Dataset aperti

Leggi prima la colonna dell'evidenza

Ogni riga di ciascuno di questi file porta un valore di evidenza, ed è esso a decidere a che cosa la riga può servire. I quattro dataset non stanno sullo stesso livello.

Misurato

Una partenza, una durata o un prezzo così come la compagnia li ha pubblicati nel giorno della lettura. Nulla è stato calcolato.

Depositato

Ciò che una compagnia dichiara che il servizio farà. Una partenza depositata è un piano e non un'osservazione.

Osservato

Un collegamento che una fonte ha visto viaggiare, registrato in un flusso o in un registro pubblico. Più debole di misurato, perché il dato è di seconda mano, e più forte di derivato, perché qualcosa ha davvero viaggiato.

Derivato

Calcolato da noi a partire da altri valori: una distanza fra due coppie di coordinate, un vettore che si presume serva un corridoio perché la sua area di servizio pubblicata copre entrambi i capi, un numero di grammi ricavato da un fattore pubblicato.

Un valore derivato resta derivato nel file, nella pagina che lo mostra e nei dati strutturati.

Vero per tutti e quattro

Le parti che non cambiano da un dataset all'altro.

Attribuzione, e la licenza è tutta qui

Ogni file è CC BY 4.0. Usalo a fini commerciali, ridisegnalo, costruiscici sopra, vendi ciò che costruisci. Nomina Orlero e metti un collegamento di ritorno.

Un Frictionless Data Package, non un CSV isolato

Ogni pacchetto porta un datapackage.json con un Table Schema per file, così chi legge conosce tipo e unità di ogni colonna prima di aprirla. Le date sono ISO 8601 con fuso, i paesi ISO 3166-1 alpha-2, il denaro è in unità minori intere con il suo codice ISO 4217 e le coordinate sono WGS84.

Quattro colonne di provenienza su ogni riga

source, source_url, fetched_at ed evidence, in ogni tabella di tutti e quattro i pacchetti. Una riga estratta dal suo contesto dice ancora da dove viene, quando è stata letta e quanto è forte ciò che afferma.

Somme di controllo e un registro delle modifiche

Ogni pacchetto porta un checksums.txt con uno SHA-256 per file, un README, un CHANGELOG e una versione semantica. Una ricostruzione che cambia il significato di una colonna alza la versione maggiore.

Un dato mancante è una cella vuota

Una cella vuota vuol dire che il valore non ce l'abbiamo, e uno zero vuol dire zero. Mai uno zero al posto di una cella vuota, e mai le lettere N barra D.

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

Che cosa non c'è

Le lacune che conviene conoscere prima di costruirci sopra.

• Ogni pacchetto è un'istantanea datata e non un flusso in tempo reale, e la data è stampata sulla pagina del dataset, nel file e nei dati strutturati.
• La copertura è disomogenea per scelta: l'istantanea dei traghetti è fitta attorno al Mediterraneo, gli orari sono europei e il grafo dei vettori arriva più lontano di tutti ed è il meno verificato.
• Le tariffe sono ciò che una compagnia ha pubblicato in un giorno, in un punto della finestra di prenotazione. Non sono una curva dei prezzi e non sono una media.
• I quattro pacchetti sono costruiti da quattro script distinti a partire da fonti che si sovrappongono, quindi uno stesso luogo può comparire in due di essi con due identificatori.