1. La difusión estadística
y la apertura de datos
un viaje de ida y vuelta
Xavier Badosa
Instituto de Estadística de Cataluña
Sevilla, 22 de junio del 2012
Máster en Estadística Pública
Universidad de Sevilla

2. 1980: El escritorio dentro del ordenador

3. 1950: El escritorio es el ordenador

5. 1
De la apertura de datos
a la estadística

6. #opendata

7. #opendata

10. #opendata

11. “uno de los más grandes subproductos
de la revolución digital”
#opendata
“un activo económico”
“la nueva materia prima
del Siglo XXI”

12. o
¿data?

13. “X reside en Barcelona”
atributo
o
¿data?
“X ha visto un vídeo de Hans Rosling”
acto

14. “X reside en Barcelona”
atributo
si lo registro es un o
data
“X ha visto un vídeo de Hans Rosling”
acto

15. o
data

16. o
data

17. 4.000 millones
de vídeos vistos
diariamente

18. 4.000 millones
de vídeos vistos
diariamente

19. o

20. Siempre digo que el trabajo “sexy”
en los próximos 10 años será el de
estadístico. La gente piensa que
bromeo, pero ¿quién se habría
imaginado que el de ingeniero
informático sería el trabajo “sexy”
de los 90?

23. #opendata

29. OpenRegs.com

36. Citywide Data Warehouse
http://data.octo.dc.gov

38. http://www.freeourdata.org.uk

39. http://www.showusabetterway.com

40. Jo Walsh & Rufus Pollock
Open Knowledge Foundation

41. Ley de Linus
Dado un número
suficientemente elevado
de ojos, todos los errores
se convierten en obvios.
Eric Steven Raymond
La catedral y el bazar

43. El gobierno como plataforma

44. infomediarios
(al por mayor)
Administración

45. Poniendo datos gubernamentales en
línea en formatos universalmente
accesibles para
permitir que los ciudadanos los
usen para comentarlos, derivar valor y
actuar en sus propias comunidades
Senator Barack Obama
Mountain View,
14 Nov 2007

47. 8 principios de
open government data
http://www.opengovdata.org

48. 1
completos
Deben ofrecerse todos los datos públicos. Datos
públicos son aquellos que no están sujetos a
limitaciones legítimas por razones de privacidad,
seguridad o privilegios.

49. 2
primarios
Los datos son los que se recogieron en la fuente
original, con el máximo nivel de granularidad, no
de forma agregada o modificada.

50. 3
puntuales
Los datos son ofrecidos tan pronto como sea
necesario para preservar su valor.

51. 4
accesibles
Los datos son ofrecidos al más amplio rango de
usuarios para el más amplio rango de fines.

52. 5
procesables por máquinas
Los datos están razonablemente estructurados
para permitir el procesamiento automatizado.

53. 6
no discriminatorios
Los datos se ofrecen a cualquiera, sin requisitos
de registro.

54. 7
no propietarios
Los datos son ofrecidos en un formato sobre el
cual ninguna entidad tiene un control exclusivo.

55. 8
libres de licencia
Los datos no están sujetos a ningún copyright,
patente, marca registrada o regulación de
secreto comercial. Pueden admitirse restricciones
razonables por motivos de privacidad, seguridad y
privilegio.

56. 8 principios de
open government data
http://www.opengovdata.org

57. #opengovdata
open government data
http://www.opengovdata.org

58. “datos del gobierno abierto”
#opengovdata
“(open government) data”

59. “datos abiertos del gobierno”
#opengovdata
“open (government data)”

60. opendata
opengov
#opengovdata

61. opendata
The New Ambiguity of
“Open Government”
opengov
Harlan Yu y David G. Robinson
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2012489

62. opendata
opengov

63. opendata
Reutilización
opengov
Transparencia

64. opendata
Reutilización
Eficiencia
económica
opengov
Transparencia
Salud
democrática

65. opendata
Reutilización
Eficiencia
económica
opengov
Transparencia
Salud
democrática

66. opendata
Reutilización
opengov
Transparencia

68. 5 procesables por máquinas
Los datos están razonablemente estructurados para permitir el
procesamiento automatizado.
Formato
7 no propietarios
Los datos son ofrecidos en un formato sobre el cual ninguna entidad tiene
un control exclusivo.
Licencia
8 libres de licencia
Los datos no están sujetos a ningún copyright, patente, marca registrada o
regulación de secreto comercial.

69. 5 procesables por máquinas
Los datos están razonablemente estructurados para permitir el
procesamiento automatizado.
Formato
Formato
7 no propietarios
Los datos son ofrecidos en un formato sobre el cual ninguna entidad tiene
un control exclusivo.
Licencia
Licencia
8 libres de licencia
Los datos no están sujetos a ningún copyright, patente, marca registrada o
regulación de secreto comercial.

70. 5 Formato
La visión
7 del
W3C
Licencia
8 Tim Berners-Lee
Director of the W3C

71. en el que los ordenadores son capaces de analizar todos
los datos de la Web –el contenido, los enlaces, las
transacciones entre personas y ordenadores–. La
“Web Semántica”, que debería hacer esto posible, aún
ha de surgir, pero cuando lo haga, los mecanismos
diarios del comercio, de la burocracia y de nuestras vidas
serán manejados por máquinas hablando con máquinas.
Tim Berners-Lee
Director of the W3C, 1999

74. ★ En la WWW (en cualquier formato), con licencia abierta
★★ Datos estructurados procesables por máquinas (p.e. Excel)
★★ ★ Formato no propietario (p.e. CSV)
sujeto
cosas
★★ ★★ Formato RDF predicado
direcciones
objeto
★★ ★★★ Enlazados con otros datos

75. ★ En la WWW (en cualquier formato), con licencia abierta
★★ Datos estructurados procesables por máquinas (p.e. Excel)
★★ ★ Formato no propietario (p.e. CSV)
sujeto
cosas
★★ ★★ Formato RDF predicado
direcciones
objeto
★★ ★★★ Enlazados con otros datos

77. @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix dc: <http://purl.org/dc/elements/1.1/> .
@prefix dcterms: <http://purl.org/dc/terms/> .
@prefix geo: <http://www.w3.org/2003/01/geo/wgs84_pos#> .
@prefix census: <tag:govshare.info,2005:rdf/census/> .
@prefix usgovt: <tag:govshare.info,2005:rdf/usgovt/> .
<http://www.rdfabout.com/rdf/usgov/geo/us/ny>
rdf:type usgovt:State ;
usgovt:censusStateCode "21" ;
usgovt:fipsStateCode "36" ;
usgovt:uspsStateCode "NY" ;
dc:title "New York" ;
dcterms:isPartOf <http://www.rdfabout.com/rdf/usgov/geo/us> ;
geo:lat 42.155127 ;
geo:long -75.164667 ;
census:population 18976457 ;
census:households 7679307 ;
census:landArea "122283145776 m^2" ;
census:waterArea "19016249880 m^2" ;
census:details
<http://www.rdfabout.com/rdf/usgov/geo/us/ny/censustables> .

78. @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix dc: <http://purl.org/dc/elements/1.1/> .
@prefix dcterms: <http://purl.org/dc/terms/> .
@prefix geo: <http://www.w3.org/2003/01/geo/wgs84_pos#> .
@prefix census: <tag:govshare.info,2005:rdf/census/> .
@prefix usgovt: <tag:govshare.info,2005:rdf/usgovt/> .
<http://www.rdfabout.com/rdf/usgov/geo/us/ny>
rdf:type usgovt:State ;
usgovt:censusStateCode "21" ;
usgovt:fipsStateCode "36" ;
usgovt:uspsStateCode "NY" ;
dc:title "New York" ;
dcterms:isPartOf <http://www.rdfabout.com/rdf/usgov/geo/us> ;
geo:lat 42.155127 ;
geo:long -75.164667 ;
census:population 18976457 ;
census:households 7679307 ;
census:landArea "122283145776 m^2" ;
census:waterArea "19016249880 m^2" ;
census:details
<http://www.rdfabout.com/rdf/usgov/geo/us/ny/censustables> .

85. Statistical “Cube” Data. Este grupo producirá un
vocabulario, compatible con SDMX, para expresar
algunos tipos de datos estadísticos. Éste no es
preciso que sea tan expresivo como todo el SDMX,
sino que puede proporcionar un subconjunto, como en el RDF Data
Cube Vocabulary.

86. 5 procesables por máquinas
Los datos están razonablemente estructurados para permitir el
procesamiento automatizado.
Formato
Formato
7 no propietarios
Los datos son ofrecidos en un formato sobre el cual ninguna entidad tiene
un control exclusivo.
Licencia
Licencia
8 libres de licencia
Los datos no están sujetos a ningún copyright, patente, marca registrada o
regulación de secreto comercial.

87. Licencia
8 libres de licencia
Los datos no están sujetos a ningún copyright, patente, marca registrada o
regulación de secreto comercial.

89. participar (comunidad): Comunicación
colaborar, compartir digital
¿©?
All rights reserved?
¿Todos los derechos reservados?
Algunos derechos reservados
Creative Commons (CC)
creativecommons.org, es.creativecommons.org
“Share, reuse, and remix — legally”

90. Jeremy Keith

93. Remezcla obras
(propiedad intelectual)

94. Remezcla obras
(propiedad intelectual)
no datos

95. Muchas de las licencias ampliamente reconocidas ni están
destinadas ni son adecuadas para ser aplicadas a datos o a
colecciones de datos. Aquí se describen un abanico de renuncias
y licencias que se han diseñado y adecuado al tratamiento de los
datos. Las licencias de Creative Commons (excepto de CCZero),
la GFDL, la GPL, la BSD… NO son adecuadas para los datos y se
desaconseja DECIDIDAMENTE su uso.

96. ¿Es válida en Europa?

103. Modelo
formatos
catálogo
temas

140. ¿Aumento del quantum de datos abiertos?

145. sells

148. ¿Aumento del quantum de datos abiertos?
Laxitud del concepto “conjunto de datos”

151. ¿Aumento del quantum de datos abiertos?
Laxitud del concepto “conjunto de datos”
No todos los datos incluidos son “abiertos”
(en el sentido de los 8 principios, sí según W3C)

154. ¿Aumento del quantum de datos abiertos?
Laxitud del concepto “conjunto de datos”
No todos los datos incluidos son “abiertos”
(en el sentido de los 8 principios)
Licencias no siempre adecuadas

157. ¿Aumento del quantum de datos abiertos?
Laxitud del concepto “conjunto de datos”
No todos los datos incluidos son “abiertos”
(en el sentido de los 8 principios)
Licencias no siempre adecuadas
Un modelo basado sobre todo en descargas

158. infomediarios
(al por mayor)
Administración

159. automatizar el tratamiento de la información
pero también el acceso
(al por mayor)
Administración

160. ¿Aumento del quantum de datos abiertos?
Laxitud del concepto “conjunto de datos”
No todos los datos incluidos son “abiertos”
(en el sentido de los 8 principios)
Licencias no siempre adecuadas
Un modelo basado sobre todo en descargas
¿Escalabilidad?

161. dataset
dataset
dataset dataset
dataset
dataset dataset
dataset
catálogo dataset
dataset dataset
dataset
dataset
dataset
dataset dataset
dataset

162. dataset
dataset
dataset dataset
dataset
dataset dataset
dataset
catálogo dataset
dataset dataset
dataset
dataset
dataset
dataset dataset
dataset

163. catálogo catálogo
catálogo
catálogo
catálogo
catálogo
catálogo catálogo
catálogo
catálogo
catálogo
catálogo

168. http://spec.datacatalogs.org/

169. ¿Balance?

172. Los catálogos de datos abiertos
y las oficinas estadísticas

173. Principal proveedor
y las oficinas estadísticas

174. Ley 4/1989,
de 12 de
Principal proveedor
y las oficinas estadísticas
diciembre,
de Estadística
de la Comunidad Autónoma de Andalucía
(Artículo 30. Competencias y funciones)
f. Crear, mantener y gestionar bases de datos de
interés estadístico para la Comunidad
Autónoma.
k. Difundir los resultados estadísticos obtenidos
por el Instituto.

175. Ley 4/1989,
Consultables libremente
de 12 de
diciembre,
+ descargables
de Estadística
de la Comunidad Autónoma de Andalucía
en un formato abierto
(Artículo 30. Competencias y funciones)
(¿5 estrellas W3C: RDF Data Cube Vocabulary?)
f. Crear, mantener y gestionar bases de datos de
interés estadístico para la Comunidad
Autónoma.
k. Difundir los resultados estadísticos obtenidos
por el Instituto.

178. P O
C P
E - E
X A N
C X C D
E I S O
L S V C

179. P
C
-
H A H
T X C T
M I SM
L S V L

181. Ley 4/1989,
Consultables libremente
de 12 de
diciembre,
+ descargables
de Estadística
de la Comunidad Autónoma de Andalucía
en un formato abierto
(Artículo 30. Competencias y funciones)
(W3C: RDF Data Cube)
f. Crear, mantener y gestionar bases de datos de
No sólo tablas de resultados
interés estadístico para la Comunidad
Autónoma.
k. Difundir los resultados estadísticos obtenidos
por el Instituto.

183. 2
De la estadística
a la apertura de datos

184. ESTADÍSTICA
PTOLEMAICA

185. ESTADÍSTICA
Gobierno
PTOLEMAICA

187. ¿Cliente?
El Gobierno

188. ¿Cliente?
El Gobierno, los partido políticos, la prensa,
las universidades, los centros de investigación,
las empresas de investigación de mercado...

191. I.
II.
III.

192. I. Un medio controlado por el usuario
II.
III.

193. Producción Distribución Consumo

194. Producción Distribución Consumo

195. Producción Distribución Consumo

196. Producción Distribución Prosumidor

197. Producción Distribución Prosumidor
públicos datos brutos

198. I. Un medio controlado por el usuario
II. Una red de intermediarios
III.

199. Larry Page & Sergey Brin

200. Search Engine Optimization
Larry Page & Sergey Brin

201. Larry Page & Sergey Brin

202. usuarios directos
usuarios finales
Larry Page & Sergey Brin

203. I. Un medio controlado por el usuario
II. Una red de intermediarios
III. Un entorno diverso

205. Andrew Savikas

207. AR
http://www.youtube.com/watch?v=U2uH-jrsSxs

208. AR

209. I. Un medio controlado por el usuario
II. Una red de intermediarios
III. Un entorno diverso

219. ?

220. Conjunto de métodos
que permiten a los
programas de terceros
solicitar los datos
que necesiten

221. Para humanos

222. Para humanos (desnudos)

223. Para humanos (desnudos)
(accedida y leída por humanos)

224. Para humanos (desnudos)
(accedida y leída por humanos)

225. Para humanos con máquinas
(accedida por humanos,
pero leída por máquinas)
Para humanos (desnudos)
(accedida y leída por humanos)

226. Para máquinas
construidas por humanos

227. Para máquinas
construidas por humanos
(accedida y leída por máquinas)

228. APIs

229. APIs = libertad

230. del sitio web original
para externalizar
APIs = libertad

233. http://www.statsilk.com/maps/statplanet-world-bank-open-data

234. del sitio web original
para externalizar
para mezclar
APIs = libertad

235. http://twittervision.com

236. http://trendsmap.com

237. del sitio web original del navegador
para externalizar para mejorarlo
para mezclar
APIs = libertad

239. del sitio web original del navegador
para externalizar para mejorarlo
para mezclar para evitarlo
APIs = libertad

245. How I stopped worrying about my
website and learned to love the whole
Internet
Matt McAlister
Director of Digital Strategy
Guardian Media Group

260. De la estadística
como producto
ciudadanos empresas
infomediarios
a la estadística como infraestructura

261. De la estadística
como producto
construir
la infraestructura estadística
de la sociedad
a la estadística como infraestructura

262. “Apps” de
propósito general
estadística como plataforma “S.O.”

263. “Apps” de
propósito general
“Apps” de terceros
que resuelven
necesidades específicas
estadística como plataforma “S.O.”

264. Métrica de éxito

265. Modelo de negocio Métrica de éxito

266. Modelo de negocio Métrica de éxito

267. No operamos en el
mercado de ojos
Modelo de negocio Métrica de éxito

268. No operamos en el
mercado de ojos
sino en el de la
referencia
Modelo de negocio Métrica de éxito

269. máxima exposición
y alcance de los datos
referencia

270. máxima exposición
y alcance de los datos
preservación de
la exactitud
referencia

271. máxima exposición
y alcance de los datos
preservación de
la exactitud
referencia reconocimiento de
la marca

279. Estadística
en la nube

290. Estadística
ubicua

291. Gracias

292. Diapositiva 1: Wonder Wheel por Paulo Carrillo (CC BY-NC-SA)
Diapositiva 3 y ss: UNIVAC por Xavier Badosa (CC BY)
Diapositiva 18 y ss: Cubierta del libro Big Data Glossary de O’Reilly Media
Diapositiva 22: Cubierta de la revista Science
Diapositva 42: Cubierta de dos ediciones de Here Comes Everybody (Penguin)
Diapositiva 43: Máquina expendedora por Dominic Alves (CC BY)
Diapositiva 43: Carretera por Niamor83 (CC BY-NC-SA)
Diapositiva 45: Calle Google en Mountain View por Xavier Badosa (CC BY)
Diapositiva 71: “I have a dream” por Lushbunny (CC BY-NC-ND)
Diapositiva 72: Linked data por Richard Cyganiak (CC BY-NC)
Diapositiva 88: DJ por Xavier Badosa (CC BY)
Diapositiva 90: Andy en el Vehicle Assemply Building de Cabo Cañaveral por Jeremy Keith (CC BY)
Diapositiva 91: The Iron Man © Marvel Studios, Fairview Entertainment y Paramount Pictures
Diapositiva 120: Diapositiva presentada en Share-PSI workshop 2011 por Richard Swetenham de
la Comisión Europea
Diapositiva 184 y ss: El sistema ptolemaico por Johannes van Loon (en el dominio público)
Diapositiva 186: Tipos móviles por Willi Heidelbach (CC BY-SA)
Diapositiva 187 y ss: Períodicos por ShironekoEuro (CC BY)
Diapositiva 187 y ss: Tractatus Georgii Peurbachii super propositiones Ptolemaei de sinubus &
chordis (1541 ed.) by Georg von Peurbach & Joannes Regiomontanus, © Mark Richards
Diapositiva 189 y ss: Ceros y unos por Josh Bancroft (CC BY-NC)

293. Diapositiva 190: Página web de Mosaic en 1993 © Board of Trustees of the University of Illinois
Diapositiva 199: Larry Page & Sergey Brin, autor desconocido (fotografía oficial de Google)
Diapositiva 204: PC por Boffy b (CC BY-SA)
Diapositiva 204: PSP por Dan Taylor (CC BY)
Diapositiva 205 y ss: Uomo Vitruviano por Leonardo da Vinci (en el dominio público)
Diapositiva 213 y ss: Botella por Prizmatic (CC BY-NC)
Diapositiva 215 y ss: Espermatozoides por autor desconocido
Diapositiva 222 y ss: Homo erectus tomado de recursos.cnice.mec.es donde no constaba autor.
Diapositiva 225: Homo sapiens neanderthalis tomado de vanedf11.blogspot.com donde no
constaba autor.
Diapositiva 226: Asimo por AZAdam (CC BY-SA)
Diapositiva 245: Imagen de la película Dr. Strangelove or: How I Learned to Stop Worrying
and Love the Bomb de Stanley Kubrick © Columbia Pictures
Diapositiva 260 y ss: Desierto de Mohave por Xavier Badosa (CC BY)
Diapositiva 264 y ss: Diana por Jacob Vance (CC BY-NC)
Diapositiva 265 y ss: Dólares por Daniel Borman (CC BY)
Diapositiva 266: Ojo de Mick ㋡rlosky (CC BY-NC)
Diapositiva 279: Nubes por Xavier Badosa (CC BY)
Diapositiva 290: Planeta Tierra por la NASA (en el dominio público)