Datasammanställningar

Datasammanställningar är systematiska samlingar av data som hämtats från olika källor och sammanförts till en enhetlig struktur för analys, jämförelser och beslutsstöd. De kan omfatta strukturerad data i tabeller, ostrukturerad information som text eller bilder, samt relaterad metadata som beskriver källor, tidsperioder och variation.

Processen omfattar insamling, urval, rensning, standardisering, harmonisering och validering av data, följt av dokumentation av metadata och ursprung. En sammanställning kräver ofta kvalitetsarbete för att säkerställa konsistens och spårbarhet över tid.

Källor kan vara offentliga register, företags- och verksamhetssystem, enkäter, sensordata, forskningsexperiment och publika databaser. Källor kan vara primära eller sekundära, och sammanställningen kan produceras internt eller av tredjepartsleverantörer.

Typer inkluderar strukturerade dataset (rader och kolonner), ostrukturerade dataset (text, bild, video), så kallade meta- eller sammansättningsdataset, samt dynamiska respektive statiska varianter beroende på uppdateringsfrekvens.

Användningarna är breda och omfattar stöd för forskning, myndighetsbeslut, näringslivsanalys, samhällsplanering och öppna dataportaler. Kvalitet och etik innebär hantering av saknad data, felaktigheter och inkonsekvenser samt skydd av integritet och konfidentialitet genom anonymisering och efterlevnad av lagar som GDPR.

Hantering och styrning av datasammanställningar sker ofta genom data governance, metadata, data lineage, dokumentation och versionering, samt kontroll av åtkomst och användningsvillkor. Utmaningar inkluderar heterogenitet mellan källor, saknad data, semantiska skillnader samt uppdateringsfrekvens och långsiktigt underhåll.

Exempel finns i offentliga open data-projekt och portar som data.se, där nationella och kommunala datasammanställningar görs tillgängliga för allmänheten.