公開されているのに、つながらない
同じ場所を指しているのに、書き方が違うだけで機械は結合できません。
行政の避難所一覧
鳥取県鳥取市栄町一丁目2番3号
民間の店舗データ
鳥取県鳥取市栄町1-2-3
この 2 つを完全一致で結合すると0%しかつながりません。住所正規化を通すと40%がつながります。
※ 同梱のデモデータ(避難所 20 件 × 店舗 14 件)での実測値です。都道府県の有無・丁目番地号・漢数字・カナのゆれを吸収します。
できること
探す
自治体・地域で横断的に探す
行政・民間が公開したデータを一箇所で検索できます。キーワードやタグに加えて、都道府県と市区町村で絞り込めます。
市区町村は総務省の全国地方公共団体コード(47 都道府県 / 1,741 市区町村)に基づくマスタから選ぶため、選択肢の側に表記ゆれが起きません。 データセットに対象地域が設定されていない場合は、提供組織の所在地が使われます。

辿る
どの組織が何を出しているかを見る
組織ごとのページから、その組織が公開しているデータをまとめて見られます。 データから組織へ、組織からその組織の全データへと辿れます。
「行政」バッジは自己申告では付きません。ドメインの所有確認が取れた組織にだけ表示します。.lg.jpは地方公共団体しか取得できないため、本人確認書類を扱わずに 「その自治体の関係者である」ことを示せます。

つなぐ
結合する前に、噛み合うかを確かめる
マージは目的で選びます。項目拡張型は手元のデータの行を保ったまま項目を増やし、共通抽出型は両方に存在する行だけを取り出します。
実行前に相性チェックを走らせると、両側のカバー率・重なり・キーの識別力・1 行あたりの対応数・推定出力行数が分かります。正規化がどれだけ効いたか(完全一致なら何 % だったか)も併せて示します。
どの列で結合すべきか分からないときは、候補を総当たりで診断して提案させることもできます。 結果を作らずに診断するので、何度試しても副作用はありません。

根拠を残す
結合した結果から、出典を辿れる
マージ結果には、どのデータのどの版から作られたかが構造化して残ります。 元データが削除・改名されても、当時のタイトル・組織名・ライセンスは来歴側に写してあるため壊れません。
ライセンスは継承されます。判定できる組み合わせは安全側の候補を提示し、判定できない場合は未確定のままにして公開申請を止めます。 出典の条件を確認しないまま公開されることを防ぐためです。

協働する
誤りを指摘し、組織が答える
公開データの誤りの指摘や、新しいデータの公開依頼を組織へ送れます。 受け取った側は状態(受付済み・対応中・対応済み・対応しない)を管理し、同じ画面で返信できます。
受付範囲は組織ごとに選べます。既定はメール確認済みの利用者から受け付けるで、住民やシビックテックからの指摘も拾えます。届いたリクエストは通知されます。

一度きりで終わらせないための仕組み
データは更新されます。更新されても壊れないように作ってあります。
版を残す
CSV を差し替えるたびに版が増え、過去の版もそのまま取得できます。内容が同じなら版は増えません。
外部から取り込む
CKAN などの API や CSV の URL を登録すると定期的に取り込みます。認証情報は暗号化して保存します。
出典の更新を知らせる
マージ結果は、出典に新しい版が出ると「更新があります」と示します。既定では勝手に作り直しません。
自動追従には歯止めを置く
自動で作り直す設定にしても、キー列が消えたりカバー率が大きく落ちた場合は適用せず、通知だけ行います。
承認を通してから公開
下書き → 承認待ち → 公開の流れがあり、公開は組織の管理者が承認します。
REST API で使う
API キーを発行すれば、公開データの一覧・メタデータ・本体を JSON / CSV で取得できます。
オープンソースです
AGPL-3.0 で公開しており、自組織のサーバーで動かせます。 提供者が撤退しても運用を続けられることは、公共のデータ基盤にとって重要な条件だと考えています。
GitHub でソースを見る