Datele deschise sunt informații publicate de instituții, organizații sau cercetători într-un format ușor de descărcat și de prelucrat de oricine, de obicei cu o licență care permite reutilizarea. Pot fi tabele cu bugete publice, orare de transport, măsurători ale calității aerului sau hărți, iar scopul lor este să poată fi verificate, analizate și folosite în aplicații noi.
Ideea poate suna abstract, dar o întâlnești des în viața de zi cu zi, fără să-ți dai seama. Să luăm câteva situații în care datele deschise ajung în mâna oamenilor obișnuiți și să vedem cum le poți căuta și folosi.
Exemple din viața de zi cu zi
Aplicația care îți arată când vine următorul autobuz folosește, în multe orașe, orare și poziții publicate de operatorul de transport. O hartă a locurilor de joacă din oraș poate fi construită pornind de la o listă publicată de administrația locală. Un student care scrie o lucrare despre calitatea aerului poate descărca măsurători oficiale și le poate compara cu propriile observații. Un jurnalist poate analiza cheltuielile unei instituții pe categorii. În toate cazurile, valoarea vine din faptul că datele sunt accesibile și pot fi combinate.
Ce face ca o dată să fie „cu adevărat” deschisă
- Acces ușor. Poate fi descărcată fără obstacole inutile, de preferat integral, nu pagină cu pagină.
- Format potrivit pentru prelucrare. Un tabel într-un format simplu, citibil de programe, este mai util decât o imagine a unui tabel.
- Licență clară. Trebuie să fie limpede ce ai voie să faci: să republici, să modifici, să folosești comercial.
- Documentare. Fișierul trebuie să aibă explicații despre coloane, unități de măsură și sursă.
- Actualizare previzibilă. Să știi cât de des se schimbă datele și de când sunt.
De unde le iei
Cele mai frecvente surse sunt portalurile naționale și locale de date publice, paginile instituțiilor, arhivele unor organizații de cercetare și proiecte colaborative care adună informații despre hărți sau mediu. Dacă știi ce cauți, începe cu căutarea după subiect și instituție, nu după formatul fișierului. Verifică întotdeauna data ultimei actualizări și descrierea setului: un tabel vechi poate induce în eroare.
Cum le folosești, pas cu pas
- Formulează întrebarea. Ce vrei să afli? Fără o întrebare clară, datele sunt doar cifre.
- Caută setul potrivit și citește descrierea. Vezi ce acoperă, în ce perioadă și cum au fost colectate datele.
- Descarcă și verifică. Deschide fișierul, uită-te la primele rânduri, caută valori lipsă sau ciudate.
- Curăță. Elimină duplicatele, uniformizează denumirile, corectează formatele de dată.
- Analizează. Un program de calcul tabelar este suficient pentru multe întrebări: sume, medii, filtre, grafice simple.
- Citează sursa. Menționează de unde provin datele și, dacă licența o cere, atribuie-le.
Capcane de evitat
Datele deschise nu sunt neapărat curate sau complete. Pot exista erori de completare, definiții diferite pentru același termen în instituții diferite sau perioade lipsă. Compară surse, citește notele și nu te grăbi cu interpretările pe baza a doar câtorva rânduri. De asemenea, atunci când combini seturi, verifică dacă au aceleași unități și aceeași arie geografică.
Datele deschise și datele mari
Când mai multe seturi deschise se combină și se analizează la scară mare, intrăm în zona analizei volumelor mari de informații. Termenul are un înțeles precis, iar diferența față de analiza obișnuită este prezentată în materialul despre big data și analiza volumelor mari. Pentru majoritatea oamenilor, însă, nu e nevoie de infrastructură specială: un fișier de câteva mii de rânduri se deschide fără probleme într-un program de calcul tabelar.
Confidențialitate și răspundere
Datele deschise nu ar trebui să conțină informații personale care permit identificarea oamenilor. Totuși, combinarea mai multor seturi poate uneori permite deducerea unor detalii. Dacă lucrezi cu date care privesc persoane, fii prudent: evită să publici interpretări care ar putea afecta indivizi și, la nevoie, cere sfatul unui specialist în protecția datelor. Datele publice nu înseamnă lipsă de responsabilitate.
Un mic proiect pentru început: o hartă a orarelor
Dacă vrei să încerci datele deschise fără pregătire tehnică, alege ceva apropiat de viața ta. De exemplu, descarcă lista cu stațiile de transport public din orașul tău, dacă este publicată, deschide fișierul într-un program de calcul tabelar și sortează stațiile după zonă. Apoi poți marca pe o hartă simplă locurile pe care le folosești cel mai des și poți compara frecvența curselor. Nu ai nevoie de nimic mai mult decât curiozitate și răbdare să citești descrierea setului de date.
După primul proiect, vei observa tipare: unele seturi sunt actualizate des, altele rar; unele sunt documentate bine, altele deloc. Aceasta este o lecție valoroasă în sine, pentru că te învață să judeci calitatea unei surse. Treptat, poți trece la întrebări mai complexe, combinând două seturi, de exemplu numărul de locuitori dintr-o zonă și numărul de farmacii. Fiecare combinație cere atenție la unități și la perioade, dar recompensa este o imagine mai clară a locului în care trăiești, construită pe date verificabile.
Cine câștigă din deschiderea datelor
Cetățenii pot verifica cum sunt cheltuiți banii publici. Firmele mici pot construi servicii noi fără să colecteze ele totul de la zero. Cercetătorii pot reproduce rezultate și pot învăța din analizele altora. Instituțiile câștigă și ele: erorile sunt descoperite mai repede, iar colaborarea cu comunitatea poate produce aplicații pe care nu și le-ar fi permis singure.
Un ultim aspect practic: păstrează o copie a fișierului original descărcat, chiar dacă lucrezi pe o versiune curățată. Dacă peste câteva luni cineva îți contestă o cifră, vei putea arăta de unde provine și ce transformări ai făcut. Notează data descărcării și adresa paginii sursă într-un fișier alăturat; este un obicei simplu, folosit de cercetători, care face munca ta mai credibilă și mai ușor de repetat.
Dacă vrei să înțelegi mai bine unde stau, cum se stochează și cum se analizează informațiile digitale, vezi secțiunea despre cloud și date, unde fiecare noțiune este explicată pe rând.
