C2V2.pdf

1 C2V2 Návrh zajištění kompatibility NKOD s novými verzemi EU standardů pro katalogizaci otevřených dat

Vytvořeno v rámci projektu

Rozvoj datových politik v oblasti zlepšování kvality a interoperability dat veřejné správy CZ.03.4.74/0.0/0.0/15_025/0013983

Klíčová aktivita: 03 Návrhy a realizace opatření pro zlepšování kvality otevřených dat

Indikátor: 8 05 00 Počet napsaných a zveřejněných analytických a strategických dokumentů (vč. evaluačních)

Verze výstupu: 01

2 Analýza potřebných změn oproti stávající verzi NKOD a návrh potřebných úprav Stávající Národní katalog otevřených dat (NKOD) implementuje, co do položek metadat jednotlivých datových sad a distribucí, doporučení Evropské komise DCAT-AP 1.2.11 založené na webovém standardu Data Catalog Vocabulary (DCAT)2 vydaném konsorciem W3C. Standard DCAT byl aktualizován na verzi 23, a v návaznosti na tuto změnu bylo aktualizování i doporučení Evropské komise DCAT-AP na verzi 2.0.14. Na základě vývoje standardů byla pro účely rozšíření metadatového záznamu datové sady vydána nová verze Otevřené formální normy (OFN) Rozhraní katalogů otevřených dat: DCAT-AP-CZ5 popisující všechny položky rozšířeného metadatového záznamu datové sady. Zároveň s vyvíjejícími se standardy byla sbírána i zpětná vazba od uživatelů NKOD, která vyústila v další požadavky na rozšíření NKOD. V této sekci uvádíme přehled potřebných změn v NKOD, které pochází z těchto dvou zdrojů.

Pro každý požadavek na změny je uveden i návrh, jak změny implementovat v NKOD. Typicky je třeba upravit samotné pipeliny v nástroji LinkedPipes ETL, které zajišťují harvestování lokálních katalogů a registračních záznamů zaslaných do NKOD. Dále je potřeba upravit zadávací formulář pro metadata datových sad a také zobrazení datových sad, distribucí a datových služeb v NKOD. Umožnění registrace datových služeb Analýza V DCAT 2 a DCAT-AP 2.0.1 je nově možné kromě souborů ke stažení registrovat jako distribuci datové sady i tzv. datovou službu, či API. Příkladem takové datové služby může být SPARQL Endpoint, kterému je možné zaslat dotaz v jazyce SPARQL k vyhodnocení. Jedná se o principiálně odlišný způsob přístupu k datům a proto potřebuje separátní podporu v datovém katalogu.

Konkrétně je tedy třeba přidat podporu pro využití třídy Datová služba6 včetně jejích položek, a vazby “přístupová služba”7, která ji napojí na distribuci datové sady tak, jak jsou popsány v OFN.

1 https://joinup.ec.europa.eu/collection/semantic-interoperability-community-semic/solution/dcat- application-profile-data-portals-europe/release/121 2 https://www.w3.org/TR/2014/REC-vocab-dcat-20140116/ 3 https://www.w3.org/TR/vocab-dcat-2/ 4 https://joinup.ec.europa.eu/collection/semantic-interoperability-community-semic/news/dcat-ap- release-201 5 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/ 6 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#třída-datová-služba
7 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-distribuce-přístupová- služba

3 Návrh úprav O příslušné položky bude rozšířena pipeline v LinkedPipes ETL zajišťující harverstaci lokálních katalogů a přípravu dat NKOD. Bude rozšířen formulář pro zadávání metadat datových sad následujícím způsobem:

Dále bude implementováno zobrazování metadat datové služby na místě distribuce datové sady včetně položek dle OFN takto:

4 Rozšíření metadatového záznamu o položky nově definované v DCAT a DCAT-AP Analýza V nových verzích standardů se objevily položky, které lze s výhodou použít i v českém prostředí. Jedná se o časové rozlišení datové sady8 a prostorové rozlišení datové sady v metrech9, které umožňují lépe popsat datové sady obsahující časové řady či ortofotomapy. Dále se jedná o položky distribuce datové sady lépe popisující formát souboru ke stažení, konkrétně Media type kompresního formátu10 a Media type balíčkovacího formátu11. Návrh úprav O příslušné položky bude rozšířena pipeline v LinkedPipes ETL zajišťující harverstaci lokálních katalogů a přípravu dat NKOD. Bude rozšířen formulář pro zadávání metadat datových sad následujícím způsobem:

Dále bude rozšířen v oblasti zadávání metadat distribucí datových sad ve formě souboru ke stažení následujícím způsobem:

Zobrazení v NKOD na úrovni datové sady bude rozšířeno následujícím způsobem:

8 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-datová-sada-časové- rozlišení 9 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-datová-sada-prostorové- rozlišení-v-metrech 10 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-distribuce-kompresní- formát 11 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-distribuce-balíčkovací- formát

Zobrazení v NKOD na úrovni distribuce datové sady bude rozšířeno následujícím způsobem:

Hierarchie datových sad a datové sady bez distribucí Analýza Nové verze standardů umožňují reprezentovat vztah mezi datovými sadami, jako například že datová sada je součástí série datových sad. Tuto funkcionalitu požadují na základě zpětné vazby i poskytovatelé otevřených dat v ČR. Konkrétně se jedná o implementaci položky datové sady “je součástí”12. S tímto souvisí i přidání možnosti registrace datové sady bez distribucí, jelikož zastřešující sada datové série žádné distribuce nemá. Návrh O příslušné položky bude rozšířena pipeline v LinkedPipes ETL zajišťující harverstaci lokálních katalogů a přípravu dat NKOD.

12 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-datová-sada-je-součástí

7 Formulář pro zadávání metadat datových sad nebude rozšířen, protože tuto pokročilou metadatovou konstrukci lze rozumně podporovat pouze tam, kde je implementován Lokální katalog otevřených dat. Zobrazení v NKOD na úrovni konkrétní datové sady v hierarchii bude rozšířeno následujícím způsobem:

Pro zastřešující datovou sadu datové série pak na místě distribucí datové sady bude seznam datových sad v sérii takto:

Podpora více témat datových sad Analýza Aktuálně umí NKOD klasifikovat datovou sadu právě jedním tématem z evropského číselníku datových témat13. Na základě zpětné vazby poskytovatelů je potřeba začít podporovat klasifikaci více tématy z tohoto číselníku, stejně tak tématy z jiných, uživatelských číselníků. Toto je v souladu s DCAT 2 a DCAT-AP 2.0.1. Návrh O vícenásobnost položky bude rozšířena pipeline v LinkedPipes ETL zajišťující harverstaci lokálních katalogů a přípravu dat NKOD. Bude rozšířen formulář pro zadávání metadat datových sad následujícím způsobem:

Zobrazení v NKOD na úrovni datové sady bude rozšířeno následujícím způsobem:

13 https://op.europa.eu/cs/web/eu-vocabularies/dataset/- /resource?uri=http://publications.europa.eu/resource/dataset/data-theme

Podpora více položek územního pokrytí Analýza Nyní lze datové sadě přidat právě jeden územní prvek RÚIAN jakožto územní pokrytí. Na základě zpětné vazby od poskytovatelů a kvůli kompatibilitě s DCAT-AP je třeba toto rozšířit o další položky územního pokrytí, například pro datové sady s pokrytím mimo ČR. Toto zahrnuje práci s 3 dalšími EU číselníky pro území (stát, kontinent, místo), které jsou povinné v DCAT-AP 2.0.1. Návrh O příslušné položky bude rozšířena pipeline v LinkedPipes ETL zajišťující harverstaci lokálních katalogů a přípravu dat NKOD. Bude rozšířen formulář pro zadávání metadat datových sad následujícím způsobem:

A bude přidán dialog pro zadávání položek z jednotlivých číselníků:

9 Zobrazení v NKOD na úrovni datové sady bude rozšířeno následujícím způsobem:

Podpora vícejazyčných metadat Analýza Na základě požadavků z řad poskytovatelů dat je třeba zajistit, aby NKOD uměl pracovat s vícejazyčnými metadaty. Tedy všechny položky, které mají povahu volného textu, bude třeba umět ve formulářích zadávat česky i anglicky, tato data umět zpracovávat a zobrazovat v uživatelském rozhraní. To zahrnuje název datové sady14, popis datové sady15, klíčová slova16, název distribuce17 a název datové služby18. Návrh O vícejazyčnost textových položek bude rozšířena pipeline v LinkedPipes ETL zajišťující harverstaci lokálních katalogů a přípravu dat NKOD. Bude rozšířen formulář pro zadávání metadat datových sad následujícím způsobem pro všechny textové položky:

Zobrazení v NKOD na úrovni datové sady bude řešeno společně s přepínáním jazyka celého uživatelského rozhraní. Tedy v anglickém uživatelském rozhraní budou primárně zobrazována anglická metadata, v českém zase česká. V případě chybějící jazykové verze bude zobrazena ta, která je v metadatech přítomna.

14 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-datová-sada-název 15 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-datová-sada-popis 16 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-datová-sada-klíčová- slova 17 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-distribuce-název 18 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-datová-služba-název

10 Podpora odkazování datové sady na Otevřené formální normy, podle kterých je publikována Analýza Aktuálně v NKOD není možnost u datové sady říci, dle kterých OFN je publikována, což znemožňuje jejich vyhledání právě dle implementované OFN. Je třeba tento vztah umožnit do NKOD zavést, a v NKOD ho umět zobrazit. Ve standardu DCAT-AP pro to již existuje použitelná položka, “odkaz na specifikaci”19. Návrh O příslušné položky bude rozšířena pipeline v LinkedPipes ETL zajišťující harverstaci lokálních katalogů a přípravu dat NKOD. Bude rozšířen formulář pro zadávání metadat datových sad následujícím způsobem:

Zobrazení v NKOD na úrovni datové sady bude rozšířeno následujícím způsobem:

Přehledová tabulka úprav NKOD dle změn v DCAT-AP V této tabulce jsou změny požadované na základě DCAT-AP 2.0.1 a jejich promítnutí do implementace NKOD.

19 https://ofn.gov.cz/rozhraní-katalogů-otevřených-dat/2021-01-11/#položky-datová-sada-specifikace

Změna Její implementace Změna verze z 1.2.1 na 2.0.1 Data indikující použitou verzi DCAT-AP nyní obsahují novou verzi. Podpora pro datové služby Zapracováno do transformačních pipeline, formuláře i zobrazení v NKOD. Nové položky metadatového záznamu Zapracováno do transformačních pipeline, formuláře i zobrazení v NKOD. Hierarchie datových sad Zapracována do transformačních pipeline a zobrazení v NKOD. Více témat datových sad Zapracována do transformačních pipeline, formuláře i zobrazení v NKOD. Více položek územního pokrytí, včetně povinných evropských číselníků Zapracována do transformačních pipeline, formuláře i zobrazení v NKOD.

Navrhované navazující aktivity MV ČR Vzhledem k tomu, že zmiňované standardy, na kterých je NKOD postaven, se neustále vyvíjí, doporučujeme Ministerstvu vnitra nadále sledovat jejich vývoj. Aktuálně se pracuje na
standardu DCAT - Version 320 a současně se pracuje na evropském doporučení DCAT-AP (2.1.0) v komunitě SEMIC21, na které budou navazovat práce s jeho adaptací právě na DCAT - Version 3. Tyto změny si pravděpodobně vyžádají adaptaci OFN Rozhraní katalogů otevřených dat: DCAT-AP-CZ a následné úpravy implementace v NKOD. Přílohy V přílohách jsou zdrojové kódy použitého open-source software a prototyp upraveného NKOD formou dokumentace a datových transformačních procesů pro nástroj LinkedPipes ETL. Použitý open-source software

LinkedPipes ETL (fork v https://github.com/opendata-mvcr/etl) ○ soubor etl-develop.zip
LinkedPipes DCAT-AP Viewer (fork v https://github.com/opendata-mvcr/dcat-ap- viewer) ○ soubor dcat-ap-viewer-develop.zip

20 https://www.w3.org/TR/vocab-dcat-3/ 21 https://joinup.ec.europa.eu/collection/semantic-interoperability-community-semic

12 3. LinkedPipes DCAT-AP Forms (fork v https://github.com/opendata-mvcr/dcat-ap- forms) ○ soubor dcat-ap-forms-develop.zip Prototyp upraveného národního katalogu otevřených dat

https://github.com/opendata-mvcr/nkod ○ soubor nkod-master.zip