deduktiivisessä tavassa aineiston analyysin luo-
kittelu pohjautuu aikaisemmin luotuun viitekehykseen, joka voi olla käsitejärjestelmä tai
teoria. Analyysia ohjaa tällöin aina joku teema tai käsitekartta. Teoriaohjaavassa sisäl-
lönanalyysissä empiirinen aineisto yhdistetään teoreettisiin käsitteisiin. Käsitteet tuodaan
teoriasta jo tiedettynä, mutta niitä voidaan täydentää empiiristä aineistoa hyödyntäen.
Teoriaohjaavassa tavassa hyödynnetään siis sekä teoreettista viitekehystä sekä empiiristä
aineistoa. (Tuomi & Sarajärvi 2009, 103-118.)
Tässä tutkielmassa analyysimenetelmänä käytin teoriaohjaavaa sisällönanalyysia. Teo-
riaohjaavan sisällönanalyysin keinoin pyrin järjestämään ja teemoittelemaan aineiston
systemaattiseksi kokonaisuudeksi. Tuomen ja Sarajärven (2018) mukaan aineiston tee-
moittelulla voidaan luoda tutkittavasta ilmiöstä tiivistetty kuvaus. Kuvauksen avulla pys-
tytään tarkastelemaan ilmiötä laajemmassa kontekstissa ja voidaan verrata sitä tieteenalan
muihin tutkimustuloksiin. Sisällönanalyysia voidaan käyttää myös aineiston järjestämi-
sen välineenä. (Tuomi & Sarajärvi 2018, 117, 139-140.) Tutkielman teemojen sisällä tar-
kastelin tarkemmin aineistosta nousevia aiheita. Tässä tutkielmassa sisällönanalyysiä
käytetään siis aineiston järjestämisen apuvälineenä. Eskolan ja Suorannan (1998) mukaan
teemoittelu vaatii toimiakseen empirian ja teorian vuorovaikutusta, joka tulosten yhtey-
dessä näkyy niiden lomittumisena toisiinsa. Aineistosta voi nostaa esiin tutkimuskysy-
mystä valaisevia teemoja ja tarkastella niitä myös aikaisemman teorian valossa. Teemoit-
52
telun avulla aineistosta saadaan esiin kokoelma erilaisia tuloksia tai vastauksia esitettyi-
hin kysymyksiin. Teemoittelussa korostuu siis aineiston ja teorian yhteys. (Eskola & Suo-
ranta 1998, 174-179.)
Aineiston järjestämisessä ja teemoittelussa käytin taulukointia. Teemoittelin aineoston
teemojen mukaan, jotka loin jo teoriaosuudessa. Taulukko on kokonaisuudessaan esillä
liittenä 1. Hyödynsin myös mallinnuksessani Risiuksen ja Spohrerin (2017) viitekehystä,
joka on suunniteltu jäsentämään lohkoketjuteknologiaan liittyvää tutkimusta. Risius ja
Spohrer luokittelevat lohkoketjuteknologian tutkimuksen kolmeen eri luokkaan. Nämä
luokat ovat suunnittelu ja ominaisuudet, mitattavuus ja arvo sekä hallinta ja organisaatio.
Näiden luokkien sisällä voidaan vielä tarkastella sisältöä neljällä eri tasolla, jotka ovat
käyttäjät ja yhteiskunta, välittäjät, alustat sekä yritykset ja teollisuus. Viitekehys perustuu
Aralin ym. (2013) luomaan sosiaalisen median viitekehykseen sekä Glaserin (2017) mal-
liin lohkoketjuteknologian teknisistä hyödyistä. Viitekehyksen avulla pyritään selkeyttä-
mään sitä kuinka erilaisia lohkoketjuteknologiaan perustuvia systeemeitä tulisi suunni-
tella, kuinka lohkoketjuteknologia voisi tuottaa arvoa ja kuinka lohkoketjuteknologiaan
perustuvia systeemeitä voisi hallita ja ylläpitää, organisatorisesta, yksilöllisestä ja tekno-
logisesta näkökulmasta tarkasteltuna. Malli antaa myös hyvän kuvan siitä onko ilmiötä
tarkasteltu riittävän monipuolisesti ja missä kohtaa voisi olla tutkimusaukkoja (Risius &
Spohrer 2017.) Omassa mallissani teemoittelin aineiston kuuden eri teeman alle jotka
ovat:
1. Systeemi- ja teknologisen tason ratkaisut
2. Yksityisyys, turvallisuus ja luottamus
3. Datan asema ja hallinnointi
4. Talous ja tokenisointi
5. Laki ja sääntely
6. Eettiset näkemykset
53
5 TULOKSET
Tässä kartoittavassa kirjallisuuskatsauksessa aineistosta on etsitty teemoja, jotka pyrkivät
vastaamaan esittämiini tutkimuskysymyksiin. Teemat ovat olleet havaittavissa jo työn
teoreettisessä viitekehyksessä. Teoriaohjaavassa analyysitavassa keskustelutetaankin em-
piirisiä löytöjä yhdessä teorian kanssa. Tässä osiossa tarkastellaan kuitenkin pääasiassa
aineistosta nousevia tuloksia, jotka pyrkivät vastaamaan ensimmäiseen tutkimuskysy-
mykseen. Teemojen sisällä tarkastellaan tutkimuskysymyksen edellyttämiä elementtejä
yksityiskohtaisemmin. Tarkasteltavia teemoja on yhteensä kuusi, joista jokaiselle tee-
malle on oma alalukunsa. Vuoropuhelu teorian ja empirian välillä käydään pohdinta ja
johtopäätökset luvussa, joka vastaa toiseen tutkimuskysymykseen.
5.1 Systeemi- ja teknologisen tason ratkaisut
Systeemitason ratkaisuilla tarkoitetaan millä keinoin ja minkälaiseen ympäristöön lohko-
ketjupohjaisia systeemeitä on rakennettu tai kaavailtu. Teknologisilla ratkaisuilla taas vii-
tataan siihen, minkälaisia teknisiä ratkaisuita on tehty. Tässä kappaleessa kuvaan myös
eri teknologioiden yhteensopivuutta ja niiden tuomaa lisäarvoa.
Pärssinen kollegoineen (2018) tutki lohkoketjuteknologian mahdollisuuksia verkkomai-
nonnan ympäristössä. He päätyivät tutkimuksessaan toteamaan, ettei lohkoketjuteknolo-
giaa kannata vielä ottaa käyttöön verkkomainonnassa sen keskeneräisen luonteen takia.
Ongelmia ilmenee ainakin skaalautuvuudessa, läpinäkyvyydessä, lohkojen muokkauk-
sessa, informaation laadussa ja tietojen varmennuksessa. He ehdottavat skaalautuvuuson-
gelmiin uudenlaisten konsensusmenkanismien luomista PoW:n tai PoS:n tilalle, koska ne
vievät liian paljon aikaa. Heidän mukaansa konsensusmekanismia ei tarvita, vaan lohko-
ketjun yksittäiset solmut voisivat luoda omia ketjujaan, joka nopeuttaisi verkon toimintaa
huomattavasti. Läpinäkyvyyden suhdetta yksityisyyteen voisi parantaa rakentamalla
kryptografisia kerroksia lohkoketjuprotokollaan, joilla voisi kerroksittain lisätä tai vähen-
tää yksityisyyden suojaa. Lohkojen muokkaus ei tämänhetkisen teknologian turvin ole
mahdollista, joten se jää tutkittavaksi tulevaisuuteen. Informaation laatuun he kaavailevat
tiedon laadun pisteytysjärjestelmää ja varmennukseen salausavainten käyttöä. Lohkoket-
54
jupohjaisessa verkkomainonnan ekosysteemissä arvonsiirto tapahtuisi tokeneilla. Toke-
neiden volatiilinen luonne, eli vaihteleva arvonmuutos on myös ongelmallista ja ei aina-
kaan tällä hetkellä vielä sovellu verkkomainonnan ympäristöön. (Pärssinen ym. 2018)
Yinsheng Li tutkimusryhmineen (2018) tarkasteli autonomista lohkoketjupohjaista luot-
tojärjestelmää. Lohkoketjupohjainen järjestelmä eroaa nykyisestä järjestelmästä ominai-
suudellaan toimia ilman kolmatta varmentavaa osapuolta. Lohkoketjupohjaiseen järjes-
telmään voidaan ohjelmoida kaikki luottojärjestelmän vaadittavat ominaisuudet, kuten
esimerkiksi luottokelpoisuus. Luottokelpoisuuden ympärille voidaan rakentaa autonomi-
nen lohkoketjupohjainen ekosysteemi hyödyntämällä kryptografiaa tietojen salauksessa
sekä varmennuksessa. Älysopimusten avulla tietyt luottojärjestelmälle ominaiset piirteet
voitaisiin automatisoida. Tämä uusi järjestelmä mahdollistaisi avoimen, tasavertaisen ja
luottokelpoisen infrastruktuurin, jonka ansioista tiedot olisivat dynaamisia, jäljitettäviä ja
integroituvia. Kirjoittajat uskovatkin tämän kaltaisen järjestelmän syrjäyttävän nykyiset
järjestelmät. Lohkoketjuteknologian mahdollistama luottojärjestelmä on kuitenkin vielä
kehitysvaiheessa ja sen rakennukseen tarvitaan vielä paljon tutkimusta ja kokeiluja ennen
kuin sitä voisi edes harkita syrjäyttämään nykyisiä järjestelmiä. (Li ym. 2018.)
Lisääntyneen datan ja datan omistajuuden ympärille Jinchuan Chen ja Yunzhi Xue (2018)
esittävät lohkoketjupohjaista ekosysteemiä datan vaihdantaan. Tässä mallissa datan omis-
taja tuo datan ekosysteemiin. Datan omistajia voivat olla sekä yksilöt että organisaatiot
tai yritykset. Datan julkaisija varmentaa datan ja mahdollisesti yhdistelee asiakkaan ha-
luamia datakokonaisuuksia. Asiakas taas ostaa tiettyjä datakokonaisuuksia julkaisijalta
API:n kautta. Tässä järjestelmässä kaikki siirrot tallentuvat lohkoketjuun ja ovat datan
omistajalle ja julkaisijalle nähtävissä. Koko protokolla voidaan ohjelmoida lohkoketjuun
ja API:en kautta asiakkaat saavat tarvitsemansa datan yhdistettyä omiin järjestelmiinsä.
Tämän kaltaisen järjestelmän uskotaan lisäävän datan vaihdantaa, datan omistajan oi-
keuksia sekä datan laajamittaisempaa hyödyntämistä. Järjestelmässä on kuitenkin vielä
kehiteltävää tekijänoikeuksien suojelemisen parantamisessa, oikean konsensusprotokol-
lan rakentamisessa sekä vastineeksi datasta tulevan valuutan valinnassa. (Chen & Xue
2018.)
55
Lohkoketjuteknologian käyttöä on tutkittu myös terveydenhuollon näkökulmasta. Igor
Kotsiuba kumppaneineen (2018) esittää terveystietojen hajautettua ekosysteemiä, jossa
tavoitteena on terveyspalvelujen laadun parantaminen. Tämä malli lisäisi tiedon määrää
terveydenhuollossa, mutta samalla se suojaisi asiakkaan henkilökohtaisia tietoja. Asiakas
pystyisi tarkkailemaan omia tietojaan reaaliaikaisesti järjestelmään implikoidun aplikaa-
tion avulla. Mallin avulla voitaisiin rakentaa myös terveysdatan vaihtopörssi, jossa asiak-
kaat voisivat myydä terveystietojaan lääkefirmoille, vakuutusyhtiöille ja tutkimusryh-
mille. Kotsiuba kumppaneineen pitää tätä siirtymisenä big datasta smart dataan, jolloin
datasta hyötyy suurempi joukko toimijoita. He myöntävät kuitenkin että tällä teoreetti-
sella mallilla on käytännön esteitä. Ensinnäkin tekniset ratkaisut eivät vielä ole valmiita
tällaisiin ratkaisuihin ja toisekseen lait ja säätely estävät osittain hahmotellun toiminnan.
(Kotsiuba ym. 2018.)
Alex Roehrs (2018) tutkimusryhmineen kartoitti hyvinvointitietojen (personal health re-
cords) ja potilasasiakirjojen (electronic health records)) liikkumista palveluntarjoajien vä-
lillä pohjautuen OmniPHR arkkitehtuuriin. OmniPHR-malli perustuu ajatukseen, jonka
mukaan terveystietojen ympärille on rakennettu arkkitehtuuri, joka mahdollistaa niiden
katselemisen eri toimipisteissä. Roehrsin ym. malli pohjautuu myös lohkoketjuteknolo-
giaan. Testatessaan malliaan he havaitsivat sillä olevan hyvän saatavuuden eri toimijat
huomioiden. Malli tavoitti 98% testaukseen osallistuneista toimijoista. He havaitsivat
myös kun liikenne lohkoketjussa kasvaa, vasteaika tietojen saatavuuteen nousee. Mitä
enemmän tietoja lohkoketjussa liikkuu, sen hitaammaksi vasteaika muuttuu. Testaukses-
saan he saavuttivat 500ms vasteajan, mutta testattava datan määrä oli kuitenkin suhteel-
lisen pieni. Mallia tulisi testata vielä suuremmalla datamäärällä, jotta saataisiin realisti-
sempia tuloksia. (Roehrs ym. 2018.)
Dean Rakic (2018) esittää lohkoketjuteknologian potentiaalisia käyttökohteita terveyden-
huollossa. Tietoja potilaista voisi kerätä IoT-laitteiden avulla, josta tiedot tallentuisivat
lohkoketjuun. Kliiniset kokeiden ja tutkimusten tekijät hyötyisivät lohkoketjuun tallen-
netuista tiedoista. Tietojen perusteella voitaisiin myös rakentaa ennaltaehkäiseviä mal-
leja. Myös erilaiset terveydenhuollon maksuihin liittyvät tekijät voisivat hyötyä lohko-
ketjuteknologiasta älysopimusten ja mikromaksamisen kautta. Kaikki nämä tekijät tarvit-
sevat kuitenkin yhteensopivuuden nykyisten järjestelmien ja tietoarkkitehtuurin kanssa.
56
Yhteensopivuuden (interoperability) ongelma onkin yksi tärkeimmistä ratkaistavista asi-
oista jos halutaan käyttää lohkoketjuteknologiaa terveydenhuollossa. (Rakic 2018.)
Zonyin Shae & Jeffrey J.P Tsai (2017) havaitsivat myös yhteensopivuuden ongelman ter-
veydenhuoltoon liittyen. He esittävät kliiniseen tutkimukseen ja lääkehuoltoon rakennet-
tua lohkoketjuteknologiaan pohjautuvaa alustaa. He nimeävät neljä uutta komponenttia
joiden pohjalle alustan arkkitehtuuri voisi rakentua. Ensinnäkin pitäisi luoda uusi lohko-
ketjuteknologiaan pohjautuva jaettu ja rinnakkainen tietojenkäsittelykomponentti rinnak-
kaisen laskennan suunnittelemiseksi ja tutkimiseksi. Tämä komponentti hyödyntäsi myös
big-data analytiikkaa. Toiseksi pitäisi rakentaa lohkoketjuun tallennettujen tietojen hal-
lintakomponentti, jonka ansiosta tiedot olisivat eheitä ja big data:n kanssa yhteensopivia.
Kolmanneksi tulisi luoda identiteetin hallintakomponentti suojelemaan sekä yksilön että
IoT-laitteiden yksityisyyttä. Ja viimeiseksi luottamukseen perustuva datan jakamiskom-
ponentti, joka pohjautuu tietojen luotettavaan jakamiseen ja käyttämiseen ekosystee-
missä. (Shae & Tsai 2017.)
Lohkoketju näyttääkin soveltuvan hyvin ulkoisten IoT-laitteista kerätyn datan tietokan-
tana. Ulkoisten laitteiden lisäksi täytyy muistaa myös ihmiseen sulautetut laitteet, kuten
sydämentahdistimet, älykkäät verensokerin mittaajat ja kehon aktiivisuuden mittaajat.
Näistä laitteista kerätty data on hyvin arvokasta ennaltaehkäisevän terveydenhuollon nä-
kökulma huomioiden. Onkin rakennettava käyttöliittymiä, missä henkilö ja terveyden-
huollon ammattilaiset saavat päivittäistä tietoa terveydentilasta, jota laitteet mittavat. Tie-
toja voi analysoida älykäs algoritmi, joka havaitsee ongelman heti, jos sellainen ilmaan-
tuu. (Brogan ym. 2018.)
IoT-laitteiden lisäksi tekoälyn hyödyntäminen on liitetty vahvasti lohkoketjuteknologi-
aan. Tekoälyä voi hyödyntää esimerkiksi terveydenhuollossa usealla eri osa-alueella. Te-
koäly voi analysoida kuvia, videoita tai mitä tahansa dataa ja luoda datasta johtopäätöksiä
päätöksenteon tueksi. Tekoäly tarvitsee kuitenkin dataa, mistä tekee johtopäätöksiä. Loh-
koketjuteknologian hajautettu tietokanta nähdään turvallisena datan säilytyspaikkana,
josta tekoäly voisi kerätä tietoja ja analysoida niitä. (Mamoshina ym. 2018.)
57
Hai Jin, Xiaohai Dai ja Jiang Xiao (2018) tutkivat yhteensopivuuden ongelmaa, kun tar-
kastellaan eri lohkoketjujärjestelmien yhteensopivuutta toistensa kanssa. Yhteensopivuu-
den ongelmalla tarkoitetaan sitä kun esimerkiksi kaksi tietojärjestelmää tai tässä tapauk-
sessa lohkoketjujärjestelmää eivät kommunikoi keskenään. Ne on rakennettu palvele-
maan eri käyttötarkoituksia omaa toimintaansa silmällä pitäen. Lohkoketjujärjestelmissä
ongelmaksi voi muodostua se ettei dataa pysty monistamaan. Eli jos halutaan viedä dataa
lohkoketjusta A lohkoketjuun B, tieto häviää lohkoketjusta A. Myös tiedonsiirtojen
(transactions) formaatti vaihtelee lohkoketjujen välillä, joten siirto ei onnistu suoraan loh-
koketjusta A lohkoketjuun B. Eri ketjujen konsensusmekanismit eroavat myös toisistaan.
Lohkoketjujen väliin tarvitaan siis muuntaja ja varmistaja. Muuntaja muuntaisi siirrot
aina kullekin lohkoketjulle sopivaan formaattiin ja varmentaisi myös älysopimusten
avulla tietojen siirtymisen. Uusia järjestelmiä suunniteltaessa onkin huomioitava suurem-
man linjan arkkitehtuuri ja API-pohjainen suunnittelu, että infrastruktuurin on helppo liit-
tyä myös jälkikäteen. (Jin ym. 2018.)
Lohkoketjuteknologiaa on tutkittu myös palveluekosysteemin näkökulmasta. Palve-
luekosysteemi rakentuu ohjelmointirajapinnoille useasta eri palvelusta. Palvelualustana
on yleensä keskitetty hallinnoija. Palveluekosysteemissä on kolmenkaltaisia tunnistettuja
rooleja: käyttäjät, kehittäjät ja hallinnoijat. Kehittäjät voivat liittää palvelunsa API:n
kautta palvelualustaan. Käyttäjät taas etsivät palvelualustan avulla tarvitsemiaan palve-
luita kehittäjiltä. Hallinnoijat taas pyrkivät pitämään palvelualustan toimivana, turvalli-
sena ja houkuttelevana käyttäjille sekä kehittäjille. Keskitetyissä järjestelmissä on ha-
vaittu heikkouksia, jotka lohkoketjuteknologia voisi ratkaista. Ongelmia on luotettavuu-
dessa, yksityisyydessä ja turvallisuudessa, kannustinjärjestelmissä ja kustannustehok-
kaissa ratkaisuissa. Kaikki luetellut ongelmat voidaan teorian tasolla ratkaista lohkoket-
juteknologian avulla. Kirjoittajien mallissa ratkaisuksi on valittu konsortio-lohkoketju,
jota edustaa esimerkiksi hyperledger fabric. Konsortiolohkoketju kuvaa toimijoiden
kumppanuutta ja alojen välistä yhteistyötä, siksi sitä voidaan pitää luonnollisena valintana
hajautettua palveluekosysteemiä luodessa. (Gao ym. 2018.)
Lohkoketjuteknologiaa on esitetty myös opiskelijadatan varmennukseen, seurantaan ja
analysointiin. Se mahdollistaa turvallisen ja muuttumattoman tietokannan opiskelijada-
58
talle. Muuttumaton data on erittäin arvokasta myös analytiikkaa silmällä pitäen. Lohko-
ketjusta myös näkee, kuka tiedon on sinne lisännyt esimerkiksi oppilaan arvosanasta. Ins-
tituutiot ja oppilaitokset tarvitsevat järjestelmiä, joissa on sisäänrakennettu (privacy by
design) turvallisuus, luottamus ja yksityisyys. Lohkoketjuteknologia sopii tähän kuvauk-
seen. (Filva ym. 2018.)
Reza & Dehghantanha (2018) tutkivat pelillistämistä lohkoketjuteknologian kontekstissa.
Kapsammer tutkimusryhmineen (2017) kuvasi vapaaehtoistyön digitaalista ekosysteemiä
lohkoketjuteknologiaan pohjautuen. Lohkoketjuteknologian saa siis liitettyä miltei mihin
tahansa toimialaan. Ominaista näille uusille alustoille ja ekosysteemeille on avoimet oh-
jelmistorajapinnat ja hajautettu rakenne, joita lohkoketjuteknologia palvelee hyvin.
Li ryhmineen (2018) toteaa tiedon jakamisen olevan erittäin tärkeässä roolissa, kun tar-
kastellaan tuotteiden valmistusprosessien ekosysteemeitä. Nykyisellään ekosysteemit
ovat keskitettyjä, mutta Li ryhmineen ehdottaa siirtymistä keskitetyistä systeemeistä ha-
jautettuihin ekosysteemeihin. Ehdotettu lohkoketjuteknologiaan pohjautuva malli on tur-
vallisempi ja sen hallinnointitapa tukee tiedon jakamista ekosysteemin kaikille jäsenille.
Sen ylläpitäminen ei ole myöskään niin kallista kuin keskitetyssä järjestelmässä. Kaiken
kaikkiaan lohkoketjupohjainen ekosysteemi parantaisi tiedon laatua, tehokkuutta ja osa-
puolten vaikuttavuutta itse valmistusprosessissa ja palveluissa. (Li ym. 2018.)
The internet of things (IoT) suomennettuna esineiden internet on yksi uusista teknologi-
oista joka on saanut jalansijaa myös käytettävyytensä puolesta. YangQun Li (2018) tutki
avoimen lähdekoodin IoT teknologiaa ja vertaili erilaisia käytettyjä ratkaisuita laitehal-
linnan, datan hallinnoinnin, datan kommunikoinnin, turvallisuuden ja yksityisyyden nä-
kökulmasta. Selvityksessään hän päätyi lohkoketjupohjaisen alustan tukevan parhaiten
tarkasteltuja ominaisuuksia. Hän testasi lohkoketjun teknisiä ominaisuuksia IoT-proto-
kollien kanssa. Pienen sensoridatan tapauksessa lohkoketjupohjainen järjestelmä toimi
hyvin ja vakaasti, mutta lisää testausta kuitenkin vaaditaan protokollan toimivuuden var-
mentamiseksi. Li ehdottaa myös tekoälypohjaisen analyysijärjestelmän liittämistä IoT-
protokollaan. IoT toimii datan kerääjänä, lohkoketjuteknologia toimii hyvänä ja turvalli-
sena alustana jossa dataa voi säilyttää ja tekoäly käsittelee ja analysoi alustalla olevaa
dataa. Voidaankin puhua teknologioiden disruptiosta. (Li 2018.) Bin Yu kollegoineen
59
(2018) sekä Tim Weingärtner (2019) jakavat ajatuksen IoT:n ja lohkoketjuteknologian
toisiaan täydentävistä ominaisuuksista.
Faber kumppaneineen (2018) suunnitteli omadata periaatteen ympärille rakentuvaa loh-
koketjuratkaisua. Malli koostuu kuudesta osa-alueesta jotka ovat:
1. Käyttäjäkeskeisyys: antaa vallan käyttäjälle
2. Läpinäkyvyys: käyttäjä tietää miten, missä ja kuka hänen dataansa käyttää
3. Tietosuoja-asetus (GDPR) yhteensopivuus: Oikeus omien tietojen poistoon ja
muokkaukseen
4. Dataekonomia: luoda datalle arvoa, jota voi vaihtaa
5. Varmennettu data: On arvokasta palveluiden tuottajille
6. Turvallisuus: käyttäjädata on tallennettu kryptografisen suojauksen taakse salaus-
avainten avulla
Malli rakentuu kolmelle eri kerrokselle jotka ovat:
1. Identiteetin varmentamisen kerros
2. Yksityisyyskerros
3. Älysopimuksien kerros
Scott Turing (2018) esittelee tutkimuksessaan älykkään ekoverkoston (Intelligent eco net-
working) ideaa. Verkosto on edistyksellinen tulevaisuuden internetin infrastruktuuri,
jossa arvokas data on avainasemassa. Verkoston toiminta perustuu datan vaihdantaan,
jota tekee osittain myös tekoälyn ja IoT-laitteiden kombinaatio. Tekoäly arvio tiedon ar-
vokkuuden ekosysteemin toimijoille ja mittaa verkkoresurssien tehokasta käyttöä. Hajau-
tetun konsensusprotokolla sekä tiedon tokenisoinnin tarjoaa lohkoketjuteknologia. Myös
Turingin ekoverkosto rakentuu lohkoketjun päälle rakentuvista erillisistä kerroksista.
(Turing 2018.)
60
5.2 Datan asema ja hallinnointi
Datan määrä, kerättävyys, saatavuus, talletettavuus ja työkalut analysointia varten ovat
kehittyneet huimasti viimeisten vuosikymmenten aikana. Dataa pystytään nykyään pro-
sessoimaan reaaliaikaisesti, mikä muuttaa tai on jo muuttanut maailmaa jossa nyt
elämme. Datan kuvaillaan olevan uusi öljy, joka vauhdittaa uutta data-teollista vallanku-
mousta.
Metaforassa on kuitenkin perustavanlaatuinen ongelma. Öljy on käytettävää hyödykettä
jota voi käyttää esimerkiksi energian tuotantoon. Toisin sanoen öljy on kulutettavaa hyö-
dykettä, joka luo arvoa käyttäjälle lämmöntuottajana. Dataa taas ei pysty kuluttamaan
samalla tavalla kuin öljyä. Se ei tuota kuluttajalle arvoa samaan tapaan kuin öljy. Toi-
saalta kun dataa ei pysty kuluttamaan se ei myöskään kulu, joten sitä voi käyttää aina
uudelleen ja uudelleen tarpeen vaatiessa. Useat eri tahot voivat käyttää samanaikaisesti
samaa dataa, vaikka eri puolilla maapalloa. Tämä ei onnistuisi öljyn kanssa. Dataa ei
myöskään voi hinnoitella samaan tapaan kuin öljyä. Datan arvo riippuu sen sisällöstä.
Yksittäisen datan arvo myös lisääntyy, kun sitä yhdistelee toisen datan kanssa. Itseasiassa
yksittäisellä datalla ei välttämättä ole mitään arvoa, mutta kun useita datavirtoja yhdiste-
lee, voi siitä koituva tieto olla hyvinkin arvokasta esimerkiksi yrityksille ja valtiolle. Voi-
daankin sanoa että datalla itsellään ei ole arvoa, mutta sen tuomalla kontekstilla on. (Hand
2018.)
Datan määrän lisääntyessä on myös hyvä pohtia datan hallinnointia. Kuka mitäkin dataa
hallinnoi ja miksi? Dataa kerätään jo hakukoneista, sosiaalisen median alustoilta, super-
marketeista, terveydenhuollosta jne. Kerätyn datan avulla on tarkoitus tarjota kuluttajalle
sopivimpia palveluita, mutta samalla yritykset pyrkivät myös hyötymään kuluttajada-
tasta. Varsinkin sosiaalisen median alustat pyrkivät ymmärtämään ihmisten preferenssejä
keräämällä heistä dataa. Algoritmi käsittelee dataa reaaliaikaisesti tarjoten käyttäjille
juuri omannäköistä sisältöä. Algoritmi ikään kuin tunnistaa käyttäjän replikaatin, joka
kielii tietynlaisesta käyttäytymisestä esimerkiksi sosiaalisessa mediassa. (Li 2017.)
Monet yritykset ovat myös alkaneet luomaan sovelluksia, joilla voi seurata omia urheilu-
suorituksia tai terveydentilaa. Näistä alustoista ja sovelluksista kerättävät tiedot jäävät
61
kuitenkin yksittäisen käyttäjän lisäksi myös yritysten haltuun, jolloin tiedot siiloutuvat
erillisten muurien taakse. Arvonluonti datasta tapahtuu nimenomaan eri datavirtoja yh-
distelemällä. Nyt yritykset omivat datan ja pyrkivät saamaan siitä maksimaalisen hyödyn
itselleen. Kun datavirtoja ei pysty yhdistelemään, jää arvontuotanto heikommaksi. (Li
2017.)
Omadata-malli on ihmiskeskeinen lähestymistapa datan hallinnointiin. Tässä mallissa
henkilö hallinnoi suurta osaa omasta datastaan, jota kertyy usealta elämän eri osa-alu-
eelta. Omadata-mallin etuna voidaan pitää tiedon liikkuvuutta henkilön mukana. Jos esi-
merkiksi henkilö vaihtaa työpaikkaa toiselle paikkakunnalla, saattavat tiedot jäädä siiloon
vanhalle paikkakunnalle. Omadata-mallissa henkilö pystyy itse hallinnoimaan ja luvitta-
maan tietoja valitsemilleen tahoille, kuten terveydenhuollon ammattilaisille. Tutkimustu-
lokset osoittavat ihmiskeskeisen datan hallinnointitavan vaikuttavan positiivisesti esimer-
kiksi terveyden edistämiseen työpaikoilla. (Kemppainen 2016.)
Omadata-mallissa datan autenttisuus pitää aina varmistaa. Kun dataa siirretään alustalle,
on varmistettava että se on aitoa. Lohkoketjuteknologian avulla tiedot pystytään varmen-
tamaan konsensusmekanismin keinoin. Tällöin kolmatta hallinnoivaa osapuolta ei tarvita.
Henkilökohtaiset terveystiedot (PHR) voidaan tallentaa lohkoketjuun metatietoina. Tie-
dot voidaan kryprograafisesti salata niin, että niitä pystyy analysoimaan, mutta yksityi-
syys säilyy. Datan haltija voi kuitenkin antaa esimerkiksi lääkärille täyden pääsyn tietoi-
hin salausavaimella, jolloin lääkäri näkee tiedot. (Kemppainen 2016.)
Omadata-malli ja lohkoketjuteknologia mahdollistaisivat myös datan vuokrauksen. Loh-
koketjuun voidaan rakentaa älysopimusten avulla aikaikkuna, jonka ajan data on jonkin
muun tahon kuin omistajansa hallussa. Näinollen alkuperäinen data palautuisi omistajal-
leen ja vuokraaja saisi dataa esimerkiksi tutkimukseen ja kehitykseen. (Weingärtner
2019.)
Datan hallintotapaa toteutetaan erilailla eri valtiossa. Uusi-Seelanti esimerkiksi pyrkii
luomaan oikeanlaisen ympäristön datan soljuvalle liikkumiselle. Tavoitteena on nimen-
omaan luoda arvoa yhdistelemällä datavirtoja ja purkamalla vanhoja data-siiloja. Uu-
dessa-Seelannissa pyritään luomaan avoin, jaettava ja toisiokäytettävä dataympäristö.
62
Avoimen dataympäristön turvin pystytään keräämään monipuolista ja laadukasta dataa.
Laadukas data on tärkeässä asemassa valtiollisen päätöksenteon tukena. Vuoden 2015
kansallisessa datatutkimuksessa nähtiin datan luoneen arvoa 2.4 biljoonan dollarin edestä,
kun arvioitiin datan vaikuttavuutta päätöksentekoon. (Witherden 2018.)
Avoimen datan käyttöönotossa on kuitenkin havaittu useita esteitä. Nykyinen kilpailu da-
tasta on yksi iso syy tietojen siiloutumiselle. Datan kerääminen ei ole ilmaista joten ra-
hoitus on myös ongelma. Kun yksittäiset tahot keräävät dataa, on niillä yleensä omat kei-
nonsa, ohjelmansa ja tallennustilansa datalle, ja ne eivät välttämättä ole yhteensopivia
muiden toimijoiden kanssa. Organisaatiot eivät myöskään kommunikoi keskenään, joten
datavirtojen yhdistäminen on haasteellista. Myös datan hallinnointi ja jalostus on haasta-
vaa ja se vaatii oikeanlaista ammattiosaamista. Heikko luottamus ja pelko datan väärin-
käyttöön jarruttavat datan jakamishalukkuutta. Turvallisuus, yksityisyys ja laatutekijät
herättävät myös huolta. Löytääkseen vastauksia kohdattuihin ongelmiin tutkittiin valtiota,
joissa avoimen datan periaatteet toimivat sujuvammin. (Witherden 2018.)
Viro on yksi jaetun datan edelläkävijöistä. e-Governance ohjelma luotiin jo vuonna 1997,
jolloin julkiset palvelut päätettiin sähköistää. e-Tax, eli verotietojen sähköisen tallennuk-
sen ominaisuus luotiin vuonna 2000. X-road, eli julkisen ja yksityisen datan palveluväylä,
joka mahdollistaa yksityisen ja julkisen puolen saumattoman tiedonsiirron, käynnistettiin
vuonna 2001. Virossa on käytössä myös kansalaisten digitaalinen identiteetti, sähköinen
äänestysjärjestelmä ja e-kansalaisuus. Vuonna 2008 maa toi hajautettujen tilikirjojen käy-
tännön X-roadiin ja siirsi kansalaisten terveystiedot kansalaisten hallittaviksi. Tanskassa
hallitus keräsi ja digitalisoi koko väestön osoitteet ja asetti ne vapaasti saataviksi. Good
basic data – ohjelma sisälsi tietoa kiinteistöistä, osoitteista, yrityksistä, ilmastosta, ihmi-
sistä ja paikkatiedoista. Tiedot asetettiin ilmaiseen jakeluun X-road tyyppisen alustan
kautta. Singaporessa kansalaiset pystyvät tallentamaan tietojaan MyInfo palveluun.
MyInfoon kirjaudutaan singpass identiteettikortilla, jota käytetään tunnistautumisessa.
MyInfossa kansalaiset voivat jakaa tietoja sekä julkiselle että yksityiselle puolelle. (Wit-
herden 2018.)
63
Yksi lohkoketjuteknologian ominaisuuksista on luottamuksen varmentaminen. Siksi di-
gitaalisen identiteetin luominen lohkoketjuteknologian avulla onkin yksi sen käyttökel-
poisimmista ominaisuuksista. Digitaalinen identiteetti rakentuu neljän tekijän varaan,
jotka ovat aitous, valtuutus, käyttäjähallinta ja käyttäjähakemistot. Normaalisti identi-
teetti varmennetaan keskitetyn varmentajan toimesta, esimerkiksi Suomessa tunnistaudu-
taan paljon pankkitunnusten avulla. Lohkoketjuteknologia tai hajautettu tilikirja (DLT)
mahdollistavat identiteetin hallinnan käyttäjälähtöisyyden. Tällöin käyttäjä ei olisi riip-
puvainen enää mistään kolmannesta varmentajana toimivasta osapuolesta, kuten esimer-
kiksi Suomen tapauksessa pankista. DLT:n tai lohkoketjun eduksi voidaan nähdä lä-
pinäkyvyys, muuttumattomuus ja hajautus. Digitaalinen identiteetti turvataan PKI-mene-
telmällä. Hajautetulla järjestelmällä ehkäistään yhden kohdan haavoittuvuus. Tämä tar-
koittaa sitä, ettei yhteen kohtaan hyökkäämällä ei pystytä saamaan koko järjestelmää hal-
tuun. PKI-menetelmässä on kuitenkin inhimillinen haavoittuvuus. Se perustuu siihen että
käyttäjällä on PKI-avain. Käyttäjä voi kuitenkin hukata avaimen tai antaa sen epähuomi-
ossa sellaiselle taholle, joka käyttää sitä vääriin tarkoituksiin. (Dunphy ym. 2018.)
Terveystietojen tallennus ja säilytys on herättänyt myös keskustelua. Potilailla ja asiak-
kailla on ollut heikosti tiedossa mitä tietoja heistä kerätään, missä tietoja säilytetään ja
kuka tietoja käyttää. Asiakkaiden ja potilaiden on myös vaikeaa hahmottaa mitä he ha-
luavat tiedoillaan tehdä. Onko tietojen yksityisyys yksityisyyden suojan näkökulmasta
tärkeämpää vai painaako vaakakupissa tietojen avoimuus, jolloin palveluiden laatu ja rää-
tälöinti parantuvat. (Gutierrez ym. 2018.)
Omar Gutierrez ryhmineen (2018) esittävät uudenlaista mallia, jossa asiakas voisi päättää
mitä dataa hän haluaa jakaa laajemmin ja minkä datan hän pitää yksityisenä. Yksityisyy-
den ympärille voitaisiin rakentaa tasoja, joita voitaisiin tarpeen mukaan joko poistaa tai
lisätä. Malli ottaa huomioon HIPAA (health insurance portability and accountability act)
tietosuoja asetuksen jota käytetään Yhdysvalloissa. EU maissa saman asian ajaa GDPR.
Mallissa hyödynnetään lohkoketjuteknologian ominaisuuksia, kuten kryptografiaa ja
PKI-mekanismia. (Gutierrez ym. 2018.) Gabor Magyar (2017) tuo esille tutkimuksessaan
samoja näkemyksiä.
64
Myös Euroopan komissio on kiinnostunut datan hallinnoinnista. EU-komission järjestä-
mässä Digitranscope-työpajassa tutkittiin datan hallinnointi kahdesta eri näkökulmasta,
kuinka dataa hallitaan ja kuinka datan avulla hallitaan. Ongelmaksi nähtiin high-tech yri-
tysten yhteistyöhaluttomuus datan jakamisessa valtioiden, yksityisten henkilöiden ja jul-
kisten instituutioiden kanssa. Avoimen datan kulttuuri ja kansalaisten oikeus oman da-
tansa kontrollointiin nähtiin nimenomaan Eurooppalaisiin arvoihin sopivina suuntauk-
sina. Euroopassa halutaan rakentaa digitaalisen transformaation strategia joka poikkeaa
datan kaupallistamisen mallista, joka isojen yritysten ajamana on valloillaan esimerkiksi
Yhdysvalloissa. Euroopassa ei haluta myöskään mennä kansalaisten äärimmäiseen kont-
rollointiin ja seurantaan dataa hyväksikäyttäen, mihin esimerkiksi Kiinassa ollaan tällä
hetkellä menossa. (Micheli ym. 2018.)
5.3 Yksityisyys, turvallisuus ja luottamus
Yksityisyyttä, turvallisuutta ja luottamusta on käsitelty lähes kaikissa katsaukseen ote-
tuissa artikkeleissa. Voidaankin todeta että ne nähdään lohkoketjuteknologian perusolet-
tamuksiksi ja hyödyksi. Yksityisyys voidaan määritellä ihmisen henkilökohtaiseksi ti-
laksi. Tietojen suojelu taas viittaa henkilökohtaisen datan rajoittamiseen, käsittelyyn ja
siihen onko henkilö tunnistettavissa datan perusteella. (Politou ym. 2018.)
Thomas Keenan (2017) kuvailee tutkimuksessaan lohkoketjuteknologian heikkouksia
turvallisuuden näkökulmasta. Joissakin yhteyksissä sillä kuvataan olevan huono maine
turvallisuuden tuojana. Huonoa mainetta on edesauttanut kryptovaluuttapörssien kaatu-
miset, joista suurimpana Tokiolaisen Mt. Gox:in romahdus, jonka johdosta puoli biljoo-
naa dollaria hävisi taivaan tuuliin. Myös decentralized autonomous organization (DAO),
joka oli ethereum pohjainen nimensä mukainen autonominen organisaatio, kaatui pian
sen jälkeen, kun sijoittajat olivat sijoittaneet siihen n. 60-100 miljoonaa euroa. Molem-
pien tapausten heikkous oli inhimillinen virhe koodissa, jota hakkerit pystyivät käyttä-
mään hyväkseen. (Keenan 2017.)
Tarkasteltaessa lohkoketjujen konsensusmekanismeja, voi niistäkin löytyä heikkouksia.
Proof of work (PoW) konsensusmekanismiin perustuvan lohkoketjun voi saada haltuunsa
jos omistaa yli puolet verkon louhintatehosta. Tätä kutsutaan 51% kaappaukseksi. Kun
65
lohkoketjun on saanut haltuunsa voi sen sisäisiä siirtoja manipuloida, joka mahdollistaa
esimerkiksi saman kryptovaluutan käyttämisen kahteen kertaan. Inhimilliset haavoittu-
vuudet ovat kuitenkin suurin lohkoketjuteknologian pulma. Käyttäjät eivät osaa käyttää
monimutkaisia salausavaimia tai lompakoita. Ei ymmärretä yksityisen ja julkisen avai-
men eroja. Teknologian on kehityttävä helpompiin ja käyttäjälähtöisempiin ratkaisuihin
saavuttaakseen suurempaa huomiota. (Keenan 2017.)
Kryptovaluutoita on käytetty myös internetin pimeillä markkinoilla, joista suurimpina
mainittakoon Tor market. Digitaalinen silkkitie oli pörssi jossa myytiin mm. huumeita ja
aseita. Pörssi toimi tor-verkossa ja maksut tapahtuivat anonyymeillä kryptovaluutoilla,
jolloin osapuolia oli lähes mahdoton tunnistaa. Myöhemmin pörssi suljettiin, koska vi-
ranomaiset eivät pystyneet valvomaan laitonta kaupankäyntiä. (Yin & Vatrapu 2017.)
Lohkoketjujen mahdollistamaa turvallisuutta on tutkittu myös terveydenhuollon ja ter-
veystietojen näkökulmasta. Lohkoketjuteknologia mahdollistaa turvallisuuden teknologi-
ansa turvin. Älykkäät sopimukset mahdollistavat sopimisen ilman kolmatta varmentavaa
osapuolta, joka vauhdittaa suorituskykyä. Hajautettu tilikirja poistaa yhden kohdan heik-
kouden, jolloin tietojen kaappaaminen muuttuu hankalammaksi. Potilaat voisivat myös
hallinnoida omia tietojaan yksityisellä avaimellaan. Terveystiedot säilyisivät lohkoket-
jussa ja ne olisivat saatavilla ympäri maailmaa potilaan antaessa luvan tarkastella tietoja.
Tietoja ei pystytä lohkoketjussa enää muokkaamaan joten tiedot säilyisivät muuttumatto-
mina, joka vähentäisi tietojen pirstaleisuutta. (Esposito ym. 2018.)
Kokonaisten älykaupunkinen (smart cities) turvallisuuskehystä on rakennettu lohkoket-
juteknologian ympärille. Internet of things (IoT) laitteet ja langaton kommunikaatio li-
sääntyy jatkuvasti luoden älykkäitä ratkaisuita kaupunkiympäristöön. Teknologian nope-
assa kehittämisessä turvallisuusnäkökulma on kuitenkin jäänyt taka-alalle. Kaupunkiym-
päristössä laitteiden tai verkkojen kaappaukset saattaisivat tuoda katastrofaalisia seurauk-
sia. Lohkoketjuteknologian mahdollistama laitteiden digitaalinen identiteetti voisi tuoda
turvallisuutta järjestelmään. Älykkään kaupungin turvallisuuskehys voisi rakentua ker-
roksittain. Fyysisellä kerroksella on laitteet esimerkiksi autot, pysäköinti, liikenne, kodit
siivous ym. Kaikki laitteet ovat varustettu älysensorein ja data laitteista tallentuu hajautet-
tuun lohkoketjuun. Kommunikaation kerroksessa toimivat erilaiset langattomat verkot
66
kuten, 3g, 4g, 5g, bluetooth, wifi ym. Verkot pitäisi integroida lohkoketjuun, jolloin ne
tallentaisivat verkossa liikkuvan datan siihen. (Biswas & Muthukkumarasamy 2016.)
Lohkoketju on tietokanta mihin tiedot tallentuisivat. Jokainen tallennettava tieto jättää
aikaleiman tapahtumasta, jolloin yksittäisiä tapahtumia voisi auditoida suhteellisen hel-
posti jälkikäteen. Vaihtoehtoina on joko julkinen tai yksityinen lohkoketju. Julkinen ketju
on läpinäkyvämpi ja hajautetumpi, mutta hitaampi ja alttiimpi hyökkäyksille. Yksityinen
lohkoketju taas on nopeampi, mutta keskitetympi. Viimeisenä kerroksena on älykäs käyt-
töliittymä, jonka voisi rakentaa esimerkiksi älypuhelimeen. Digitaalisen identiteetin tur-
vin käyttöliittymä olisi personoitu. Ajatus tästä lohkoketjun mahdollistamasta turvalli-
suuskehyksestä on vielä kehitysasteella ja monia ongelmia on vielä ratkaistavana, ennen
kuin sitä voidaan kuvitella otettavan käyttöön. (Biswas & Muthukkumarasamy 2016.)
IoT-laitteita on sekä ulkoisia että sulatettuja. Myös sulautettujen IoT-laitteiden, kuten sy-
dämentahdistimien turvallisuus on elintärkeää. Jotta sulautetuista laitteista voidaan kerätä
ja kartoittaa tietoja, on niiden oltava yhteydessä verkkoon. Verkossa olo taas asettaa ne
alttiiksi hyökkäyksille ja kaappauksille. Lohkoketjuteknologia pyrkii kuitenkin taklaa-
maan myös tämän ongelman sisäänrakennetuilla turvallisuusominaisuuksillaan. (Brogan
ym. 2018.)
Lohkoketjuteknologiassa on itsessään sisäänrakannettu turvallisuusominaisuus (privacy
by design) joten se on vahva ratkaisu kyber-turvallisuutta silmällä pitäen. Lohkoketjutek-
nologian mahdollistamassa ekosysteemissä ei ole tarve tallentaa tietoja mihinkään kol-
mannen osapuolen palveluun, vaan tiedot voi tallentaa turvallisesti lohkoketjuun. Tiedot
ovat tallennettuna hajautetusti, joten jos yksi tietokoneista hajoaa tai se kaapataan, tieto
säilyy silti tietokannassa. Kaappaaja voi yrittää muuttaa tietoa tietokannassa, mutta muut
koneet eivät sitä varmenna, joten muutos hylätään. Nykyään monien suurten yritysten
turvallisuusstrategia nojaa ”turvallisuutta epätietoisuuden kautta” (security through
obscurity) ajatukseen. Tämä perustuu siihen että turvallisuus mekanismit pidetään salai-
sina. (Kshetri 2018.)
67
Ongelmana tässä ajattelussa on kuitenkin se jos hakkerit löytävätkin tällaisesta järjestel-
mästä tietoturva-aukon, koko järjestelmä muuttuu toimintakyvyttömäksi. Lohkoketjutek-
nologia kohdalla tätä ongelmaa ei ole. Huolimatta esimerkiksi Bitcoinin huonosta mai-
neesta sen järjestelmän sisäinen tietoturva ei ole tiettävästi koskaan pettänyt, vaan syynä
ovat olleet inhimilliset virheet sen ympärillä. Lohkoketju vaalii myös käyttäjän yksityi-
syyttä. Luovuttaessaan dataa jollekin palvelulle, organisaatiolle tai instituutiolle käyttäjä
ei yleensä ajattele että luovutettuja tietoja voidaan käyttää myös toissijaisesti muissa yh-
teyksissä. (Kshetri 2018.)
Organisaatiot, instituutiot ja yritykset voivat tallentaa tiedot kolmannen osapuolen palve-
luun, jossa tiedot voivat olla haavoittuvampia kaappaukselle. Lohkoketjupohjaisessa rat-
kaisuissa lohkoketjuun tallennetut tiedot voidaan nähdä käyttäjän omistamiksi tai hallin-
noimiksi. Hän voi antaa luvan esimerkiksi terveydenhuollon organisaatiolle tarkastella
hänen tietojaan, mutta hän voi myös estää esimerkiksi vakuutusyhtiön pääsyn hänen tie-
toihinsa. Lohkoketjun ominaisuuksiin kuuluu myös identiteetin varmentaminen. Nämä
ominaisuudet, identiteetin varmentaminen ja omien tietojen hallinnointi, luovat perustan
joka suojaa käyttäjän yksityisyyttä, on turvallinen sekä luotettava. (Kshetri 2018.)
Lakiasiantoimisto Marshall Gernstein & Borun LLP (2017) on määritellyt kuvauksen
lohkoketjulle joka kuuluu lyhykäisyydessään näin:
“a distributed ledger network using public-key cryptography to cryptographically sign
transactions that are stored on a distributed ledger, with the ledger consisting of cryp-
tographically linked blocks of transactions”.
Määrittely kuvaa lohkoketjuteknologian oleellisimpia yksityisyys- ja turvallisuusmeka-
nismeja. Kryptografia viittaa matemaattisiin tekniikoihin tietojen varmennuksessa, tal-
lennuksessa, salauksessa ja salauksen avaamisessa. (Kshetri 2018.)
Nir Kshetri (2018) vertaili myös lohkoketjujen ja pilvipalveluiden turvallisuutta ja yksi-
tyisyyttä. Niillä on Kshetrin mukaan paljon samoja ominaisuuksia ja ne molemmat pyr-
kivät olemaan kustannustehokkaita ratkaisuita. Molemmissa tiedot kryptataan, joten tieto
ei ole suoraan saatavana. Pilvipalvelut ovat yleisempi ratkaisu ja tällä hetkellä arvioidaan
68
vuoteen 2020 mennessä 88% kaikesta tallennettavasta datasta tallennetaan pilvipalvelui-
hin. Organisaatiot ja instituutiot ovat kuitenkin huolissaan kyber-hyökkäyksistä tietokan-
toihin, jotka lamauttavat ja vaikeuttavat sen toimintaa. Siksi ne ovat kiinnostuneet lohko-
ketjuteknologian käytöstä. Myöskin tiedon valtava määrä asettaa rajoituksia keskitetyille
palveluille. Myös palomuurit ovat yksi turvallisuuden takaaja. Palomuurit ovat kuitenkin
hakkeroitavissa kyberrikollisten toimesta. (Kshetri 2018)
Terveydenhuollon ja terveystietojen näkökulmasta tiedon jakaminen nykyään tapahtuu
kolmella eri tavalla. Ne ovat: lähettämällä tiedot organisaatiosta toiseen, tiedustelemalla
tietoja toisesta organisaatiosta tai katsomalla potilaan mukana tulleita dokumentteja.
Näissä kaikissa tavoissa on tietojen eheyden sekä tietoturvan haavoittuvuus. Lohkoketju-
teknologian on kuvailtu tuovan pöydälle neljännen mallin. Lohkoketjuteknologian aika-
leimaus esimerkiksi antaa tietoa milloin ja missä joku tietty toimenpide on tehty. Tietojen
eheyden ansiosta auditointikin tehostuu. Lohkoketju startup MedRec kehittää terveys- ja
potilastietojen hallintaratkaisua yhdessä julkisen puolen ja tutkimusyhteisöjen kanssa.
MedRec kuvailee tuottavansa ratkaisuja tietojen todennukseen, luottamuksellisuuteen,
vastuullisuuteen ja jakamiseen. Se ei tallenna terveystietoja suoraan lohkoketjuun, vaan
aikaleimaus ja digitaalinen allekirjoitus jättävät metatietoja tietojen siirroista. Heidän
mallissaan potilas päättää kuka tiedot saa nähdä. Potilas siis hallinnoi omia terveystieto-
jaan. Lohkoketjuteknologia soveltuu erityisen hyvin myös toimitusketjujen seurantaan.
Sosiaali- ja terveydenhuollon näkökulmasta esimerkiksi lääkkeiden seuranta lohkoketjun
avulla voisi tuoda läpinäkyvyyttä toimintaan. (Kshetri 2018.)
Älysopimukset ovat myös yksi lohkoketjuteknologian potentiaalisimpia ominaisuuksia.
Älysopimus voidaan solmia oikeastaan ihan mihin tahansa ympäristöön. Wöhrer & Zdun
(2018) tutkivat Ethereum ja Solidity verkon älysopimusten haavoittuvuuksia. Solidity
verkon älysopimusten heikkoutena voidaan nähdä älysopimuksen toteutuksen valvonta
sen jälkeen kun älysopimus on aktivoitunut. Ethereum verkon älysopimuksessa on myös
ongelmia jotka voivat näkyä haitallisina ongelmina. Älysopimus esimerkiksi voi aktivoi-
tua silloin kun sen ei pitäisi, eikä sitä saa enää peruttua. Jos älysopimukseen liittyy arvon-
siirtoa, on taloudellinen riski aina olemassa. (Wöhrer & Zdun 2018.)
69
5.4 Talous ja tokenisointi
Aurora AI esiselvityshankkeessa tehtiin lohkoketjuteknologiaa koskeva selvitys. Selvi-
tyksen tarkoituksena oli määritellä ekosysteemin erityispiirteitä ja tokenisointia. Rapor-
tista nousee esiin kryptoekonomia, jonka kirjoittajat määrittelevät käytännönläheiseksi
tieteenalaksi, jossa suunnitellaan ja tutkitaan protokollia, jotka ohjaavat erityyppisten
hyödykkeiden tuotantoa, kulutusta ja jakelua hajautetussa ympäristössä. Kryptoekonomia
yhdistää tietojenkäsittelytieteen sekä taloustieteen keskenään. Kryptografia takaa turval-
lisuuden ja ekonomia vastaa taloudellisista kannustimista, joiden tarkoitus on ohjata sys-
teemin käyttäjiä toimimaan halutulla tavalla. Kryptoekonomiassa kannustimina toimivat
useimmiten tokenit. Taloudellisten kannustimien avulla pyritään varmistamaan järjestel-
män toimivuus sekä jakamaan resursseja tehokkaasti. Avoimet ja hajautetut lohkoketjut
toimivat juuri tällä tavoin, kun taas suljetut ja keskitetyt lohkoketjut eivät välttämättä nou-
data kryptoekonomian periaatteita. Selvityksen perusteella on olemassa kolmenlaisia to-
keneita. Hyödyke-tokeneilla (utility tokens) on ekosysteemin kannalta keskeinen tarkoi-
tus. Niiden avulla kannustetaan ekosysteemin osallistujia halutunkaltaiseen toimintaan.
Lisäksi niiden avulla ylläpidetään järjestelmää. Omaisuus-token (security token) on si-
dottu omaisuuteen esimerkiksi osakkeisiin tai kultaan. Arvonsiirto-tokeneiden (stores of
value) avulla pystytään siirtämään tokeneiden osoittama määrä arvoa henkilöltä toiselle.
(Mahlberg & Hyytiäinen 2019.) Weingärtner (2019) ehdottaa neljättä määritelmää toke-
neille maksu-tokeneiden muodossa. Niiden tarkoituksena on toimia arvonsiirron väli-
neinä. (Weingärtner 2019.)
Tokeneiden ympärille muodostuvalle taloudelle ominaisia toimintoja ovat jakaminen, an-
saitseminen, käyttö, työnteko ja palkitseminen. Token-taloudet ovat vielä pääosin kehi-
tysvaiheessa ja kokeiluasteella. Näitä kehitysvaiheen ratkaisuita kutsutaan token-ekosys-
teemeiksi. Token-ekosysteemien on tarkoitus toimia kannustavana, osallistavana ja tur-
vallisena järjestelmänä. Token-ekosysteemi rakentuu aina jonkin tietyn palvelun ympä-
rille. Toimintaa ohjataan kryptoekonomisten protokollien mukaan. Lohkoketjupohjaisen
hajautetun järjestelmän hallinnointi on haastavaa. Token-ekosysteemissä ei ole mitään
yksittäistä hallinnoivaa osapuolta. Periaattessa se perustuu ennalta laadittuihin sääntöihin
ja niiden noudattamiseen. Hallinnointi voidaan jakaa ketjun sisäiseen (on-chain) ja ulkoi-
70
seen (off-chain) hallinnointiin. Sisäisessä hallinnoinnissa määritetään lohkoketjun sään-
nöt ja päätöksentekoprosessit, jotka ohjelmoidaan suoraan järjestelmän protokollaan.
Kuka tahansa lohkoketjun jäsen voi ehdottaa protokollaan tehtäviä muutoksia. Äänestys
tapahtuu yleensä puolesta tai vastaan tokeneiden avulla. Ketjun ulkopuolinen hallinnointi
viittaa kaikkeen muuhun, kuten lakeihin, sopimuksiin ja asetuksiin. (Mahlberg & Hyy-
tiäinen 2019.)
Marko Hölbl ryhmineen (2018) tarkasteli lohkoketjupohjaista ekosysteemiä EduCTX, di-
gitaalisten käyttäjätietojen hallinnointiin koulutusorganisaatioissa. EduCTX toimii hajau-
tetussa p2p verkossa. Sillä on oma token nimeltään ECTX. Oppilas saa tokeneita suori-
tettuaan tiettyjä opintokokonaisuuksia, kuten kursseja, diplomeja tai sertifikaatteja.
EduCTX alustalta voidaan seurata tokeneiden kertymistä, ikään kuin nykyään seurataan
opintopisteitä. Kun tutkinto on kokonaisuudessaan suoritettu oppilaitos siirtää sitä vas-
taavan määrän tokeneita alustalle oppilaan henkilökohtaiseen lompakkoon. Lohkoket-
jussa näkyy kaikki tokeineiden siirrot, joten tutkintojen, sertifikaattien tai diplomien vää-
rentäminen olisi erittäin haastavaa, miltei mahdotonta. Jatko-opiskelupaikkaa tai töitä ha-
kiessaan opiskelija voisi todistaa taitonsa ja suorituksensa tokeneiden määrällä tietystä
suoritetusta kokonaisuudesta. EduCTX ecosysteemi toimii ethereum lohkoketjussa hyö-
dyntäen älysopimuksia. EduCTX on lohkoketjutyypiltään konsortio-lohkoketju. Verkon
solmuina toimivat varmennetut instituutiot ja organisaatiot. EduCTX:ssä siirtoihin ei ole
asetettu maksuja, vaan konsensusmekanismi toimii ”proof of authority” periaatteella,
missä valitut instituutiot suorittavat varmennuksen. Tällä tavoin verkon toiminta nopeu-
tuu, eikä se vaadi niin paljoa laskentatehoa. Koska EduCTX toimii ethereumin lohkoket-
jussa, ECTX token pohjautuu ethereumin ERC20 tokeniin. EduCTX on kehitysvaiheessa,
mutta poiketen useista muista kehitelmistä, sitä testataan oikeasti reaalimaailmassa. Sen
uskotaan nopeuttavan ja varmentavan henkilön osaamisen ja kouluttautumisen selvittä-
mistä, tuoden järjestelmään vakautta, nopeutta, kustannustehokkuutta, autonomisuutta,
luottamusta ja turvallisuutta. (Hölbl ym. 2018.)
Lohkoketjuteknologiaa on myös suunniteltu käytettävän löydetyn, käytetyn ja totuuden-
mukaisen tiedon tokenisoinnissa. Suunnitelmassa tietoa kerätään suurilta massoilta (wis-
dom of croud) joukkotunnistuksen (crowdsensing) periaatteella. Tieto kerätään joukon
mobiililaitteista, jossa seurataan esimerkiksi käyttäjien liikkumista. Mobiililaitteeseen
71
voidaan liittää myös ulkopuolisia sensoreita joilla voidaan mitata esimerkiksi lämpötilaa,
kosteutta sekä hiilidioksidin määrää. Tästä hyvästä osallistujat palkitaan tokeneilla. (Cai
ym. 2018.)
Anni Karinsalo ja Kimmo Halunen (2018) hahmottelevat mobility as a service (MaaS)
ekosysteemiä. MaaS-ekosysteemi perustuu liikkumisen palveluihin ja on suunnattu eri-
tyisesti yritys- ja organisaatiopuolelle. Se pyrkii hyödyntämään kaikkia lohkoketjutekno-
logian ominaisuuksia myös tokenisointia. TravelToken toimii MaaS-ekosysteemin va-
luuttana. MaaS-ekosysteemiin kuuluu erilaisia palveluntarjoajia kuten, bussi-, lento-,
juna- ja taksiyhtiötä, majoituspalvelujen tarjoajia. Suunnitellessan matkaa käyttäjä valit-
see alustalta matkustustavat ja majoituksen. Yritys tai organisaatio tilaa suunnitellun ko-
konaisuuden. Vastineeksi käyttäjä vastaanottaa mobiiliinsa QR-koodin joka sisältää pää-
syn junaan, lentokoneeseen, bussiin yms. ja oikeuttaa majoitukseen. Aina kun QR-koodia
käytetään vähentää se traveltokeneita yrityksen tai organisaation lompakosta. QR-koodin
käyttö aktivoi älysopimuksen, joka siirtää tokeneita yrityksen tai organisaation lompa-
kosta palveluntarjoajan lompakkoon. Kaikki siirrot tallentuvat lohkoketjuun, josta niitä
voi jälkikäteen tarkastella. Myös jos bussi tai juna on myöhässä, aktivoituu älysopimus,
joka hyvittää automaattisesti traveltokeneita takaisin yrityksen tai organisaation lompak-
koon. (Karinsalo & Halunen 2018.)
Lohkoketjuteknologia mahdollistaa myös läpinäkyvän ja reilun datanvaihto mahdollisuu-
den. Nykyään yksittäiset suuret informaatioteknologiaan keskittyvät yritykset keräävät
suuret määrät dataa, ilman että datan jakajat hyötyvät siitä. Alex Norta ja Daniel Hawt-
horne (2018) esittävät kuitenkin mallin, joka mahdollistaisi datan jakajien hyötymisen
datasta. Heidän mallinsa perustuu agenttilähtöiseen mallinnukseen (agent-oriented mo-
deling) joka pohjautuu sosiotekniseen lähestymistapaan. Mallissa datan jakajat, käyttäjät,
kerääjät ja hyödyntäjät toimivat saman ekosysteemin sisällä. Kaikki ekosysteemin toimi-
jat hyötyvät datasta. Jakajat saavat korvauksen mikromaksuna jakamastaan datasta. Hyö-
dyntäjä esimerkiksi sosiaalisen median alusta hyötyy datasta, mutta joutuu maksamaan
siitä mikromaksun jakajalle. Käyttäjä taas joutuu maksamaan mikromaksun, että saa käyt-
tää sosiaalisen median alustaa. Mainostaja maksaa mikromaksun sosiaalisen median alus-
talle, että saa näyttää mainoksia alustalla. Alustan algoritmin avulla mainokset pystytään
72
kohdentamaan kullekin käyttäjälle räätälöidysti. Ekosysteemi hyödyntää ohjelmointira-
japintoja (API), jonka kautta kaikki toimijat pääsevät liittymään ekosysteemiin. Mikro-
maksut toimivat ennalta sovittujen sääntöjen puitteissa älysopimuksiin perustuen. (Norta
& Hawthorne 2018.)
Lohkoketjuteknologian nousua on kutsuttu myös web3:ksi. Sen kuvataan luovan yksilö-
keskeisiä yritysmalleja, jotka ovat vastine nykyisille suurille yrityksille. Lohkoketjutek-
nologian ympärille on helppo rakentaa ekosysteemi mikä yhdistää eri käyttäjät saman
kokoanisuuden alle. Lohkoketjun ja ekosysteemin oma digitaalinen valuutta mahdollistaa
automaattiset maksut. Lohkoketjun muut ominaisuudet tarjoavat mahdollisuuden turval-
liseen ja luotettavaan lisensointiin, omaisuuden hallinnointiin, sopimuksiin ja hallinnoin-
tiin ja digitaalisen tiedon säilytykseen. Lohkoketjuteknologiaan perustuvaa web3:sta on
kuvattu myös arvon internetiksi (internet of value), joka voi ravistella nykyisiä valloillaan
olevia yritysmalleja. Arvon internettiin voidaan rakentaa dApps:ja (decentralized appli-
cations) ja DAO:ja (decentralized autonomous organizations). Dappsit toimivat kuten ny-
kyiset appsit, mutta ne hajautettuja. DAO:t taas ovat täysin autonomisia organisaatiota,
jotka eivät välttämättä tarvitse edes ihmisiä tai ainakaan hallintoa. Yksi lohkoketjun tär-
keä ominaisuus on, ettei sen sisään rakennettua sisältöä voida kopioida, toisin sanoen sitä
ei voida kuluttaa kahdesti. Esimerkiksi kryptovaluuttaa tai tokeneita ei voida kopioida.
Tämä avaa mahdollisuuden myös luovien alojen arvonluontiin internetissä ja vähentää
piratismin mahdollisuutta. (Potts & Rennie 2018.)
5.5 Laki ja sääntely
Euroopan unionissa ja sen kumppanivaltioissa kansalaisten yksityisyyttä suojaa EU:n
yleinen tietosuoja-asetus (general data protection regulation, GDPR). GDPR:n tehtävänä
on suojella EU:ssa asuvien kansalaisten yksityisyyttä ja oikeuksia. GDPR:n nojalla hen-
kilöllä on oikeus tietää, minkälaista dataa hänestä on ja mihin tarkoitukseen tietoja on
käytetty tai käytetään. Henkilöllä on myös oikeus rajoittaa tai mahdollistaa tietojen siir-
tyminen organisaatioiden välillä. Hänellä on oikeus myös pyytää tietojansa korjattaviksi
tai poistettavaksi GDPR:n vedoten. Yrityksiä ja organisaatioita uhkaa sakko tai henkilö-
tietojen käsittelykielto, mikäli se ei noudata EU:n yleistä tietosuoja-asetusta. (Politou ym.
2018; Schwerin 2018; Fabiano 2018.)
73
Lohkoketjuteknolgiassa tiedot tallentuvat lohkoketjuun, eikä niitä voi sen jälkeen poistaa.
Tämä on ongelma GDPR:n suhteen, jonka nojalla henkilöllä on siis oikeus pyytää tieto-
jensa poistoa. GDPR myös ohjaa yrityksiä ja organisaatioita ottamaan asetuksen huomi-
oon jo suunnitteluvaiheessa (privacy by design and default), jos se liittyy henkilötietojen
käsittelyyn. Yksityisellä ja turvallisella järjestelmällä on siis selvä ero. Järjestelmä voi
olla turvallinen, mutta sen pitäisi silti noudattaa asetusta yksityisyyden suojasta. Lohko-
ketjuteknologia rikkoo siis osittain yksityisyyden suojaa läpinäkyvyytensä sekä turvalli-
suutensa nojalla. Lohkoketjuteknologian käytössä ilmenee muitakin ongelmia suhteessa
GDPR:n. Ensinnäkin ihmiset eivät tarkkaan tiedä missä tietoja säilytetään, johon heillä
on oikeus, koska lohkoketju on hajautettu tilikirja. Siksi ei voida tarkkaan määritellä mi-
tään yksittäistä sijaintia tiedoille. Myöskään tietojenhallintamekanismeja ei ole vielä
luotu, jolla tuon ongelman voisi ratkaista. Yritysten ja organisaatioiden lohkoketjutekno-
logian käyttöönottoa saattaa myös jarruttaa privacy by design and default asetus, jonka
mukaan jo järjestelmien suunnitteluvaiheessa tulisi huomioida yksityisyyskäytännöt.
Epävarmassa tilanteessa päädytäänkin todennäköisimmin suosimaan vanhoja tuttuja tie-
donhallintaratkaisuja. (Fabiano 2018.) Politano ja kumppanit pitävät GDPR asetusta as-
keleena oikeaan suuntaan yksityisyyden suojaa ajatellen. GDPR asettaa teknologia-alus-
toille haasteen tietojen poistettavuudesta ja oikeudesta tulleeksi unohdetuksi. Tämä suun-
taus on kuitenkin ihmiskeskeinen ja se tukee nimenomaan ihmisen, tässä tapauksessa
EU:n kansalaiset, oikeuksia tietoihinsa. (Politou ym. 2018.)
Simon Schwerin (2018) tutki lohkoketjujen ja GDPR:n suhdetta. Myös hän havaitsi samat
ongelmat Fabianon (2018) kanssa. Schwerin kuitenkin pyrki etsimään näihin ongelmiin
myös ratkaisua. Hänen mukaansa GDPR:lla tulee olemaan lähtemätön vaikutus lohkoket-
juteknologian kehitykseen. Uusia ratkaisuja pyritään kehittämään GDPR:n mukaisiksi.
Esimerkiksi tämänhetkinen lohkoketjuteknologian salausavainten käyttö tulkitaan henki-
lökohtaisen datan käytöksi. Henkilökohtaisia tietoja ei siis voida tallentaa suoraan lohko-
ketjuun. Tietojen tallentaminen on kuitenkin mahdollista epäsuorasti. Lohkoketjun tieto-
jen muuttumattomuutta voidaan hyödyntää tallentamalla datan käsittelytietoja meta-
datana, jota ei luokitella henkilökohtaiseksi dataksi. (Schwerin 2018.)
74
Lohkoketjuteknologiaa voitaisiin hyödyntää omien tietojen kontrollointiin ja hallinnoin-
tiin luomalla hallintojärjestelmä tai protokolla älysopimusten avulla. Tässä mallissa hen-
kilökohtaiset tiedot tallennettaisiin lohkoketjun ulkopuolelle, joihin olisi pääsy lohkoket-
jun kautta. Näin käyttäjä näkisi kokoajan mitä tietoja hänestä kerätään ja missä tietoja
säilytetään. Tämän protokollan kautta käyttäjä voisi myös antaa halutessaan luvan kol-
mansille osapuolille tutkia tai käyttää tietoja. Lohkoketjupohjaiseen protokollaan voisi
ohjelmoida suoraan lakien ja asetusten määritykset älysopimusten avulla, joten niihin
kohdistuva valvontakin helpottaisi huomattavasti. (Politou ym. 2018.) Lisäksi lohkoket-
juteknologiaa voidaan hyödyntää identiteetin varmentamiseen kryptografisen ja hajautet-
tun ominaisuutensa puolesta. Lohkoketjuteknologian potentiaali on myös tunnistettu ja
euroopassa pyritäänkin vuoropuheluun kehittäjien, lainsäätäjien ja päätöksentekijöiden
kesken. (Schwerin 2018.)
Lohkoketjuteknologiaa tarkasteltaessa on muistettava että lohkoketjut on luotu talous- ja
rahoitusmaailmaan sopivaksi, joten sen käyttö muissa yhteyksissä on vielä kehitysvai-
heessa. Aihetta voidaan havainnoida mielikuvan kautta jossa lohkoketjuteknologia voi-
daan ajatella junaksi ja laki ja sääntely toiseksi junaksi. Teknologian juna kulkee aina
nopeammin ja on edellä laki- ja sääntelyjunaa. Loppujen lopuksi molemmat junat kuiten-
kin saapuvat samalle asemalle. Tällä mielikuvalla yritetään havainnollistaa sitä, ettei ke-
hitysvaiheessa olevaa teknologiaa kannata ylisäädellä tai tukahduttaa juridisesti. Sen aika
tulee, kunhan molemmat junat ovat asemalla. On kuitenkin hyvä kartoittaa eri skenaa-
rioita, joihin lohkoketjuteknologiaa voisi soveltaa ja kuinka sitä voisi säädellä järkevästi.
(Fabiano 2018.)
Lohkoketjuteknologian sääntely on herättänyt kiivasta keskustelua. Sitä voi verrata
vaikka nykyisten informaatioteknologian jättien kuten Facebookin ja Googlen sääntelyn.
Lainsäätäjillä on ollut vaikeuksia säätää lakeja, kun ei olla saatu kunnollista otetta ilmi-
östä. Lohkoketjuteknologian tuloon suhtaudutaankin torjuvasti lainsäätäjien puolelta. Sen
tuoma sisäinen valuuttajärjestelmä uhkaa nykyistä valuuttajärjestelmää. Sen autonomi-
nen ja automaattinen luonne uhkaa työpaikkoja. Talous ja työpaikat ovat nykypolitiikassa
elintärkeitä puolueille. Siksi tähän uuteen teknologiaan suhtaudutaankin nyrpeästi. Lain-
säätäjät ja politiikot suhtatuvatkin ilmiöön odottavalla ja tarkkailevalla asenteella. Enem-
75
mistö ei halua selvittävää vielä mistä on kysymys saatikka toimia sen suhteen. Tässä ti-
lanteessa voisi ottaa oppia Facebookin ja Googlen sääntelyhaluttomuudesta niiden alku-
aikoina, joka johti nykyiseen massa-datan hyödyntämisilmiöön. Seuraava askel säänteli-
jöille on pohtia kuinka suhtaudutaan bioteknologiaan, nanoteknologiaan ja tekoälyyn
jotka ovat suoraan yhteydessä ihmiseen, mm. mitaten ja havainnoiden reaaliaikaisesti ter-
veydentilaa ja kartoittaen sairauksia. (Herian 2018.)
5.6 Eettiset näkemykset
Lisääntynyt teknologia ja digitalisaatio on muuttanut maailmaa radikaalisti viimeisen 20
vuoden aikana. Reaalimaailman rinnalle on syntynyt toinen ulottuvuus, digitaalinen maa-
ilma, joka on alkanut muistuttaa yhä enemmän ja enemmän reaalimaailmaa. Termi ”digi-
taalinen kaksonen” viittaa verkossa olevaan minään, eli verkkoon on ikään kuin siirretty
tai rakennettu digitaalinen versio itsestä. Lohkoketjuteknologian sisäänrakennetun luot-
tamusominaisuuden ansiosta se voidaan nähdä linkkinä reaali- ja digitaalisen maailman
välillä. (Weingärtner 2019.)
Omadata periaate nähdään hyvänä eettisenä lähestymistapana, kun ajatellaan datan hal-
linnointia. Ihmiskeskeisellä omadata periaatteella nähdään olevan positiivinen vaikutus
yhteiskuntaan ihmisiä voimaannuttavana tekijänä. Sen tarkoituksena on yhdistää infor-
maatioteknologian kehittäminen ja ihmisoikeudet hyvien eettisten periaatteiden mukai-
sesti. Omadataa hyödyntämällä voidaan rakentaa kestävään kehitykseen pohjautuvaa in-
formaatioteknologiaa tulevaisuuden yhteiskunnalle. (Li 2017.)
Teknologioiden käyttöön ja datan yksityisyyteen ja turvallisuuteen liittyy myös eettisiä
ulottuvuuksia. Nykyisten informaatioteknologiajättien keräämä huima datamäärä herät-
tää huolto ihmisissä. Esimerkiksi Facebookin vaikuttaminen Yhdysvaltojen presidentin-
vaaleihin vuonna 2016 hyödyntäen käyttäjiensä henkilökohtaista dataa, antaa osviittaa
vaikutuksista ja vallasta jota dataa manipuloimalla voi saada. (Faber ym. 2019.)
Monien mielestä informaatioteknologiajättien toiminta on jopa epäeettistä (Kemppainen
2016.) Yritykset hyödyntävät asiakkaidensa henkilökohtaista dataa rahantekoon, ilman
76
että asiakkaat pääsevät hyötymään siitä (Norta & Hawthorne 2018.) GDPR:n odotetaan-
kin vastaavan näihin huoliin Euroopassa tarjoten yksityisyyden suojaa ja oikeuksia
EU:ssa asuville ihmisille. Myös kerätyn datan toissijaista käyttöä voidaan pohtia eetti-
sestä näkökulmasta. Tietääkö ihminen josta data on kerätty, missä sitä käytetään ensisi-
jaisen tarpeen lisäksi? Eettisestä näkökulmasta tarkasteltuna vähimmäisvaatimus tiedon
toissijaiselle käytölle olisi ihmiselle tiedottaminen siitä mihin hänen tietojaan käytetään
tai on käytetty. (Politou ym. 2017.)
Tutkimuksissa kerättävän datan anonymiteettiä on myös hyvä pohtia. Lohkoketjutekno-
logian kryptografisen luonteen vuoksi se mahdollistaa tietojen ja käyttäjän anonymisoi-
misen, joka mahdollistaa tutkimukseen osallistuneiden henkilöiden yksityisyyden säily-
misen. Lohkoketjuteknologian keinoin voidaan taklata myös tutkimuksen tekemiseen liit-
tyviä eettisiä ongelmia. (Filva ym. 2018.)
Myös dataa itsessään on hyvä pohtia eettisestä näkökulmasta. Dataa on nykyään kaikki-
alla, miltei mistä tahansa asiasta voi kerätä dataa. Siksi dataan kohdistuva eettinen tarkas-
telu on nyt tärkeämpää kuin koskaan. On pohdittava menneisyyttä, nykytilannetta ja tu-
levaisuutta. On laadittava eettiset säännöt sille kuinka laajasti annamme henkilökohtaisen
datamme käyttöön esimerkiksi yrityksille ja valtiolle. Ja mihin yritykset ja valtiot voivat
tai saavat käyttää dataamme. Teknologia on tehnyt datan keräämisen helpoksi. Teknolo-
gisen kehityksen mukana tulisi kuitenkin aina pohtia myös siihen liittyviä eettisiä näke-
myksiä. (Hand 2018.)
Asiaa on tärkeä pohtia myös valtioiden hallinnoinnin näkökulmasta. Data-ohjautuvassa
yhteiskunnassa, jossa tekoäly tekee päätöksiä big-dataan ja algoritmeihin pohjautuen, tu-
lee olla myös eettinen ohjenuora sille mistä ja miten dataa voi kerätä. Yksi eettinen kysy-
mys on ihmisten profilointi dataan pohjautuen. Profilointia tekevät jo yritykset, mutta
tulisiko valtioidenkin profiloida kansalaisiaan? Profiloinnilla pystytään kyllä tarjoamaan
parempia ja kohdistetumpia palveluja, mutta samalla on pohdittava kuinka paljon on val-
mis luopumaan yksityisyydestään. Pitkälle edennyt profilointi voikin alkaa muistutta-
maan enemmän ja enemmän valvontaa datan avulla (dataveillance). Tällaiseen kehitys-
suuntaan ollaan menossa esimerkiksi Kiinassa. EU:ssa sen asukkaiden etuja turvaa
GDPR. EU haluaa myös tutkia kuinka data-ohjautuvasta yhteiskunnasta saisi rakennettua
77
kestävän ja positiivisen, joka antaisi asukkailleen riittävän yksityisyyden suojan, mutta
hyödyntäisi dataa parantamalla ja personalisoimalla palveluita. EU onkin perustanut DE-
CODE projektin joka pyrkii kehittämään digitaalisia työkaluja, joissa on sisäänrakennettu
turvallisuusominaisuus. Dataan ja siihen liittyviin eettisiin ulottuvuuksiin tarvittaisiinkin
kipeästi koulutusta. Koulutusta tarvitsisivat kansalaiset, kehittäjät ja suunnittelijat. Yh-
teisten pelisääntöjen turvin kansalaiset osaisivat pitää huolta oikeuksistaan. Suunnittelijat
ja kehittäjät taas voisivat kehittää palveluitaan pohjautuen eettiseen säännöstöön.
(Micheli ym. 2018.)
Lohkoketjuteknologian kohdalla on myös hyvä pysähtyä pohtimaan milloin ja mihin sitä
kannattaa käyttää. Lohkoketjuteknologiaa hypetetään uutena internettinä. Siksipä moni
voi kokea että nyt on pakko hypätä junaan, ettei vaan missaa sitä. Nykyiset informaatio-
teknologiset ratkaisut soveltuvat edelleen parhaiten tiettyihin asioihin. Silloin ei kannata
mennä sotkemaan niitä lohkoketjuihin. Pohtiessaan tarvitseeko lohkoketjua voi kysyä it-
seltään mm. seuraavia kysymyksiä.
- Täyttääkö nykyinen informaatioteknologinen ratkaisu tarpeeni?
- Täytyykö useamman kuin yhden osallistuja päivittää tietokantaa?
- Ovatko tietokannassa olevat tiedot sellaisia, että siihen voi kohdistua hyökkäyk-
siä?
- Luotatko verkoston kaikkiin osapuoliin?
- Luodaanko luottamus kolmannen osapuolen toimesta?
- Pitääkö tietojen olla yksityisiä?
- Pitääkö tietokannassa olevien tietojen muutokseen olla mahdollisuus?
Jos kokee lohkoketjuteknologian hyödyllisempänä kuin nykyisten ratkaisuiden kannattaa
pohtia vielä onko paras ratkaisu avoin, suljettu vai luvanvarainen lohkoketju. (Peck
2017.)
Lohkoketjuteknologiaa on myös kritisoitu energiankäytöstään. Tällä viitataan usein
Bitcoinin PoW-konsensusmekanismiin, toisin sanoen louhintaan. On tärkeätä ymmärtää
että energian kulutus riippuu täysin valitusta konsensusmekanismista. Esimerkiksi Bitcoi-
78
nin PoW- tarvitsee paljon laskentatehoa joten se kuluttaa paljon energiaa, mutta valitse-
malla toisen konsensusmekanismin ei energiaa kulu läheskään yhtä paljon. (Keenan
2017.) Anonyymin luonteensa vuoksi lohkoketjuteknologian päälle rakennetut kryptova-
luutat voidaan nähdä myös eettisessä valossa haitallisina. Anonyymeillä kryptovaluu-
toilla voidaan ostaa esimerkiksi huumeita ja aseita pimeiltä markkinoilta, ilman tunnis-
tautumista. Kryptovaluuttoihin liittyviä huijauksia on ollut myös useita, jossa sijoittajat
ovat menettäneet rahansa. (Yin & Vatrapu 2017.)
5.7 Tulosten yhteenveto
Aineisto oli kattava ja vastasi suhteellisen hyvin esittämiini tutkimuskysymyksiin. Jotkin
teemat kuten yhteensopivuus, yksityisyys, turvallisuus ja luottamus toistuivat useassa eri
artikkelissa. Datan aseman merkitystä oli pohdittu myös monin paikoin. Eri teknologioi-
den koettiin tukevan toinen toisiaan. Aineiston perusteella lohkoketjuteknologia, IoT ja
tekoäly nähtiin tärkeimpinä tulevaisuuden teknologioina.
Eniten aineistossa oli kuvattu erilaisia teknologisen tason ratkaisuita jonkin yksilöllisen
ongelman ratkaisemiseksi. Aineiston perusteella ratkaisut rakentuivat usein toimijoiden
välisiksi ekosysteemeiksi. Myös älysopimuksia ja lohkoketjujen päälle kerroksittain ra-
kentuvia moduuleita eri ominaisuuksineen tarkasteltiin useassa eri artikkelissa. Lohko-
ketjuteknologiaa pidettiin myös turvallisuuden ja luottamuksen takaajana. Sääntelyn ko-
ettiin jarruttavan lohkoketjuteknologian kehitystä, mutta toisaalta se koettiin mahdolli-
suutena, jotta teknologia saataisiin laajemmin käyttöön ja hyväksytyksi.
Huomionarvoista oli myös eri valtioiden ja maanosien erilaiset juridiset käytännöt uusia
teknologioita kohtaan, jotka vaikuttavat teknologian kehitykseen ja käyttöön. Lohkoket-
juteknologia linkitettiin vahvasti myös datan hallinnointiin ja siitä hyötymiseen käyttäjä-
lähtöisesti. Tulosten pääteemat on vedetty yhteen taulukoissa 3a ja 3b.
79
Taulukko 3a. Aineiston tulosten yhteenveto
Systeemi- ja teknologisen ta-
son ratkaisut
Datan asema ja hallinnointi Yksityisyys, turvallisuus ja
luottamus
- Epäkypsä ja kesken-
eräinen teknologia
- Skaalautuvuuden sekä
yhteensopivuuden on-gelmat
- Kerroksittain raken-
tuva lohkoketjuproto-
kolla esimerkiksi tur-
vallisuus-, älysopimus-
ja arvonsiirron kerrok-
set
- Järjestelmän kyky toi-
mia ilman kolmatta
varmentavaa osapuolta
- Toimintojen automati-
sointi
- Datan vaihdannan ym-
pärille
rakentuva ekosysteemi
- API:en hyödyntäminen
- Varmennetun tiedon-
keruun ansiosta siirty-
minen big datasta
smart dataan
- PHR ja EHR tietojen tallentaminen ja säily-
tys metatietoina
- IoT-laitteiden varmen-
taminen ja turvaaminen
- IoT ja tekoäly täyden-tävät lohkoketjutekno-
logiaa
- Datavirtoja yhdistele-
mällä sen arvo nousee
- Omadata-malli on yk-
silöä hyödyntävä
- Datan varmennus kon-
sensusmekanismin kei-
noin
- Datan vuokraus
- Valtiolla erilaisia datan
hyödyntämis- ja hallin-
totapoja esimerkiksi
Uusi-Seelanti, Viro,
Tanska ja Kiina.
EU:lla on oma visio
- Digitaalisen identitee-tin hyödyntäminen tie-
tojen varmennuksessa
- Hajautetulla järjestel-
mällä ehkäistään yhden
kohdan haavoittuvuus
- Onko tärkeämpää ter-
veystietojen yksityi-
syys vai tiedon hyö-
dyntäminen ja palve-
luiden räätälöinti
- Konsensusmekanis-
meissa heikkouksia
- Inhimilliset haavoittu-
vuudet suurin ongelma
- Hajautettu tilikirja
poistaa yhden kohdan
heikkouden
- Luottamuksen luomi-nen teknologian kei-
noin
- Aikaleimaus helpottaa
auditointia
- Sulautettujen IoT-lait-teiden identiteetin var-
mentaminen
- Tiedot eivät häviä loh-
koketjusta vaikka yksit-
täinen kone kaapataan
tai varastetaan
- Bitcoinin turvallisuus-
mekanismi ei ole kos-
kaan pettänyt. Aina on
ollut kyse inhimillisestä
virheestä, jonka ihmi-
nen on tehnyt
- Tietojen salaus krypto-grafian keinoin
- Tiedon eheyden paran-
taminen
- Lääkejakeluketjun lä-pinäkyvä seuraaminen
80
Taulukko 3b. Aineiston tulosten yhteenveto
Talous ja tokenisointi Laki ja sääntely Eettiset näkemykset
- Kryptoekonomia
- On neljänlaisia toke-
neita: hyödyke-token,
omaisuus-token,
maksu-token ja arvon-
siirto-token
- Ekosysteemin toimijoi-
den palkitseminen to-
keneilla
- Opintosuoritusten toke-
nisointi
- Liikumisen palveluihin
suunnattu token
- Mahdollistaa mikro-maksamisen
- Automaattinen maksa-
minen tokeneiden
avulla
- Kopioinnin mahdotto-muus, sama tieto ei voi
olla kahdessa paikassa
yhtä aikaa
- GDPR yhteensopimat-
tomuus
- Älysopimuksiin voi
ohjelmoida suoraan eri
lakien vaatimukset
- Sääntelyn ja lainsää-dännön vaikeus
- Eri maissa ja maan-
osissa eri lait, asetukset
ja säännökset
- Uhka nykytilalle, esi-merkiksi talousjärjes-
telmän muutos ja ny-
kyisten töiden atomati-
sointi
- Liialla sääntelyllä voi-daan tappaa innovaa-
tiot
- Digitaalinen verkossa
oleva kaksonen
- Omadata-malli näh-
dään yksilön kannalta
parhaana datan hallin-
nointitapana
- Teknologiajättien epä-
eettinen toiminta (käyt-
täjistä hyötyminen ja
manipulointi)
- Mahdollistaa tutki-musdatan salauksen
kryptografian keinoin
- Valtiollinen valvonta ja
profilointi massa-datan
ja algoritmien keinoin
- Ilmiön ympärillä oleva hype
- Milloin lohkoketjutek-
nologiaa kannattaa
käyttää ja milloin ei
- Avointen ja suljettujen lohkoketjujen hyödyt
- Konsensusmekanismin
(PoW) energiankäyttö
- Pimeä kaupankäynti ja anonyymeys
Positiivisten näkemysten vastakohtana varoiteltiin yritysten ja valtioiden massa-data al-
goritmien avulla tapahtuvasta valvonnasta ja profiloinnista. Taloudellisesta näkökulmasta
tarkasteltuna puhuttiin kryptoekonomiasta ja omaisuuksien sekä datan tokenisoinnista,
mistä yksilöt sekä organisaatiot voisivat hyötyä. Eettisestä näkökulmasta esiin nousi loh-
koketjuteknologian anonymiteetin turvin tapahtuva laiton kaupankäynti sekä siihen liit-
tyvät huijaukset. Myös konsensusmekanismien käyttämä energiankulutus ja datan hallin-
nointi aiheutti eettistä pohdintaa.
81
6 POHDINTA
6.1 Johtopäätökset ja pohdinta
Tutkielman tarkoituksena oli teorian ja kartoittavan katsauksen avulla kuvata, minkälais-
ten teemojen ympärille lohkoketjuteknologian mahdollistama hyvinvointiekosysteemi
voisi rakentua. Teoriaosuudessa määrittelin kuusi teemaa jotka kuvasivat hyvinvoin-
tiekosysteemin ominaisuuksia. Näitä teemoja etsin myös aineistosta.
Tulosten ja teorian perusteella voidaan tehdä johtopäätöksiä tutkimuskysymyksiini liit-
tyen. Tutkielmani tarkasteli ilmiötä suhteessa yksilöön ja yhteiskuntaan. Tutkielmaa aloi-
tellessani ajattelin hyvinvointiekosysteemin palvelevan yksilöä nimenomaan terveyttä
edistävänä tekijänä, jolla olisi positiivisia vaikutuksia myös yhteiskuntaan. Teoriaan ja
aineistoon peilaten pidän sitä kuitenkin nyt paljon laajempana ilmiönä. Täällä Suomessa
elämme hyvinvointivaltiossa. Meillä on toimiva sosiaaliturva- ja terveydenhuoltojärjes-
telmä Sote-uudistuksen kaatumisesta huolimatta. Sosiaali- ja terveydenhuollon rakenteet
tarvitsevat kuitenkin kehittämistä. Nykyinen järjestelmä on taloudellisesti kestämättö-
mällä pohjalla suhteutettuna ikärakenteen ennusteisiin (Tilastokeskus 2018.) On pohdit-
tava ketterämpiä keinoja kustannusten hillitsemiseksi, byrokratian keventämiseksi ja pal-
veluiden saatavuuden parantamiseksi. Myös ihmiskeskeisyys on otettava paremmin huo-
mioon palveluita suunniteltaessa. Valtion AuroraAI-hankkeessa pureudutaan näihin tee-
moihin. Palveluita kehitetään ihmiskeskeisesti niin, että ihminen on keskiössä ja palvelut
rakentuvat hänen ympärilleen omadata periaatteita noudattaen. (Koppanen & Ruoste-
tsaari 2019.) Jäin myös pohtimaan onko tutkimani hyvinvointiekosysteemi sittenkin vain
digitaalinen peilikuva verkkoon siirtyneestä hyvinvointivaltiosta. Luhmann (1998) puhui
yksilön itseensä viittaamisesta, mutta voiko tuo sama ilmiö toimia laajemminkin, jolloin
valtio viittaisi itseensä ja loisi verkkoon ikään kuin peilikuvan itsestään. Kaikkia palve-
luita ollaan kovaa vauhtia digitalisoimassa, joten varovaisesti näin voisi tulkita.
Hyvinvointiekosysteemi ei myöskään rakennu teorian ja aineiston perusteella pelkästään
lohkoketjuteknologian varaan. Hyvinvointiekosysteemi koostuu yksilöistä, yhteisöistä,
yhteiskunnan järjestelmistä, organisaatioista, yrityksistä ja eri teknologioista. Nämä sub-
stanssit kuitenkin tarvitsevat jonkin asian, joka pitää ne yhteydessä toisiinsa. Tutkielman
82
teoriasta sekä aineistosta nousee esiin API:t, avoimet ohjelmointirajapinnat jotka edes-
auttavat toimijoiden verkoston muodostumista. Voidaankin todeta että mahdollinen hy-
vinvointiekosysteemi voisi rakentua luontevammin API:en kautta, kuin pelkästään loh-
koketjuteknologiaan nojaten. API-ekosysteemissä toimijat ovat riippuvaisia toisistaan.
Systeemiteoreettisesta näkökulmasta Luhmann (1986) pohti tätä ilmiötä vastavuoroisuu-
den kautta. Hänen mukaansa systeemi, joka tarvitsee vastavuoroisuutta, luo myös kom-
munikaatioita toimijoiden välille. Tutkielman johdannossa pohdin ja hieman kyseenalais-
tinkin omakannan omatietovarannon vastavuoroisuutta. Mutta nyt teorian ja aineiston pe-
rusteella vaikuttaakin siltä, että omakannan omatietovaranto toimii juuri kuvaamallani
tavalla hyödyntäen avointa ohjelmointirajapintaa. API:n kautta ohjelmistokehittäjät voi-
vat kehittää palveluita ekosysteemiin, joista hyötyvät verkoston kaikki toimijat. API myös
liimaa toimijat, kehittäjät ja käyttäjät yhden ekosysteemin alle. Ja itse asiassa ohjelmis-
tonkehittäjät voivat luoda myös lohkoketjuteknologiaan pohjautuvia malleja, jossa osal-
listujia palkittaisiin tokeneilla, joka nousee esiin sekä teoriasta että aineistosta.
Tässä ideassa kuitenkin on huomioitava myös aineistosta esiin noussut yhteensopivuuden
(interoperability) ongelma. Lohkoketjuteknologia ei skaalaudu vielä kovin hyvin muiden
järjestelmien kanssa. Myös jos lohkoketjut käyttävät eri konsensusmekanismia, ne eivät
sovi yhteen toistensa kanssa. Tarvitaan siis edelleen uutta teknologiaa eri lohkoketjujen
ja muiden ohjelmistojen välille, joka mahdollistaisi niiden yhteensopivuuden. Systeemi-
teoriassa Luhmannin (1984) mukaan ratkaisuista johdetaan niiden ongelmat. Tämä sama
ilmiö on havaittavissa myös teknologian kehityksessä, jossa uudet teknologiat tuovat uu-
sia ongelmia, joita pyritään ratkaisemaan uudemmalla teknologialla (Arthur 2010, 188.)
Periaatteessa lohkoketjuteknologia olisi ratkaisu moneen asiaan, mutta se vaatii vielä ke-
hitystä ja kypsymistä, jotta sitä voitaisiin ottaa laajemmin käyttöön.
Lohkoketjuteknologian perustavanlaatuisia ominaisuuksia teorian ja aineiston mukaan
ovat yksityisyys, turvallisuus, läpinäkyvyys ja luottamus. Luhmannin systeemiteoriassa
luottamuksella on myös tärkeä rooli. Artikkelissaan (2000) hän viittasi kompleksisuuden
lisänneen tarvetta luottamukselle, joka pitäisi luoda teknologian keinoin. Nyt tuo tekno-
logia on luotu, mutta vielä 10 vuodessa sitä ei ole saatu laajamittaisesti käyttöön, kuten
tutkielman aineiston perusteella voidaan todeta. Luottamusta tarkasteltaessa kohtaavat
siis sekä teoria, teknologia, tarve sekä käytäntö. Luhmann (1995) kuitenkin muistutti,
83
ettei uusia järjestelmiä synny ilman vastustusta. Järjestelmän kohtaama vastustus kertoo
siitä, että ilmiö on havaittu ja se on tavoitettavissa suhteessa ympäristöönsä. Lohkoketju-
teknologia ja sen potentiaali on havaittu yrityksissä, organisaatioissa, valtiossa ja aina
EU:ssa saakka. Ilmiön lähestyminen virkamiestasolta on kuitenkin ollut takkuista, koska
sitä ei ole vielä täysin ymmärretty. Askelia laajempaan adaptaatioon on kuitenkin jo otettu
ja otetaan kokoajan lisää.
Aineiston perusteella lohkoketjuteknologiaa tarkastellaan usealla eri toimialalla. Myös
käytännön kokeiluja tehdään, mikä kielii siitä että lohkoketjuteknologia on todellakin tu-
lossa käyttöön. On kuitenkin ymmärrettävä mihin se soveltuu ja mihin ei. Kokeilujen ja
pilotointien kautta ilmiön ja teknologian soveltuvuutta voidaan testata pienemmässä mit-
takaavassa. Systeemiteoriaan peilaten jäin pohtimaan suljettujen lohkoketjujen hyödylli-
syyttä ylipäätään. Jos lohkoketjuteknologian suurimmat hyödyt ovat luottamuksellisuus,
turvallisuus, yksityisyys, läpinäkyvyys ja arvonsiirrot jotka ovat suunniteltu avoimen jär-
jestelmän tarpeita varten, miksi se pitäisi siirtää suljettuun tilaan? Jos tiedot ovat jo sulje-
tussa järjestelmässä, lohkoketjuteknologiasta koituva hyöty on minimaalinen. Jos taas
operoidaan avoimessa ympäristössä, lohkoketjuteknologian ominaisuudet tulevat hyödyl-
lisiksi. Systeemiteoreettisesti voidaan siis tarkastella suljettuja ja avoimia lohkoketjujär-
jestelmiä peilaten niitä systeemiteoria avoimiin ja suljettuihin systeemeihin
Teknologioiden ja uusien ilmiöiden sääntely on haasteellista. On vaikea hahmottaa mitä
kaikkea teknologialla voi tehdä, niin hyvässä kuin pahassakin. Lainsäätäjien on siis tai-
teiltava hyödyn ja turvallisuuden rajapinnassa. Lohkoketjuteknologia esimerkiksi mah-
dollistaa anonyymin maksamiseen, mitä voidaan pitää digitaalisena ihmisoikeutena.
Käyttäjät haluavat pitää ostoksensa salassa suurilta informaatioteknologiajäteiltä tai val-
tiolta niin että ne eivät pääse hyötymään käyttäjän käyttäytymisestä. Toisaalta anonymi-
teetti mahdollistaa laittoman kaupankäymisen, jota viranomaisten on miltei mahdoton
seurata. Onkin syytä pohtia kumpi painaa vaakakupissa enemmän käyttäjän yksityisyys
vai kenties kansallinen turvallisuus.
Tulosten perusteella yksi aikamme suurista poliittisista kysymyksistä liittyy siihen kuka
datan omistaa? Jos valtiot alkavat rakentamaan valvontajärjestelmiä, jotka nykyiset tek-
nologiat jo mahdollistavat, haluavat ihmiset varmasti hyötyä teknologioista jotka takaavat
84
yksityisyyden. Jos valtiot taas jättävät uusia teknologioita käyttämättä, jäävät ne jälkeen
globaalissa kehityksessä. On löydettävä kultainen keskitie ja mielestäni ihmiskeskeinen
henkilötietojen hallinnointitapa on askel oikeaan suuntaan. Ilmiön tarkastelussa on käy-
tettävä myös eettistä ja moraalista pohdintaa. Omadata-liike edistää digitaalisia ihmisoi-
keuksia. Se korostaa nimenomaan datan hallintaan liittyviä eettisiä näkemyksiä yksilön
näkökulmasta katsoen. Se myös kehittää ja tekee yhteistyötä toimintaympäristössä ole-
vien yritysten ja valtioiden kanssa. (Poikola ym. 2018.) Tarvitsemmekin Omadata-liik-
keen kaltaisia sekundäärisysteemeitä toimimaan yksilön ja yhteiskunnan järjestelmien
välille. On myös syytä tarkkailla toimintaympäristöä. Uudet teknologiat syrjäyttävät van-
hempia kuten historia on meille jo todistanut. Onkin syytä varautua muokkaamaan myös
organisaatioiden ja yhteiskuntien rakenteita, jotta ne pystyisivät hyödyntämään uusimpia
teknologioita ja innovaatioita.
Tarkasteltuna tuloksia sosiaali- ja terveyspalvelujen näkökulmasta nousee esiin muutama
aivan keskeinen teema. Tärkein on ehkä sen soveltuvuus, jos ajatellaan Suomalaisesta tai
Eurooppalaisesta näkökulmasta. Euroopan yleinen tietosuoja-asetus (GDPR) on ongelma
jos ajatellaan itse kerättyjä hyvinvointitietoja (PHR) ja niiden säilyttämistä lohkoketjussa.
GDPR:n nojalla on oikeus pyytää hyvinvointitietojansa poistettavaksi. Kansallinen lain-
säädäntö määrittelee myös asiakas- ja potilasasiakirjat (EHR) poistettaviksi tietyn määrä-
ajan täytyttyä. Tämä ei onnistu lohkoketjusta. Aineistossa kuitenkin viitataan tietojen säi-
lyttämiseen metatietoina, jolloin todelliset tiedot olisi säilytettävänä jossain muualla. Jäin
pohtimaan sitä, mitä hyötyä siitä on jos tiedot kuitenkin pitää säilyttää jossain muussa
säilytyspaikassa kuin lohkoketjussa. Myöskään sisäänrakennettua turvallisuusominai-
suutta ei voida tällöin hyödyntää, koska todelliset tiedot ovat tallennettuna jossain muu-
alla, johon lohkoketjun turvallisuusmekanismit eivät ylety. Vastuulliset toimijat huo-
mioivatkin tämän jo suunnitteluvaiheessa (privacy by design) ja hylkäävät lohkoketjurat-
kaisut. En siis usko että lohkoketjuteknologiaa tullaan hyödyntämään terveys-, asiakas-
tai potilastietojen säilyttämiseen, jos teknologia ei kehity sen vaatimalla tavalla tai tieto-
suoja-asetuksia ja lakeja ei muuteta. Tämä asettaa myös teoreettisen lohkoketjuteknolo-
gian ympärille rakentuvan hyvinvointiekosysteemin kysenalaiseen asemaan hyvinvointi-
tietojen säilytyspaikkana. Lohkoketjuteknologia lupaa tietojen säilytykseen liittyvä yksi-
85
tyisyyttä ja turvallisuutta, mutta sosiaali- ja terveystietojen säilytykseen se ei nykymuo-
dossaan sovellu. Tämä tulos tukee Salosen ym. (2018) näkemystä siitä, ettei lohkoketju-
teknologia tule korvaamaan perinteisiä tietokantoja tiedon varastoinnissa.
Sen sijaan digitaalisen identiteetin varmentamiseen lohkoketjuteknologia tuntuu olevan
kuin luotu. Myös Salonen tutkimusryhmineen (2018), Poikola kumppaneineen (2018) ja
Koppanen & Ruostetsaari tiimeineen (2019) tunnistavat lohkoketjuteknologian identitee-
tin varmentajana. Digitaalisen identiteetin varmentaminen ei liity pelkästään ihmisen
identiteettiin, vaan myös erilaiset laitteet, organisaatiot ja yritykset tarvitsevat digitaalisen
identiteetin. Digitaalista identiteettiä tarvitaan jotta tiedetään että tiedon vastaanottaja tai
lähettäjä on varmasti se joka väittää olevansa. Lohkoketjuteknologian sisäänrakennettu
luottamusominaisuus voisi olla ratkaisu tähän ongelmaan. Sosiaali- ja terveydenhuollossa
on paljon laitteita ja välineitä, jotka ovat yhteydessä verkkoon. Myös ihmisillä voi olla
sydämentahdistimia ja verensokerinmittareita, jotka on yhdistetty verkkoon. Tällöin tar-
vitaan luottamusta siihen, että laite, organisaatio ja yksilö ovat varmasti niitä ketä esittävät
olevansa. Tämä parantaa tietoturvaa, joka varsinkin digitaalisilla laitteilla, jotka on yh-
distetty verkkoon, on ollut verrattain heikkoa. Lohkoketjuteknologia ja esineiden internet
(IoT) toimivatkin hyvin yhteen toisiaan täydentäen.
Lohkoketjuteknologia on rakennettu rahoitusmaailman tarpeita silmällä pitäen ja sen hyö-
dyt ja ominaisuudet heijastelevat juuri rahoitusmaailman ominaisuuksia. Sen alkuperäi-
senä tarkoituksena oli siirtää arvoa käyttäjältä toiselle ilman kolmatta hallinnoivaa osa-
puolta. Sosiaali- ja terveydenhuollon organisaatioissa kannattaisi ehkä pohtia lohkoketju-
teknologian hyötyjä maksuliikenteen näkökulmasta. Sosiaali- ja terveydenhuollon orga-
nisaatioissa erilaiset laskutuskäytännöt ovat monimutkaisia ja raskaita kokonaisuuksia,
jotka kuitenkin muodostavat kivijalan organisaatioille. Lohkoketjuteknologian mahdol-
listamat mikromaksut, arvonsiirrot ja älysopimukset voisivat automatisoida ja keventää
tuota raskasta koneistoa.
Aineistossa ei myöskään puhuttu sosiaalihuollon hyödyistä suhteessa lohkoketjuihin. Itse
näkisin juuri sosiaalihuollon maksut yhtenä potentiaalisena käyttökohteena. Tällä het-
kellä sosiaalihuollossa on jo käytössä eräänlainen poletti, palveluseteli. Palvelusetelin
ajatusta voisi kehittää kohti sen tokenisointia. Palvelutoken voisi toimia sosiaalihuollossa
86
ja koskettaisi etenkin etuuksien saajia. Eurojen sijaan sosiaalihuollon palveluiden piirissä
oleva henkilö saisi palvelutokeneita, joita voisi käyttää tarvitsemiinsa palveluihin. Hyö-
tyinä olisi raskaan byrokraattisen koneiston, joka on sosiaalihuollon maksujen taustalla,
vaihtuminen automatisoituneeseen lohkoketjussa toimivaan järjestelmään. Sosiaalihuol-
lossa tehdään myös paljon palvelupäätöksiä, jotka riippuvat aiemmasta päätöksestä. Tätä
päällekkäistä työtä voitaisiin karsia älysopimuksia hyödyntäen. Kun asiakkaalle on esi-
merkiksi myönnetty päätös että hän pääsee palveluiden piiriin, aktivoitusi samalla hänen
oikeutensa palveluiden piirissä oikeuttamiin lisäpalveluihin kuten ruokaetuihin, kuljetuk-
siin, asumistukeen ja muihin samankaltaisiin etuuksiin. Kuten jo aineistosta havaittiin
lohkoketjuteknologiaa ja siihen liittyvän maksuliikenteen automatisointia voi käyttää lä-
hes minkä tahansa arvoa sisältävän omaisuuserän siirtoihin tokenisoimalla omaisuuserän.
Tällainen malli vaatisi kuitenkin laajempaa lisäselvitystä ja pilotointia, jotta saataisiin
selville sen tuomat edut, haitat ja mahdolliset kompastuskivet.
Käydessäni läpi aineistoa, todella monessa artikkelissa korostettiin järjestelmien yhteen-
sopivuutta ja mahdollisuutta liittyä siihen. Jäin pohtimaan tätä sosiaali- ja terveydenhuol-
lon tietoarkkitehtuuria ajatellen. Sairaaloissa ja sosiaalipalveluissa on paljon erilaisia säh-
köisiä järjestelmiä, mutta useinkaan ne eivät ole yhteensopivia valtakunnallisesti, alueel-
lisesti eikä myöskään välttämättä organisaation sisäisesti. Digitalisaation myötä verkostot
korostuvat. Nykysuuntauksen mukaan verkostot ovat etenevissä määrin vertaisverkkoja,
joissa tietoa jaetaan verkoston jäsenten välillä. Näkisin tärkeäksi sosiaali- ja terveyden-
huollon tietoarkkitehtuurin yhdenmukaistamisen tai ainakin avoimen ohjelmointirajapin-
nan joka mahdollistaisi verkostoon liittymisen ja tietojen jakamisen. Myös organisaatioi-
den esimerkiksi sairaalan sisällä tulisi pohtia ratkaisuita, joissa eri tietojärjestelmät olisi-
vat yhteydessä toisiinsa. Järjestelmien verkostointi avaisi aivan uuden mahdollisuuden
datavirtojen yhdistämiselle ja käsittelylle. Avoin ohjelmointirajapinta mahdollistaisi ke-
hittäjien kehittää palveluita, joka vauhdittaisi sosiaali- ja terveydenhuollon tieto- ja vies-
tintätekniikan (ICT) innovaatioita. Systeemiteoreettisestä näkökulmasta tämä tarkoittaisi
siirtymistä suljetusta järjestelmästä kohti avoimempaa järjestelmää.
Teorian ja tulosten valossa tutkielmassa tarkasteltavaa ilmiötä voidaan katsoa myös sys-
teemiteoreettisesti. Historiallisestikin tarkasteltuna teknologia on muokannut teollisuutta,
87
organisaatiota ja yhteiskunnan järjestelmiä. Teknologian sykli ruokkii uusien teknologi-
oiden syntymistä. Uudet teknologiat eivät välttämättä kuitenkaan aina sovellu ympäris-
töönsä, vaan ympäristönkin on muututtava. Tämä tarkoittaa uudenlaisia organisaatiora-
kenteita ja uudenlaisia yhteiskunnan järjestelmiä ja osajärjestelmiä. Jotkut yhteiskunnan
järjestelmät ovat kuitenkin melko kiinteitä kuten esimerkiksi oikeus, talous, sairaanhoito
ja hoiva. Siksi järjestelmät tarvitsevat toimiakseen sekundäärijärjestelmiä, kuten hyvin-
vointiekosysteemiä tai Omadata-liikettä, jotka toimivat ikään kuin linkkinä eri systeemien
välillä. Ekosysteemien voidaan nähdä myös muodostuvan teknologisen kehityksen joh-
dosta. Postmodernissa yhteiskunnassa järjestelmät alkavat myös limittymään toistensa
päälle, jolloin tarvitaan ratkaisuita kompleksisuuden vähentämiseksi. Tähän lohkoketju-
teknologia voisi tarjota ratkaisun sisäänrakennetuilla ominaisuuksillaan.
Sosiaali- ja terveyshallintotieteen pro graduissa on viime vuosina käsitelty digitalisaatiota
ja uusia teknologioita yllättävän vähän, suhteessa esimerkiksi valtion panostukseen digi-
talisaatiota koskien. Mielestäni eri teknologioiden ja digitalisaation ymmärrystä tarvitaan
myös sosiaali- ja terveyspalveluiden johtamisessa, jotta pystytään tekemään parempia
päätöksiä uusien teknologioiden käyttöönotossa, hallinnassa ja johtamisessa. Teknolo-
gian parempi tuntemus mahdollistaa myös entistä paremman mahdollisuuden tiedolla
johtamiseen. Eri teknologioiden tunteminen myös edesauttaa innovaatiomyönteisyyttä
organisaatiossa. Tutkielmani pyrkii siis myös laajentamaan sosiaali- ja terveyshallintotie-
teen tieteenalan tutkimusta yhdistelemällä poikkitieteellisesti hallintotieteitä, tietojenkä-
sittelytieteitä ja yhteiskuntatieteitä, tarkastelemalla ilmiötä kuitenkin sosiaali- ja terveys-
hallintotieteen kontekstissa, tuottaen näin uutta tietoa tieteenalalle.
6.2 Tutkimuksen luotettavuus ja eettisyys
Tässä tutkielmassa on noudatettu tiedeyhteisön tunnustamia toimintatapoja tutkimuksen
rehellisyydestä, yleisestä huolellisuudesta, tarkkuudesta tutkimustyössä, tulosten esittä-
misestä ja tallentamisesta sekä tutkimusten tulosten arvioinnista. Tiedonhankinta-, tutki-
mus- ja arviointimenetelmissä on sovellettu tieteellisen tutkimuksen kriteerien mukaisia
menetelmiä, jotka ovat myös eettisesti kestäviä. Tutkielmassa on viitattu muiden tutkijoi-
den töihin, joten he saavat asianmukaisen kunnian tekemistään töistä. Vastuu hyvä tie-
teellisen käytännön noudattamisesta on ensisijaisesti tutkijalla itsellään. (TENK 2012, 6-
88
7.) Tutkielman aineisto on koostunut lähinnä englanninkielisistä eri tieteenaloilta kerä-
tystä, mutta pääsääntöisesti tietojenkäsittelytieteen piirissä olevista julkaisuista. Aihepiiri
huomioiden on mahdollista että olen tulkinnut jotkin englanninkieliset termit väärin. Olen
kuitenkin pyrkinyt välttämään tätä lisäämällä tekstiin sulkuihin myös alkuperäisteoksessa
käytetyn englanninkielisen termin. Käyttämässäni menetelmässä, kartoittavassa katsauk-
sessa pyritään keräämään aineistoa mahdollisimman laajasti, myös harmaalta alueelta. S
katsauksessa ei myöskään arvioida tutkimusten laatua, joka voi heikentää tutkielmani ai-
neiston luotettavuutta. Olen kuitenkin noudattanut kartoittavan katsauksen tekemisessä
Arkseyn & O’Malleyn (2005) mallia ja JBI:n kartoittavan katsauksen etenemiseen liitty-
vää protokollaa (2017), joten olen noudattanut tutkimusmenetelmäni edellyttämää tapaa
tiedonhankinnassa ja käsittelyssä.
Laadullisessa tutkimuksessa tulee arvioida myös tutkimuksen laatua ja luotettavuutta. Pe-
rinteisiä luotettavuuden ja laadun mittareita reliabiliteettia ja validiteettia ei voida aina
soveltaa. Kvalitatiivisessa tutkimuksessa pääasiallinen luotettavuuden tekijä on tutkija
itse. Siinä missä kvantitatiivisen tutkimuksen luotettavuus nojaa erilaisiin mittauksiin,
kvalitatiivisessa tutkimuksessa tulee arvioida koko prosessia. Yhtenä kvalitatiivisen tut-
kimuksen kriteerinä voidaan pitää luotettavuutta. Tätä voidaan kuvata tutkijan ymmär-
ryksenä tutkimuksessaan käsittelemistään käsitteistä. Perimiltään tutkimuksen luotetta-
vuuden arvioinnissa on kysymys sen johdosta nousseiden väitteiden perusteltavuudesta
ja totuudenmukaisuudesta. (Eskola & Suoranta 1998, 211.) Olen pyrkinyt avaamaan kä-
sittelemiäni käsitteitä ymmärrettävästi. Käsitteistä on myös koostettu suurempia kokonai-
suuksia ja tehty johtopäätöksiä. Olen pyrkinyt käyttämään käsitteitä joita tarkastellaan
sekä teoriassa että aineistossa. Teoriasta nousevat käsitteet mahdollistavat aineiston kä-
sitteiden tulkitsemisen, joka mahdollistaa uuden tiedon ja johtopäätösten tekemisen.
Tutkijan omat näkemykset ja moraali voivat vaikuttaa myös varsinaiseen tieteelliseen
työhön (Haaparanta & Niiniluoto 2016, 155). Olen hyvin kiinnostunut uusista teknologi-
oista ja tässä tutkielmassa lohkoketjuteknologiasta. On mahdollista että oman kiinnostuk-
seni ja innostukseni johdosto osoitan lohkoketjuteknologian liian optimistisessa valossa,
eli näen siinä enemmän positiivisia kuin negatiivisia puolia. Olen kuitenkin tiedostanut
tämän ja pyrkinyt nostamaan aineistosta sekä negatiivisia että positiivisia asioita esille
ilmiötä koskien.
89
Tieteen arvoina voidaan pitää uuden tiedon tuottamista ja pyrkimystä riippumattomuu-
teen ja itsenäisyyteen. Tällä tarkoitetaan, että tieteen asettamilla metodeilla ja päämäärillä
päästään parhaimpiin tuloksiin tuotettaessa uutta tietoa ja ymmärtämystä. (Kuula 2011,
25.) Olen pyrkinyt noudattamaan tiedeyhteisön hyviä toimintatapoja. Johtopäätökset olen
johtanut teoriasta, joka on koostettu kattavasti tämänhetkisestä kirjallisuudesta. Sekä ai-
neistosta, jonka olen kerännyt tiedeyhteisön tunnistamalla tutkimusmetodilla, kartoitta-
valla katsauksella. Kartoittavan katsauksen eteneminen on kuvattu tutkimusmenetelmä
osiossa ja se on toistettavissa. Tekemäni johtopäätökset perustuvat omaan tulkintaani teo-
riasta ja aineistosta ja eivät ole näinollen toistettavissa toisen tutkijan toimesta.
90
LÄHTEET
Allardt Erik. 1976. Hyvinvoinnin ulottuvuuksia. WSOY. Porvoo
Antonopoulos Andreas M. & Wood Gavin. Mastering ethereum –Building smart con-
tracts and Dapps. O’Reilly media.
Arksey Hilary & O’Malley Lisa. 2005. Scoping studies: Towards a methodological
framework. The International journal of social research methodology 8(1)
Arthur W. Brian. 2010. Teknologian luonne: Mitä se on ja millainen on sen evoluutio.
Suom. Kimmo Pietiläinen. Terra cognita. Helsinki.
Biswas Kamanashis & Muthukkumarasamy Vallipuram. 2016. Securing smart cities us-
ing blockchain technology. IEEE 18th international conference on high performance
computing and communications.
Bitcoinkeskus. 2018. Suuri kryptovaluuttalistaus vuodelle 2019. Saatavana:
https://bitcoinkeskus.com/suuri-kryptovaluuttalistaus-vuodelle-2019/
(Luettu 17.1.2019)
Boudreau Kevin J & Hagiu Andrei. 2009. Platform rules: multi-sided platforms as reg-
ulators. Teoksessa: Gaver Annabelle. 2009. Platforms, markets and innovations. Edgar
Elgar publishing. Cheltenham, Iso-Britannia
Brogan James, Baskaran Immanuel & Ramachandran Navin. 2018. Authenticating
health activity data using distributed ledger technologies. Computational and structural
biotechnology journal 16
Cai Chengjun, Zheng Yifeng & Wang Cong. 2018. Leveraging crowdsensed data
streams to discover and sell knowledge: A secure and efficiant realization. IEEE 38th
International Conference on Distributed Computing Systems
Chainlink. 2019. Saatavana: https://chain.link/ (Luettu 17.1.2019)
Chen Jinchuen & Xue Yunzhi. 2017. Bootstrapping a blockchain based ecosystem for
big data exchange. IEEE 6th international congress on big data
Clark Laurie. 2018. Nick Szabo, godfather of bitcoin – Smart contracts are essential to
cryptocurrency, but what exactly are they? Techworld. Saatavana: https://www.tech-
world.com/tech-innovation/what-are-smart-contracts-in-words-of-nick-szabo-godfat-
her-of-bitcoin-3685255/ (Luettu 15.1.2019)
Coinmarketcap. 2019. Saatavana: https://coinmarketcap.com/ (Luettu 17.1.2019)
Dahlberg Tomi. 2019. Lohkoketjuissa on paljon mahdollisuuksia. SoteDigi-hanke. Saa-
tavana: https://sotedigi.fi/2019/03/29/professori-tomi-dahlberg-lohkoketjuissa-on-pal-
jon-mahdollisuuksia/ (Luettu 4.5.2019)
91
Dai Wei. 1998. B-money. Saatavana: http://www.weidai.com/bmoney.txt (Luettu
10.11.2019)
DeBenedictis Erik P. 2018. A future with quantum machine learning. Computer 51(2)
Dunphy Paul, Garatt Luke & Peticolas Fabian. 2018. Decentralizing digital identity: Open
challenges for distributed ledgers. IEEE European symposium on security and privacy
workshops
Eduskunta. 2018. Jakamistalous ja alustatyö. Eduskunnan tulevaisuusvaliokunnan jul-
kaisu. 3/2018.
Eduskunta. 2019. Hallituksen esitys HE 159/2017 vp. Saatavana: https://www.edus-
kunta.fi/FI/vaski/HallituksenEsitys/Sivut/HE_159+2017.aspx (luettu: 4.5.2019)
Eliasen Bogi, Tan Kevin V, Ohler Laura Prisca, Lindburg Emilie, Rohner Alexander &
Perälä-Heape Maritta. 2018. Digital health revolution – Person centric data management
models and opportunities in the healthcare sector, the Nordic way. Copenhagen institute
for futures studies.
Eskola Jari & Suoranta Juha. 1998. Johdatus laadulliseen tutkimukseen. Vastapaino.
Tampere
Esposito Christian, De Santis Alfredo, Tortoro Genny, Chang Henry & Raymond Choo
Kim-Kwang. 2018. Blockchain: a panacea for healthcare cloudbased data security and
privacy. IEEE cloud computing 5(1)
Evans David S. 2009. How catalysts ignite: the economics of platform-based start-ups.
Teoksessa: Gaver Annabelle. 2009. Platforms, markets and innovations. Edgar Elgar pub-
lishing. Cheltenham, Iso-Britannia
Evans Peter C. & Basole Rahul C. 2016. Economic and business dimensions. Revealing
the API ecosystem and enterprise strategy via visual analytics. Communications of the
ACM 59(2)
Fabiano Nicola. 2017. Internet of things and blockchain: legal issues and privacy – The
challenge for privacy standard. Proceedings of the 10th IEEE International Conference on
Internet of Things (iThings) and IEEE Green Computing and Communications (Green-
Com) and IEEE Cyber, Physical and Social Computing (CPSCom) and IEEE Smart Data
Faber Benedict, Michelet Georg, Weidmann Niklas, Mukkamala Rao Raghava & Vatrapu
Ravi. 2019. BPDIMS: A blockchain based personal data and identitety management sys-
tem. Proceedings of the 52nd Hawaii International Conference on System Sciences
Filva Daniel Amo, Garcia-Penalvo Francisco Jose, Forment Marc Alier, Escudero Fon-
seca David & Casan Maria Jose. 2018. Privacy and identitety management in learning
analytics processes with blockchain. Proceedings of the sixth International Conference
on Technological Ecosystems for Enhancing Multiculturality
92
Fortnow Lance. 2014. Kultainen pääsylippu – P, NP, ja mahdottoman tavoittelu. Suom.
Kimmo Pietiläinen. Terra cognita. Helsinki
Gao Zhenfeng, Fan Yushun, Wu Cheng, Zhang Jia & Chen Chang. 2018. DSES: A block-
chain powered decentralized service ecosystem. 2018. Proceedings of the IEEE 11th in-
ternational conference on cloud computing
Gutierrez Claudio. 2017. Data, Science and Society. Notes for talk at LEARN conference.
University of London.
Gutierrez Omar, Saavedra Jeffrey J, Zurbaran Mayra, Salazar Augusto & Wightman
Pedro M. 2018. User-centred differential privacy machanisms for electronic midecal rec-
ords. International Carnahan conference on security technology
Haaparanta Leila & Niiniluoto Ilkka. 2016. Johdatus tieteelliseen ajatteluun. Gaudeamus.
Helsinki.
Haber Stuart & Stornetta Scott W. 1991. How to Time-Stamp a Digital Document. Jour-
nal of cryptology 3(1), 99-111.
Halonen Maija & Kattilakoski Mari. 2018. Hyvinvoinnin edistäminen harvaan asutulla
maaseudulla. SPATIA Alue- ja kuntatutkimus Itä-Suomen yliopisto. Raportteja 1/2018.
Grano 2018.
Hand David J. 2018. Aspects of data ethics in a changing world: Where are we now? Big
data 6(3)
Harari Yuval Noah. 2018. 21 oppituntia maailman tilasta. Suomentanut Iso-Markku
Jaana. Bazar-Kustannus
Harisalo Risto. 2008. Organisaatioteoriat. Juves print. Tampere
Herian Robert. 2018. Taking blockchain seriously. Law critique 2018(29)
Hiedanpää Juha, Suvantola Leila & Naskali Arto. 2010. Hyödyllinen luonto – Ekosystee-
mipalvelut hyvinvointimme perustana. Vastapaino. Tampere.
Honkanen Hilkka. 2010. Verkostomenetelmien soveltaminen terveyttä edistävässä toi-
minnassa. Teoksessa: Pietilä Anna-Maija. 2010. Terveyden edistäminen – Teorioista toi-
mintaan. WSOYpro. Helsinki.
Honkanen Petri. 2017. Lohkoketjuteknologia: Luottamuksen koodi hajautuneessa yhteis-
kunnassa. Impulsseja. Kalevi Sorsa säätiö. Saatavana: https://sorsafoundation.fi/wp-con-
tent/uploads/2017/10/Honkanen-Lohkoketjuteknologia-luottamuksen-koodi-hajautu-
neessa-yhteiskunnassa-WEB.pdf (Luettu 3.12.2018)
Hänninen Anne. 2017. Maailma uusiksi lohko kerrallaan. Suomen standardisoimisliitto.
Preesis. 2/2017
93
Hölbl Marko, Kamisalic Aida, Turkanovic Muhammed, Kompara Marko, Podgolerec
Blaz & Hericko Marjan. 2018. EduCTX: An ecosystem for managing digital micro-
credintials. 28th EAEEIE Annual conference
Jalava Janne, Eräsaari Risto, Kangas Risto & Raiski Seppo. 2013. Yhteiskunnan järjes-
telmät. Niklas Luhmannin ajattelu. Gaudeamus. Helsinki
Jin Hai, Dai Xiaohai & Xiao Jiang. 2018. Towards a novel architecture for enabling in-
teroperability amongst multiple blockchains. IEEE 38th international conference on dis-
tributed computing systems
Johansson Patrik Elias, Eerola Mikko, Innanen Antti & Viitala Juha. 2019. Lohkoketju –
Tiekartta päättäjille. Balto print. Liettua
Kapsammer Elisabeth, Kimmerstorfer Eugen, Pröll Birgit, Retschitzegger Werner &
Schwinger Wieland. 2017. iVolunteer – a digital ecosystem for lifelong volunteering.
19th International Conference on Information Integration and Web-based Applications &
Services
Karinsalo Anni & Halunen Kimmo. 2018. Smart contracts for a mobility-as-a-service
ecosystem. IEEE International Conference on Software Quality, Reliability and Security
Companion
Kast Fremont E. & Rosenzweig James E. 1981. General systems theory: Applications fo
organization and management. The journal of nursing administration. 11(7) 32-41.
Keenan Thomas P. 2017. Alice in blockchains: Surprising security pitfalls in pow and
pos blockchain systems. 15th annual conference on privacy, security and trust
Kemppainen Laura. 2016. Business models for platform operators in mydata based eco-
system – Context preventive healthcare. Pro Gradu tutkielma. Oulun yliopisto
Kinnunen Tuomo K, Leviäkangas Pekka, Koistinen Juho, Nykänen Lasse, Rouhiainen
Kinno & Finlow-Bates Keir. 2017. Lohkoketjuteknologian soveltaminen ja vaikutukset
liikenteessä ja viestinnässä. Liikenne- ja viestintäministeriön julkaisuja. 12/2017
Kanta. 2018. Omakannan omatietovaranto. Luettu 4.12.2018. Saatavana:
https://www.kanta.fi/jarjestelmakehittajat/omakannan-omatietovaranto
Kopponen Aleksi & Ruostetsaari Niko. 2019. AuroraAI – kohti ihmiskeskeistä yhteis-
kuntaa. Kansallisen tekoälyohjelma Auroran esiselvityshankkeessa tuotettu kehittämis-
ja toimeenpanosuunnitelma 2019 – 2023. Valtionvarainministeriö.
Kotsiuba Igor, Velykzhanin Artem, Yanovich Yury, Skarga-Bandurova Inna, Dyachenko
Yuriy & Zhygulin Viacheslav. 2018. Decentralized e-health architecture for boosting
healthcare analytics. Secondworld conference on smart trends in systems, security and
sustainability
Ksethri Nir. 2017. Blockchain’s roles in strengthening cybersecurity and protecting pri-
vacy. Telecommunications policy 41
94
Kuula Arja. 2011. Tutkimusetiikka. Aineistojen hankinta, käyttö ja säilytys. Osuuskunta
vastapaino. Tampere.
Kuusisto Anne. 2018. Potilaan hoidon jatkuvuuden turvaaminen sähköisen hoitotyön yh-
teenvedon avulla. Väitöskirja. Itä-Suomen yliopisto.
Kuusisto-Niemi Sirpa. 2016. Tiedon hallinta sosiaalihuollossa – Tiedonhallinnan para-
digma opetuksen ja tutkimuksen perustana. Väitöskirja. Itä-Suomen yliopisto
Lauslahti Kristian, Mattila Juri & Seppälä Timo. 2016. Älykäs sopimus – Miten
blockchain muuttaa sopimuskäytäntöjä? ETLA Raportit. 57
Laki (1050/2018). Tietosuojalaki. Saatavana: https://www.finlex.fi/fi/laki/ajan-
tasa/2018/20181050
Laki (785/1992). Laki potilaan asemasta ja oikeuksista. Saatavana: https://www.fin-
lex.fi/fi/laki/smur/1992/19920785
Laki (298/2009) Asetus potilasasiakirjasta. Saatavana: https://www.fin-
lex.fi/fi/laki/smur/2009/20090298
Laki (831/1994). Arkistolaki. Saatavana: https://www.fin-
lex.fi/fi/laki/smur/1994/19940831
Laki (812/2000). Laki sosiaalihuollon asiakkaan asemasta ja oikeuksista. Saatavana:
https://www.finlex.fi/fi/laki/smur/2000/20000812
Laki (159/2007). Laki sosiaali- ja terveydenhuollon asiakstietojen sähköisestä käsitte-
lystä. Saatavana: https://www.finlex.fi/fi/laki/smur/2007/20070159
Laki (254/2015). Laki sosiaalihuollon asiakasasiakirjoista. Saatavana: https://www.fin-
lex.fi/fi/laki/ajantasa/2015/20150254
Laki (61/2007). Laki sähköisestä lääkemääräyksestä. Saatavana: https://www.fin-
lex.fi/fi/laki/smur/2007/20070061
Laki (1326/2010). Terveydenhuoltolaki. Saatavana: https://www.fin-
lex.fi/fi/laki/smur/2010/20101326
Li Bo. 2017. Blockchain and smart contracts in healthrelated MyData scenario. Pro Gradu
tutkielma. Oulun yliopisto
Li Patrick, Nelson Scott D, Malin Bradley A & Chen You. 2019. DMMS: A decentralized
blockchain ledger for the management of medication histories. Blockchain in healthcare
today. 2
Li YangQun. 2018. An integrated platform for the internet of things based on an open
source ecosystem. Future internet. 10(11)
95
Li Yinsheng, Liang Xu, Zhu Xiao & Wu Bin. 2018. A blockchain based autonomous
credit system. IEEE 15th International Conference on e-Business Engineering
Loebbecke Claudia, Luneborg Leon & Niederle Denis. 2018. Blockchain technology im-
pacting the role of trust in transactions: Reflections in the case of trading diamonds. Re-
search-in-progress papers. 68
Luhmann Niklas. 1990. Technology, environment and social risk: a systems perspective.
Industrial crisis quarterly. 4(3)
Luhmann Niklas. 1995a. Social systems. Translated Bednarz John Jr. & Baecker Dirk.
Stanford university, California.
Luhmann Niklas. 1995b. Systems theory and post-modernism. Luentotallenne. London
school of economics and political science. Saatavana: https://www.you-
tube.com/watch?v=EHnbWEYHkd8 (Kuunneltu 27.2.2019)
Luhmann Niklas. 1998. Observations on modernity. Translated Whobrey William. Stan-
ford university, California.
Luhmann Niklas. 2000. Familiarity, confidence, trust: Problems and alternatives. Teo-
ksessa: Trust: Making and Breaking cooperative relations. University of Oxford.
Luhmann Niklas. 2000. The reality of the mass media. Translated Cross Kathleen. Polity
press, Cambridge.
Luhmann Niklas. 2004. Ekologinen kommunikaatio. Suomentanut. Krause Sam & Raiski
Seppo. Gaudeamus, Helsinki.
Luhmann Niklas. 2013. Introduction to systems theory. Translated Gilgen Peter. Polity
press, Cambridge.
Magyar Gabor. 2017. Blockchain: Solving the privacy and research avalability tradeoff
for EHR data. IEEE 30th Jubilee Neumann Colloquium. Hungary
Mahlberg Alvar & Hyytiäinen Teemu. 2019. AuroraAi ja uudenlaiset token-taloudet. Sel-
vitystyö. Jyväskylän yliopisto.
Mamoshina Polina, Ojomoko Lycy, Yanovich Yury, Ostrovski Alex, Botezatu Alex,
Prikhodko Pavel, Izumchenko Eugene, Aliper Alexander, Romantsov Konstantin, Zheb-
rak Alexander, Obiama Ogu Iraneus & Zhavoronkov Alex. 2018. Converging blockchain
and next-generation artificial intelligence technologies to decentralize and accelerate bi-
omedical research and healthcare. Oncotarget. 9(5)
Micheli Marina, Blakemore Michael, Ponti Marisa & Craglia Max. 2018. European com-
mission technical report
Microsoft. 2019. Blockchain – Develop, test, and deploy secure blockchain apps. Saata-
vana: https://azure.microsoft.com/en-us/solutions/blockchain/ (Luettu 17.1.2019)
96
Moher David, Liberati Alessandro, Tetzlaff Jennifer & Altman Douglas G. 2009. Pre-
ferred reporting items for systematic reviews and meta-analyses: the PRISMA statement.
Ann Intern Med. 151(4)
Mäki-Opas Tomi, Borodulin Katja, Härkönen Janne, Ruokolainen Otto & Lallukka Tea.
2017. Terveyttä edistävä elämäntyyli. Teoksessa: Karvonen Sakari, Kestilä Laura &
Mäki-Opas Tomi. Terveyssosiologian linjoja. Gaudeamus. Helsinki
Nakamoto Satoshi. 2008. Bitcoin: A Peer-to-Peer Electronic Cash System. Saatavana:
https://bitcoin.org/bitcoin.pdf (Luettu 12.11.2018)
Nieminen Mika, Valovirta Ville & Pelkonen Antti. 2011. Systeemiset innovaatiot ja so-
siotekninen muutos – Kirjallisuuskatsaus. VTT tiedotteita 2593
Norta Alex, Hawthorne Daniel & Angel Serefin L. 2018. A privacy protecting data-ex-
change wallet with ownership and monetization capabilities. International joint confe-
rence on neural networks
Näppila Timo. 2012. Informaatio tehokkuudesta osana itsesäätelyä yliopistojen laitok-
silla. Väitöskirja. Tampereen yliopisto.
Okaka Jacky & Comin-Wattiau Isabelle. 2017. A method for emerging technology eval-
uation. Application to blockchain and smart data discovery. Conceptual modeling per-
sepective. 247-258
Omran Yaghoob, Henke Michael, Heines Roger & Hofmann Erik. 2017. Blockchain-
driven supply chain finance: Towards a conceptual framework from a buyer perspective.
IPSERA 2017, Budapest
Oulasvirta Antti. 2011. Ihmisen ja tietokoneen vuorovaikutus. Gaudeamus. Helsinki
Parizi Reza M & Deghantanha Ali. 2018. On the understanding of gamification in block-
chain systems. 6th international conference on future internet of things and cloud work-
shops
Peck Morgan. 2017. Do you need blockchain? IEEE North American spectrum 2017
Peters Micah DJ, Godfrey Christina, McInerney Patricia, Baldini Soares Cassia, Khalili
Hanan & Parker Deborah. 2017. Chapter 11: Scoping reviews. Teoksessa: Joanna Briggs
institute reviewers manual. The Joanna Briggs institute.
Peterson Tarla Rai. 1992. Review of ecological communication by N. Luhmann. Quar-
terly journal of speech 78(2)
Poikola Antti, Kuikkaniemi Kai, Kuittinen Ossi, Honko Harri & Knuutila Aleksi. 2018.
MyData – johdatus ihmiskeskeiseen henkilötiedon hyödyntämiseen. Liikenne- ja viestin-
täministeriö
97
Politou Eugenia, Alepis Efthimios & Patsakis Constantinos. 2018. Forgetting personal
data and revoking consent under the GDPR: Challenges and proposed solutions. Journal
of cybersecurity 2018, 1-20
Potts Jason & Rennie Ellie. 2018. Web3 and the creative industries: How blockchain is
reshaping business models. SSRN electronic journal January 2018
Pulkka Lauri. 2016. Ecosystem dynamics in industry transformation. Aalto-yliopiston
julkaisusarja. Crossover 5/2016. Unigrafia. Helsinki.
Pärssinen Matti, Kotila Mikko, Cuevas Ruben Rumin, Phansalkar Amit & Manner Jukka.
2018. Is blockchain ready to revolutionize online advertising? IEEE acces. 6
Pöysti, Tuomas. 2017. Ennakoivan hyvinvoinnin ekosysteemin rakentaminen ja kehkeyt-
täminen. Kohti ihmisläheistä toimintamallia ja uusien teknologioiden hyödyntämistä.
Valtioneuvosto. Maakunta- ja sote-uudistus.
Rakic Dean. 2018. Blockchain technology in healthcare. Proceedings of the 4th interna-
tional conference on information and communication technologies for ageing well and e-
health
Rantala Juho. 2018. Lohkoketjuteknologian yhteiskunta – Osa 1: Bitcoinista Ethe-
reuimiin. Niin & Näin. 1/2018.
Raskin Max. 2017. The law and legality of smart contracts. Georgetown law technology
review. 1(2), 305-340
Rennock Michael J.W, Cohn Alan & Butcher Jared R. Blockchain technology and regu-
latory investigations. The journal litigation. February/March 2018.
Riasanow Tobias, Setzke David Soto, Burckhardt Fiona, Krcmar Helmut & Böhm
Markus. 2018. The generic blockchain ecosystem and its strategic implications. Twenty-
fourth Americas conference on information systems. New Orleans. 2018
Ridanpää Kaisa. 2018. Lohkoketjuteknologia kiinteistöjärjestelmän rekisterien hallin-
nassa. Diplomityö. Aalto-yliopisto.
Risius Marten & Spohrer Kai. 2017. A blockchain research framework – What we (don’t)
know, where we go from here, and how we will get there. Business & information systems
engineering. 59(6), 385-409
Roehrs Alex, da Costa Cristiano Andre, da Rosa Righi Rodrigo, Ferreira da Silva Valter,
Goldim Jose Roberto & Schmidt Douglas C. 2018. Analyzing the performance of a block-
chain-based personal health record implementation. Journal of L atex class files
Salminen Ari. 2011. Mikä kirjallisuuskatsaus: Johdatus kirjallisuuskatsauksen tyyppeihin
ja hallintotieteellisiin sovelluksiin. Vaasan yliopiston julkaisuja.
98
Salonen Jarno, Halunen Kimmo, Korhonen Heidi, Lähteenmäki Jaakko, Pussinen Pasi,
Vallivaara Visa, Väisänen Teemu & Ylen Peter. 2018. Lohkoketjuteknologian mahdolli-
suudet ja hyödyt sosiaali- ja terveydenhuollossa. Valtioneuvoston selvitys- ja tutkimus-
toiminnan julkaisusarja 80/2017. Valtioneuvoston kanslia. 2018.
Shae Zonyin & Tsai Jeffrey J.P. 2017. On the design of a blockchain platform for clinical
trial and precision medicine. IEEE 37th international conference on distributed computing
systems.
Schwerin Simon. 2018. Blockchain and privacy protection in the case of the european
general data protection regulation (GDPR): A delphi study. The journal of the brittish
blockchain association
Sirkiä Saija. 2004. Kesäklassikko: Lasinkirkasta teoriaa yhteiskunnasta ja ympäristöstä.
Kiiltomato. Saatavana: https://kiiltomato.net/niklas-luhmann-ekologinen-kommunikaa-
tio/
Sosiaali- ja terveysministeriö. 2019a. Toisiolaki mahdollistaa sosiaali- ja terveystietojen
tietoturvallisen käytön. Saatavana: https://stm.fi/sote-tiedon-hyodyntaminen (luettu
4.5.2019)
Sosiaali- ja terveysministeriö. 2019b. Lainsäädäntö ohjaa asiakas- ja potilastietojen hal-
lintaa. Saatavana: https://stm.fi/asiakas-potilastietojen-hallinta
Stolt Minna, Axelin Anna & Suhonen Riitta. 2016. Kirjallisuuskatsaus hoitotieteessä. Tu-
run yliopisto. Hoitotieteen laitoksen julkaisuja. Juvenes print. Turku.
Storås Niclas. 2016. Lohkoketjuteknologia pähkinänkuoressa – tämä kannattaa tietää.
Tivi. Saatavana: https://www.tivi.fi/Kaikki_uutiset/lohkoketjuteknologia-pahkinakuo-
ressa-tama-kannattaa-tietaa-6537904 (luettu 20.9.2018)
Ståhl Timo & Rimpelä Arja. 2010. Terveyden edistäminen tutkimuksen ja päätökseneton
haasteena. Terveyden ja hyvinvoinnin laitos. Yliopistopaino. Helsinki. 2010.
Ståhle Pirjo. 2004. Itseuudistumisen dynamiikka – systeemiajattelu kehitysprosessien
ymmärtämisen perustana. Näkymätön näkyväksi: Avauksia kehitysprosessien näkymät-
tömän dynamiikan tutkimukseen. Tampereen yliopistopaino
Sun Yin Haohua & Vatrapu Ravi. 2017. A first estimation of proportion of cybercriminal
entities in the bitcoin ecosystem using supervised machine learning. IEEE international
conference on big data
Swan Melanie. 2015. Blockchain – Blueprint for new economy. O’Reilly media Inc. Se-
bastopol, California.
Szabo, Nick. 1994. Smart Contracts. Saatavana:
http://www.fon.hum.uva.nl/rob/Courses/InformationInSpeech/CDROM/Litera-
ture/LOTwinterschool2006/szabo.best.vwh.net/smart.contracts.html (Luettu 12.11.2018)
99
TENK. Tutkimuseettinen neuvottelukunta 2012. Hyvä tieteellinen käytäntö ja sen louk-
kausepäilyjen käsitteleminen Suomessa. Saatavana: https://www.tenk.fi/sites/tenk.fi/fi-
les/HTK_ohje_2012.pdf (Luettu 25.4.2019)
Terveyden ja hyvinvoinnin laitos. 2016. Ihmiskeskeisyys – ihmisenä olemisen kriteerit.
Saatavana: https://thl.fi/documents/10531/2851931/Materiaalia_2.9.ihmiskeskei-
syys.pdf/44ee8d82-c6ac-4490-a581-1f73afa8b3fe (luettu 25.3.2019)
Tilastokeskus. 2018. Väestöennuste 2018-2070. Saatavana:
https://www.stat.fi/til/vaenn/2018/vaenn_2018_2018-11-16_fi.pdf
Tuomi Jouni & Sarajärvi Anneli. 2009. Laadullinen tutkimus ja sisällönanalyysi. Tammi.
Helsinki.
Tuomi Jouni & Sarajärvi Anneli. 2018. Laadullinen tutkimus ja sisällönanalyysi. Tammi,
Helsinki
Turing Scott. 2018. Intelligent eco networking (IEN): an advanced future of intelligence
for digital social ecosystem. 1st IEEE international conference on hot information centric
networking
Valtioneuvosto. 2015. Maakunta- ja sote-uudistus. Digitalisaatio – tavoitteet ja aikataulu.
Venkata Marella. 2017. Bitcoin: A social movement under attack. Aalto yliopisto. Hel-
sinki.
Vähäkainu Petri & Neittaanmäki Pekka. 2018. IBM-teknologioiden hyödyntäminen ter-
veydenhuollossa. Informaatioteknologioiden tiedekunnan julkaisuja. 47/2018. Jyväsky-
län yliopisto.
Witherden Stephen. 2018. Exploring different approaches to data sharing. New Zeland
data futures partnership
Wöhrer Maximilian & Zdun Uwe. 2018. Smart contracts: Security patterns in the
ethereum ecosystem and solidity. International workshop on blockchain oriented software
engineering. Campobasso, Italy.
Yli-Huumo Jesse, Ko Deokyoon, Choi Sujin, Park Sooyong & Smolander Kari. 2016.
Where is current research on blockchain technology? – A systematic review. Plos One.
2016.
Yu Bin, Wright Jarod, Nepal Surya, Zhu Liming, Liu Jospeh & Ranjan Ravij. 2018.
Trustchain: Establishing trust in the IoT-based applications ecosystem using blockchain.
IEEE cloud computing July/August 2018
Zins Chaim. 2007. Conceptual approaches for defining data, information and knowledge.
Journal of the American society for information science and technology. 58(4)
100
LIITE 1.
Kirjallisuuskatsauksen taulukot teemoittain
Systeemitason ratkaisut
Artikkelin nimi Julkaisu Tekijät Artikkelissa esiintyvät kä-
sitteet
Blockchain Tech-nology in
Healthcare
2018 Proceedings of the
4th International
Conference on Infor-
mation and Commu-nication Technolo-
gies for Ageing Well
and e-Health (ICT4AWE) 2018
Dean Rakic digitaalinen ekosysteemi, yh-teentoimivuus, sovellukset,
datavirrat, ennustettavuus,
hyödyt
Analyzing the
Performance of a
Blockchain-based Personal Health
Record Imple-
mentation
2018
Journal of L atex
class files
Alex Roehrs,
Cristiano
Andr´e da Costa, Rodrigo
da Rosa Righi,
Valter Ferreira da Silva, Jos´e
Roberto
Goldim, Doug-las C. Schmidt
hyvinvointitiedot, asiakas- ja
potilastidot, eentoimivuus,
Omni PHR arkkitehtuuri,
On the Design of
a Blockchain Plat-
form for Clinical Trial and Preci-
sion Medicine
2017
IEEE 37th Interna-
tional Conference on Distributed Compu-
ting Systems
Zonyin Shae &
Jeffrey J.P. Tsai
alustatyö, systeemiarkkiteh-
tuuri, massa data, datan hal-
linnointi, datan eheys, identi-teetti, IoT, luottamus, turval-
lisuus, ekosysteemi
Smart Contracts:
Security Patterns in the Ethereum
Ecosystem and
Solidity
2018
IWBOSE 2018, Campobasso, Italy
Maximilian
Wöhrer & Uwe Zdun
Älysopimukset, alustatyö,
turvallisuus, mallit
DSES: A Block-
chain-powered
Decentralized
Service Eco-Sys-tem
2018
IEEE 11th Interna-
tional Conference on
Cloud Computing
Zhenfeng Gao,
Yushun Fan,
Cheng Wu, Jia
Zhang & Chang Chen
ekosysteemi, älysopimukset,
skaalautuvuus,
ylläpidettävyys
An Integrated
Platform for the Internet of Things
Based on an Open
Source Ecosystem
2018
Future internet 10
YangQun Li IoT, datan hallinnointi, kom-
munikaatio, turvallisuus, yk-sityisyys, ekosysteemi, p2p,
älysopimukset
On the Under-standing of Gami-
fication in Block-
chain Systems
2018 6th International
Conference on Fu-
ture Internet of Things and Cloud
Workshops
Reza M. Parizi & Ali
Deghantanha
luottamus, läpinäkyvyys, ekosysteemi, talous, pelillis-
täminen, ihmislähtöiset on-
gelmat
101
Intelligent Eco
networking (IEN):
an Advanced fu-ture of intelli-
gence for digital
social economic ecosystem
2018
1st IEEE Interna-
tional Conference on Hot Information-
Centric Networking
(HotICN 2018)
Scott Turing ekosysteemi, infrastruktuuri,
datanvaihtopörssi, AI, tallen-
nustila, tokenisointi
Towards A Novel
Architecture for
Enabling Interop-erability Amongst
Multiple Block-
chains
2018
IEEE 38th Interna-
tional Conference on Distributed Compu-
ting Systems
Hai Jin, Xiaohai
Dai & Jiang
Xiao
ekosysteemi, lohkojen yhdis-
tyvyys, yhteentoimivuus,
kommunikaatio
TrustChain: Es-tablishing Trust in
the IoT-based Ap-
plications Ecosys-tem Using Block-
chain
2018 IEEE cloud compu-
ting July/August
2018
Bin Yu, Jarod Wright, Surya
Nepal, Liming
Zhu, Joseph Liu & Ravij Ranjan
IoT, kommunikaatio, ekosys-teemi, datanvaihtopörssi, pil-
vipalvelut, alustatyö, turvalli-
suus, yksityisyys,
Decentralized e-
Health Architec-ture for Boosting
Healthcare Ana-
lytics
2018
SecondWorld Con-ference on Smart
Trendsin Systems,
Security and Sus-tainability(WorldS4)
Igor Kotsiuba,
Artem Velykzhanin,
Yury Yanovich,
Inna Skarga-Bandurova,
Yuriy Dy-
achenko &
Viacheslav Zhygulin
turvallisuus, potilasasiakirjat,
ekosysteemi,
Authenticating
health activity data using distrib-
uted ledger
techonologies
2018
Computational and structural biotech-
nology journal 16
James Brogan,
Immanuel Baskaran &
Navin Rama-
chandran
Digitaalinen ekosysteemi,
massa data, säästöt, turvalli-suus, yksityisyys, algoritmi,
puettava ja sulautettava tek-
nologia, tallennus, jako, kryp-
tografia, aktiivisuusdata,
Converging blockchain and
next-generation
artificial intelli-gence technolo-
gies to decentral-
ize and accelerate biomedical re-
search and
healthcare
2018 Oncotarget, 9(5)
Polina Mamosh-ina, Lucy
Ojomoko, Yury
Yanovich, Alex Ostrovski, Alex
Botezatu, Pavel
Prikhodko, Eu-gene
Izumchenko,
Alexander Ali-
per, Konstantin Romantsov, Al-
exander Zhe-
brak, Iraneus Obioma Ogu
and Alex
Zhavoronkov
Data, AI, terveydenhuolto, tiedon omistajuus, tiedon
arvo, tiedon muuttaminen ra-
haksi, hyvinvointitiedot, ekosysteemi, ennaltaehkäi-
sevä hoito, lääkkeet, sääntely
Bootstrapping a Blockchain Based
2017 Jinchuen Chen & Yunzhi Xue
Datanvaihtopörssi, yksityi-syys, tekijänoikeus, massa
102
Ecosystem for
Big Data Ex-
change
IEEE 6th Interna-
tional Congress on
Big Data
data, p2p, ekosysteemi, datan
omistajuus
iVolunteer – A
digital ecosystem
for life-long vol-
unteering
2017
iiWAS Salzburg,
Austria
Elisabeth
Kapsammer,
Eugen Kimmer-
storfer, Birgit Pröll, Werner
Retschitzegger
And Wieland Schwinger
Hallinnointijärjestelmä, datan
hallinnointi, luottamus, yksi-
tyisyys
Yksityisyys, turvallisuus ja luottamus
Privacy and identity
management in Learning Analytics
processes with
Blockchain
2018
TEEM, Octo-ber 2018,
Salamanca,
Spain
Daniel Amo
Filvà, Francisco Jose Garcia-
Penalvo, Marc
Alier Forment, David Fonseca
Escudero & Ma-
ría José Casañ
järkevä data, lait ja määräykset,
turvallisuus, yksityisyys, validi-teetti ja reliabiliteetti, eheys,
identiteetti, oman datan hallinta
Alice in Block-chains: Surprising
Security Pitfalls in
PoW and PoS Blockchain Systems
2017 15th Annual
Conference
on Privacy, Security and
Trust
Thomas P. Kee-nan
haavoittuvuudet, suunnitteluvir-heet, ekosysteemin ongelmat, 51
% hyökkäys, riskit
A First Estimation
of the Proportion of Cybercriminal Enti-
ties in the Bitcoin
Ecosystem using Supervised Machine
Learning
2017
IEEE Inter-national Con-
ference on
Big Data
Haohua Sun Yin
& Ravi Vatrapu
p2p, maksujärjestelmä, hyök-
käykset, ekosysteemi, kyberrikol-lisuus
Blockchain: A Pan-
acea for Healthcare Cloud-Based Data
Security and Pri-
vacy? One
2018
IEEE Cloud Computing
Christian Espos-
ito, Alfredo De Santis, Genny
Tortoro, Henry
Chang & Kim-Kwang Raymond
Choo
Pilvipalvelut, potilastiedot, ta-
lous, datan hallinnointi, turvalli-suus, yksityisyys
Securing Smart Cit-
ies Using Block-chain Technology
2016
Conference paper
Kamanashis
Biswas & Val-lipuram Muthuk-
kumarasamy
infrastruktuuri, Iot, pilvipalvelut,
hyödyt, haasteet, turvallisuus, yk-sityisyys
Blockchain’s roles
in strenghtening cy-bersecurity and pro-
tecting privacy
2017
Telecommu-nications pol-
icy 41
Nir Kshetri kyberturvallisuus, suojaus, turval-
lisuus, pilvipalvelut, yksityisyys, Iot, ekosysteemi, jakeluketjut,
sääntely
103
A Privacy protec-
tiog data-exchange
wallet with owner-shio- and monetiza-
tion capabilities
2018 Interna-
tional Joint
Conference on Neural
Networks
(IJCNN)
Alex Norta, Dan-
iel Haethorne &
Serefin L. Angel
datan omistajuus, yksityisyys, tie-
don muuttaminen rahaksi, älyso-
pimukset
Talous ja tokenisointi
Leveraging
Crowdsensed Data Streams to Discover
and Sell Knowledge:
A Secure and
Efficient Realization
2018
IEEE 38th International
Conference
on Distrib-
uted Compu-ting Systems
Chengjun Cai,
Yifeng Zheng, and Cong Wang
tiedon muuttaminen rahaksi (mo-
netization), yksityisyys, Aisti-datan kerääminen, läpinäkyvyys,
ekosysteemi, älysopimukset
Taking Blockchain
Seriously
2018
Law Critique
(2018) 29
Robert Herian hype, sääntely, laki, ekosysteemi,
pääoma, talous,
Web3 and the crea-
tive industries: How
blockchain is re-shaping business
models
2018
SSRN
Jason Potts &
Ellie Rennie
digitaalinen infrastruktuuri, ar-
vonluonti, maksut, sopimukset,
hallinto, talous, jakeluketjut, alus-tatyö
Is Blockchain Ready
to Revolutionize Online Advertising?
2018
IEEE access Volume 6
Matti Pärssinen,
Mikko Kotila, Ruben Cuevas
Rumin, Amit
Phansalkar & Jukka Manner
ekosysteemi, käyttäjädata, arvo-
ketju, yksityisyys, huijaus, jakelu-ketjut, skaalautuvuus, energiate-
hokkuus, tokenisointi
A Blockchain-Based
Autonomous Credit
System
2018
IEEE 15th
International Conference
on e-Busi-
ness Engi-neering
(ICEBE)
Yinsheng Li, Xu
Liang, Xiao Zhu
& Bin Wu
luottojärjestelmä, autonomisuus,
älysopimukset, ekosysteemi,
Smart Contracts for
a Mobility-as-a-Ser-vice Ecosystem
2018
IEEE Inter-national
Conference
on Software Quality, Re-
liability and
Security
Companion
Anni Karinsalo
& Kimmo Ha-lunen
Älysopimukset, ekosysteemi, di-
gitalinen palvelu, arvonsiirrot, AI, tokenisointi,
AuroraAI ja uuden-
laiset token-taloudet
2019
Selvitystyö
Jyväskylän yliopisto
Alvar Mahlberg
& Teemu Hyy-
tiäinen
tokenisointi, talous, AI, peliteoria,
hallinnointi
EduCTX: An eco-
system for managing
2018
IEEE
Marko Hölbl,
Aida Kamisalic,
tokenisointi, alusta, ekosysteemi
104
digital micro-cre-
dentials
Muhammed Tur-
kanovic, Marko
Kompara, Blaz Podgorelec &
Marjan Hericko
Laki ja sääntely
Blockchain and Pri-
vacy Protection in the Case of the Euro-
pean General Data
Protection Regula-tion (GDPR): A Del-
phi Study
2018
The Journal of The British Blockchain
Association
Simon Schwerin GDPR, henkilökoh-
taisen datan suojaus, datan omistajuus,
yksityisyyden sään-
tely
Forgetting personal
data and revoking consent under the
GDPR: Challenges
and proposed solu-tions
2018
Journal of Cybersecu-rity, 2018, 1–20
Eugenia Politou,
Efthimios Alepis & Constantinos Pat-
sakis
GDPR, henkilökoh-
taisen datan suojaus, ihmisoikeudet,
massa data, iot, yksi-
tyisyys
Internet of things and
blockchain: legal is-
sues and privacy. The challenge for
privacy standard
2017
IEEE International
Conference on Inter-net of Things (iTh-
ings) and IEEE Green
Computing and Com-munications (Green-
Com) and IEEE
Cyber, Physical and Social Computing
(CPSCom) and IEEE
Smart Data
(SmartData)
Nicola Fabiano Iot, laki, GDPR,
henkilökohtainen
data, yksityisyys, turvallisuus, ekosys-
teemi, massa data
Privacy and identity
management in
Learning Analytics processes with
Blockchain
2018
TEEM 2018, October
2018, Salamanca, Spain
Daniel Amo Filvà,
Francisco Jose Gar-
cia-Penalvo, Marc Alier Forment, Da-
vid Fonseca Es-
cudero & María José
Casañ
järkevä data, lait ja
määräykset, turvalli-
suus, yksityisyys, validiteetti ja relia-
biliteetti, eheys,
identiteetti, oman
datan hallinta,
105
Eettiset näkemykset
Aspects of Data Eth-
ics in a Changing
World: Where Are
We Now?
2018
Big Data
6(3)
David J Hand data, dataeettisyys, henkilökoh-
tainen data, datan omistajuus,
luotettavuus, yksityisyys, luotta-
muksellisuus, algoritmi
Blockchain: solving
the privacy and re-search availability
tradeoff for EHR
data
2017
IEEE 30th Jubilee Neu-
mann Collo-
quium • No-
vember 24-25, 2017 •
Budapest,
Hungary
Gábor Magyar ekosysteemi, yksityisyys, datan
saatavuus kollektiiviseen käyt-töön, datan hallinnointi, eettiset
ongelmat, sääntely, turvallisuus,
datan säilytys ja saatavuus, hajau-
tettu, kryptografia, suojaus, p2p
BPDIMS:A Block-
chain-based Per-
sonal Data and Iden-
tity Management System
2019
Proceedings
of the 52nd
Hawaii In-ternational
Conference
on System Sciences
Benedict Faber,
Georg Michelet,
Niklas
Weidmann, Raghava Rao
Mukkamala &
Ravi Vatrapu
datavuodot, henkilökohtainen
data, eettinen näkemys, yksityi-
syys ja turvallisuus, GDPR, ih-
miskeskeinen, luottamus, lä-pinäkyvyys
Do you need a
blockchain?
2017
North Amer-
ican spec-trum IEEE
Morgan Peck terveystiedot, digitaalinen identi-
teetti, jakeluketjut, ekosysteemi,
datan hallinnointi
Datan asema ja hallinnointi
Exploring different approaches to data
sharing
2018 New Zealand
data futures
partnership
Stephen Witherden
turvallinen datan käyttö ja jakami-nen, esteiden poistaminen, data
turvallisuus, laatu ja yksityisyys
The Governance of
Data in a Digitally Transformed Euro-
pean Society
2018
JRC confer-ence and
workshop re-
ports
European comission
Micheli M.,
Blakemore M., Ponti M., Craglia
M.
datahallinto, datan hallinnointi ja
hallinnointi datan avulla, henkilö-kohtainen data, oman datan hal-
linnointi
Blockchain and
smart contracts in health-related My-
Data scenario
2017
Master’s Thesis Inter-
national
Master’s in
Computer Science and
Engineering
Bo Li omadata, henkilökohtainen data,
älysopimukset, AWARE alusta, tilin hallinnointi
106
Oulun ylio-
pisto
Business models for platform operatprs
in mydata based
ecosystem – Context
preventive healthcare
2016 Master’s
thesis
Marketing
Oulun yli-opisto
Laura Kemppai-nen
Henkilökohtaisen datan markki-nat, ihmiskeskeisyys, omadata,
ekosysteemi, alusta
User-Centered Dif-
ferential Privacy Mechanisms for
Electronic Medical
Records
2018
IEEE
Omar Gutierrez,
Jeffreys J. Saa-vedra, Mayra
Zurbaran, Au-
gusto Salazar &
Pedro M. Wight-man
asiakas- ja potilastiedot, ekosys-
teemi, jäljitettävyys, sääntely, käyttäjälähtöinen datan hallitta-
vuus, yksityisyys, turvallisuus
Decentralizing digi-
tal identity: Open challenges for dis-
tributed ledgers
2018
IEEE Euro-pean sympo-
sium on se-
curity and
privacy workshops
Paul Dunphy,
Luke Garatt & Fabian Peticolas
hajautettu tilikirja, digitaalinen
infrastruktuuri, digitaalinen iden-titeetti
107
LIITE 2.
Sanasto: Teknologiset ja englanninkieliset termit ja lyhennykset
51% hyökkäys = Hyökkääjä on saanut haltuunsa yli puolet lohkoketjun solmuista
Algoritmi = Tietotekniikkaan liittyvä termi joka on joukko järjestelmällisesti suoritettavia
ohjeita tai käskyjä jonkin tehtävän suorittamiseksi
API (application programming interface) = Ohjelmointirajapinta
Aplikaatio = Sovellus
Biometrinen data = Liittyy henkilön fysiologisiin tai fyysisiin ominaisuuksiin tai käyttäy-
tymiseen, jonka perusteella henkilö voidaan tunnistaa
Centralized = Keskitetty
DAO (decentralized autonomous organization) = Lohkoketjuteknologiaan perustuva au-
tonominen organisaatio
dApp (decentralized app) = Lohkoketjuun rakennettu sovellus
Dataveillance = Valvonta datan avulla
Decentralized = Hajautettu
DID-tunniste (Decentralized identifier) = Standardoitu digitaalisen identiteetin varmen-
nus
Distributed ledger = Hajautettu tilikirja tai tietokanta
EHR (electronical health records) = Sähköiset asiakastietokertomukset ja asiakirjat
Fork = Lohkoketjusta jakautunut haara
GDPR (general data protection regulation) = Euroopan yleinen tietosuoja-asetus
Hash = Tunniste/tiiviste
ICO (initial coin offering) = verkossa toimiva lohkoketjuihin liittyvä joukkorahoitus-
muoto
108
Internet of value (arvon internet) = Globaali verkko, jossa koneet, tekoälyt ja ihmiset voi-
vat käydä kauppaa älysopimuksiin ja lohkoketjuteknologiaan pohjautuen
Interoperability = yhteensopivuus
IoT (internet of things) = esineiden ja asioiden internet, missä esineet ovat yhdistetty in-
ternettiin
Konsensusmekanismi = Tapahtuma jossa lohkoketjun solmut (käyttäjät) hyväksyvät ta-
pahtuman
Kryptoekonomia = Käytännönläheinen tieteenala, jossa suunnitellaan ja tutkitaan proto-
kollia, jotka ohjaavat erityyppisten hyödykkeiden tuotantoa, kulutusta ja jakelua hajaute-
tussa ympäristössä
Kryptografia = Matematiikkaan pohjautuva salausmenetelmä
Kryptovaluutta = digitaalinen verkossa oleva valuutta, joka pohjautuu lohkoketjutekno-
logiaan
M2M (machine to machine) = teknisten laitteiden keskinäinen verkko
Massa-data (big data) = Suurilta joukoilta kerättävä data
MHR (medical health records) = Sähköiset potilastiedot ja potilaskertomukset
Node = Lohkoketjussa oleva yksittäinen solmu, jonka kautta konsensusmekanismi toimii
Nonce (number used once) = PoW konsensusmekanismin edellyttämä tiivistefunktion
varmentaja
P2P (peer to peer) = Vertaisverkko
PHR (personal health records) = Henkilökohtaiset terveystiedot
PKI (Public key infrastructure) = Kryptografian keinoin luotu tunnistusavain
Platform (alusta) = verkossa oleva palvelualusta
Prev_hash = Tiivistearvo
Privacy by design and default = Euroopan yleiseen tietosuoja-asetukseen sisältyvä py-
kälä, jonka mukaan yksityisyys tulisi huomioida jo suunnitteluvaiheessa
109
PoS (Proof of stake) = työn varmennus perustuen riittäviin panoksiin
PoW (Proof of work) = työn varmennus matemaattista laskentatehoa käyttäen
Self-enforcemet = Älysopimuksen oikeudettoman muuttamisen ominaisuus
Self-execution = Älykkään sopimuksen automaattinen toimeenpaneva ominaisuus
Smart contracts = älysopimukset
Smart data = Sisäisten ja ulkoisten datavirtojen yhdistäminen
Single point of failure = Yhden kohdan heikkous jota käytetään tietoturvan yhteydessä
Tamper proof = Estää tiedon muuttamisen jälkikäteen
Timestamp = aikaleimaus
Token = digitaalinen poletti tai rahake
Tokenisointi = reaalimaailman kohteen muuttaminen digitaaliseksi tokeniksi
Transactions = arvonsiirrot, tiedonsiirrot
Tx_Root = Epäsymmetrinen tiedon siirron salausavain