datasetominaisuuden

Datasetominaisuus (datasetin ominaisuus) on käsite, jolla viitataan datasetin kuvaaviin piirteisiin ja ominaisuuksiin. Se kattaa sekä tekniset tiedot että hallinnolliset tiedot, jotka määrittelevät, mitä data sisältää, miten se on rakennettu, sekä miten sitä voidaan hakea, käyttää ja arvioida.

Tyypillisiä datasetin ominaisuuksia ovat rakenne ja muoto (structured, semi-structured, unstructured), datatyyppien jakautuminen (numerical, categorical, text), rivien ja sarakkeiden määrä sekä avain- ja viitekentät. Metatiedot kuten lähde, luonti- ja päivityspäivämäärät, lisenssi, omistajuus sekä versionointi kuuluvat olennaisesti datasetin ominaisuuksiin. Laatuun liittyvät piirteet kuten täydellisyys, tarkkuus, johdonmukaisuus, ajantasaisuus ja yksilöllistäminen ovat keskeisiä arvioita.

Hallinnolliset ominaisuudet kattavat tallennusmuodon, tallennuspaikan sekä käyttöoikeudet, turvallisuuden ja eettiset sekä säädöstenmukaisuuden näkökulmat. Käytännössä datasetin ominaisuudet vaikuttavat siihen, miten dataa voidaan analysoida, yhdistellä muiden lähteiden kanssa sekä toistaa analyysit ja tulokset.

Datasetin ominaisuuksia kartoitetaan usein datakatalogeissa ja metatietokannoissa, ja niihin voidaan soveltaa standardeja kuten DCAT-AP. Ymmärrys datasetin ominaisuuksista parantaa datan laatua, läpinäkyvyyttä ja uudelleenkäyttöä sekä tukee datanhallintaa ja hallinnollista valvontaa.