公的機関の課題解決方法 実践ガイド
公的機関の職員向けに最適化された課題解決の“型”としてのフレームワークを提供します。実際のワークシートのほか、実践方法のガイドや、導入を検討するための参考情報を提供します。
(→コンテンツのタイトル一覧は「コンテンツの施策別ラインナップ」へ)

データクレンジング
データクレンジングは、利活用されるオープンデータの正確性・一貫性・信頼性・有用性を確保するために不可欠な工程です。特に、オープンデータの利活用においては、対象のデータを機械判読に適した形式に変換することが重要となります。
機械判読に適したデータとは、コンピュータが自動的に処理しやすい形式のデータを指し、その代表例が「CSV形式」です 。CSV形式のデータは、様々なソフトウェアで開き、編集することができます。また、多様なシステムで情報を読み込み、利用することが可能ですが、それには読み込みやすい形に整っている必要があります 。
本ツールは、「機械判読性のあるデータ」とは何かを理解し、データを機械判読可能な形式に置き換える方法を学ぶためのものです。
データマネジメント
初級

データの公開レベル分類
行政機関等における庁内のデータ利活用においては、自部署のデータを他部署に共有することが重要となりますが、どのデータが庁内で利用可能なのかは不明確な場合が多く、利活用検討の妨げとなっています。
データスペクトラムの概念に基づくデータの公開レベル分類ワーク(オープンデータ公開に向けたワーク)は、データには公開・非公開だけでなく、庁内での限定公開といった区分もあることを学び、それらも含めた公開レベルを設定する方法を身に付けることが可能です。これにより、庁内の共有データを増やし、利活用を促進することを目指します。
ODI(Open Data Institute)が提唱したデータスペクトラム(Data Spectrum)とは、データの公開範囲やアクセス制限に応じてデータを分類するフレームワークです。データの開放性に応じて、クローズドデータ(Closed Data)、共有データ(Shared Data)、オープンデータ(Open Data)の大きく3つのカテゴリに分類されます。
データマネジメント
初級