Dataverzamelingen

Dataverzameling is een verzameling gegevens die samen een coherent geheel vormen voor analyse, hergebruik of publicatie. In de praktijk wordt vaak gesproken van een dataset, opgeslagen in tabellen, databases of bestanden. Dataverzamelingen variëren van kleine lijsten tot grote bestanden met waarnemingen of metagegevens.

Een dataverzameling bevat data en metadata die herkomst, tijdstip, context en kwaliteit beschrijven. Belangrijke elementen zijn variabelen, records, formaten en kwaliteitsindicatoren. Metadata vergemakkelijkt vindbaarheid, interpretatie en reproduceerbaarheid van analyses.

Types en opslag: gestructureerde data (tabellen), semigestructureerde data (JSON, XML) en ongestructureerde data (tekst, beeld). Opslag vindt plaats in databases, spreadsheets, data lakes of datawarehouses. Datasets kunnen statisch zijn of regelmatig worden bijgewerkt.

Governance en rechten: eigenaarschap, data stewardship en privacy zijn essentieel, zeker onder wet- en regelgeving zoals de AVG. Licenties bepalen het gebruik en de herverwerking. Open data bevordert herbruikbaarheid; restricties kunnen van toepassing zijn.

Toegang en interoperabiliteit: vele dataverzamelingen worden gedeeld via portals of API's. Gemeenschappelijke normen en formaten vergroten interoperabiliteit en reuse. Goede documentatie en duidelijke licenties zijn cruciaal.

Levenscyclus en duurzaam beheer: creatie, schoonmaak, normalisatie, integratie en curatie leiden tot betrouwbare data. Langdurige opslag vereist preservatieplanning en periodieke kwaliteitscontroles.

Toepassingen variëren van wetenschappelijk onderzoek en overheidsopen data tot bedrijfsanalyse en beleidsondersteuning. Voorbeelden zijn wetenschappelijke datasets, open data-portals en genoom- of klimaatdatabanken.

---