公開データは本当に『公式』か？検証する方法

『公開データポータル』って、どこにあるもの？誰でもアクセスできるサイトみたいなものなの？

公開データポータルは、自治体や行政機関が運営する、誰でもアクセスできるオンラインサイトです。ニューヨーク市なら NYC Open Data という専用ページがあって、市が保有するデータセットを一覧表示し、誰でも無料でダウンロードできる仕組みになっています。日本でも、内閣府が運営する data.go.jp という全国版があり、各自治体も独自ポータルを持っていることが多い。つまり、わざわざ役所に申請しなくても、ネット上で自由に統計情報や予算データにアクセスできる場所、という理解で合っています。ただここが記事のポイント。ポータルに「これが公式です」「きのう更新しました」と書いてあっても、それが本当かどうかは別問題だ、ということ。データの更新日時や記録数が、別のサイトに置かれた同じデータセットと一致しているか。メタデータと呼ばれる「データについてのデータ」が正確か。そうした細部を自分たちで突き合わせて確認する癖をつけるというわけです。透明性は「データが存在すること」だけでなく、「そのデータの素性が追跡可能であること」にあるのかもしれません。

自治体の予算や統計を自分たちで調べたいとき、どのデータを信じていいかって、ふつう誰に相談するの？

データを信じるかどうかを判断する「相談先」って、実は存在しないに等しいんですよね。 自治体に「このデータは本当に最新ですか」と電話しても、「公式サイトに載せてるから大丈夫」という返答しか返ってこない。つまり、公開元自身が「信頼できるか」を第三者的に検証する義務を感じていない。だからほとんどの市民は、相談するのをあきらめて、「公式と書いてあるから正しい」と信じるしかない。 ここで面白いのは、この記事が提案しているのは「専門家に頼る」ではなく「自分たちで確かめる方法がある」という発想です。同じデータセットの複数版を並べてみたり、記録の数や更新日時を照らし合わせたり、という地道な作業を積み重ねれば、データの素性が見えてくる。市民団体や研究者が独立してそれを繰り返すことで、「本当に信頼できるのはこっちのデータ」という共通理解が生まれていく。相談先がないなら、データリテラシーの方を高めるしかないということなのかもしれません。

なぜ今、行政データの『素性を確かめろ』という話が出てきたの？データ分析を使った市民監視が増えてきたからなの？

データ分析で行政を批判する人が増えたのは確かなんですが、この論文が警告しているのはむしろ逆なんですよね。 「データが公式だから正しい」と信じたまま分析を進めると、その分析自体の説得力が失われる。特に、市民団体が予算不正を指摘する場合、相手は「そのデータ、ほんとに最新版ですか？」と疑ってくる。一度その疑いが入ると、データの質の問題と分析の質が区別できなくなって、本来の議論に進めなくなる。 つまり、市民側が先に「うちのデータはこういう制約がある。ここは確認済み、ここは不確実」と示しておく方が、むしろ説得力が高くなるということ。行政に対して武器として使うというより、自分たちの分析をより堅牢に守る防御戦略と言えそうです。 データ分析の民主化が進んだ今、「公式です」というラベルだけで済ませられない時代になったのかもしれません。

『公式か非公式か、どちらが正しいか判定しない』って、要するに『完璧さを求めるより、見える化することが大事』ってことなの？

そこまでシンプルには言い切れない気がします。 「完璧さを求めない」というより、むしろ「完璧さの定義そのものが曖昧だから、その曖昧さを直視しましょう」という提案に見えます。 公式データと非公式データを並べたとき、記録の数が違っていたら、一方は「間違っている」と思いたくなりますよね。でも実は、集計時点の違い、削除されたレコードの扱い、そもそものデータ定義の違いなど、理由があったりする。「どちらが正しいか」と判定しようとすると、その理由を見落とします。 だから両者の違いを透明に並べる。すると、データを使う市民は「あ、このデータセットはこういう性質なんだ。だからこの分析には向いてるけど、あの分析には向いてない」と判断できるようになる。 つまり「見える化」というより「条件付けられた信頼」の構築だと言えそうです。完璧なデータはないけれど、何が不完璧で、その不完璧さがどう機能するのかが分かれば、それを踏まえた上で使える。そっちの方が、曖昧なまま「公式だから大丈夫」と信じるより、よほど堅い基盤になるのかもしれません。

データが複数あって内容が違う場合、公式版を作った側も、その違いに気づいてないってことあるのかな？

十分あり得る話だと思います。公開データポータルって、掲載される側の自治体や行政機関と、実際にデータを整備・更新する現場部門が分かれていることが多いんですよね。交通局のデータなら、データシステムを管理するIT部門と、実際の発注記録を扱う調達部門が別々に動いている。ポータルには「最新です」と書いてあっても、その情報は2週間前に告知されたものかもしれない。一方、コミュニティが独自に作ったデータセットのほうが、むしろ最近のデータを丁寧に追いかけているケースもあるわけです。記事の論文が「どちらが正しいか判定しない」と言うのは、その曖昧さを認識しているからなんだと思う。公式だからといって完全性が保証されるわけじゃない。むしろ、複数のデータ源が存在することで、行政側も「うちのデータ、実は更新ズレがあるんだ」と気づく機会も生まれるかもしれません。