Coraz więcej baz danych jest udostępnianych przez samorządy dość regularnie. Pozwala to mieszkańcom na śledzenie trendów, zmian w czasie czy na bieżące korzystanie z udostępnianych informacji przez biznes (re-use).
Każdy kto tworzy lub aktualizuje jakiekolwiek informacje, powinien pamiętać o unikaniu kilku elementów, które (niestety często spotykane) powodują, że praca z bazą danych jest trudniejsza (=wymaga większych nakładów czasu).
Informacje należy tutaj rozumieć bardzo szeroko: mogą to być informacje o urodzeniach w gminie wprowadzane przez urzędnika do formularza (taka osoba nie widzi końcowej bazy danych); dane o dotacjach przyznanych przez gminę; wykaz wydanych decyzji administracyjnych; wykaz interpelacji radnych gminy itp.
1. Rekordy / pozycje nie zawierają pola z unikalnym identyfikatorem, co powoduje, że jest trudno monitorować zmiany w bazie po aktualizacji.
Przykład 1:
Jest:
| Imię |
Częstotliwość nadawania |
| ZUZANNA |
9151 |
| LENA |
8768 |
| JULIA |
8541 |
| MAJA |
8092 |
Może być:
| ID. |
Imię |
Częstotliwość nadawania |
| K001 |
ZUZANNA |
9151 |
| K002 |
LENA |
8768 |
| K003 |
JULIA |
8541 |
| K004 |
MAJA |
8092 |
Chociaż w tym przypadku jako unikalny identyfikator można traktować po prostu imię. Zaproponowane ID tutaj określa także płeć (przydane w przypadku baz międzynarodowych).
W przypadku gdy byłaby to baza częstotliwości nadawania imion z podziałem na województwa mogłaby wyglądać następująco:
| Imię |
województwo |
Częstotliwość nadawania |
| ZOFIA |
mazowieckie |
1360 |
| JULIA |
mazowieckie |
1340 |
| ZUZANNA |
mazowieckie |
1300 |
| MAJA |
mazowieckie |
1250 |
| HANNA |
dolnośląskie |
718 |
| JULIA |
dolnośląskie |
642 |
| ZUZANNA |
dolnośląskie |
620 |
| MAJA |
dolnośląskie |
592 |
Nie ma tutaj kolumny ID, gdyż kolumna “imię” i “województwo” tworzą razem unikalny zestaw.
Przykład 2:
Jest:
| Nazwa organizacji |
Kwota dotacji |
| Nasza Szkoła |
1234 zł |
| Stowarzyszenie “Nasza Szkoła” |
1324 zł |
| Stowarzyszenie “Nasza Szkoła” |
1432 zł |
| Stowarzyszenie “Nasza Szkoła” |
1432 zł |
Powinno być:
| Nazwa organizacji |
KRS |
Kwota dotacji |
| Nasza Szkoła |
0000234808 |
1234 zł |
| Stowarzyszenie “Nasza Szkoła” |
0000118130 |
1324 zł |
| Stowarzyszenie “Nasza Szkoła” |
0000102889 |
1432 zł |
| Stowarzyszenie “Nasza Szkoła” |
0000297307 |
1432 zł |
Unikalnym identyfikatorem jest w tym przypadku numer KRS. W przypadku przedsiębiorców może to być numer NIP. Przy innych informacjach - warto skorzystać z istniejących numerów identyfikacjnych, a jeśli ich nie ma - stworzyć własne (np. numery nadawane przystankom, słupom ogłoszeniowym czy stacjom roweru publicznego).
2. Rekordy / pozycje nie zawierają pola „data aktualizacji”, co utrudnia sprawdzenie, które dane zostały wprowadzone w wersji pierwszej, a które w kolejnych. Albo też rekordy / pozycje nie zawierają pola „data utworzenia”, co uniemożliwia określenie, kiedy zostały dodane do bazy
Przykład:
Jest:
| Imię |
Częstotliwość nadawania imion w PL w 2015 |
Częstotliwość nadawania imion w PL w 2016 |
| ZUZANNA |
9151 |
8837 |
| LENA |
8768 |
8367 |
| JULIA |
8541 |
8637 |
| MAJA |
8092 |
8303 |
Powinno być:
| Imię |
Częstotliwość nadawania imienia w PL |
Dane za rok |
| ZUZANNA |
9151 |
2015 |
| LENA |
8768 |
2015 |
| JULIA |
8541 |
2015 |
| MAJA |
8092 |
2015 |
| ZUZANNA |
8837 |
2016 |
| LENA |
8367 |
2016 |
| JULIA |
8637 |
2016 |
| MAJA |
8303 |
2016 |
Taki układ, choć zawiera dokładnie te same informacje co tabela wyżej - zdecydowanie ułatwia analizę i pracę z taką bazą danych.
3. Rekordy / pozycje nie stosują /nie trzymają standardów danych. Najczęściej spotyka się to w przypadku pozycji związanych z datą lub finansami.
Jest:
| Nazwa organizacji |
KRS |
Data utworzenia organizacji |
| Nasza Szkoła |
0000234808 |
23 maja 2005 |
| Stowarzyszenie “Nasza Szkoła” |
0000118130 |
13.06.2002 |
| Stowarzyszenie “Nasza Szkoła” |
0000102889 |
2002.03.26 |
| Stowarzyszenie “Nasza Szkoła” |
0000297307 |
2008-01-30 |
Powinno być:
| Nazwa organizacji |
KRS |
Data utworzenia organizacji |
| Nasza Szkoła |
0000234808 |
2005-05-23 |
| Stowarzyszenie “Nasza Szkoła” |
0000118130 |
2002-06-13 |
| Stowarzyszenie “Nasza Szkoła” |
0000102889 |
2002-03-26 |
| Stowarzyszenie “Nasza Szkoła” |
0000297307 |
2008-01-30 |
Zgodnie ze standardem ISO 8601 w zakresie zapisu daty, należy stosować zapis RRRR-MM-DD. Jeden standard warto zastosować także dla zapisów finansowych czy adresowych - jeden adres można zapisać na conajmniej kilka sposobów:
- ul. Słone 72, 57-350 Kudowa-zdrój
- Słone 72, Kudowa-zdrój, 57-350
- 57-350 Kudowa-zdrój; ul. Słone 72
4. Istnieją rozbieżności pomiędzy informacjami zawartymi na stronie a publikowanymi w bazie danych
Czasami brak jest niektórych informacji lub brak możliwości eksportu w tym samym formacie lub dane za kolejne lata publikowane są w różnych formatach (dane o częstotliwości imion nadawanych w Polsce w roku w 2015 są w pliku PDF oraz tabelarycznym *.XLS; zaś dane za 2016 w pliku PDF oraz… tekstowym *.ODT). Stąd też czasami łatwiej/ szybciej jest użyć narzędzia do „web scrapping” niż pobierać (i porządkować) bazę danych.
5. Dane publikowane w bazie danych są umieszczane dużo później niż na stronie internetowej.
Aby baza danych była użyteczna z punktu widzenia obywateli, dane w niej muszą pojawiać się niezwłocznie. Czasami informacje pojawiają się na stronach www urzędów jako grafiki lub relacje z konferencji prasowych; brakuje jednak tych danych w formie umożliwiającej pracę z tymi danymi.
Pamiętanie o tych kilku elementach powyżej już podczas projektowania, a potem podczas uzupełniania jakiejkolwiek bazy danych znacząco ułatwia pracę z zamieszczonymi tam informacjami. Dotyczy to nie tylko otwartych danych, ale wszelkich baz danych.
O tych zasadach powinny pamiętać nie tylko administracja ale także także organizacje pozarzadowe.
Materiał na podstawie:
José Luis Marín Some very simple practices to help with the reuse of open datasets
Zdjęcie: Sanwal Deen, CC-0