清楚了解因果关系。公共部门机构要解决的一些最复杂的社会挑战，要么有太多因素导致无法找出一个原因的影响，要么因果关系之间的联系不太清楚。避免这些问题。如果无法判断不同的结果是否是数据知情干预的直接结果，您就无法训练数据模型。
行动
4 - 明确阐述您想要实现的具体、明确定义的行动。要使数据有用，您需要专注于获得可付诸行动的见解。换句话说，您必须能够清楚地回答这个问题：“如果您有更好的信息，您会采取什么不同的做法？”这将与原则 2 中定义的具体问题一起形成如下陈述：“我们的具体问题是 X，我们希望对此做出 Y 回应”。
5 - 专注于您能控制的行动以进行改变：许多公共部门问题取决于或受到其他组织或公民本身的行动的影响，而您对此几乎没有控制权。ODA 方法论是关于寻找数据洞察，使您采取不同的行动。
6 - 以短期、可衡量结果为目标进行干预。这一要求并非只是为了快速取胜。如果你试图创建一个可以预测某事的算法，那么确认它是否有效并改进它的唯一方法就是根据它的见解采取行动并将结 建筑师数据 果反馈给模型。简而言之，反馈回路很重要。这必然会排除干预措施多年后才会产生结果的问题。
数据
7 - 了解您需要的最小可行信息产品 (MVIP)。原始数据对于大多数提供服务的人来说用处不大。那么，它需要采用什么形式才能实现原则 4 中指定的新操作？您是否需要一张显示问题实例位置的地图？您是否需要一份显示最高风险/需求/重要性的优先列表？您是否需要一个可以将不相关的数据集组合在一起的小部件？
8 - 确保有足够的数据来创建 MVIP。不要担心数据的质量（“质量”在你尝试使用数据来做某些具体的事情之前意义不大）。但对于任何给定的问题，至少需要有可用的数据（即你拥有它、可以访问它或请求它）来创建 MVIP。
9 - 首先探索使用非个人数据的解决方案。在不同的公共部门组织之间共享个人数据可能需要大量的工作来设计和编写数据共享协议、隐私影响评估和安全文件。如果个人数据是解决问题的唯一方法，那么一定要走这条路，但要对所需的工作保持警惕。然而，请记住，如果问题可以用非个人数据来解决问题，那么它会更快、更容易。创造性地、横向地思考可能在不需要个人数据的情况下实现 MVIP 的替代数据源。
正在进行的工作
我们在伦敦和东北部测试 ODA 模型的试点本质上是实验性的。随着我们在现实世界中测试这些原则的过程中学到更多，上述原则无疑会不断发展。与此同时，如果您有经验、想法或建议可以帮助改进这些原则，我很乐意听取您的意见 - 请在下面发表评论或通过 Twitter与我们联系。