Conjuntos de dados abertos

Leia primeiro a coluna de evidência

Cada linha de cada um destes ficheiros traz um valor de evidência, e é ele que decide para que serve essa linha. Os quatro conjuntos não estão no mesmo nível.

Medido

Uma partida, uma duração ou um preço tal como o operador os publicou no dia da leitura. Nada foi calculado.

Apresentado

O que um operador diz que o serviço vai fazer. Uma partida apresentada é um plano e não uma observação.

Observado

Uma ligação que alguma fonte viu circular, registada num fluxo de dados ou num registo público. Mais fraca do que medida, porque o registo é em segunda mão, e mais forte do que derivada, porque algo circulou.

Derivado

Calculado por nós a partir de outros valores: uma distância entre dois pares de coordenadas, uma transportadora que se presume servir um corredor porque a sua área de serviço publicada abrange as duas pontas, um número de gramas obtido de um fator publicado.

Um valor derivado continua derivado no ficheiro, na página acima dele e nos dados estruturados.

Verdadeiro para os quatro

As partes que não mudam de um conjunto de dados para o seguinte.

Atribuição, e a licença é toda essa

Todos os ficheiros estão sob CC BY 4.0. Use-os comercialmente, redesenhe-os, construa por cima, venda o que construir. Mencione a Orlero e ligue de volta.

Um Frictionless Data Package, não um CSV solto

Cada pacote traz um datapackage.json com um Table Schema por ficheiro, para que quem o lê conheça o tipo e a unidade de cada coluna antes de a abrir. As datas são ISO 8601 com desvio, os países ISO 3166-1 alpha-2, o dinheiro está em unidades menores inteiras com o respetivo código ISO 4217 e as coordenadas são WGS84.

Quatro colunas de proveniência em cada linha

source, source_url, fetched_at e evidence, em todas as tabelas dos quatro pacotes. Uma linha retirada do seu contexto continua a dizer de onde veio, quando foi lida e qual a força da sua afirmação.

Somas de verificação e um registo de alterações

Cada pacote inclui um checksums.txt com um SHA-256 por ficheiro, um README, um CHANGELOG e uma versão semântica. Uma reconstrução que mude o significado de uma coluna sobe a versão maior.

Um dado em falta é uma célula vazia

Uma célula vazia significa que não temos o valor, e um zero significa zero. Nunca um zero no lugar de uma célula vazia, e nunca as letras N barra A.

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

O que não está aqui

As lacunas que vale a pena conhecer antes de construir sobre isto.

• Cada pacote é um instantâneo datado e não um fluxo em direto, e a data está na página do conjunto, no ficheiro e nos dados estruturados.
• A cobertura é desigual por opção: o instantâneo dos ferries é denso em torno do Mediterrâneo, os horários são europeus, e o grafo das transportadoras é o que vai mais longe e o menos verificado.
• As tarifas são o que um operador publicou num dia, num ponto da janela de reserva. Não são uma curva de preços nem uma média.
• Os quatro pacotes são construídos por quatro scripts distintos a partir de fontes que se sobrepõem, por isso um mesmo lugar pode aparecer em dois deles com dois identificadores.