हम "खराब डेटा" (खराब डेटा) एकत्र करते हैं

यह कोई रहस्य नहीं है कि अधिक डेटा का मतलब यह नहीं है कि डेटा बेहतर हो जाएगा। अधिक बार यह अलग तरह से होता है और कई उदाहरण हैं जब डेटा को भयानक तरीके से प्रकाशित किया जाता है।

उदाहरण के लिए, रोसोबोरन ऑर्डर का डेटा जिसके बारे में मैंने पहले लिखा था ( habrahabr.ru/company/infoculture/blog/201260 ) और जहाँ आप इसे देख सकते हैं।
रूस के आंतरिक मामलों के मंत्रालय ने एक ही तरह से डेटा प्रकाशित किया है - यह एक ऐसी सरणी है - mvd.ru/opendata/x1

और कई अन्य डेटा है जब सीएसवी फाइलें एक्सेल फाइलों के आधार पर बनाई जाती हैं, जो विश्लेषण के लिए अनुपयुक्त हैं, या जब स्कीमा का वर्णन किए बिना डेटा प्रकाशित किया जाता है, या जब अवैध एक्सएमएल फाइलें प्रकाशित की जाती हैं, और बहुत कुछ।

ऐसे सभी मामलों को इकट्ठा करने के लिए, ओपन नॉलेज फाउंडेशन के सहयोगियों ने सभी उदाहरणों को इकट्ठा करना शुरू किया।




यहाँ परियोजना स्थल है - okfnlabs.org/bad-data , और यहाँ github में एक खंड है - github.com/okfn/bad-data/issues?page=1&state=open जहां उदाहरण एकत्र किए गए हैं जिनमें से 5 पर काम किया जा रहा है और 2 पहले से ही पंजीकृत हैं। ।

बेशक, जबकि वर्णित बहुत जटिल नहीं लगता है, गलत स्वरूपण या तालिकाओं को पीडीएफ में चित्रों के साथ मिलाया जाता है। लेकिन और भी बहुत कुछ होगा।

आइए हमारे सहकर्मियों की मदद करें, और यदि आपको कहीं प्रकाशित डेटा मिलता है, जिसके साथ काम करना असंभव है, तो मैं उन्हें इस पोस्ट में टिप्पणियों में पोस्ट करने का सुझाव देता हूं, और जो लोग इसमें शामिल होने के लिए तैयार हैं, उनके पास भी OKF के सहकर्मी हैं।