Standardizzazione del valori dei campi

L'utilizzo di classificazioni, vocabolari e più in generale di metadati "standard" permette di combinare tra loro dati provenienti da fonti differenti, abilitandone in questo modo l'interoperabilità.

Vanno considerati tecnicamente corretti quei dati che:

• usano la stessa codifica e normalizzazione per lo stesso tipo di dati, pubblicati in diversi dataset di un catalogo, per esempio, gli indirizzi sono sempre pubblicati con la stessa struttura, tipo, formato, in qualsiasi dataset e i dati geografici hanno lo stesso sistema di coordinate;
• la codifica e la standardizzazione utilizzate si basano su alcuni standard comuni proposti e utilizzati da altre organizzazioni nazionali o internazionali come ad eempio EUROSTAT o ISTAT.

Si raccomanda:

• di utilizzare vocabolari comunemente usati, per standardizzare la struttura e i valori delle informazioni pubblicate nei dataset¹;
• nel caso in cui non si utilizzino vocabolari di riferimento, il valore assegnato ad un dato attributo deve essere unico e coerente in tutta la tabella; in altre parole, se si sceglie di usare il valore "Barcellona" per riferirsi a questa città, non si dovrebbe usare ad esempio il valore "Città di Barcellona".

Esempio 1

Un caso che si presenta di frequente è quando abbiamo un dato in cui in una colonna compare la dimensione territoriale. Abbiamo ad esempio una colonna "Comune" oppure "Provincia" o "Regione". Spesso ci si limita a valorizzare il campo con la descrizione di quel Comune, quella Provincia o quella Regione, ma diventa così molto facile utilizzare descrizioni non standard. Ad esempio "Reggio Emilia" al posto di "Reggio nell'Emilia" o "Reggio Calabria" al posto di "Reggio di Calabria". Generando peraltro ulteriore confusione sul fatto che andrebbe specificato se ci si sta riferendo al comune o alla provincia "Reggio di Calabria" . Per ovviare a questo problema è possibile introdurre nel nostro dataset una nuova colonna con il codice standard Istat di quella provincia o di quel comune.

Cattiva prassi

territorio	popolazione_residente_al_31_dicembre
Reggio nell'Emilia	524856
Reggio di Calabria	523791
Napoli	2986745

Buona prassi

territorio	codice_territorio	popolazione_residente_al_31_dicembre
Reggio nell'Emilia	35	524856
Reggio di Calabria	80	523791
Napoli	63	2986745

o, nel caso ci si sta riferendo a dati a livello comunale

Buona prassi

territorio	codice_territorio	popolazione_residente_al_31_dicembre
Reggio nell'Emilia	35033	170601
Reggio di Calabria	80063	173026
Napoli	63049	922094

Tutti i dati hanno poi un "tempo" a cui si riferiscono. Poichè il dato sulla popolazione residente è un dato annuale, diventa importante l'inserimento di una colonna che specifichi l'anno di riferimento. La tabella con i dati comunali diventa coì la seguente

Buona prassi

territorio	codice_territorio	popolazione_residente_al_31_dicembre	anno
Reggio nell'Emilia	35033	170601	2020
Reggio di Calabria	80063	173026	2020
Napoli	63049	922094	2020

Esempio 2

Un altro esempio lo possiamo avere con la standardizzazione del nome e del codice dell'attività economica. Nell'esempio che segue è stato introdotto nella tabella il codice NACE delle attività economiche così come descritte da EUROSTAT

Cattiva prassi

marca	attivita_vendite
chevrolet	Vendite di auto
buick	Vendita di veicoli
plymouth	Vendita

Buona prassi

marca	codice_venditore	attivita_vendite
chevrolet	45.11	Vendita di automobili e veicoli a motore leggeri
buick	45.11	Vendita di automobili e veicoli a motore leggeri
plymouth	45.19	Vendita di altri veicoli a motore

I valori del campo codice_venditore sono quelli corrispondenti alla classificazione statistica EUROSTAT delle attività economiche della Comunità Europea² per la standardizzazione delle attività economiche dei concessionari di veicoli.

---

1. Lo standard AENOR 137801:2015 include un elenco di vocabolari di riferimento: http://vocab.linkeddata.es/datosabiertos/ ↩

2. NACE Rev. 2 ↩