Datalähteitä

Datalähteet ovat kaikki aineistot ja rekisterit, joista hankitaan dataa tutkimukseen, suunnitteluun tai päätöksentekoon. Ne voivat olla primaarilähteitä, joita kerää itse tekijä, tai sekundaarilähteitä, jotka koostavat tai julkaisevat muiden keräämää dataa. Lähteet voivat olla strukturoitua dataa taulukoineen tai jäsentymätöntä kuten tekstiä, kuvia ja videoita.

Primaarilähteet: oman aineiston keräys (kyselyt, havainnot, kokeet). Sekundaarilähteet: tilastot, rekisterit, julkaisut, avoimet datasetit sekä kaupalliset datat.

Laatu ja jäljitettävyys ovat keskeisiä: metatiedot, alkuperä, keräystavat, aikaleimat ja muokkaukset. Datan laatuun vaikuttavat tarkkuus, täyteys, ajantasaisuus, johdonmukaisuus sekä mahdolliset mittaus- tai otantavirheet ja vinoumat. Henkilötietojen käsittelyssä on noudatettava tietosuojaa.

Käyttö ja hallinta: lisenssit ja käyttöoikeudet sekä pääsyrajoitukset. Avoin data edistää replikointia, kun taas rajoitetut datat voivat vaatia neuvotteluja. Datan yhdistäminen useista lähteistä vaatii läpinäkyvää provenancea ja yhteensopivia metatietoja.