En entregas anteriores de esta serie, presenté cuatro desafíos comunes que suelo encontrar en proyectos de integración geoespacial. Esta publicación explora el primero de esos desafíos: conocer los datos.
Antes de poder integrar, publicar o analizar conjuntos de datos, necesitamos comprender con qué estamos trabajando. Esto implica responder preguntas como:
- ¿El conjunto de datos contiene información de identificación personal (PII)?
- ¿Cuál es su tamaño en disco?
- ¿Tiene capacidad espacial?
- ¿Qué sistema de referencia de coordenadas (SRC) utiliza?
- ¿Cuál es la frecuencia de actualización?
- ¿Cuáles son las resoluciones espaciales y temporales?
- ¿En qué formato de archivo está almacenado?
- ¿Quién es el responsable del conjunto de datos?
Idealmente, deberíamos poder obtener esta información de un registro de metadatos adjunto . Desafortunadamente, los metadatos suelen considerarse un elemento secundario. Con frecuencia, he participado en proyectos donde los conjuntos de datos llegaban con pocos o ningún metadato.
Dejaré para una futura publicación en el blog el debate más amplio sobre la creación de metadatos y, en su lugar, me centraré en cómo iniciar un proyecto de integración de datos cuando faltan metadatos.
Si ya disponemos de acceso a los conjuntos de datos antes de diseñar la infraestructura de datos espaciales, podemos responder a algunas preguntas examinando los datos en sí. El tamaño y el formato de los archivos, y en algunos formatos estructurados, el sistema de referencia de coordenadas (CRS) pueden determinarse mediante inspección directa.
Sin embargo, la situación se complica al trabajar con formatos como CSV u hojas de cálculo que contienen listas de coordenadas. En estos casos, determinar el sistema de referencia de coordenadas (SRC) puede requerir cierto grado de ensayo y error. Esto puede ser relativamente sencillo al tratar con sistemas de uso común como WGS84 o WebMercator, pero puede volverse rápidamente difícil, o incluso imposible, cuando se trata de sistemas de coordenadas menos conocidos.
Otras preguntas pueden ser aún más difíciles de responder. Por ejemplo, identificar al contacto responsable de un conjunto de datos puede resultar imposible si no existe documentación. Irónicamente, esta podría ser la información más importante de todas, ya que la persona de contacto adecuada suele poder responder a muchas de las demás preguntas.
Entonces, ¿qué debemos hacer cuando los datos por sí solos no nos proporcionan toda la información que necesitamos?
En mi experiencia, mantener a una persona involucrada suele ser la mejor opción. En la mayoría de los casos, contamos con un punto de contacto para el proyecto, y esta persona puede encargarse de los conjuntos de datos o ponernos en contacto con alguien que pueda desempeñar esa función.
Para respaldar este proceso, suelo crear una "Encuesta de datos" que recopila la información necesaria para comprender cada conjunto de datos, abarcando áreas como los metadatos técnicos (por ejemplo, tamaño y formato), así como la información que normalmente veríamos en un registro de metadatos, como los detalles del punto de contacto.
Esta encuesta puede realizarse mediante un cuestionario en línea. Con el tiempo, me he dado cuenta de que no debo asumir que los participantes interpretarán los campos de la encuesta tal como los he diseñado. Por lo tanto, a menos que las anotaciones semánticas sean una opción, procuro brindar explicaciones claras para cada pregunta o, mejor aún, guiar a los participantes a través de la encuesta durante una llamada.
El diseño de una Infraestructura de Datos Espaciales (IDE) requiere conocimiento sobre los datos que se integrarán y publicarán. Cuando los metadatos están incompletos o ausentes, la participación de las partes interesadas se vuelve esencial. El proceso puede requerir orientación, aclaraciones y cierto acompañamiento, pero la información obtenida suele ser crucial para el éxito del proyecto.
En la próxima entrada del blog, exploraré uno de los aspectos más desafiantes de la creación de una infraestructura de datos espaciales (IDE): la participación de las partes interesadas en la creación de metadatos basados en estándares. No se pierdan la próxima entrega de esta serie.
