As trinta e cinco boas práticas da recomendação DWBP são frutos de um trabalho minucioso de coleta e análise de casos de usos de dados na web.

Até o início dos anos 2000, o compartilhamento na web era essencialmente de textos, e as tecnologias web eram focadas, portanto, no desenvolvimento da web de documentos, de modo a interligar documentos através de links de hipertexto. Embora a web de documentos ainda exista, a crescente disponibilização de dados na web deu origem à web de dados ou web semântica, que é a atribuição semântica – isto é, de significados – aos dados e recursos disponibilizados na web, interligando-os com o uso de tecnologias web; dessa forma, a web semântica possibilitaria que máquinas compreendessem recursos e dados disponíveis na web.

Dado o contexto de disponibilização e compartilhamento de dados abertos, caracterizado pela carência de padrões e documentação oficial – que levava a dificuldades como comparação de dados abertos com outras fontes, termos de uso conflitantes, impossibilidade de agregar e/ou limpar bases e insegurança com relação à fidedignidade e origem do dado, foi criado, em dezembro de 2013, o Grupo de Trabalho Boas Práticas para Dados na Web (do inglês Data on the Web Best Practice Working Group – DWBP WG) do W3C, dentro da área Data Activity. O grupo de trabalho tinha como missão desenvolver o ecossistema de dados abertos, facilitando uma melhor comunicação entre desenvolvedores e editores, fornecer orientação àqueles que trabalham publicando e/ou utilizando dados para contribuir com a consistência na gestão dos dados, promovendo, assim, sua reutilização, fomentar a confiança nos dados entre os desenvolvedores, independentemente da tecnologia que escolherem usar, aumentando o potencial de inovação.

Após alguns anos de estudo e imersão se debruçando sobre o desafio de contribuir para um entendimento entre produtores e consumidores de dados para alcançar a missão do grupo de trabalho – processo registrado em diversos documentos tais como as versões da recomendação, casos de uso e requisitos das boas práticas para dados na web, vocabulários como qualidade de dados e uso de dados e outros documentos que podem ser encontrados na página do grupo de trabalho – em 2017 foi publicada a recomendação Data on the Web Best Practices (DWBP).

Contemplando o processo de reflexão e discussão em torno da publicação de dados na web, o documento DWBP traz trinta e cinco boas práticas “que estende classificações como o esquema de cinco estrelas dos dados abertos e os princípios dos dados abertos governamentais, ao trazer práticas em um cenário mais amplo, baseada em padrões já estabelecidos na web para a recuperação de informações”.

Assim, as boas práticas presentes na recomendação DWBP foram desenvolvidas com o objetivo de estimular e possibilitar a expansão da web como um ambiente para a troca de dados. Com a finalidade de que publicadores e consumidores de dados se beneficiem ao máximo da arquitetura web – conjunto de tecnologias que entrelaçadas sustentam a web – no contexto de publicação de dados na web, o documento visa alcançar seu objetivo melhorando a comunicação entre publicadores e consumidores de dados.

Por publicadores (ou produtores de dados) de dados entende-se pessoa ou grupo responsável por gerar e manter dados, que tem como expectativa compartilhar dados abertamente ou de maneira controlada. E por consumidores de dados, pessoa ou grupo que objetiva acessar, usar e também realizar etapas de pós-processamento dos dados. “A combinação dessas expectativas faz com que seja fundamental um alinhamento entre os publicadores e os consumidores de dados. Sem tal concordância, os esforços dos publicadores podem tornar-se incompatíveis com os desejos dos consumidores de dados”.

Ciclo de Vida dos Dados na Web

Para melhor compreender os desafios, resultados pretendidos e boas práticas indicadas na recomendação DWBP, é importante compreender o ciclo de vida dos dados na web. O ciclo contempla uma estrutura básica circular que facilita contextualizar momentos e características do caminho que o dado percorre na Web.

Inicia-se com a preparação dos dados a serem publicados, o que contempla desde o momento do surgimento da intenção de publicar até a seleção dos dados. Esse é o momento para considerar a segurança, a sensibilidade comercial e, acima de tudo, a privacidade dos indivíduos e, portanto, a proteção de dados pessoais. Na sequência, a criação dos dados diz respeito à elaboração do conjunto de dados: extração dos dados a partir de suas respectivas fontes e transformação/adaptação deles para o formato adequado de publicação na web; nesta fase está presente a criação de metadados – isto é, dados sobre o(s) próprio(s) conjunto(s) de dados disponibilizado(s).

A fase avaliação está relacionada à avaliação dos dados antes da sua publicação, a fim de detectar inconsistências ou erros, bem como apontar possíveis fronteiras de sensibilidade nas quais os dados podem esbarrar. Nesta fase, o caráter cíclico desse esquema faz-se presente: a depender da avaliação, adaptações são necessárias, o que corresponde a uma revisita ao momento de criação da base de dados, para, num segundo momento, voltar à avaliação.

Na fase de publicação os dados são disponibilizados na web, o que pode ser feito por meio de ferramentas de catalogação de dados, como a rede abrangente de arquivamento de conhecimento (do inglês Comprehensive Knowledge Archive Network – CKAN), ou através de interfaces de programação de aplicativos (do inglês Application Programming Interface, APIs).

Após esse processo, os dados estarão disponíveis para serem acessados pelos consumidores, que poderão utilizá-los agregando valor, construindo novos dados, visualizações, aplicações que permitem o cruzamento e a realização de análises sobre os dados, dentre outras possibilidades.

Uma vez consumidos os dados, os consumidores retornam comentários sobre os dados em si e também sobre todos os outros elementos do processo: metadados, acesso, e uso dos dados. Esta fase é chamada de feedback e é fundamental para garantir melhorias e correções nos dados e identificar novos dados relevantes a serem publicados.

Por fim, o refinamento encerra a circularidade do ciclo de vida dos dados na web. Compreendendo todas as atividades relacionadas à manutenção, inclusão e atualização dos dados publicados, essa fase tem como insumo o feedback dos usuários e a periodicidade de atualização dos dados. Esse processo de refinamento abre precedentes para a criação de novos conjuntos de dados, para serem avaliados e posteriormente publicados, dando continuidade ao ciclo de vida.

Ressalta-se que, embora seja ideal começar a publicação de dados na web com a preparação dos dados, nem sempre isso é possível. Assim, há dados que já foram publicados e que não passaram pelo processo de preparação, mas isso não impede de contemplar o ciclo de vida e, se necessário, revisitar as etapas. O ciclo serve, portanto, como base para facilitar o entendimento dos publicadores de dados sobre as etapas idealmente a serem seguidas.

As Boas Práticas

As trinta e cinco boas práticas da recomendação DWBP apresentadas na tabela são frutos de um trabalho minucioso de coleta e análise de casos de usos de dados na web, sintetizado no documento casos de uso e requisitos das boas práticas para dados na web. Cada caso de uso fornece uma descrição sobre a experiência de publicação e uso de dados na web, abordam diferentes domínios e ilustram alguns dos principais desafios enfrentados pelos publicadores e consumidores de dados. Foi a partir deste estudo de casos de uso e requisitos que se deu o levantamento dos desafios, que também são apresentados na tabela abaixo.

Dimensão	Desafio	Boas Práticas
Metadados	Como eu forneço metadados para pessoas e máquinas?	(BP 1) Fornecer metadados
		(BP 2) Fornecer metadados descritivos
		(BP 3) Fornecer metadados estruturais
Licença dos dados	Como eu permito e restrinjo o acesso?	(BP 4) Fornecer informações de licenciamento de dados
Procedência e qualidade	Como posso agregar confiança ao dado?	(BP 5) Fornecer informações sobre a proveniência dos dados
		(BP 6) Fornecer informações sobre a qualidade dos dados
Versionamento dos dados	Como posso rastrear versões e histórico de versões?	(BP 7) Fornecer um indicador de versão
		(BP 8) Fornecer histórico de versão
Identificação dos dados	Como posso identificar conjunto	(BP 9) Utilizar URIs constantes como identificadores de conjuntos de dados
	de dados e distribuições?	(BP 10) Utilizar URIs constantes como identificadores dentro dos conjuntos de dados
		(BP 11) Designar URIs para versões e séries de conjuntos de dados
Formato dos dados	Quais formatos de dados devo usar?	(BP 12) Utilizar formatos de dados padronizados inteligíveis por máquinas
		(BP 13) Utilizar representações de dados de localidade neutra
		(BP 14) Fornecer dados em formatos múltiplos
Vocabulário dos dados	Como posso melhorar a interoperabilidade do dado?	(BP 15) Reutilizar vocabulários preferencialmente padronizados
		(BP 16) Escolher o nível correto de formalização
Acesso dos dados	Como posso garantir acesso ao dado?	(BP 17) Fornecer download em massa
		(BP 18) Fornecer subconjuntos para conjuntos de dados extensos
		(BP 19) Utilizar a negociação de conteúdo para disponibilizar dados em formatos múltiplos
		(BP 20) Fornecer acesso em tempo real
		(BP 21) Fornecer dados atualizados
		(BP 22) Fornecer uma justificativa para dados não disponíveis
		(BP 23) Disponibilizar dados por meio de uma API
		(BP 24) Utilizar pdrões da Web como base para as APIs
		(BP 25) Fornecer a documentação completa para sua API
		(BP 26) Evitar modificações que quebrem sua API
Preservação dos dados	Como o dado pode ser arquivado e armazenado?	(BP 27) Preservar os identificadores
		(BP 28) Avaliar a cobertura do conjunto de dados
Feedback	Como posso engajar os	(BP 29) Coletar feedback de consumidores de dados
	usuários?	(BP 30) Disponibilizar feedback
Enriquecimento dos dados	Como posso agregar valor ao dado?	(BP 31) Enriquecer dados por meio da geração de novos dados
		(BP 32) Fornecer apresentações complementares
Republicação de dados	Como posso utilizar e republicar o dado de forma responsável?	(BP 33) Fornecer feedback ao editor original
		(BP 34) Seguir os termos de licenciamento
		(BP 35) Citar a publicação original

A tabela apresenta as dimensões das boas práticas, diretamente relacionadas com o desafio, e sumariza cada uma das BPs. Os desafios por sua vez, colocados em forma de pergunta a fim de deixar mais claro o que se busca com sua superação, perpassam uma ou mais fases do ciclo de vida dos dados na web.

O conjunto de BPs relacionadas aos metadados corresponde ao registro e indicação do que se trata o conjunto de dados disponibilizado. Essas BPs estão diretamente relacionadas à fase de preparação e de criação do conjunto de dados, mas não se restringe apenas a este momento. A disponibilização de metadados, bem como sua atualização, faz-se presente em quase todas as outras fases do ciclo de vida: Avaliação, Publicação e Refinamento.

A BP 4, única da dimensão licença de dados, se faz presente sobretudo nas fases de preparação e criação, mas também exige atenção nas de avaliação e publicação. Na fase de publicação, além da licença de dados, outras dimensões às quais o publicador deve ater-se são: Procedência e Qualidade, Versionamento, Identificação, Formato, Vocabulário e Acesso dos dados. Em termos gerais as BPs sempre indicam a disponibilização de uma pluralidade de opções para os consumidores, quer seja de formato do dado, ou da forma de acesso e de identificação.

O grupo de BPs da dimensão feedback se aplica na fase de mesmo nome do ciclo. Já as vinculadas à preservação e republicação de dados estão relacionadas com a fase de Refinamento, que é o elo final do encadeamento de ações do ciclo de vida. Estas dimensões têm todas boas práticas relacionadas ao benefício confiança, que será exposto adiante.

A dimensão enriquecimento dos dados relaciona-se com a fase de Consumo de dados do ciclo de vida. É importante ressaltar que todas as dimensões têm sua realização concretizada na medida em que o consumidor de dados se beneficia das mesmas, assim, os benefícios das BPs também se relacionam com a fase do consumo de dados.

Os Benefícios das Boas Práticas

Com o objetivo de incentivar os publicadores de dados a adotarem as boas práticas para publicação de dados na web, o grupo de trabalho responsável por sua criação elencou oito benefícios que podem ser alcançados a partir de suas aplicações. Para além do benefício geral de padronização da publicação de dados, que constrói uma ponte entre aqueles que publicam e consomem os dados, a aplicação das BPs tem benefícios específicos.

Os benefícios das BPs são: compreensão: pessoas terão um melhor entendimento sobre a estrutura dos dados, seu significado, conteúdo, metadados e a natureza do conjunto de dados, facilidade de processamento: máquinas e dispositivos poderão automatizar o processo e manipular os dados do conjunto de dados; facilidade de descoberta do dado: máquinas e dispositivos conseguirão descobrir automaticamente os dados ou um conjunto de dados; reúso: relacionada a todas as BPs, trata da possibilidade de aumentar o reúso de conjuntos de dados por distintos grupos de consumidores; confiança: aumenta a confiança que qualquer usuário deposita no conjunto de dados; conectividade: possibilita a criação de conexões entre os recursos de dados (conjuntos e itens de dados). facilidade de acesso: pessoas, máquinas e dispositivos serão capazes de acessar dados atualizados de diversas maneiras; e interoperabilidade: facilita o consenso entre os publicadores e consumidores de dados.

De acordo com os autores da recomendação, “os benefícios são importantes porque ajudam publicadores de dados a ter uma melhor compreensão de ‘o que será possível’ quando as boas práticas são adotadas”. Cada benefício está associado a uma ou mais BPs e vice-versa. Tal relação pode ser identificada na tabela.

BOAS PRÁTICAS/ BENEFÍCIOS		COMPREENSÃO	FACILIDADE DE PROCESSAMENTO	FACILIDADE DE DESCOBERTA	REÚSO	CONFIANÇA	CONECTIVIDADE	FACILIDADE DE ACESSO	INTEROPERA- BILIDADE
Metadados	BP 1	x	x	x	x
	BP 2	x		x	x
	BP 3	x	x		x
Licença dos dados	BP 4				x	x
Procedência e qualidade	BP 5	x			x	x
	BP 6				x	x
Versionamento dos dados	BP 7				x	x
	BP 8				x	x
Identificação dos dados	BP 9			x	x		x		x
	BP 10			x	x		x		x
	BP 11			x	x	x
Formato dos dados	BP 12		x		x
	BP 13	x			x
	BP 14		x		x
Vocabulário dos dados	BP 15	x	x		x	x			x
	BP 16	x			x				x
Acesso dos dados	BP 17				x			x
	BP 18		x		x			x
	BP 19				x			x
	BP 20				x			x
	BP 21				x			x
	BP 22				x	x
	BP 23		x		x			x	x
	BP 24		x	x	x		x	x	x
	BP 25				x	x
	BP 26				x	x			x
Preservação dos dados	BP 27				x	x
	BP 28				x	x
Feedback	BP 29	x			x	x
	BP 30				x	x
Enriquecimento dos dados	BP 31	x	x		x	x
	BP 32	x			x	x		x
Republicação de dados	BP 33				x	x			x
	BP 34				x	x
	BP 35			x	x	x

O benefício reúso, por exemplo, está vinculado a todas as boas práticas, o que significa dizer que a aplicação de qualquer uma das BPs irá contribuir em alguma medida para o reúso dos dados publicados. Já a compressão está associada a dez boas práticas, que se vinculam às dimensões de metadados, procedência e qualidade, formato, vocabulários de dados, feedback e enriquecimento de dados. Ou seja, se um publicador de dados adotar tais práticas, o nível de compreensão do consumidor com relação à estrutura e o significado dos dados aumentará.

Ainda de acordo com os autores do DWBP, “é importante notar que o benefício se torna mais forte na medida em que aumenta a adoção das boas práticas. Considerando que a publicação de dados na web é um processo incremental, o nível de cada benefício poderá aumentar após algumas iterações do processo de publicação de dados”.

Considerando os esforços do W3C de estabelecer padrões para a publicação de dados na Web, resultantes nas boas práticas e nos benefícios para publicadores e consumidores de dados, será apresentado a seguir o caso do Centro Regional de Estudos para o Desenvolvimento da Sociedade da Informação (Cetic.br) que, tomando em conta a demanda pelos conjuntos de dados por ele produzidos, passou a disponibilizá-los em seu site. Esse processo envolveu uma sensibilização das partes envolvidas e uma reflexão sobre a importância de fazer essa implementação com base nas BPs.

Fonte