Nei precedenti articoli di questa serie, ho presentato quattro sfide comuni che incontro frequentemente nei progetti di integrazione geospaziale. Questo post esplora la prima di queste sfide: la conoscenza dei propri dati.
Prima di poter integrare, pubblicare o analizzare i set di dati, dobbiamo capire con cosa stiamo lavorando. Ciò implica rispondere a domande come:
- Il set di dati contiene informazioni di identificazione personale (PII)?
- Qual è la sua dimensione su disco?
- È abilitato a livello spaziale?
- Quale sistema di riferimento di coordinate (CRS) utilizza?
- Qual è la frequenza di aggiornamento?
- Quali sono le risoluzioni spaziale e temporale?
- In quale formato di file è memorizzato?
- Chi è responsabile del set di dati?
Idealmente, dovremmo essere in grado di ottenere queste informazioni da un record di metadati allegato . Sfortunatamente, i metadati vengono spesso considerati un ripensamento. Molto spesso mi è capitato di essere coinvolto in progetti in cui i set di dati arrivavano con pochi o nessun metadato.
Rimanderò la discussione più ampia sulla creazione dei metadati a un futuro post del blog e mi concentrerò invece su come avviare un progetto di integrazione dati in assenza di metadati.
Se abbiamo già accesso ai dataset prima di progettare l'infrastruttura di dati spaziali, alcune domande possono trovare risposta esaminando i dati stessi. La dimensione del file, il formato del file e, in alcuni formati strutturati, il sistema di riferimento delle coordinate (CRS) possono essere determinati tramite ispezione diretta.
Le cose si complicano quando si lavora con formati come CSV o fogli di calcolo contenenti elenchi di coordinate. In questi casi, la determinazione del sistema di riferimento di coordinate (CRS) può richiedere diversi tentativi. Questo può essere relativamente semplice quando si ha a che fare con sistemi di uso comune come WGS84 o WebMercator, ma può diventare rapidamente difficile, o addirittura impossibile, quando sono coinvolti sistemi di coordinate meno familiari.
Altre domande potrebbero essere ancora più difficili da rispondere. Ad esempio, identificare il referente responsabile di un set di dati può essere impossibile in assenza di documentazione. Paradossalmente, questa potrebbe essere l'informazione più importante di tutte, perché la persona di contatto giusta è spesso in grado di fornire risposte a molte delle altre domande.
Quindi, cosa dovremmo fare quando i dati stessi non ci forniscono tutte le informazioni di cui abbiamo bisogno?
Nella mia esperienza, mantenere una persona coinvolta nel processo è spesso la soluzione migliore. Nella maggior parte dei casi, abbiamo un referente per il progetto, e questa persona può fungere da punto di riferimento per i set di dati oppure metterci in contatto con qualcuno che possa ricoprire tale ruolo.
Per supportare questo processo, in genere creo un "Questionario sui dati" che raccoglie le informazioni necessarie per comprendere ciascun set di dati, coprendo aree come i metadati tecnici (ad esempio, dimensioni e formato) e le informazioni che normalmente troveremmo in un record di metadati, come i dettagli del punto di contatto.
Questa indagine sui dati può assumere la forma di un questionario online. Col tempo, ho capito che non dovrei dare per scontato che i partecipanti interpretino i campi del questionario nel modo in cui li ho progettati. Pertanto, a meno che non siano disponibili annotazioni semantiche, cerco di fornire spiegazioni chiare per ogni domanda o, ancora meglio, di guidare i partecipanti attraverso il questionario durante una chiamata.
La progettazione di un'infrastruttura di dati spaziali (SDI) richiede la conoscenza dei dati che andremo a integrare e pubblicare. Quando i metadati sono incompleti o assenti, il coinvolgimento delle parti interessate diventa essenziale. Il processo può richiedere guida, chiarimenti e un certo grado di supporto, ma le informazioni acquisite sono spesso cruciali per il successo del progetto.
Nel prossimo post del blog, esplorerò uno degli aspetti più impegnativi della creazione di un'infrastruttura di dati semantici (SDI): il coinvolgimento delle parti interessate nella creazione di metadati basati su standard. Non perdetevi il prossimo articolo di questa serie.
