Problemfeld: Datenzugänglichkeit und Nachnutzung

Momentan liegen die OpenAPC-Daten ausschließlich in Form des Kerndatensatzes vor.

Vorteile des Kerndatensatzes (CSV-Datei):

• Maximaler Informationsgehalt
• Kompatibel (Sehr viele Werkzeuge/Programmiersprachen können mit CSV-Dateien umgehen)
• Verbindlich (Festes Schema, Syntax und Semantik durch Programme überprüft)

Nachteile:

• Nicht ergonomisch (CSV für Menschen schwer lesbar)
• Unübersichtlich (Mittlerweile über 6600 Artikel/Zeilen)
• Ohne Zusatzwerkzeuge praktisch nicht auswertbar

Beispiele für mögliche Auswertungsszenarien:

• "Wieviel Geld hat jeder einzelne Verlag im Jahr 2014 erhalten?"
• "Für welche Zeitschriften hat die Universität Bielefeld APCs gezahlt?"
• "Welche Zeitschrift hat die meisten APC-Gebühren auf sich vereint?"

Problem: Jede dieser Fragen ist ohne eine Weiterverarbeitung und Analyse der CSV-Datei mit Zusatzsoftware (z.B. Excel) kaum zu beantworten!

OLAP

Die hypothetischen Auswertungsszenarien sind sehr ähnlich zu Fragestellungen, die in der Wirtschaft bei der Analyse von Geschäftsdaten auftreten (Business Intelligence/Reporting)

Etablierter Lösungsansatz aus der Wirtschaftsinformatik: OLAP (Online Analytical Processing)

Die OLAP-Theorie im Ultraschnelldurchlauf...

• Die Gesamtdaten bilden einen (abstrakten) Würfel (cube)
• Der Würfel hat mehrere Dimensionen (dimensions)
• Der Würfel ist zusammengesetzt aus vielen einzelnen Zellen (cells)
• Auf den Zellen sind Aggregatorfunktionen definiert (aggregates)
• Der Würfel kann entlang von Dimensionen (drilldown) oder Teilbereichen (cuts) in kleinere Unterteilungen zerlegt werden (slice 'n dice)

...und die Praxis im Fall von OpenAPC:

OLAP in der Praxis

Für OpenAPC wurde ein OLAP-Dienst als Webserver aufgesetzt und mit dem beschriebenen Würfel-Modell ausgestattet.

• Beta-Version, derzeit erreichbar unter http://129.70.40.89:3000
• Grundsätzliche Funktionweise: Anfragen werden über URL-Parameter gestellt, die Rückgabe erscheint direkt im Browser im JSON-Format.
• Beispiel: Aggregation über den Gesamtwürfel, ohne einschränkende Drilldowns oder Cuts: http://129.70.40.89:3000/cube/openapc/aggregate

Mithilfe des OLAP-Servers können die eingangs beschriebenen Fragestellungen leicht beantwortet werden:

• "Wieviel Geld hat jeder einzelne Verlag im Jahr 2014 erhalten?"
• http://129.70.40.89:3000/cube/openapc/aggregate?drilldown=publisher&cut=period:2014
• "Für welche Zeitschriften hat die Universität Bielefeld APCs gezahlt?"
• http://129.70.40.89:3000/cube/openapc/aggregate?drilldown=journal_full_title&cut=institution:Bielefeld U
• "Welche Zeitschrift hat die meisten APC-Gebühren auf sich vereint?"
• http://129.70.40.89:3000/cube/openapc/aggregate?drilldown=journal_full_title&order=apc_amount_sum

OLAP als Grundlage für Datenvisualisierungen

Der OLAP-Server bietet einen sehr schnellen und funktionalen, analytischen Zugang zu den OpenAPC-Daten.

Problem: Auch OLAP ist nicht intuitiv von Laien bedienbar und auch wenig geeignet, um sich einen schnellen Überblick zu verschaffen.

Lösung: OLAP als Backend für eine webbasierte Visualisierung der OpenAPC-Daten.

• Visualisierung auf Grundlage des Projekts offenerhaushalt (Open Knowledge Foundation): http://offenerhaushalt.de
• Freie Software, kann problemlos übernommen und angepasst werden
• Beta-Version erreichbar unter http://129.70.40.89

Vorteile:

• Visueller, intuitiver Zugang zu den OpenAPC-Daten, gutes Präsentationsformat
• Auch ohne Vorkenntnisse problemlos zu bedienen
• Geeignet zur Exploration der Daten (Finden von interessanten Datenpunkten/Sachverhalten)

Zusammenfassung

• OLAP-Server und Treemap-Visualisierung als zusätzliche Möglichkeit des Zugriffs auf die OpenAPC-Daten
• Bedienen jeweils unterschiedliche Anwendungsszenarien/Zielgruppen
• Beide praktisch fertig implementiert, warten auf Freischaltung

Übersicht: