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

Google

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