OPEN

¿Qué criterios mínimos debería pedirse a un dataset (conjunto de datos) para ser considerado una fuente pública reutilizable de datos.? (abreviando una fuente profesional RISP). Como reflexión particular para debate planteo las siguientes

La necesidad de que sea posible una recuperación de datos sin intervención manual es evidente para una explotación profesional. Salvo utilizaciones muy específicas del ámbito profesional, un uso profesional no puede depender de una recuperación manual de datos para generar un cierto volumen de información. Por tanto una fuente donde la recuperación de datos dependa de consultar un formulario online introduciendo los valores en unos campos, es en general no admisible. En estos casos URL permanentes y normalizadas, una API o un web service son ejemplos de vías de distribución que permiten la industralización.

Una utilización profesional no puede estar basada en la inseguridad jurídica, por tanto el acceso a los datos debe estar respaldado de unas condiciones legales que fijen explícitamente los posibles usos de los datos. Si es posible deberían fijar también que posibilidades existen de mezcla con datos de otras fuentes y de la comercialización del resultado. Por tanto unas condiciones legales que no delimiten estos aspectos, o que simplemente impidan su reutilización profesional limitan que una fuente sea considerada como profesional.

Una muestra de lo que digo “La reproducción, distribución, comercialización o transformación no autorizadas de dichas obras, a no ser que sea para uso personal y privado, constituye una infracción de los derechos de propiedad intelectual de la ..(entidad).. o de su titular.”

o esta “El ..(entidad).. ha creado este sitio web para facilitar a los usuarios el acceso a la información estadística oficial. Los datos que aquí se contienen provienen de múltiples fuentes. El ..(entidad).. pone este material a disposición de los usuarios de forma individual, como licencia de usuario final. Queda por tanto prohibida toda comercialización de este derecho de acceso.“

Unas condiciones legales como las de reutilización de los datos del banco mundial facilitan más la reutilización (en inglés) o estas genéricas de data.gov, el repositorio de datos federal de la administración de los Estados Unidos.

Aunque hay indicios de que los precios bajos son los que de forma global podrían fomentar el mayor beneficio para la sociedad, es indiscutible que el acceso a la información pública podría tener cierto coste, especialmente en el uso profesional. En este caso la existencia de ‘tarifas planas’ de acceso u otros mecanismos que no requieran de intervención manual para realizar las transacciones económicas es un requerimiento.

Que la información se proporcione en formato abierto no garantiza que sea utilizable en un ámbito profesional. Pensemos en cualquier fichero de microdatos como éste ejemplo de una encuesta del INE “1451601000071016511020000 210 1 11 0093 3 666 3 66 07 641119 30203 1 09 0017403” donde de no tener su significado su utilidad es nula. Se hace por tanto necesaria una estandarización de la semántica para no minimizar los costes de integración de distintas fuentes de datos . Complementariamente lenguajes como el SPARQL, de generalizarse, permitirán esas consultas entre distintas fuentes de datos. Conjuntamente permitirían una explotación muchísimo más profunda e interesante de la que actualmente disfrutamos, además de la generación de multitud de nuevos modelos de negocio, que seguramente hoy ni acabamos de imaginar.

En resumen, que la generación de modelos de negocio alrededor de la reutilización de la información del sector público es una enorme oportunidad para nuestras administraciones públicas y para nuestra sociedad en general. Para que ello sea posible es necesario desbrozar el terreno en el ámbito legal y abonarlo un poco en el ámbito técnico para que crezcan estos negocios, una posibilidad bien deseable en estas épocas de crisis.