Jeux de données ouverts

Lisez d'abord la colonne de preuve

Chaque ligne de chacun de ces fichiers porte une valeur de preuve, et c'est elle qui décide de ce à quoi la ligne peut servir. Les quatre jeux de données ne sont pas au même niveau.

Mesuré

Un départ, une durée ou un prix tel que la compagnie l'a publié le jour de la lecture. Rien n'a été calculé.

Déposé

Ce qu'une compagnie annonce que le service fera. Un départ déposé est un plan et non une observation.

Observé

Une liaison qu'une source a vu circuler, consignée dans un flux ou un registre public. Plus faible que mesuré, car l'enregistrement est de seconde main, et plus solide que dérivé, car quelque chose a bien circulé.

Dérivé

Calculé par nous à partir d'autres valeurs : une distance entre deux jeux de coordonnées, un transporteur supposé desservir un corridor parce que sa zone de service publiée couvre les deux extrémités, un nombre de grammes issu d'un facteur publié.

Une valeur dérivée reste dérivée dans le fichier, sur la page qui la présente et dans les données structurées.

Vrai pour les quatre

Ce qui ne change pas d'un jeu de données à l'autre.

L'attribution, et c'est toute la licence

Chaque fichier est en CC BY 4.0. Utilisez-le commercialement, redessinez-le, construisez dessus, vendez ce que vous construisez. Nommez Orlero et faites un lien vers nous.

Un Frictionless Data Package, pas un CSV isolé

Chaque paquet porte un datapackage.json avec un Table Schema par fichier, si bien qu'un lecteur connaît le type et l'unité de chaque colonne avant de l'ouvrir. Les dates sont en ISO 8601 avec décalage, les pays en ISO 3166-1 alpha-2, les montants en unités mineures entières avec leur code ISO 4217, et les coordonnées en WGS84.

Quatre colonnes de provenance sur chaque ligne

source, source_url, fetched_at et evidence, dans chaque table des quatre paquets. Une ligne sortie de son contexte dit encore d'où elle vient, quand elle a été lue et quelle est la force de son affirmation.

Sommes de contrôle et journal des modifications

Chaque paquet livre un checksums.txt avec un SHA-256 par fichier, un README, un CHANGELOG et une version sémantique. Une reconstruction qui change le sens d'une colonne fait monter la version majeure.

Une donnée absente est une cellule vide

Une case vide signifie que nous n'avons pas la valeur, et un zéro signifie zéro. Jamais un zéro à la place d'une case vide, et jamais les lettres N slash A.

https://creativecommons.org/licenses/by/4.0/

Ce qui n'est pas ici

Les manques qu'il vaut mieux connaître avant de construire là-dessus.

• Chaque paquet est un instantané daté et non un flux en temps réel, et la date figure sur la page du jeu de données, dans le fichier et dans les données structurées.
• La couverture est inégale par construction : l'instantané des ferries est dense autour de la Méditerranée, les horaires sont européens, et le graphe des transporteurs va le plus loin et est le moins vérifié.
• Les tarifs sont ce qu'une compagnie a publié un jour donné, à un point donné de la fenêtre de réservation. Ce n'est ni une courbe de prix ni une moyenne.
• Les quatre paquets sont construits par quatre scripts distincts à partir de sources qui se recoupent : un même lieu peut donc apparaître dans deux d'entre eux sous deux identifiants.