Gestão da qualidade dos dados em contexto de dados abertos : caso de estudo de Lisboa

GESTÃO DA QUALIDADE DOS DADOS EM CONTEXTO DE DADOS ABERTOS Rúben Gonçalo Teixei a Pagaime Caso de Es udo de Lisboa T abalho de P oje o ap esen ado como equisi o pa cial pa a ob enção do g au de Mes e em Ges ão de In o mação i NOVA In o ma ion Managemen School Ins i u o Supe io de Es a ís ica e Ges ão de In o mação Uni e sidade No a de Lisboa GESTÃO DA QUALIDADE DOS DADOS EM CONTEXTO DE DADOS ABERTOS CASO DE ESTUDO DE LISBOA po Rúben Gonçalo Teixei a Pagaime T abalho de P oje o ap esen ado como equisi o pa cial pa a a ob enção do g au de Mes e em Ges ão de In o mação, Especialização em Ges ão do Conhecimen o e Business In elligence O ien ado /Coo ien ado : P o esso Miguel de Cas o Ne o, PhD No emb o 2018 ii AGRADECIMENTOS Gos a ia de ag adece ao meu o ien ado D . Miguel Ne o pela disponibilidade demons ada em assumi a o ien ação des e p oje o, assim como pelo apoio p es ado. Gos a ia ambém de ag adece à minha amília e aos meus amigos pelo apoio demons ado ao longo des e caminho, e pela comp eensão demons ada de ido à minha al a de disponibilidade pa a es a p esen e em di e sos e en os de con i ência social. Não posso deixa de ag adece à minha en idade emp egado a e aos seus esponsá eis pela comp eensão e lexibilidade demons ada, que acili a am em di e sas ocasiões a minha ausência no local de abalho. Gos a ia ambém de ag adece aos meus colegas que es i e am en ol idos comigo nos mais di e sos p oje os do cu so, nomeadamen e a Ana Sousa, o Rica do Apoliná io e a Sónia Be na des, pois o am undamen ais nes e pe cu so. Po im, ag adeço a odos os docen es da No aIMS que es i e am p esen es nes e pe cu so académico e à escola pelas condições p opo cionadas. iii RESUMO Nos úl imos anos oi e i icado um aumen o conside á el do en usiamo em elação à emá ica dos dados abe os. Dados Abe os são dados que es ão disponí eis publicamen e e que podem se acedidos, u ilizados e edis ibuídos g a ui amen e. No en an o, a eu ilização des es dados pa a a c iação de no os p odu os e no os se iços em como base a qualidade dos mesmos. A al a de qualidade dos dados abe os que são disponibilizados publicamen e pode comp ome e o obje i o da sua eu ilização. É nes e con ex o que oi desen ol ido es e abalho de p oje o, que consis e no desen ol imen o de uma amewo k que enha como esul ado a indicação de di e sos pa âme os da qualidade dos Dados Abe os que são disponibilizados no Po al de Dados Abe os da cidade de Lisboa. A análise da li e a u a se á iniciada com uma desc ição dos concei os de Sma Ci ies, da in luência da ‘In e ne o Things’ (IoT) e do su gimen o do concei o de Dados Abe os den o do con ex o das Sma Ci ies. Se á ambém e e uado um es udo da emá ica dos Dados Abe os, nomeadamen e sob e a qualidade dos mesmos, a sua ges ão e me odologias pa a a a aliação e melho ia dessa mesma qualidade, de modo a que possam se e i adas mé icas de a aliação pa a se em aplicadas sob e os dados do Po al de Dados Abe os da cidade de Lisboa. Após a aplicação dessas mé icas, se ão ap esen ados os esul ados, de modo a que exis a uma boa ideia do es ado a ual da qualidade dos dados que são disponibilizados no Po al de Dados Abe os da cidade de Lisboa, den o dos pa âme os es udados. Com base nes e es udo se ão deixadas indicações e o ien ações pa a que se consigam esul ados ainda melho es em u u as in es igações sob e es e ema, nomeadamen e com o es udo de ou os pa âme os que não se ão in es igados nes e abalho de P oje o. PALAVRAS CHAVE Sma Ci ies; Lisboa; Dados Abe os; Qualidade dos Dados; Dashboa d i ABSTRACT In ecen yea s he e has been a conside able inc ease in he en husiasm o open da a. Open Da a is da a ha is publicly a ailable and can be accessed, used and edis ibu ed ee o cha ge. Howe e , he euse o his da a o he c ea ion o new p oduc s and new se ices is based on hei quali y. The lack o quali y o open da a ha is made publicly a ailable may unde mine he pu pose o i s euse. I is in his con ex ha his p ojec wo k was de eloped, which consis s on he de elopmen o a amewo k ha esul s in he indica ion o se e al pa ame e s o he Open Da a quali y ha a e a ailable in he Open Da a Po al o he ci y o Lisbon. The li e a u e e iew will begin wi h a desc ip ion o Sma Ci ies concep s, he ‘In e ne o Things’ (IoT) in luence and he eme gence o he Open Da a concep wi hin Sma Ci ies con ex . Will be ca ied ou an Open Da a s udy, he quali y o he da a, i s managemen and me hodologies o he e alua ion and imp o emen o i s quali y, so ha , e alua ion me ics can be aken o be applied o he da a o he Po al o Open Da a o he ci y o Lisbon. A e applying hese me ics, he e will be a p esen a ion o he esul s, so ha we can see he cu en s a e o da a quali y ha a e a ailable in he Open Da a Po al o he ci y o Lisbon, wi hin he s udied pa ame e s. Based on his s udy, indica ions and guidelines will be le o ob ain e en be e esul s in u u e esea ch on his opic, namely wi h he s udy o o he pa ame e s ha will no be in es iga ed in his P ojec wo k. KEYWORDS Sma Ci ies; Lisbon; Open Da a; Da a Quali y; Dashboa d ÍNDICE 1. In odução .................................................................................................................... 1 1.1. Enquad amen o e Iden i icação do P oblema ...................................................... 1 1.2. Obje i os do Es udo............................................................................................... 2 1.3. Impo ância e Rele ância do Es udo ..................................................................... 3 1.4. Me odologia .......................................................................................................... 4 2. Re isão da Li e a u a .................................................................................................... 9 2.1. Sma Ci ies ............................................................................................................ 9 2.1.1. Sma Ci ies e a IoT ....................................................................................... 10 2.1.2. Sma Ci ies e os Dados Abe os .................................................................. 11 2.2. Dados Abe os ..................................................................................................... 12 2.2.1. Po al de Dados Abe os da Cidade de Lisboa ............................................. 17 2.2.2. Qualidade dos Dados Abe os ...................................................................... 21 2.2.3. Ges ão da Qualidade dos Dados .................................................................. 23 2.2.4. Me odologias pa a a aliação e melho ia da qualidade dos dados .............. 25 2.2.5. Dimensões e Mé icas .................................................................................. 31 2.2.6. Tipos de Dados ............................................................................................. 33 2.3. Dashboa ds .......................................................................................................... 35 2.3.1. Ca ac e ís icas do desenho de um Dashboa d ............................................. 36 2.3.2. U ilizado es al o do Dashboa d ................................................................... 37 2.4. P opos a concep ual do modelo de a aliação da qualidade dos dados ............. 38 2.4.1. Wi e ame do Dashboa d ............................................................................. 39 3. Desen ol imen o ........................................................................................................ 41 3.1. F amewo k pa a a a aliação da qualidade dos dados ........................................ 41 3.1.1. A qui ec u a da amewo k .......................................................................... 42 3.1.2. Fon es de Dados ........................................................................................... 46 3.2. Módulo ‘Knowledge Ex ac o ’ ............................................................................ 46 3.3. Módulo ‘S aging A ea’ ......................................................................................... 47 3.4. Módulo ‘Da a Wa ehouse’ .................................................................................. 48 3.5. P ocessos de ETL .................................................................................................. 49 3.5.1. Con ol Flow ................................................................................................. 50 3.5.2. Da a Flow ...................................................................................................... 54 4. Resul ados e Discussões ............................................................................................. 56 i 4.1. Dimensões/Ca ac e ís icas .................................................................................. 56 4.1.1. T aceabili y – His ó ico de C iação de um Conjun o de Dados .................... 56 4.1.2. T aceabili y – His ó ico de A ualizações de um Conjun o de Dados ........... 57 4.1.3. Cu en ness - Indicação de e são a ualizada de um Conjun o de Dados ... 57 4.1.4. Expi a ion - Indicação do a aso após a expi ação da e são a ual de um Conjun o de Dados 58 4.1.5. Comple eness – Indicação da pe cen agem de células que não es ão azias em cada coluna dos Conjun os de Dados ............................................................................. 60 4.1.6. Unde s andabili y - Indicação do alo da pe cen agem de colunas com me adados associados, po Conjun o de Dados ............................................................. 60 4.2. Dashboa d – Mockup .......................................................................................... 61 4.3. A aliação dos Resul ados .................................................................................... 62 5. Conclusões .................................................................................................................. 63 5.1. Limi ações do P oje o .......................................................................................... 64 5.2. Recomendações pa a T abalhos Fu u os ............................................................ 64 6. Bibliog a ia .................................................................................................................. 65 7. Apendice ..................................................................................................................... 71 ii ÍNDICE DE FIGURAS Figu a 1.1 - Modelo de P ocesso da me odologia DSRM, e i ado do es udo de (Pe e s e al., 2007) ................................................................................................................................... 5 Figu a 2.1 – Visualização do P ocesso de Ex ac , T ans o m, Publish (ETP), e i ada do es udo de (Ca a a, Oudke k, S eenbe gen, & Tinhol , 2016) ..................................................... 17 Figu a 2.2 - Página p incipal do Po al de Dados Abe os da Cidade de Lisboa ...................... 19 Figu a 2.3 - Visualização do ci cui o echado de uma ges ão de qualidade de dados o ien ada com uma e en e económica, adap ada do es udo de (Hein ich e al., 2011) .............. 32 Figu a 2.4 - Wi e ame do Dashboa d com os indicado es da Qualidade dos Dados que o am a aliados na amewo k de a aliação da qualidade dos dados ....................................... 40 Figu a 3.1 – A qui e u a da amewo k de a aliação da Qualidade dos Dados, adap ada do es udo de (Ba ini e al., 2007) .......................................................................................... 42 Figu a 3.2 – Exemplo de a qui e u a do ipo S a , e i ada de (www.da awa ehouse4u.in o, n.d.) .................................................................................................................................. 43 Figu a 3.3 – Desenho da A qui e u a do DW pa a análise da qualidade dos dados que se ão inse idos no Po al de Dados Abe os da cidade de Lisboa ............................................. 45 Figu a 3.4 – Modelo de dados do DW pa a a a aliação da qualidade dos dados do Po al de Dados Abe os da cidade de Lisboa ................................................................................. 45 Figu a 3.5 - Modelo de dados do módulo de S aging A ea ..................................................... 48 Figu a 3.6 – Main Con aine s do P ocesso de ETL ................................................................... 50 Figu a 3.7 – Exemplo de ca egamen o po luxos – SA Load Dimension Sou ces .................. 51 Figu a 3.8 - Exemplo de ca egamen o po luxos – SA Load Fac Sou ces ............................. 53 Figu a 3.9 - Exemplo de ca egamen o em DW – DW Load Dimensions e Load Fac s ............ 54 Figu a 3.10 – Exemplo de u ilização da ask “De i ed Column” .............................................. 54 Figu a 3.11 – Exemplo da U ilização de S o ed P ocedu e com ecu so a uma a iá el ......... 55 Figu a 4.1 – G á ico dos esul ados da medição da Dimensão ‘T aceabili y – His ó ico de c iação de um Conjun o de Dados’ .................................................................................. 56 Figu a 4.2 - G á ico dos esul ados da medição da Dimensão ‘T aceabili y – His ó ico de a ualizações de um Conjun o de Dados’ .......................................................................... 57 Figu a 4.3 – G á ico dos esul ados da medição da Dimensão ‘Cu en ness – Indicação de e são a ualizada de um Conjun o de Dados’.................................................................. 58 Figu a 4.4 - G á ico dos esul ados da medição da Dimensão ‘Cu en ness – Indicação de e são a ualizada de um Conjun o de Dados (%)’ ........................................................... 58 Figu a 4.5 – G á ico dos esul ados da medição da Dimensão ‘Expi a ion – Indicação do a aso após a expi ação da e são a ual de um Conjun o de Dados’ .............................. 59 iii Figu a 4.6 - G á ico dos esul ados da medição da Dimensão ‘Expi a ion – Indicação do a aso após a expi ação da e são a ual de um Conjun o de Dados (%)’ ................................... 59 Figu a 4.7 - G á ico dos esul ados da medição da Dimensão ‘Comple eness – Indicação da pe cen agem de células que es ão p eenchidas em cada coluna dos Conjun os de Dados’ ............................................................................................................................... 60 Figu a 4.8 - G á ico dos esul ados da medição da Dimensão ‘Unde s andabili y – Indicação do alo da pe cen agem de colunas com me adados associados, po Conjun os de Dados’ ............................................................................................................................... 61 Figu a 4.9 – Mockup do Dashboa d com os indicado es da Qualidade dos Dados que o am a aliados na amewo k de a aliação da qualidade dos dados ....................................... 61 4 Nes e momen o, a CML colabo a com um conjun o de ou as o ganizações num p oje o de Dados Abe os (h p://dados.cm-lisboa.p /). Es e p oje o consis e num po al que disponibiliza um conjun o de dados sob e a cidade de Lisboa, p oduzidos pela CML e pelas en idades pa cei as do p og ama Lisboa Abe a. O acesso aos dados é li e, p e endendo-se com isso po encia a sua eu ilização e a c iação de bens e se iços que ac escen em alo aos con eúdos disponibilizados. A ualmen e, são eze as en idades que colabo am no p oje o de Dados Abe os da cidade de Lisboa, que podem c ia , ge i e publica nos conjun os de dados e esses dados podem se ca alogados em g upos, como po exemplo, Ambien e, Educação, Tu ismo e Laze , en e ou os, num o al de dezoi o g upos. Com o desen ol imen o des e p oje o, p e ende-se en ão o desen ol imen o de uma amewo k pa a a a aliação e o a amen o da qualidade dos dados que são colocados no po al de Dados Abe os da cidade de Lisboa, pa a p omo e uma maio eu ilização po pa e dos cidadãos pa a a c iação de no os p odu os e se iços. A implemen ação de um sis ema de ges ão de qualidade dos dados em con ex o u bano pode aze bene ícios económicos e sociais à CML, na medida em que se á possibili ado o acesso a uma in o mação que i á ajuda conside a elmen e na omada de decisão no que espei a a emas que dizem espei o a odos os cidadãos como o planeamen o u bano, segu ança, saúde, sis emas de anspo es em e mos de mobilidade e poluição, en e ou os. (Ra ho e, Ahmad, Paul, & Rho, 2016) 1.4. METODOLOGIA A me odologia escolhida pa a o desen ol imen o des e p oje o é a me odologia denominada como “Design Science Resea ch Me hodology” (DSRM). Segundo (He ne & Cha e jee, 2010), o concei o de “Design Science Resea ch" é um pa adigma de pesquisa em que um designe esponde a ques ões ele an es pa a p oblemas humanos a a és da c iação de a e ac os ino ado es, con ibuindo com no o conhecimen o pa a o conhecimen o cien í ico e esses a e ac os são ú eis e undamen ais pa a a comp eensão do p oblema em ques ão. No pa adigma de "Design Science Resea ch", o conhecimen o e a comp eensão do domínio de um p oblema e a sua solução são alcançados na cons ução e aplicação de um a e ac o, po an o, es e p ocesso pode se is o como um p ocesso de solução pa a p oblemas. (A dakan & Mohaje i, 2009) No caso conc e o des e p oje o, os a e ac os são as me odologias de con olo da qualidade dos dados que são aplicadas a cada um dos ipos de dados que compõem o Po al de Dados Abe os da cidade de Lisboa. Segundo o es udo de (Pe e s, Tuunanen, Ro henbe ge , & Cha e jee, 2007), o desen ol imen o da me odologia DSRM eque o desen ol imen o de um p ocesso. Des e es udo esul ou a ap esen ação de um modelo de p ocesso compos o po seis a i idades numa sequência nominal (Figu a 1.1). 5 Figu a 1.1 - Modelo de P ocesso da me odologia DSRM, e i ado do es udo de (Pe e s e al., 2007) As se as que su gem na pa e in e io da Figu a 1.1 en a izam a impo ância da i e ação como pa e do DSRM. Elas mos am que a i idades como a A aliação e a Comunicação esul am mui as ezes na e isão dos obje i os e desenho dos a e ac os. A i e ação es á en aizada no p ocesso de "Design Science Resea ch" e o es udo de (He ne & Cha e jee, 2010) ilus a esse ac o com o seu loop de compilação e a aliação: a a aliação o nece in o mações de eedback sob e o a e ac o p oje ado e uma melho comp eensão do p oblema que le a a uma e-i e ação do p ocesso de desenho. (Gee s, 2011) O es udo de (Gee s, 2011) ap esen a o Modelo de P ocesso da me odologia DSRM da Figu a 1.1 explicado numa abela. A p imei a coluna da Tabela 1.1 lis a as seis a i idades que compõem o DSRM como uma sequência nominal. A segunda coluna desc e e cada uma das a i idades em de alhes: o que aze ? A e cei a coluna liga a base de conhecimen o às di e en es a i idades: como as a i idades são execu adas. A base de conhecimen o o nece as ma é ias-p imas a a és das quais a pesquisa cien í ica é ealizada. É compos a po e amen as de conhecimen o, ais como eo ias, es u u as, ins umen os, cons uções, modelos, mé odos e ins âncias. Tabela 1.1 - Tabela com a desc ição das a i idades que compõem o Modelo de P ocesso da me odologia DSRM, e i ada do es udo de (Gee s, 2011) A i idades da DSRM Desc ição da A i idade Base de Conhecimen o Iden i icação do P oblema e Mo i ação Qual é o p oblema? De ini o p oblema e jus i ica o alo de uma solução Comp eende a ele ância do p oblema e as suas soluções a uais com as suas aquezas. De ini os obje i os de uma solução Como esol e o p oblema? Além dos obje i os ge ais, como a iabilidade e o desempenho, quais são os c i é ios especí icos que uma solução pa a o p oblema de inido no pon o 1 de e a ende . Conhecimen o do que é possí el e o que é iá el. Conhecimen o de mé odos, ecnologias e eo ias que podem ajuda na de inição dos 6 obje i os. Desenho e desen ol imen o C ia um a e ac o que esol a o p oblema. C ia modelos, mé odos ou ins âncias em que uma con ibuição da pesquisa seja inco po ada. Aplicação de mé odos, ecnologias e eo ias pa a c ia um a e ac o que solucione o p oblema. Demons ação Demons a o uso do a e ac o. P o a que o a e ac o unciona solucionando uma ou mais ins âncias do p oblema. Conhecimen o sob e como usa o a e ac o pa a soluciona o p oblema. A aliação O a e ac o unciona co e amen e? Obse a e medi bem se o a e ac o supo a uma solução pa a o p oblema, compa ando os obje i os com esul ados obse ados. Conhecimen o de mé icas ele an es e écnicas de a aliação. Comunicação Comunica o p oblema, a solução, a u ilidade e e icácia dessa solução pa a os in es igado es e ou os públicos ele an es. Conhecimen o da cul u a disciplina . No con ex o des e P oje o, pode-se ca ac e iza as seis a i idades que compõem o DSRM como uma sequência nominal: 1. Iden i icação do P oblema e Mo i ação: Nes a p imei a e apa, i á se jus i icada a impo ância da implemen ação de um sis ema de a aliação da qualidade dos dados que são colocados no Po al de Dados Abe os da cidade de Lisboa. Isso se á ei o a a és da e isão da li e a u a que i á ajuda a e uma melho comp eensão de como exis e uma necessidade cada ez maio das o ganizações e em acesso a dados de qualidade no con ex o da emá ica dos dados abe os. A e isão de li e a u a ambém i á ajuda a e i ica que exis e a necessidade de implemen a me odologias de a aliação da qualidade desses dados an es da sua disponibilização e quais são as me odologias aplicá eis aos di e en es ipos de dados p esen es no Po al de Dados Abe os da cidade de Lisboa. 2. De ini os obje i os de uma solução: Com base na e isão de li e a u a, i ão se iden i icados os equisi os pa a uma possí el solução. A e isão de li e a u a i á pe mi i e i ica o es ado a ual das Sma Ci ies com a in luência cada ez maio da IoT na sua e olução, e do su gimen o dos Po ais de Dados Abe os. A e isão de li e a u a i á ambém pe mi i e i ica o concei o de Dados Abe os, o seu es ado a ual de implemen ação, os seus bene ícios, e a impo ância que a qualidade dos dados em no sucesso dos po ais de Dados Abe os e conc e amen e, do Po al de Dados Abe os da cidade de Lisboa. 7 I á ambém se e e uada uma e isão de li e a u a pa a e i ica as me odologias de a aliação da qualidade dos dados exis en es e a sua aplicação aos di e en es ipos de dados exis en es no Po al. Assim, se á possí el e as e amen as pa a o desen ol imen o de uma amewo k pa a a a aliação e o a amen o da qualidade dos dados que são colocados no po al de Dados Abe os da cidade de Lisboa, pa a p omo e uma maio eu ilização po pa e dos cidadãos pa a a c iação de no os p odu os e se iços. 3. Desenho e Desen ol imen o: Nes a ase i á se desenhado e desen ol ido o p oje o com base nos obje i os de inidos no passo an e io . Es e p oje o em como base o desen ol imen o de uma amewo k pa a a a aliação e o a amen o da qualidade dos dados que são colocados no po al de Dados Abe os da cidade de Lisboa, pa a p omo e uma maio eu ilização po pa e dos cidadãos pa a a c iação de no os p odu os e se iços. Numa ase inicial i á se e e uada uma análise do Po al de Dados Abe os da cidade de Lisboa de modo a cons ui uma ma iz pa a iden i ica os di e en es ipos de dados exis en es, e pos e io men e i ão se iden i icadas algumas me odologias de con olo de qualidade dos dados exis en es na li e a u a e a o ma como de em se aplicadas aos di e en es ipos de dados encon ados no Po al de Dados Abe os da cidade de Lisboa. Na úl ima ase do desen ol imen o des e p oje o se á es ada a aplicação das me odologias de con olo de qualidade dos dados que o am iden i icadas pa a cada ipo de dados p esen e no Po al. 4. Demons ação: Nes a e apa i á se demons ada a aplicação das me odologias de con olo de qualidade dos dados que o am iden i icadas pa a cada ipo de dados p esen e no Po al de Dados Abe os da Cidade de Lisboa. 5. A aliação: Du an e a ase de a aliação, se á seguida uma abo dagem explo a ó ia. I ão se a aliados conjun os de dados dos á ios ipos de dados iden i icados, com a aplicação nos dados das me odologias de con olo da qualidade dos dados iden i icadas. Es a a aliação explo a ó ia i á pe mi i e i ica o es ado de alguns pa âme os de qualidade dos dados que são colocados no Po al de Dados Abe os da cidade de Lisboa, alidando se es e p oje o supo a uma solução pa a o p oblema, compa ando os obje i os com esul ados obse ados e e i icando assim se os equisi os de implemen ação de um sis ema de ges ão da qualidade dos dados que são disponibilizados no Po al de Dados Abe os da Cidade de Lisboa são cump idos. 6. Comunicação: As con ibuições cien í icas das di e en es ases des e p oje o pode ão se disponibilizadas publicamen e no Reposi ó io Cien í ico de Acesso Abe o de Po ugal (RCAAP) e no Reposi ó io da Uni e sidade No a (RUN). Es e p ocesso é es u u ado numa o dem nominalmen e sequencial. Ainda assim, não exis e a expec a i a de que os in es igado es p ossigam semp e numa o dem sequencial desde a a i idade 1 a é à a i idade 6. Na ealidade, os in es igado es podem começa em quase 8 qualque passo e i seguindo pa a os ou os. Uma abo dagem cen ada num p oblema é a base da sequência nominal, começando pela a i idade 1. (Pe e s e al., 2007) 9 2. REVISÃO DA LITERATURA No p esen e capí ulo se á ap esen ada a e isão de li e a u a que se e de base eó ica pa a o desen ol imen o des e p oje o. Es a e isão de li e a u a o nece á oda a undamen ação pa a a elabo ação de odos os modelos concep uais pa a esponde às necessidades do p oje o. Es e capí ulo inicia-se com uma b e e desc ição do concei o de Sma Ci y, seguido de uma b e e desc ição do concei o de In e ne o Things e do papel que desempenha no desen ol imen o das inicia i as que são omadas no con ex o da emá ica das Sma Ci ies. Es e capí ulo con ém ambém a desc ição das ca ac e ís icas e obje i os do concei o de Dados Abe os, seguida da ap esen ação do Po al de Dados Abe os da Cidade de Lisboa, designado como Lisboa Abe a. Es a desc ição é complemen ada ambém com a desc ição da impo ância e o ele o da qualidade dos dados que são colocados no Po al, pa a pos e io eu ilização dos mesmos. Es e capí ulo con ém ainda uma desc ição do concei o de Qualidade, com en oque na desc ição da Qualidade dos Dados, as suas ca ac e ís icas e os ipos de dados que são obje o de análise nes a disciplina, além do es udo de di e sas me odologias de a aliação da qualidade dos dados. Po im, se á ambém ap esen ado um capí ulo com as ca ac e ís icas do desenho de Dashboa ds pa a a ap esen ação da in o mação ao u ilizado inal e quais são as ca ac e ís icas ipo desse u ilizado inal. 2.1. SMART CITIES Exis e um al o ní el de aco do na li e a u a em como não exis e ainda nenhuma de inição comum sob e o que é uma Sma Ci y. A c escen e di usão de modelos, s anda ds e de inições do concei o de Sma Ci y c ia uma si uação de ambiguidade e di icul a a es ima i a sob e se as sma ci ies exis en es acompanham as expec a i as e os ideais ei indicados pelos p omo o es des e pa adigma. (G ossi & Pianezzi, 2017) No ge al, a componen e de IT pa ece se undamen al pa a o concei o de uma sma ci y e os de enso es des e pa adigma u bano des acam os bene ícios deco en es da adoção de ecnologias, écnicas e isões que sejam cien í icas, obje i as, de senso comum e apolí icas. (G ossi & Pianezzi, 2017) O ó ulo "sma ci y" é um concei o ainda um pouco con uso e é u ilizado numa o ma que nem semp e é consis en e. Não exis e um enquad amen o único nem uma de inição única do concei o de sma ci y. (Albino, Be a di, & Dangelico, 2015) Pa a se pode e uma ideia ge al sob e uma possí el de inição do concei o de sma ci y, é ap esen ada uma abela (Tabela 2.1) que epo a algumas das di e en es de inições ap esen adas pelos di e en es au o es na li e a u a. 10 Tabela 2.1 - Tabela adap ada com de inições de Sma Ci ies p opos as nos es udos de (G ossi & Pianezzi, 2017) e (Albino e al., 2015) De inição Re e ência As sma ci ies ep esen am um modelo concep ual de desen ol imen o u bano com base na u ilização do capi al humano, cole i o e ecnológico pa a a melho ia do desen ol imen o e da p ospe idade nos aglome ados u banos. (Angelidou, 2014) O concei o de sma ci y oco e quando os in es imen os em capi al humano e social e em in aes u u as de comunicação adicional ( anspo es) e mode na (TIC) omen am um c escimen o económico sus en á el e um maio ní el de qualidade de ida, com uma boa ges ão dos ecu sos na u ais a a és de uma go e nação pa icipa i a. (Ca agliu, Del Bo, & Nijkamp, 2011) Uma sma ci y implica uma cidade a ançada e com um al o g au ecnológico que conec a pessoas, in o mação e elemen os da cidade eco endo às no as ecnologias pa a c ia uma cidade sus en á el, mais e de, compe i i a e com al o g au de ino ação, com um consequen e aumen o da qualidade de ida. (Bakici, Almi all, & Wa eham, 2013) Duas ideias p incipais: 1) as sma ci ies de em aze udo o que o elacionado com a go e nação e a economia u ilizando no os pa adigmas de pensamen o e 2) as sma ci ies esumem-se a edes de senso es, disposi i os in eligen es, dados em empo eal e a in eg ação das TIC em odos os aspe os da ida humana. (CRETU, 2012) As inicia i as de Sma Ci ies en am melho a a pe o mance u bana u ilizando dados, in o mação e ecnologias de in o mação pa a o nece se iços mais e icien es aos cidadãos, pa a moni o iza e o imiza a in aes u u a exis en e, pa a inc emen a a colabo ação en e os di e en es a o es económicos e pa a incen i a modelos de negócios ino ado es em ambos os se o es público e p i ado. (Ma sal-Llacuna, Colome -Llinàs, & Meléndez-F igola, 2014) 2.1.1. Sma Ci ies e a IoT O su gimen o da In e ne das Coisas (IoT) e das Tecnologias de In o mação e Comunicação (TIC) p omo eu di e sos concei os e a "Sma Ci y" é um desses concei os. Tem sido um ema em oco na a ena polí ica nos úl imos anos, e con inua a se , a a és da sua na u eza especí ica que inclui pessoas, economia, mobilidade, ambien e, in aes u u as de TIC, es ilos de ida e adminis ação pública. (S a, 2017) O ápido c escimen o da densidade populacional nas cidades exige que seja o necida uma in aes u u a e se iços que ão de encon o às necessidades dos seus habi an es. Assim, em exis ido um aumen o no núme o de disposi i os, sejam eles senso es ou sma phones, le ando a um po encial de negócio bas an e conside á el nes a no a e a da In e ne das Coisas (IoT), em que odos 11 os disposi i os es ão capaci ados pa a se in e liga em e comunica em en e eles a a és da In e ne . (Ra ho e e al., 2016) A de inição de In e ne o Things (IoT) consis e em milhões de obje os conec ados e que comunicam en e si, espalhados po odo o mundo, ge ando eno mes quan idades de dados usando os seus senso es a cada segundo. Os disposi i os que se encon am in e ligados en e si i ão o na -se os maio es consumido es e p odu o es de dados em ez dos humanos. (Ka kouch e al., 2016) Na a ualidade, es ima-se que ce ca de 15 bilhões de disposi i os es ão conec ados e es á p e is o que es e núme o i á dispa a pa a 50 bilhões em 2020, pa icula men e nos cen os u banos e em o no deles. As Sma Ci ies es ão a ab aça as ecnologias da In e ne o Things (IoT) po odo o mundo, de modo a agiliza as suas ope ações a i de encon o às expec a i as cada ez maio es dos seus cidadãos. Nos dias de hoje, os cidadãos nas cidades mais ib an es es ão já a e i ica o su gimen o de cada ez mais inicia i as des inadas a o na os se iços u banos mais in eligen es, seja pa a anspo e, es acionamen o, iluminação, á ego e ges ão de esíduos, segu ança ou nas o ças policiais. (Bella is a e al., 2017) 2.1.2. Sma Ci ies e os Dados Abe os As Sma Ci ies isam melho a o se iço que p es am aos seus cidadãos, an o em e mos de economia com um maio g au de e iciência, como em e mos sociais, a a és de um maio conhecimen o sob e as necessidades e desejos de odos os in e enien es. A ealização desses obje i os não depende apenas dos dados o necidos pelos go e nos e deciso es, mas ambém pelos dados o necidos pelos cidadãos, uma ez que podem se is os como senso es in eligen es. Nes e sen ido, odos os dados ecolhidos são ú eis pa a oma decisões mais cedo e melho es, p opo cionando melho es se iços aos cidadãos. (Aguile a, Peña, Belmon e, & López-de-Ipiña, 2016) Um aspe o c ucial pa a muda e man e as cidades in eligen es é o uso de dados e in o mação, uma ez que são a base da maio pa e dos se iços, ou podem a é se o p óp io se iço. As no as ecnologias es ão a pe mi i a u ilização dos dados ge ados po o ganizações públicas e a cons ução de se iços au oma izados que espondem a ques ões ou p oblemas elacionados com a adminis ação pública e, apesa dos dados necessá ios nem semp e es a em disponí eis numa o ma ácil de u iliza , êm um g ande po encial pa a c ia se iços que melho em a ida dos cidadãos e o uncionamen o da sociedade. No en an o, ainda não é cla o como é que os go e nos in e agem com as pa es in e essadas pa a o nece se iços e in o mações que se encaixem naquilo que as pessoas ealmen e que em. Exis e ainda uma al a de a enção naquilo que são as necessidades e ques ões dos cidadãos, pelo que os dados abe os são uma o ma de mi iga a sepa ação comum en e as o ganizações públicas e os cidadãos. (Pe ei a, Macada , Luciano, & Tes a, 2017) As mul iplicidades de dados a mazenados pelas adminis ações públicas o na am-se uma eno me on e de in o mações de ido ao seu olume e di e sidade. No en an o, oi apenas com o su gimen o dos po ais de dados abe os que esse eno me olume de dados pe mi iu a c iação de no os modelos de negócio po pa es de odas as pa es en ol en es numa Sma Ci y. (Zo ano & Be sini, 2017) 12 Segundo o es udo de (de Cas o Ne o e al., 2017), as es a égias de dados abe os pe mi em às cidades alcança qua o obje i os cha e: 1. T anspa ência: pe mi i que os cidadãos enham acesso a mais in o mação, de modo a que possam en ende , examina e ques iona as decisões que são omadas. 2. Pa icipação: da acesso aos cidadãos e às suas comunidades a dados elacionados com o seu município con ibui pa a incen i a a uma pa icipação mais a i a e in o mada. 3. Melho ia do se iço e ganhos de e iciência: o o necimen o de dados abe os e a sua pa ilha p opo ciona esul ados expec á eis ao ní el da melho ia de se iços e de ganhos de e iciência. 4. Desen ol imen o económico: a libe ação dos dados abe os pe mi iu às emp esas e aos desen ol edo es c ia no as aplicações, no os p odu os e se iços, le ando assim a uma p omoção da a i idade económica e comuni á ia. 2.2. DADOS ABERTOS Ao longo dos úl imos anos, os go e nos de odo o mundo começa am a desen ol e e a implemen a inicia i as de dados abe os pa a pe mi i a di ulgação de dados em o ma os abe os e eu ilizá eis, sem es ições ou cob ança de dinhei o pela sua u ilização po pa e da sociedade. Como esul ado, em su gido em odo o mundo um g ande núme o de eposi ó ios, ca álogos e po ais de dados abe os. (Mácho á & Lněnička, 2017) A p oli e ação e disponibilização de conjun os de dados o nados públicos e o su gimen o de me cados de dados ap esen am uma opo unidade sem p eceden es pa a go e nos, emp esas e emp esá ios pa a ap o ei a o alo desses dados pa a consegui ganhos económicos, sociais e cien í icos. (Sadiq & Indulska, 2017) A eu ilização de dados abe os p omo e um e ei o económico posi i o na ino ação e no desen ol imen o de nume osas e amen as pa a aumen a a e iciência, não apenas no se o p i ado, mas ambém na adminis ação pública. (de Cas o Ne o e al., 2017) Segundo (Pe ei a e al., 2017), os dados de em es a disponí eis pa a odos os que enham um p opósi o pa a a sua u ilização, e podem se acedidos, modi icados e eu ilizados pa a qualque inalidade. Isso signi ica que os dados abe os de em es a disponí eis e acessí eis, e de em pode se eu ilizados e edis ibuídos pa a que se consiga uma pa icipação uni e sal, ou seja, pa a que oda a gen e possa u iliza os dados abe os sem disc iminação po campos, pessoas ou g upos. Uma impo an e condição subjacen e no uncionamen o de uma democ acia é o acesso à in o mação. Cidadãos in o mados são mais capazes de con ibui pa a p ocessos democ á icos, êm uma maio capacidade de comp eende e acei a as bases das decisões que os a e am e êm uma maio capacidade de se adap a em às si uações que ão oco endo no dia-a-dia. Nesse sen ido, podemos e i ica na li e a u a (A a d e al., 2015; Je zek, 2016; Siebe & Johnson, 2015; Tho sby, S owe s, Wolslegel, & Tumbuan, 2017; Ve huls e al., 2016) que exis em di e sas de inições que apon am às pla a o mas de dados abe os o papel de p omoção dos p ocessos democ á icos e da anspa ência das decisões a a és da publicação de conjun os de dados go e namen ais e 13 o e ecendo a opo unidade de pa icipa a i amen e nos p ocessos de decisão e esolução de p oblemas públicos. As pla a o mas de dados abe os isam ambém es imula a ino ação, o c escimen o económico e melho a a p es ação de se iços. (Ruije , G immelikhuijsen, & Meije , 2017) Em pa icula , com o acesso aos dados abe os, espe a-se que o público possa usa os dados do go e no pa a oma melho es decisões e melho a a sua qualidade de ida, enquan o se espe a que os go e nos possam e acesso a um conjun o de dados com um alcance cada ez mais amplo pa a p omo e a omada de decisão baseada em e idências. (Ubaldi, 2013) Exis e um p essupos o de que os dados abe os c iam e ge am mais alo do que a enda de da a se s. Os seus bene ícios podem se ag upados em bene ícios polí icos e sociais, económicos e ope acionais e écnicos (Tabela 2.2). (Janssen, Cha alabidis, & Zuide wijk, 2012) Segundo (Ca a a, San Chan, Fische , & an S eenbe gen, 2015), os e ei os da u ilização e eu ilização de dados abe os podem se aduzidos em bene ícios di e os e indi e os. Os bene ícios di e os são bene ícios aduzidos em alo es mone á ios e são ealizados em ansações de me cado sob a o ma de ecei as, núme o de emp egos en ol idos na p odução de um p odu o ou se iço ou na poupança que podem ge a . Os bene ícios indi e os da ge ação e eu ilização de dados abe os podem se di ididos em bene ícios económicos, polí icos e sociais. Os bene ícios económicos podem se aduzidos em po enciais no os emp egos, no os p odu os e se iços, o c escimen o da economia do conhecimen o e maio e iciência nos se iços públicos. A ní el polí ico, os bene ícios podem se aduzidos em maio anspa ência e esponsabilidade, pa icipação cí ica, consciencialização polí ica e acesso à in o mação. Do pon o de is a social, os bene ícios podem se assumi uma o ma de maio inclusão social, pa icipação cí ica, acesso à in o mação e supo e à omada de decisão. Tabela 2.2 - Tabela com alguns dos bene ícios dos dados abe os, p opos a no es udo de (Janssen e al., 2012) Ca ego ia Bene ícios Polí icos e Sociais Maio T anspa ência, Responsabilidade Democ á ica, Maio pa icipação dos cidadãos, C iação de con iança no Go e no, Maio esc u ínio dos dados, Igualdade no acesso aos dados, No os se iços go e namen ais pa a os cidadãos, Melho ia dos se iços p es ados aos cidadãos, Melho ia da sa is ação dos cidadãos, Melho ia dos p ocessos de o mulação de polí icas, Maio isibilidade pa a o o necedo dos dados, Es imulação pa a no o conhecimen o, C iação de no as isões no se o público, No os se iços sociais (ino a i os) 20 6. Despo o 7. Ges ão U bana 8. Economia e Ino ação 9. Ene gia e Comunicações 10. Planeamen o U bano 11. Habi ação e Desen ol imen o social 12. In o mação Base e Ca og a ia 13. População 14. Ou os Equipamen os e Se iços 15. Saúde 16. T anspa ência 17. Tu ismo e Laze 18. Mobilidade De aco do com o es udo de (Lou enço, 2015), exis em uma sé ie de ca ac e ís icas cha e que um po al de dados abe os de e espei a de modo a que o po al seja uma pla a o ma que p omo a a anspa ência e a esponsabilidade: 1. Qualidade Os cidadãos espe am que os dados di ulgados pelas en idades o iciais enham qualidade no sen ido em que são dados o iciais e, po an o, de em se dados p ecisos e con iá eis. 2. In eg idade dos dados Ao publica um de e minado conjun o de dados, as en idades públicas de em conside a o ní el de de alhe em que esses dados são di ulgados. Dados demasiado de alhados podem comp ome e sua comp eensibilidade e "esconde " os dados ele an es, mas a al a de de alhes pode c ia conjun os de dados incomple os. 3. Acesso e Visibilidade De em exis i poucas ou nenhumas ba ei as ao acesso dos cidadãos aos dados ele an es 4. Usabilidade e Comp eensão A usabilidade dos po ais de dados abe os e e e-se à acilidade com que os u ilizado es conseguem acede às in o mações e na ega no po al. A comp eensão dos po ais de dados abe os isa ga an i que os u ilizado es conseguem en ende e in e p e a adequadamen e 21 a in o mação a que acedem no po al de dados abe os. Os dados não de em con e signi icados ambíguos ou ja gão. 5. Tempo alidade dos dados Os dados colocados no po al de dados abe os de em se “a uais” e de em se a ualizados ao longo do empo, de modo a p omo e a sua usabilidade po pa e dos u ilizado es. 6. Valo e u ilidade As en idades públicas não de em en a publica odos os dados que possuem. De em começa po iden i ica os dados mais ele an es com mais al o alo e maio impac o que mais bene iciam os u ilizado es. 7. G anula idade Os dados de em se publicados no po al de dados abe os como chega am da on e, ou seja, com um g au de g anula idade mínimo, sem ag egações ou al e ações. Os dados publicados não de em da aos u ilizado es uma isão p é- o ma ada ou endenciosa. 2.2.2. Qualidade dos Dados Abe os A di usão das inicia i as de dados abe os nos úl imos anos man e e um i mo mui o ele ado. No en an o, exis em e idências de que a di ulgação de dados sem um con olo ap op iado da qualidade pode comp ome e a eu ilização dos mesmos e a e a nega i amen e a pa icipação cí ica. (Ve ò e al., 2016) Embo a exis am inúme os sucessos de ino ação baseados no pa adigma dos dados abe os, exis e alguma ince eza sob e a qualidade dos dados nos conjun os de dados disponibilizados. Essa ince eza é uma ameaça ao alo que pode se ge ado a pa i desses dados. (Sadiq & Indulska, 2017) A qualidade dos dados pode se de inida como um g au em que um conjun o de ca ac e ís icas dos dados cump e com de e minados equisi os. Essas ca ac e ís icas podem se : in eg idade dos dados, alidade, p ecisão, consis ência, disponibilidade e a ualidade dos dados. Os equisi os são de inidos con o me a necessidade ou expec a i a que é decla ada, ge almen e implíci a ou ob iga ó ia. O s anda d ISO 9001:2015 conside a a qualidade dos dados como um concei o ela i o, la gamen e dependen e de equisi os especí icos que esul am da u ilização dos dados. Is o signi ica que os mesmos dados podem se de boa qualidade pa a um ipo de u ilização e comple amen e inú eis pa a ou o. (Bice skis, Bice ska, & Ka ni is, 2017) O es udo de (Ba ini, Cappiello, F ancalanci, & Mau ino, 2009) ap esen a uma análise das abo dagens exis en es pa a a a aliação da qualidade dos dados e a iden i icação de equisi os, indicando que ais abo dagens incluem ipicamen e ês aspe os p incipais: análise dos dados e dos p ocessos, análise dos equisi os da qualidade dos dados e análise da qualidade dos dados. A análise dos dados e dos p ocessos inclui o es udo dos schemas dos dados, a ealização de euniões com os u ilizado es pa a que se possa alcança uma comp eensão comple a dos dados, as suas eg as e es ições e os p ocessos de c iação e consumo desses dados. A análise de equisi os da 22 qualidade dos dados inclui ge almen e sondagens aos u ilizado es e adminis ado es dos dados pa a que se possam iden i ica p oblemas na qualidade dos dados, com o obje i o especí ico de iden i ica conjun os de dados c í icos, de ini mé icas pa a medi a qualidade dos dados e de ini me as. A análise da qualidade dos dados e e e-se às a i idades elacionadas com a explo ação e a aliação dos conjun os de dados em elação às mé icas da qualidade de dados de inidas an e io men e. (Ba ini e al., 2009) À medida que a quan idade e a a iedade das on es de dados ão aumen ando, é impo an e c ia bons me adados (desc ições, cobe u a geog á ica, limi ações, e c.), a im de pe mi i que as pa es in e essadas, que não êm um g ande conhecimen o sob e o assun o, acilmen e pesquisem e consumam os dados. Em ce o sen ido, a noção de que odos os dados di ulgados de em e qualidade é e iden e, mas esse concei o não é ácil de iden i ica no con ex o dos dados abe os, e o equisi o pa a a qualidade dos dados pode se conside ado como ab angendo di e sas ca ac e ís icas. (Mácho á & Lněnička, 2017) Os cidadãos espe am que os dados di ulgados pelas en idades o iciais enham qualidade no sen ido em que são dados o iciais e, po an o, de em se p ecisos e con iá eis. Po ezes não é cla o qual a o ganização em pa icula que é esponsá el po um po al, e mesmo quando isso é conhecido, os cidadãos podem não es a cien es da sua c edibilidade. Além disso, quando os dados ap esen ados o am ecolhidos e p ocessados po en idades ex e nas, os po ais podem não se di e amen e esponsá eis pela sua qualidade. Po ou o lado, os cidadãos comuns não possuem os conhecimen os necessá ios pa a a alia , po si mesmos, a qualidade dos dados di ulgados, que podem a ia de aco do com cada conjun o de dados especí ico. (Lou enço, 2015) A qualidade da in o mação pode a ia e se mui o baixa. Os cidadãos espe am que o go e no seja esponsá el pela qualidade dos dados. A abe u a de dados que não possuem uma qualidade de in o mação adequada pode esul a em discussões, con usões, menos anspa ência, e em menos con iança no p óp io go e no. Es e úl imo pon o pode se explicado pelo ac o da baixa qualidade da in o mação esul a em ecu sos que são despe diçados e em esul ados con usos ou inco e os. O di ado "ga bage in, ga bage ou " é ealmen e e dadei o no que oca aos dados abe os. (Janssen e al., 2012) Os deciso es polí icos p e e em simplesmen e disponibiliza os dados, sem se p eocupa em com a p o eniência ou o en iquecimen o dos mesmos. Es e mi o indica que os dados podem se disponibilizados sem quaisque a i idades adicionais. Os dados de o igem ge almen e não podem se u ilizados de imedia o e a a aliação da qualidade e o p ocessamen o dos dados são undamen ais pa a a sua u ilização. (Janssen e al., 2012) Um dos maio es iscos elacionados com a u ilização dos dados abe os p ende-se com a al a de consciência da qualidade dos dados. Os consumido es de dados abe os no malmen e não são os p odu o es e, po an o, não exis e uma es a égia bem de inida pa a a limpeza dos dados, que ge almen e esul a numa má limpeza e ans o mação dos mesmos. Os consumido es de dados abe os podem, po an o, in es i es o ços signi ica i os pa a ge a esul ados aliosos a pa i dos dados, apenas pa a pe cebe que os esul ados são inadequados, ou não pe cebe em que os dados são de má qualidade e con ia em esul ados inco e os. (Sadiq & Indulska, 2017) 23 As medidas sob e a qualidade dos dados podem se aplicadas no domínio dos dados abe os. O sucesso dos dados abe os depende o emen e da qualidade dos conjun os de dados disponibilizados, uma ez que exis e uma g ande a iedade na qualidade dos conjun os de dados libe ados e os u ilizado es ambém podem e uma p eocupação com a qualidade dos dados abe os. Expe iências ecen es mos am ambém que a qualidade dos egis os do ca álogo de dados pode a e a a capacidade dos u ilizado es de localiza os dados do seu in e esse. (Mácho á & Lněnička, 2017) A li e a u a o nece uma ampla gama de écnicas pa a a alia e melho a a qualidade dos dados, ais como as ligações en e egis os, eg as de negócio ou medidas de simila idade. Ao longo do empo, essas écnicas e oluí am pa a lida com a c escen e complexidade da qualidade de dados em sis emas de in o mação em ede. De ido à di e sidade e complexidade dessas écnicas, a pesquisa concen ou-se na de inição de me odologias que ajudam a seleciona , pe sonaliza e aplica écnicas de a aliação e melho ia da qualidade dos dados. (Ba ini e al., 2009) 2.2.3. Ges ão da Qualidade dos Dados De aco do com a no ma ISO 9000:2005, o concei o de Qualidade de ine-se pelo g au com que um conjun o de ca ac e ís icas ine en es cump e os equisi os. Segundo a mesma no ma, o concei o de Requisi o de ine-se pela necessidade ou expec a i a que é decla ada, ge almen e implíci a ou ob iga ó ia. Assim sendo, podemos e i ica que a Qualidade dos Dados se de ine po dados que ão de encon o aos equisi os dos u ilizado es. Segundo o s anda d (ISO 9001, 2008), a adoção de um sis ema de ges ão da qualidade de e á se uma decisão es a égica da o ganização. A conceção e a implemen ação do sis ema de ges ão da qualidade de uma o ganização é in luenciada: a) pelo seu ambien e o ganizacional, po mudanças nesse ambien e e po iscos associados a esse ambien e; b) po necessidades a iá eis; c) po obje i os pa icula es; d) pelos p odu os que p opo ciona; e) pelos p ocessos que u iliza; ) pelas suas dimensões e es u u a o ganizacional. Es a no ma omen a a adoção de uma abo dagem po p ocessos quando se desen ol e, implemen a e melho a a e icácia de um sis ema de ges ão da qualidade, pa a aumen a a sa is ação do clien e ao i ao encon o dos seus equisi os. A adoção de uma abo dagem po p ocessos em como base uma a i idade ou conjun o de a i idades u ilizando ecu sos, ge ida de o ma a pe mi i a ans o mação de en adas em saídas e em que a saída de um p ocesso cons i ui di e amen e a en ada do seguin e. Uma an agem da abo dagem 24 po p ocessos é o con olo passo-a-passo que p opo ciona sob e a in e ligação dos p ocessos indi iduais den o do sis ema de p ocessos, bem como sob e a sua combinação e in e ação. Quando u ilizada den o de um sis ema de ges ão da qualidade, al abo dagem en a iza a impo ância: a) de en ende e i ao encon o dos equisi os; b) da necessidade de conside a p ocessos em e mos de alo ac escen ado; c) de ob e esul ados do desempenho e da e icácia do p ocesso; d) da melho ia con ínua dos p ocessos baseada na medição dos obje i os. Nes e modelo de um sis ema de ges ão da qualidade baseado em p ocessos, os clien es êm um papel signi ica i o na de inição de equisi os como en adas e a moni o ização da sa is ação do clien e eque a a aliação da in o mação ela i a à pe ceção, po pa e des e, quan o à o ganização e ido ao encon o dos seus equisi os. Segundo es a no ma ISO 9001:2008, a ges ão de opo de e assegu a que a polí ica de Qualidade: a) é ap op iada ao p opósi o da o ganização; b) inclui um comp ome imen o de cump i os equisi os e de melho a con inuamen e a e icácia do sis ema de ges ão da qualidade; c) p opo ciona um enquad amen o pa a o es abelecimen o e a e isão dos obje i os da qualidade; d) é comunicada e en endida den o da o ganização; e) é e is a pa a se man e ap op iada. A ges ão de opo de e assegu a que os obje i os da qualidade são mensu á eis e consis en es com a polí ica da Qualidade. A o ganização de e planea e desen ol e os p ocessos necessá ios pa a a ealização do p odu o. No planeamen o da ealização do p odu o, a o ganização de e de e mina , con o me ap op iado, o seguin e: a) obje i os da qualidade e equisi os pa a o p odu o; b) a necessidade de es abelece p ocessos e documen os, e de p opo ciona os ecu sos especí icos pa a o p odu o; c) as a i idades eque idas de e i icação, alidação, moni o ização, medição, inspeção e ensaio especí icas do p odu o e os c i é ios de acei ação do p odu o; d) os egis os necessá ios pa a p opo ciona a e idência de que os p ocessos de ealização e o p odu o esul an e ão de encon o aos equisi os 25 2.2.4. Me odologias pa a a aliação e melho ia da qualidade dos dados As consequências da má qualidade dos dados são e i icadas mui as ezes na ida quo idiana das emp esas, mas, na maio ia das ezes não são e e uadas as conexões necessá ias pa a apu a as causas. A qualidade dos dados em sé ias consequências pa a a e iciência e e icácia das emp esas. (Ba ini, Ba one, Mas ella, Mau ino, & Ru ini, 2007) Pa a as emp esas, ga an i a qualidade dos dados é uma a e a múl ipla que exige que os dados sejam a ualizados, comple os, consis en es, álidos e acessí eis pa a melho a as in e ações com o clien e. Dado es e desa io global e eco en e e num con ex o de ecu sos escassos, os e os nos dados p ecisam de se abo dados po me odologias o ien adas po um sen ido de economia. Ou seja, pa a uma melho ia na qualidade dos dados de em se escolhidas as me odologias de aco do com a sua e icácia e, em seguida, aplicadas numa sequência e icien e. (Kleindiens , 2017) Exis em á ias me odologias que o am p opos as na li e a u a, com conjun os de mé icas, ca ac e ís icas e dimensões pa a a alia a qualidade de conjun os de dados. Uma me odologia de a aliação da qualidade dos dados é de inida como o p ocesso de a aliação da adequação dos conjun os de dados às in o mações que os u ilizado es necessi am num caso especí ico. O p ocesso en ol e a medição das dimensões de qualidade ele an es pa a o u ilizado e, pos e io men e compa ando os esul ados da a aliação com os equisi os de qualidade do u ilizado . (Rula & Za e i, 2014; Ve ò e al., 2016) De aco do com o es udo de (Ba ini e al., 2009), a sequência de a i idades de uma me odologia de qualidade de dados é compos a po ês ases: 1. Recons ução do Es ado da si uação: que isa a ob enção de in o mações con ex uais sob e p ocessos e se iços o ganizacionais, ob enção de dados e p ocedimen os de ges ão elacionados, e ques ões elacionadas com a qualidade e cus os co esponden es. 2. A aliação / medição: que mede a qualidade da cole a de dados ao longo de algumas dimensões de qualidades ele an es; no e mo 'medição' é medido o alo de um conjun o de dimensões de qualidade de dados. O e mo 'a aliação' é u ilizado quando essas medidas são compa adas com os alo es de e e ência, de modo a pe mi i um diagnós ico de qualidade. 3. Melho ia: diz espei o à seleção das e apas, es a égias e écnicas pa a alcança os no os obje i os de qualidade de dados Após uma pesquisa na li e a u a, na Tabela 2.7 pode-se e i ica um conjun o de me odologias de a aliação e melho ia da qualidade dos dados. Tabela 2.7 – Lis a de Me odologias conside adas nes e a igo Ac ónimo da Me odologia Designação Re e ência HDQM He e ogenous Da a Quali y Me hodology (Ba ini e al., 2009; Ca lo, Daniele, Fede ico, & Simone, 2011) 26 TDQM To al Da a Quali y Me hodology (Ba ini e al., 2009; Wang, 1998) TIQM To al In o ma ion Quali y Managemen (Ba ini e al., 2009; English, 1999) AIMQ A me hodology o in o ma ion quali y assessmen (Ba ini e al., 2009; Lee, S ong, Kahn, & Wang, 2002) CIHI Canadian Ins i u e o Heal h In o ma ion me hodology (Ba ini e al., 2009; Long & Seko, 2002) ISTAT ISTAT me hodology (Ba ini e al., 2009; Falo si, P.D.; Palla a, S.; Pa one, A.; Alessand oni, A.; Massella, E.; and Scannapieco, 2003) COLDQ Loshin Me hodology (Cos - e ec O Low Da a Quali y) (Ba ini e al., 2009; Loshin, 2001) DaQuinCIS Da a Quali y in Coope a i e In o ma ion Sys ems (Ba ini e al., 2009; Scannapieco, Vi gilli o, Ma che i, Mecella, & Baldoni, 2004) CDQ CDQ - Comp ehensi e me hodology o Da a Quali y managemen (Ba ini, Cabi za, Cappiello, & F ancalanci, 2006; Ba ini e al., 2009) DWQ DWQ - The Da a Wa ehouse Quali y Me hodology (Ba ini e al., 2009; Jeus eld, Quix, & Ja ke, 1998) DQA Da a Quali y Assessmen (Ba ini e al., 2009; Pipino, Lee, Wang, Lowell Yang Lee, & Yang, 2002) IQM In o ma ion Quali y Measu emen (Ba ini e al., 2009; Epple & Hel e , 2004) AMEQ Ac i i y-based Measu ing and E alua ing o p oduc in o ma ion Quali y (AMEQ) me hodology (Ba ini e al., 2009; Su & Jin, 2004) QAFD Me hodology o he Quali y Assessmen o Financial Da a (Ba ini e al., 2009; De Amicis, Ba one, & Ba ini, 2006) SPDQM Squa e-Aligned Po al Da a (Mo aga, Mo aga, Cale o, & 27 Quali y Model Ca o, 2009; Ve ò e al., 2016) PDQM Po al Da a Quali y Model (Cale o, Ca o, & Pia ini, 2008) ORME-DQ ORME-DQ, a me hodology and a amewo k o da a quali y assessmen (Ba ini e al., 2007) MAMD 2.0 MAMD – Modelo Ala cos de Mejo a de Da os (Ca e e o, Gualo, Caballe o, & Pia ini, 2017) WIQA WIQA - In o ma ion Quali y Assessmen F amewo k (Bize & Cyganiak, 2009) A qualidade dos dados é no malmen e de inida como uma cons ução mul idimensional com a de inição popula "ap idão pa a o uso". A qualidade dos dados pode depende de á ios a o es (dimensões ou ca ac e ís icas), ais como Accu acy, Timeliness, Comple eness, Rele ancy, Objec i i y, Belie abili y, Unde s andabili y, Consis ency, Conciseness, A ailabili y, Ve i iabili y. (Za e i e al., 2012) A a aliação da qualidade dos dados en ol e a medição de dimensões e c i é ios de qualidade ele an es pa a o consumido . As dimensões podem se conside adas como as ca ac e ís icas de um conjun o de dados. (Za e i e al., 2012) Na Tabela 7.1 da secção de Apêndices, pode se consul ada a desc ição de odas as dimensões/ca ac e ís icas, encon adas na li e a u a que oi es udada. Na Tabela 2.8 podemos e i ica um mapeamen o en e as me odologias p esen es nes e documen o e as suas dimensões/ca ac e ís icas. Tabela 2.8 – Tabela com mapeamen o en e as me odologias p esen es nes e documen o e as suas dimensões/ca ac e ís icas Ac ónimo da Me odologia Dimensões/Ca ac e ís icas Re e ência HDQM Accu acy, Cu ency (Ba ini e al., 2009; Ca lo e al., 2011) TDQM Accessibili y, App op ia eness, Belie abili y, Comple eness, Concise/Consis en ep esen a ion, Ease o manipula ion, Value added, F ee o e o , In e p e abili y, Objec i i y, Rele ance, Repu a ion, Secu i y, Timeliness, Unde s andabili y (Ba ini e al., 2009; Wang, 1998) TIQM Dimensões ine en es: De ini ion con o mance (consis ency), Comple eness, Business ules con o mance, Accu acy ( o (Ba ini e al., 2009; 28 su oga e sou ce), Accu acy ( o eali y), P ecision, Nonduplica ion, Equi alence o edundan da a, Concu ency o edundan da a Dimensões P agmá icas: Accessibili y, Timeliness, Con ex ual Cla i y, De i a ion In eg i y, Usabili y, Righ ness ( ac comple eness), Cos . English, 1999) AIMQ Accessibili y, App op ia eness, Belie abili y, Comple eness, Concise/Consis en ep esen a ion, Ease o ope a ion, F eedom om e o s, In e p e abili y, Objec i i y, Rele ancy, Repu a ion, Secu i y, Timeliness, Unde s andabili y (Ba ini e al., 2009; Lee e al., 2002) CIHI Accu acy, Timeliness Compa abili y, Usabili y, Rele ance, O e -co e age, Unde -co e age, Simple/co ela ed esponse a iance, Reliabili y, Collec ion and Cap u e, Uni /I em non esponse, Edi and impu a ion, P ocessing, Es ima ion, Timeliness, Comp ehensi eness, In eg a ion, S anda diza ion, Equi alence, Linkage abili y, P oduc /His o ical compa abili y, Accessibili y, Documen a ion, In e p e abili y, Adap abili y, Value (Ba ini e al., 2009; Long & Seko, 2002) ISTAT Accu acy, Comple eness, Consis ency (Ba ini e al., 2009; Falo si, P.D.; Palla a, S.; Pa one, A.; Alessand oni, A.; Massella, E.; and Scannapieco, 2003) COLDQ Schema: Cla i y o de ini ion, Comp ehensi eness, Flexibili y, Robus ness, Essen ialness, A ibu e g anula i y, P ecision o domains, Homogenei y, Iden i iabili y, Ob ainabili y, Rele ance, Simplici y/Complexi y, Seman ic consis ency, Syn ac ic consis ency. Dados: Accu acy, Null Values, Comple eness, Consis ency, Cu ency, Timeliness, Ag eemen o Usage, S ewa dship, Ubiqui y Ap esen ação: App op ia eness, Co ec In e p e a ion, Flexibili y, Fo ma p ecision, Po abili y, Consis ency, Use o s o age, Polí ica de in o mação: Accessibili y, Me ada a, P i acy, Secu i y, Redundancy, Cos . (Ba ini e al., 2009; Loshin, 2001) DaQuinCIS Accu acy, Comple eness, Consis ency, Cu ency, (Ba ini e al., 2009; Scannapieco e al., 29 T us wo hiness 2004) CDQ Schema: Co ec ness wi h espec o he model, Co ec ness wi h espec o Requi emen s, Comple eness, Pe inence, Readabili y, No maliza ion Dados: Syn ac ic/Seman ic Accu acy, Seman ic Accu acy, Comple eness, Consis ency, Cu ency, Timeliness, Vola ili y, Comple abili y, Repu a ion, Accessibili y, Cos . (Ba ini e al., 2006, 2009) DWQ Co ec ness, Comple eness, Minimali y, T aceabili y, In e p e abili y, Me ada a E olu ion, Accessibili y (Sys em, T ansac ional, Secu i y), Use ulness (In e p e abili y), Timeliness (Cu ency, Vola ili y), Responsi eness, Comple eness, C edibili y, Accu acy, Consis ency, In e p e abili y (Ba ini e al., 2009; Jeus eld e al., 1998) DQA Accessibili y, App op ia e amoun o da a, Belie abili y, Comple eness, F eedom om e o s, Consis ency, Concise Rep esen a ion, Rele ance, Ease o manipula ion, In e p e abili y, Objec i i y, Repu a ion, Secu i y, Timeliness, Unde s andabili y, Value added (Ba ini e al., 2009; Pipino e al., 2002) IQM Accessibili y, Consis ency, Timeliness, Conciseness,Main ainabili y, Cu ency, Applicabili y, Con enience, Speed, Comp ehensi eness, Cla i y, Accu acy, T aceabili y, Secu i y, Co ec ness, In e ac i i y (Ba ini e al., 2009; Epple & Hel e , 2004) AMEQ Consis en ep esen a ion, In e p e abili y, Case o unde s anding, Concise ep esen a ion, Timeliness, Comple eness Value added, Rele ance, App op ia eness, Meaning ulness, Lack o con usion, A angemen , Readable, Reasonabili y, P ecision, Reliabili y, F eedom om bias, Da a De iciency, Design De iciency, Ope a ion De iciencies, Accu acy, Cos , Objec i i y, Belie abili y, Repu a ion, Accessibili y, Co ec ness, Unambigui y, Consis ency (Ba ini e al., 2009; Su & Jin, 2004) QAFD Syn ac ic/Seman ic accu acy, In e nal/Ex e nal consis ency, Comple eness, Cu ency, Uniqueness (Ba ini e al., 2009; De Amicis e al., 2006) SPDQM Accessibili y, Accu acy, Amoun o da a, Applicabili y, A ac i eness, A ailabili y, Comple eness, Compliance, Concise Rep esen a ion, Con iden iali y, Consis ency, Consis en Rep esen a ion, C edibili y, Cu en ness, Cus ome Suppo , Documen a ion, Ease o ope a ion, E ec i eness, E iciency, Expi a ion, Flexibili y, In e ac i e, In e p e abili y, (Mo aga e al., 2009; Ve ò e al., 2016) 36 abo dagens supe isionadas que combinam a capacidade compu acional com a descobe a de pad ões e dis inções semân icas ina as pa a os se es humanos, de modo a pe mi i a a aliação isual da qualidade dos dados. (Bo o ina Josko & Fe ei a, 2017) A a és de ep esen ações isuais in e a i as, quem a alia a qualidade dos dados consegue pesquisa , ex ai , co elaciona e en ende os signi icados (pad ões, elacionamen os e mé icas) em di e en es g anula idades a é se em indicadas e idências semân icas que con i mem ou e u em um de ei o nos dados. (Bo o ina Josko & Fe ei a, 2017) Os sis emas de isualização p oje ados pa a supo a um p ocesso de análise da qualidade dos dados baseiam-se em duas abo dagens. A abo dagem denominada como econhecimen o de qualidade, que deno a a u ilização de ecu sos compu acionais pa a ex ai mé icas de qualidade dos dados que são isualmen e comunicadas a a és de highligh s ou ó ulos. A abo dagem denominada como o ien ação pa a o diagnós ico isual, que deno a uma análise isual in ensi a de signi icados pa a de e a de ei os de dados. (Bo o ina Josko & Fe ei a, 2017) Nes e p oje o i á se desen ol ido um sis ema de isualização, a a és do desen ol imen o e implemen ação de um mockup de um Dashboa d que supo e um p ocesso de análise da qualidade dos dados apoiada na abo dagem denominada como econhecimen o de qualidade, que deno a a u ilização de ecu sos compu acionais pa a ex ai mé icas de qualidade dos dados que são isualmen e comunicadas a a és de highligh s ou ó ulos. Nenhum exemplo de isualização de dados ocupa um luga mais p oeminen e na consciência das pessoas de negócios que um dashboa d. O display de um Dashboa d combina oda a in o mação que é necessá ia pa a moni o iza apidamen e o cená io de um de e minado aspe o do negócio num único ec ã. Quando são p oje ados de o ma ap op iada pa a uma comunicação isual e icaz, os dashboa ds o e ecem uma imagem do que es á a oco e , o que nunca pode ia se e e uado a a és de ela ó ios adicionais. (Few, 2007) 2.3.1. Ca ac e ís icas do desenho de um Dashboa d Segundo o es udo de (Yigi basioglu & Velcu, 2012), as ca ac e ís icas do desenho de um Dashboa d podem se di ididas em dois ipos, as ca ac e ís icas uncionais e as ca ac e ís icas isuais. As ca ac e ís icas uncionais são as ca ac e ís icas que se elacionam indi e amen e com a isualização, mas que desc e em o que um Dashboa d pode aze . É impo an e que as ca ac e ís icas uncionais de um Dashboa d se ajus em aos seus obje i os, uma ez que um ajus e inadequado pode esul a em esul ados que não se ão os mais pe ei os, o necendo indicações incomple as a quem necessi a do Dashboa d pa a oma as melho es decisões. As ca ac e ís icas uncionais pe mi em o ajus e cogni i o com os di e en es ipos de u ilizado es de um Dashboa d e são compos as pelos seguin es pon os: • Tipos de o ma o da ap esen ação (G á icos s. Tabelas) • Flexibilidade no o ma o da ap esen ação • D ill down and d ill up • Análise do cená io 37 • Seleção do o ma o da ap esen ação guiada pela eo ia • Ale as au omá icos No en an o, mesmo que as ca ac e ís icas uncionais de um Dashboa d es ejam bem ajus adas aos obje i os (ou seja, que odas as in o mações e ecu sos necessá ios es ão disponí eis ao u ilizado ), uma má de inição das ca ac e ís icas isuais (po exemplo, a u ilização excessi a de co es, uma baixa axa de u ilização de co es na ep esen ação dos dados, e c.) pode con undi e dis ai o u ilizado do Dashboa d. As ca ac e ís icas isuais de um Dashboa d po enciam uma melho isualização da in o mação e são compos as pelos seguin es pon os: • Página única • Uso ugal de co es • Al a axa de u ilização de co es na ep esen ação dos dados • U ilização de linhas de g elha em g á icos 2D e 3D 2.3.2. U ilizado es al o do Dashboa d Um dos aspe os mais impo an es, se não o mais impo an e, é a ap esen ação no Dashboa d dos indicado es que ealmen e impo am pa a os u ilizado es al o, endo em con a os obje i os e o p oblema que oi de inido. A iden i icação das a iá eis c uciais associadas a um Dashboa d em uma eno me impo ância e a seleção de dados adequados pa a a e icácia do sis ema de medição baseado num Dashboa d ambém é um aspe o undamen al. (Ma co, Mangano, & Zenezini, 2015) Segundo o es udo de (Juice, 2009), os Dashboa ds são ú eis po que aquilo que é medido é melho ado e po que é mui o impo an e um en endimen o compa ilhado do es ado do negócio. No con ex o des e p oje o é impo an e de e mina os mo i os especí icos pelos quais a u ilização de um Dashboa d i á se ú il pa a a esolução do p oblema e o es udo de (Juice, 2009) indica ês ques ões cha es a que se de e da espos a: 1. Quem é o u ilizado al o do Dashboa d? • A Equipa de Ges ão do Po al de Dados Abe os da Cidade de Lisboa 2. Qual o alo que o Dashboa d i á adiciona ? • De ini me as e expec a i as pa a a equipa de Ges ão da Qualidade dos Dados elacionadas com as di e sas dimensões e ca ac e ís icas da qualidade dos dados que são inse idos no Po al de Dados Abe os da Cidade de Lisboa • Enco aja ações especí icas sob e os conjun os de dados an es de se em colocados no Po al de Dados Abe os de Lisboa, de modo a p omo e uma maio qualidade nos dados que ali se ão colocados 38 • Realça exceções e o nece ale as quando exis i em p oblemas na qualidade dos dados que i ão se colocados no Po al de Dados Abe os da Cidade de Lisboa • Comunica o p og esso e o sucesso da aplicação das di e en es me odologias da qualidade dos dados nos dados que se ão colocados no Po al de Dados Abe os da Cidade de Lisboa • Fo nece uma in e ace comum pa a in e agi e analisa os esul ados da aplicação das di e en es me odologias de qualidade dos dados aos dados que i ão se disponibilizados no Po al de Dados Abe os da cidade de Lisboa 3. Qual o ipo de Dashboa d de e se c iado? • Um ipo de Dashboa d ocado no âmbi o da aplicação de me odologias de qualidade dos dados • Fo necendo uma isão ocada na qualidade dos dados que i ão se colocados no Po al de Dados Abe os da Cidade de Lisboa • Com um ho izon e empo al his ó ico, de modo a i e i icando a e olução da qualidade dos dados ao longo do empo, depois de aplicadas algumas co eções • Ap esen ado com uma isão única pa a odos os u ilizado es, com á ios ní eis de de alhe, p opo cionando a capacidade de o u ilizado e e ua d ill down, pa a e acesso a núme os mais de alhados pa a ganha mais con ex o • Com um pon o de is a explo a ó io, em que o u ilizado em a libe dade de in e p e a os esul ados con o me acha mais ap op iado Os Dashboa ds bem-sucedidos são aqueles que con ibuem pa a melho a a omada de decisões e o desempenho o ganizacional a a és da u ilização dos dados ce os no momen o ce o, pa a oma as decisões mais ace adas. (Ananda ajan & Jones, 2017) 2.4. PROPOSTA CONCEPTUAL DO MODELO DE AVALIAÇÃO DA QUALIDADE DOS DADOS O modelo de a aliação da qualidade dos dados que i á se implemen ado nes e p oje o em como base o es udo na li e a u a de um modelo de dados que pe mi a implemen a uma amewo k pa a a a aliação e a amen o da qualidade dos dados que i ão se colocados no Po al de Dados Abe os da cidade de Lisboa. Esse modelo de dados de e pe mi i a aplicação de di e en es me odologias de a amen o da qualidade dos dados, já es udadas no capí ulo 2.2.4. Es a p opos a de modelo de a aliação da qualidade dos dados e que oi a base pa a o desen ol imen o do p oje o encon a-se desc i a no capí ulo 3.1. No seguimen o da implemen ação do modelo de a aliação da qualidade dos dados que i ão se colocados no Po al de Dados Abe os da cidade de Lisboa, i á se desen ol ido um mockup de um Dashboa d de modo a ap esen a aos u ilizado es os esul ados do uncionamen o da amewo k de a amen o da qualidade dos dados que i ão se colocados no Po al de Dados Abe os da cidade de 39 Lisboa. A p opos a de p o ó ipo do Dashboa d encon a-se desc i a no pon o 2.4.1. a a és de um wi e ame. 2.4.1. Wi e ame do Dashboa d A u ilização de p o ó ipos pa a a isualização de in e aces (ge almen e conhecidas como mockups ou wi e ames), p o a am aumen a a e iciência na pe ceção dos equisi os das aplicações. Uma das suas an agens p ende-se com o ac o dos wi e ames se em ecnicamen e aliosos pa a os p og amado es e, ao mesmo empo, se em o almen e comp eensí eis pa a os u ilizado es inais. (Ri e o e al., 2014) A maio ia dos clien es p eocupa-se p incipalmen e como ão in e agi com o p odu o e p eocupa-se menos com os de alhes. Pa a e em uma ideia cla a do p odu o êm de isualiza o mesmo e isso pode se alcançado a a és do desen ol imen o de um mockup do p odu o an es do desen ol imen o das especi icações. Es e ipo de mockup é mui as ezes chamado de wi e ame, é ba a o de c ia e uma e amen a de comunicação mui o e icaz. (K ei zbe g, 2004) C ia um wi e ame no p ocesso inicial de c iação da in e ace das aplicações com o u ilizado é mui o ú il como meio de comunicação en e os u ilizado es e quem desen ol e o p odu o. O wi e ame se e como guia isual que é u ilizado pa a suge i o con eúdo e a es u u a do p odu o, assim como as in e ações e as elações na u ilização do mesmo, que se ão a inadas a é que exis a aco do com os u ilizado es. Assim sendo, no âmbi o des e p oje o oi desen ol ido um wi e ame do Dashboa d que i á se i pa a ap esen a aos u ilizado es os esul ados do uncionamen o da amewo k de a amen o da qualidade dos dados que i ão se colocados no Po al de Dados Abe os da cidade de Lisboa, que pode se e i icado na igu a 2.4. 40 Figu a 2.4 - Wi e ame do Dashboa d com os indicado es da Qualidade dos Dados que o am a aliados na amewo k de a aliação da qualidade dos dados O wi e ame do Dashboa d que i á se desen ol ido e que se encon a ep esen ado na igu a 2.4, con ém: • Uma imagem no opo que i á con e o í ulo do Dashboa d • Um conjun o de bo ões que i á e a unção de slice e cada bo ão de e á ep esen a um g upo de dados daqueles que compõem o Po al de Dados Abe os da cidade de Lisboa. • Um conjun o de g á icos que i ão ep esen a as mé icas de cada dimensão que o am calculadas pa a indica os ní eis de qualidade dos dados que i ão se colocados no Po al de Dados Abe os da cidade de Lisboa. A a és dos bo ões que êm a unção de slice , o u ilizado pode á i e i icando os indicado es de qualidade de cada dimensão que o am calculados em cada g upo de dados. Inicialmen e se ão ap esen ados os dados ge ais, sem qualque ipo de il o. Es e wi e ame oi elabo ado com ecu so a uma e amen a de cons ução de wi e ames, denominada como ‘Mock low’ e es á disponí el a a és do si e (h ps://www.mock low.com/). 41 3. DESENVOLVIMENTO Como já oi mencionado na de inição da me odologia, o desen ol imen o des e p oje o em como base um p ocesso cíclico, o que signi ica que é um mé odo i e a i o usado pa a um con olo con ínuo e melho ia dos a e ac os. Pa a inicia o p ocesso, uma suges ão inicial de e se ei a. Isso conduzi á a uma ase de implemen ação e, inalmen e, a uma ase de a aliação dos esul ados. A a aliação de e mina á o início de um no o ciclo ou à conclusão do p oje o. A ase inicial des e p ocesso de desen ol imen o p ende-se com o es udo na li e a u a de um modelo de dados que pe mi a implemen a uma amewo k pa a a a aliação e a amen o da qualidade dos dados que i ão se colocados no Po al de Dados Abe os da cidade de Lisboa. Esse modelo de dados de e pe mi i a aplicação de di e en es me odologias de a amen o da qualidade dos dados, já es udadas no capí ulo 2.2.4. Numa ase seguin e, i á se iniciada uma ase de implemen ação da amewo k pa a a a aliação e a amen o da qualidade dos dados que oi es udada e se á desen ol ido um p o ó ipo inicial pa a e i ica o compo amen o do uncionamen o da amewo k e os seus indicado es. Es e capí ulo i á e mina com o desen ol imen o de um mockup de um Dashboa d de modo a ap esen a aos u ilizado es os esul ados do uncionamen o da amewo k de a amen o da qualidade dos dados que i ão se colocados no Po al de Dados Abe os da cidade de Lisboa. 3.1. FRAMEWORK PARA A AVALIAÇÃO DA QUALIDADE DOS DADOS Os dados abe os são uma pa e do con eúdo ou dos dados, com o in ui o de alguém pode u ilizá- los, eu ilizá-los e ambém edis ibuí-los. A maio ia dos conjun os de dados abe os di ulgados es á ainda em o ma o b u o e o seu sucesso depende o emen e da sua qualidade. (Mácho á & Lněnička, 2017) A di usão dos Dados Abe os man e e um i mo mui o ele ado nos úl imos anos. No en an o, exis em e idências que indicam que a di ulgação de dados sem o con olo de qualidade adequado pode comp ome e a eu ilização dos conjun os de dados e a e a nega i amen e a pa icipação cí ica. (Ve ò e al., 2016) Fo malmen e, a Qualidade dos Dados é de inida na No ma ISO 25012 como "a capacidade de dados pa a sa is aze necessidades decla adas e implíci as quando usadas sob condições especi icadas". Além dessa de inição, a Qualidade dos Dados pode se de inida como a capacidade de uma cole a de dados que ão de encon o às necessidades dos u ilizado es, ou seja, que enham uma "adequação ao uso" endo em con a o pon o de is a do u ilizado sob e a qualidade que esses dados de em e . (Ba ini e al., 2009; ISO/IEC 25012, 2008; Ve ò e al., 2016; Wang & S ong, 1996) É nes e con ex o que o es udo de (Ba ini e al., 2007) ap esen a uma amewo k pa a a a aliação da qualidade dos Dados, que no caso conc e o des e p oje o, se ão os dados que i ão se disponibilizados no Po al de Dados Abe os da cidade de Lisboa. 42 A a qui e u a des a amewo k (Figu a 3.1) é compos a po cinco módulos (e espe i os eposi ó ios associados), sendo que o desen ol imen o des e p oje o i á e em con a os seguin es qua o módulos: • Knowledge Ex ac o – O módulo ‘Knowledge Ex ac o ’ pe mi e a de inição de odos os elacionamen os en e os dados u ilizados nos p ocessos, se iços e pelas unidades de negócio, a mazenando-os num eposi ó io. • Da a Quali y Assessmen - O módulo ‘Da a Quali y Assessmen ’ é esponsá el po a alia a qualidade das on es de dados, aplicando di e en es algo i mos e écnicas, a mazenando odos os esul ados num eposi ó io. • Analysis – O módulo ‘Analysis’ em como obje i o o p ocessamen o e análise da in o mação e i ada do módulo de ‘Da a Quali y Assessmen ’, sendo que a análise OLAP é a mazenada num eposi ó io. • Moni o ing & Repo ing – O módulo ‘Moni o ing & Repo ing’ pe mi e a ealização de a i idades de moni o ização e de ela ó ios sob e as in o mações mais impo an es. Figu a 3.1 – A qui e u a da amewo k de a aliação da Qualidade dos Dados, adap ada do es udo de (Ba ini e al., 2007) 3.1.1. A qui ec u a da amewo k Com base na amewo k de a aliação da Qualidade dos Dados ap esen ada no pon o an e io , i á se implemen ado um sis ema de Da a Wa ehouse (DW) com uma a qui e u a do ipo S a (Figu a 3.2.), onde exis i ão abelas ac uais ligadas às suas espe i as dimensões a a és de Su oga e Keys. Se ão c iados Jobs de ex ac - ans o m-load (ETL), esponsá eis pela ex ação, a amen o/ ans o mação e pos e io ca egamen o nas abelas do DW. As Dimensões são abelas que a mazenam os concei os de negócio, os quais i ão ca ac e iza os egis os das abelas ac uais. As dimensões implemen adas no DW de Ges ão da Qualidade dos dados se ão do ipo ze o, um e dois. As dimensões do ipo ze o, são no malmen e ca egadas uma ez e não so em mais al e ações dos seus egis os. As dimensões do ipo um, podem so e al e ações a alguns os seus campos, sendo o sis ema capaz de e e ua a ualizações a esses egis os. 43 Po úl imo as dimensões do ipo dois, são idên icas às do ipo um, mas pe mi em e e his ó ico das al e ações dos seus campos, a a és de um campo de ‘s a da e’ e ‘end da e’, o qual ep esen a o pe íodo empo al em que de e minado egis o é álido. Os egis os a uais são ca ac e izados po possuí em o campo ‘end da e’ com o alo ‘NULL’. As abelas ac uais se em o p opósi o de a mazena os dados ansacionais diá ios, possuindo di e sos campos com mé icas ú eis pa a a a aliação da qualidade dos dados. Cada uma das ansações se á semp e ca ac e izada pela dimensão empo e po um conjun o de cha es de ou as dimensões que ca ac e izam a elação. Figu a 3.2 – Exemplo de a qui e u a do ipo S a , e i ada de (www.da awa ehouse4u.in o, n.d.) Numa p imei a ase, i á se e e uado o le an amen o e iden i icação das on es de in o mação do sis ema ope acional, que no caso des e P oje o se encon am odas no Po al de Dados Abe os da Cidade de Lisboa. Es e é maio i a iamen e cons i uído po ichei os ex e nos em o ma o CSV, GeoJSON, JSON ou PDF. Numa segunda ase, e seguindo o modelo da amewo k indicada no es udo de (Ba ini e al., 2007) se á implemen ado um módulo designado como ‘Knowledge Ex ac o ’, que i á con e a de inição de odos os elacionamen os en e os dados u ilizados nos p ocessos, se iços e pelas unidades de negócio, a mazenando-os num eposi ó io. 44 Numa e cei a ase, i á se desen ol ida a de inição dos p ocessos ETL pa a ob e os dados da BD ope acional e ichei os on e, ca egando es es dados numa base de dados denominada po S aging A ea. Es a á ea em como obje i o melho a a pe o mance da ase de ETL, sendo os dados ca egados dos sis emas on es de uma o ma ainda pouco ans o mada. As abelas da S aging A ea são igualmen e e icien es pois não e e uam a mazenamen o de dados his ó icos, sendo que os dados con idos nes as abelas são apagados no início de cada execução, pe mi indo ca egamen os mais céle es e consul as mais e icien es na ase de ca egamen o das abelas DW. Es a á ea e le e ambém o módulo de ‘Da a Quali y Assessmen ’ indicado na amewo k do es udo de (Ba ini e al., 2007). Numa qua a ase, são e e uadas as ans o mações inais aos dados exis en es na S aging A ea e são ei os os ca egamen os das abelas de Dimensões e abelas Fac uais. O DW e á ce ca de 3 dimensões e 1 abela a ual. Es a á ea e le e o módulo de ‘Analysis’ indicado na amewo k do es udo de (Ba ini e al., 2007). Na igu a 3.3. é possí el e i ica o desenho da A qui e u a do DW pa a análise da qualidade dos dados que se ão inse idos no Po al de Dados Abe os da cidade de Lisboa. Na ase inal, se á implemen ado um mockup de um Dashboa d, de modo a que o u ilizado inal possa ealiza a i idades de moni o ização sob e as in o mações mais impo an es, que nes e caso conc e o se ão as mé icas apu adas sob e a qualidade dos dados a se em colocados no Po al de Dados Abe os da cidade de Lisboa. Es a á ea e le e o módulo de ‘Moni o ing & Repo ing’ indicado na amewo k do es udo de (Ba ini e al., 2007). As e amen as que i ão se u ilizadas na elabo ação do DW se á o ‘SQL Se e Managemen S udio 2016’ (SSMS). Os p ocessos de ETL se ão de inidos em ‘SQL Se e In eg a ion Se ices’ (SSIS) a a és da e amen a de desen ol imen o ‘SQL Se e Da a Tools 2015’ e o desen ol imen o do mockup do Dashboa d i á se e e uado com ecu so à e amen a ‘Powe BI’. 45 Figu a 3.3 – Desenho da A qui e u a do DW pa a análise da qualidade dos dados que se ão inse idos no Po al de Dados Abe os da cidade de Lisboa As abelas de DW segui am o modelo de elações que se pode e i ica na igu a 3.4: • Fac ual de Mé icas Figu a 3.4 – Modelo de dados do DW pa a a a aliação da qualidade dos dados do Po al de Dados Abe os da cidade de Lisboa 52 ei as num conjun o de dados. Cu en ness Indicação de e são a ualizada de um Conjun o de Dados Tabela Indicação da a ualidade da e são de um Conjun o de Dados. (Ba ini e al., 2009; Ve ò e al., 2016) Expi a ion Indicação do a aso após a expi ação da e são a ual de um Conjun o de Dados Tabela Indica a elação en e o a aso na publicação de um conjun o de dados após a da a de expi ação da sua e são an e io e o pe íodo de empo e e ido pelo conjun o de dados, em meses. (Ve ò e al., 2016) Comple eness Pe cen agem de células comple as em cada coluna das Tabelas A ibu o Indica a pe cen agem de células que não es ão azias em cada coluna das abelas (Ba ini e al., 2009; Ve ò e al., 2016) Unde s andabili y Pe cen agem de colunas com me adados, po Tabela Tabela Indica o alo da pe cen agem de colunas com me adados, po abela (Ve ò e al., 2016) Na igu a 3.7, pode se e i icado o exemplo do ca egamen o dos luxos de ca egamen o das abelas ‘SA_Me ic’ e ‘SA_TableOD’. Na igu a 3.8, pode se e i icado o exemplo do ca egamen o da abela ‘SA_Measu emen ’, em que são ilus ados os con aine s com o luxo, que po Tabela (Da ase s), que po A ibu o (Cell), espei ando o ní el de análise que cons a na abela 3.4. 53 Figu a 3.8 - Exemplo de ca egamen o po luxos – SA Load Fac Sou ces 3.5.1.2. Con ol Flow – DW O luxo especí ico de ca egamen o dos dados na á ea de “Con ol Flow” em con ex o de DW seguiu a seguin e o dem: 1. E e ua a ope ação de ca egamen o da abela de uma das dimensões, a abela ‘D_Me ic’ 2. E e ua a ope ação de ca egamen o da abela de uma das dimensões, a abela ‘D_TableOD’ 3. Pa a se e i ada uma duplicação quando exis e a necessidade de e e ua um ep ocessamen o, se á e e uada uma ope ação de dele e po ‘Pe iod_ID’, p ocedendo-se pos e io men e ao ca egamen o da abela a ual, a abela ‘F_Measu e’ Na igu a 3.9, pode se e i icado o exemplo do ca egamen o dos luxos de ca egamen o das abelas ‘D_Me ic’, ‘D_TableOD’ e da abela ‘F_Measu e’. 54 Figu a 3.9 - Exemplo de ca egamen o em DW – DW Load Dimensions e Load Fac s 3.5.2. Da a Flow Os p ocessos de “Da a Flow” seguem igualmen e uma lógica idên ica de execução. Con udo, dadas as especi icidades das on es e das ope ações necessá ias pa a execu a , i emos ap esen a as opções écnicas ado adas pa a esol e es es casos especí icos. Em di e sos casos oi omada a opção de aze ans o mações nos dados a a és de SQL nas asks de Sou ces. Des a o ma oi p ocu ado ob e uma pe o mance supe io em elação a e e ua a mesma ans o mação no SSIS, dado que a pe o mance SQL é supe io . • Inse ção do ‘Pe iod_ID’ no ca egamen o dos dados - de o ma a egis a o ‘Pe iod_ID’ do luxo em execução nos dados a se em inse idos, oi u ilizada a ask “De i ed Column”, que ob ém o alo da a iá el Pe iod_ID, e a mapeia nos dados. (Figu a 3.10). Figu a 3.10 – Exemplo de u ilização da ask “De i ed Column” • Ca egamen os inc emen ais das abelas a uais - de o ma a elabo a um ca egamen o inc emen al da abela a ual a a és do ‘Pe iod_ID’ de inido pa a o luxo, c iámos di e sas a iá eis do ipo S ing, que a mazenam a que y conca enada com a a iá el ‘TableID’ ou ‘A ibu eID’, con o me o ipo de alidação p e endido. Pos e io men e na ask de Sou ce, é u ilizada essa a iá el pa a de ini a ob enção dos dados. (Figu a 3.11) 55 Figu a 3.11 – Exemplo da U ilização de S o ed P ocedu e com ecu so a uma a iá el 56 4. RESULTADOS E DISCUSSÕES Nes e capí ulo i ão se ap esen ados os esul ados globais apu ados do p ocesso de a aliação da qualidade dos dados que i ão se colocados no Po al de Dados Abe os da cidade de Lisboa. Se á ambém ap esen ado o mockup do Dashboa d desen ol ido pa a mos a os esul ados dessa a aliação ao u ilizado inal. 4.1. DIMENSÕES/CARACTERÍSTICAS Nes a secção i ão se ap esen ados os esul ados globais apu ados do p ocesso de a aliação da qualidade dos dados pa a cada uma das dimensões/ca ac e ís icas que o am es udadas nes e P oje o. 4.1.1. T aceabili y – His ó ico de C iação de um Conjun o de Dados Con o me indicado na abela 3.4, o apu amen o da medição ela i a à dimensão ‘T aceabili y – His ó ico de c iação da Tabela’ indica a p esença ou ausência de me adados associados ao p ocesso de c iação de um conjun o de dados. Após a execução da mé ica que apu ou os esul ados, oi e i icado que, pa a a amos agem de conjun os de dados (43) que o am analisados nes e p oje o ( abela 7.3), odos con inham a p esença de me adados associados ao seu p ocesso de c iação, como pode se e i icado na igu a 4.1. Figu a 4.1 – G á ico dos esul ados da medição da Dimensão ‘T aceabili y – His ó ico de c iação de um Conjun o de Dados’ 57 4.1.2. T aceabili y – His ó ico de A ualizações de um Conjun o de Dados Con o me indicado na abela 3.4, o apu amen o da medição ela i a à dimensão ‘T aceabili y – His ó ico de c iação da Tabela’ indica a p esença ou ausência de me adados associados às a ualizações e e uadas num conjun o de dados. Após a execução da mé ica que apu ou os esul ados, oi e i icado que, pa a a amos agem de conjun os de dados (43) que o am analisados nes e p oje o ( abela 7.3), odos con inham a p esença de me adados associados ao seu p ocesso de a ualizações, como pode se e i icado na igu a 4.2. Figu a 4.2 - G á ico dos esul ados da medição da Dimensão ‘T aceabili y – His ó ico de a ualizações de um Conjun o de Dados’ 4.1.3. Cu en ness - Indicação de e são a ualizada de um Conjun o de Dados Con o me indicado na abela 3.4, o apu amen o da medição ela i a à dimensão ‘Cu en ness – Indicação de e são a ualizada de um Conjun o de Dados’, que indica a a ualidade da e são de um conjun o de dados. Após a execução da mé ica que apu ou os esul ados, oi e i icado que, pa a a amos agem de conjun os de dados (43) que o am analisados nes e p oje o ( abela 7.3), em 39 dos casos e i icou- se que con inham e sões a ualizadas, mas em 4 dos casos oi e i icado que con inham e sões desa ualizadas, como se pode e i ica na igu a 4.3. Na igu a 4.4, é possí el ainda e i ica es es dados em e mos de pe cen agem de Conjun os de Dados com e sões a ualizadas e com e sões desa ualizadas. 58 Figu a 4.3 – G á ico dos esul ados da medição da Dimensão ‘Cu en ness – Indicação de e são a ualizada de um Conjun o de Dados’ Figu a 4.4 - G á ico dos esul ados da medição da Dimensão ‘Cu en ness – Indicação de e são a ualizada de um Conjun o de Dados (%)’ 4.1.4. Expi a ion - Indicação do a aso após a expi ação da e são a ual de um Conjun o de Dados Con o me indicado na abela 3.4, o apu amen o da medição ela i a à dimensão ‘Expi a ion – Indicação do a aso após a expi ação da e são a ual de um Conjun o de Dados’, que indica a elação en e o a aso na publicação de um conjun o de dados após a da a de expi ação da sua e são an e io e o pe íodo de empo e e ido pelo conjun o de dados, em meses. Após a execução da mé ica que apu ou os esul ados, oi e i icado que, pa a a amos agem de conjun os de dados (43) que o am analisados nes e p oje o ( abela 7.3), em 39 dos casos e i icou- se que con inham e sões a ualizadas, mas em 4 dos casos oi e i icado que con inham e sões desa ualizadas. Em e mos de a aso após a expi ação da e são a ual, desses 4 casos, 3 conjun os de 59 dados ap esen a am uma e são desa ualizada de 3 meses e 1 conjun o de dados ap esen ou uma e são desa ualizada de 21 meses, con o me se pode e i ica na igu a 4.5. Na igu a 4.6, é possí el ainda e i ica es es dados em e mos de pe cen agem. Figu a 4.5 – G á ico dos esul ados da medição da Dimensão ‘Expi a ion – Indicação do a aso após a expi ação da e são a ual de um Conjun o de Dados’ Figu a 4.6 - G á ico dos esul ados da medição da Dimensão ‘Expi a ion – Indicação do a aso após a expi ação da e são a ual de um Conjun o de Dados (%)’ 60 4.1.5. Comple eness – Indicação da pe cen agem de células que não es ão azias em cada coluna dos Conjun os de Dados Con o me indicado na abela 3.4, o apu amen o da medição ela i a à dimensão ‘Comple eness – Indicação da pe cen agem de células que es ão p eenchidas em cada coluna dos Conjun os de Dados’, que indica a pe cen agem de células que não êm qualque alo , em cada coluna dos conjun os de dados que o am analisados. Após a execução da mé ica que apu ou os esul ados, oi e i icado que, pa a a amos agem de conjun os de dados (43) que o am analisados nes e p oje o ( abela 7.3) e pa a um o al de 522 colunas ou a ibu os, em 426 colunas nenhuma das suas células es a a azia. No pon o opos o, e i ica-se que 43 colunas não ap esen a am qualque alo p eenchido. No g á ico da igu a 4.7, pode-se e i ica a dis ibuição da pe cen agem de células que es ão p eenchidas em cada coluna dos Conjun os de Dados. Figu a 4.7 - G á ico dos esul ados da medição da Dimensão ‘Comple eness – Indicação da pe cen agem de células que es ão p eenchidas em cada coluna dos Conjun os de Dados’ 4.1.6. Unde s andabili y - Indicação do alo da pe cen agem de colunas com me adados associados, po Conjun o de Dados Con o me indicado na abela 3.4, o apu amen o da medição ela i a à dimensão ‘Unde s andabili y – Indicação do alo da pe cen agem de colunas com me adados associados, po Conjun os de Dados’, que indica a pe cen agem de colunas que êm me adados associados, nos conjun os de dados que o am analisados. Pa a cada conjun o de dados o am a aliadas 8 colunas que con êm me adados associados. Após a execução da mé ica que apu ou os esul ados, oi e i icado que, pa a a amos agem de conjun os de dados (43) que o am analisados nes e p oje o ( abela 7.3), em 27 casos oi e i icado que odas as colunas que con êm me adados associados es ão p eenchidas. Na igu a 4.8, pode-se 61 e i ica a dis ibuição da pe cen agem de colunas com me adados associados, po conjun o de dados. Figu a 4.8 - G á ico dos esul ados da medição da Dimensão ‘Unde s andabili y – Indicação do alo da pe cen agem de colunas com me adados associados, po Conjun os de Dados’ 4.2. DASHBOARD – MOCKUP Após o apu amen o dos esul ados globais apu ados do p ocesso de a aliação da qualidade dos dados que i ão se colocados no Po al de Dados Abe os da cidade de Lisboa, oi desen ol ido um mockup de um Dashboa d ( igu a 4.9) na e amen a ‘Powe BI’, que pe mi a ao u ilizado inal uma isualização ápida e bas an e comp eensí el dos esul ados dessa a aliação. O desenho des e mockup e e como base o wi e ame desc i o na igu a 2.4., do capí ulo 2.4.1 des e documen o. Figu a 4.9 – Mockup do Dashboa d com os indicado es da Qualidade dos Dados que o am a aliados na amewo k de a aliação da qualidade dos dados 68 om h ps://www.iso.o g/s anda d/35736.h ml ISO 9001. (2008). Sis emas de da qualidade. Requisi os (ISO 9001:2008), 406, 2008–11. Re ie ed om h ps://www.iso.o g/s anda d/46486.h ml Janssen, M., Cha alabidis, Y., & Zuide wijk, A. (2012). Bene i s, Adop ion Ba ie s and My hs o Open Da a and Open Go e nmen . In o ma ion Sys ems Managemen , 29(4), 258–268. h ps://doi.o g/10.1080/10580530.2012.716740 Janssen, M., an de Voo , H., & Wahyudi, A. (2017). Fac o s in luencing big da a decision-making quali y. Jou nal o Business Resea ch, 70, 338–345. h ps://doi.o g/10.1016/j.jbus es.2016.08.007 Je zek, T. (2016). Managing complexi y ac oss mul iple dimensions o liquid open da a: The case o he Danish Basic Da a P og am. Go e nmen In o ma ion Qua e ly, 33(1), 89–104. h ps://doi.o g/10.1016/j.giq.2015.11.003 Jeus eld, M. A., Quix, C., & Ja ke, M. (1998). Design and Analysis o Quali y In o ma ion o Da a Wa ehouses. In P oceedings o he 17 h In e na ional Con e ence on Concep ual Modeling (pp. 349–362). Sp inge , Be lin, Heidelbe g. h ps://doi.o g/10.1007/978-3-540-49524-6_28 Juice. (2009). A Guide o C ea ing Dashboa ds People Lo e o Use. Juice Analy ics. Re ie ed om h p://www/juiceanaly ics.com/pos e / Ka kouch, A., Mousanni , H., Al Moa assime, H., & Noel, T. (2016). Da a quali y in in e ne o hings: A s a e-o - he-a su ey. Jou nal o Ne wo k and Compu e Applica ions, 73, 57–81. h ps://doi.o g/10.1016/j.jnca.2016.08.002 Kleindiens , D. (2017). The da a quali y imp o emen plan: deciding on choice and sequence o da a quali y imp o emen s. Elec onic Ma ke s - The In e na ional Jou nal on Ne wo ked Business, 27(4), 1–12. h ps://doi.o g/10.1007/s12525-017-0245-6 K ei zbe g, C. B. (2004). S a egic Business Leade s Reducing Ou sou cing Risk Th ough Visual Communica ion. Re ie ed om h p://ci esee x.is .psu.edu/ iewdoc/download?doi=10.1.1.86.1906& ep= ep1& ype=pd Lee, Y. W., S ong, D. M., Kahn, B. K., & Wang, R. Y. (2002). AIMQ: A me hodology o in o ma ion quali y assessmen . In o ma ion and Managemen , 40(2), 133–146. h ps://doi.o g/10.1016/S0378-7206(02)00043-5 Long, J., & Seko, C. (2002). A New Me hod o Da abase Da a Quali y E alua ion a he Canadian Ins i u e o Heal h In o ma ion (CIHI). P oceedings o 7 h In e na ional Con e ence on In o ma ion Quali y. Re ie ed om www.s a can.ca Loshin, D. (2001). En e p ise Knowledge Managemen . The Da a Quali y App oach. Mo gan Kau mann. Lou enço, R. P. (2015). An analysis o open go e nmen po als: A pe spec i e o anspa ency o accoun abili y. Go e nmen In o ma ion Qua e ly, 32(3), 323–332. h ps://doi.o g/10.1016/j.giq.2015.05.006 Mácho á, R., & Lněnička, M. (2017). E alua ing he quali y o open da a po als on he na ional le el. Jou nal o Theo e ical and Applied Elec onic Comme ce Resea ch, 12(1), 21–41. h ps://doi.o g/10.4067/S0718-18762017000100003 69 Ma co, A. De, Mangano, G., & Zenezini, G. (2015). Digi al Dashboa ds o Sma Ci y Go e nance: A Case P ojec o De elop an U ban Sa e y Indica o Model. Jou nal o Compu e and Communica ions, 03(05), 144–152. h ps://doi.o g/10.4236/jcc.2015.35018 Ma sal-Llacuna, M. L., Colome -Llinàs, J., & Meléndez-F igola, J. (2014). Lessons in u ban moni o ing aken om sus ainable and li able ci ies o be e add ess he Sma Ci ies ini ia i e. Technological Fo ecas ing and Social Change, 90(PB), 611–622. h ps://doi.o g/10.1016/j. ech o e.2014.01.012 Me ino, J., Caballe o, I., Ri as, B., Se ano, M., & Pia ini, M. (2016). A Da a Quali y in Use model o Big Da a. Fu u e Gene a ion Compu e Sys ems, 63, 123–130. h ps://doi.o g/10.1016/j. u u e.2015.11.024 Mo aga, C., Mo aga, M. Á., Cale o, C., & Ca o, Á. (2009). SQuaRE-Aligned Da a Quali y Model o Web Po als. 2009 Nin h In e na ional Con e ence on Quali y So wa e, 117–122. h ps://doi.o g/10.1109/QSIC.2009.23 Pe e s, K., Tuunanen, T., Ro henbe ge , M. A., & Cha e jee, S. (2007). A Design Science Resea ch Me hodology o In o ma ion Sys ems Resea ch. Jou nal o Managemen In o ma ion Sys ems, 24(3), 45–77. h ps://doi.o g/10.2753/MIS0742-1222240302 Pe ei a, G. V., Macada , M. A., Luciano, E. M., & Tes a, M. G. (2017). Deli e ing public alue h ough open go e nmen da a ini ia i es in a Sma Ci y con ex . In o ma ion Sys ems F on ie s, 19(2), 213–229. h ps://doi.o g/10.1007/s10796-016-9673-7 Pipino, L. L., Lee, Y. W., Wang, R. Y., Lowell Yang Lee, M. W., & Yang, R. Y. (2002). Da a Quali y Assessmen . Communica ions o he ACM, 45(4), 211. h ps://doi.o g/10.1145/505248.506010 Ra ho e, M. M., Ahmad, A., Paul, A., & Rho, S. (2016). U ban planning and building sma ci ies based on he In e ne o Things using Big Da a analy ics. Compu e Ne wo ks, 101, 63–80. h ps://doi.o g/10.1016/j.comne .2015.12.023 Ri e o, J. M., G ige a, J., Rossi, G., Robles Luna, E., Mon e o, F., & Gaedke, M. (2014). Mockup-D i en De elopmen : P o iding agile suppo o Model-D i en Web Enginee ing. In o ma ion and So wa e Technology, 56(6), 670–687. h ps://doi.o g/10.1016/J.INFSOF.2014.01.011 Ruije , E., G immelikhuijsen, S., & Meije , A. (2017). Open da a o democ acy: De eloping a heo e ical amewo k o open da a use. Go e nmen In o ma ion Qua e ly, 34(1), 45–52. h ps://doi.o g/10.1016/j.giq.2017.01.001 Rula, A., & Za e i, A. (2014). Me hodology o Assessmen o Linked Da a Quali y, 1–4. Re ie ed om h ps://pd s.seman icschola .o g/1a6d/d2d67acbbecca1 e635b4bac099b1943818e.pd Sadiq, S., & Indulska, M. (2017). Open da a: Quali y o e quan i y. In e na ional Jou nal o In o ma ion Managemen , 37(3), 150–154. h ps://doi.o g/10.1016/j.ijin omg .2017.01.003 Scannapieco, M., Vi gilli o, A., Ma che i, C., Mecella, M., & Baldoni, R. (2004). The DaQuinCIS a chi ec u e: A pla o m o exchanging and imp o ing da a quali y in coope a i e in o ma ion sys ems. In o ma ion Sys ems, 29(7), 551–582. h ps://doi.o g/10.1016/j.is.2003.12.004 Siebe , R. E., & Johnson, P. A. (2015). Ci ic open da a a a c oss oads: Dominan models and cu en challenges. Go e nmen In o ma ion Qua e ly, 32(3), 308–315. h ps://doi.o g/10.1016/j.giq.2015.05.003 S a, H. Ben. (2017). Quali y and he e iciency o da a in “Sma -Ci ies.” Fu u e Gene a ion Compu e 70 Sys ems, 74, 409–416. h ps://doi.o g/10.1016/j. u u e.2016.12.021 Su, Z., & Jin, Z. (2004). A Me hodology o In o ma ion Quali y Assessmen in he Designing and Manu ac u ing P ocesses o Mechanical P oduc s. In P oceedings o he Nin h In e na ional Con e ence on In o ma ion Quali y (ICIQ-04) (pp. 190–220). h ps://doi.o g/10.4018/978-1- 59904-024-0.ch009 Tho sby, J., S owe s, G. N. L., Wolslegel, K., & Tumbuan, E. (2017). Unde s anding he con en and ea u es o open da a po als in Ame ican ci ies. Go e nmen In o ma ion Qua e ly, 34(1), 53– 61. h ps://doi.o g/10.1016/j.giq.2016.07.001 Ubaldi, B. (2013). Open Go e nmen Da a: Towa ds Empi ical Analysis o Open Go e nmen Da a Ini ia i es. OECD Wo king Pape s on Public Go e nance, (22). h ps://doi.o g/10.1787/5k46bj4 03s7-en Ve huls , S., Young, A., Mcmu en, J., No eck, B. S., Rogawksi, C., & Sangokoya, D. (2016). Open Da a impac , when demand and supplymee . Key inding o he open da a Impac case s udies. Re ie ed om www.odimpac .o g Ve ò, A., Cano a, L., To chiano, M., Mino as, C. O., Iemma, R., & Mo ando, F. (2016). Open da a quali y measu emen amewo k: De ini ion and applica ion o Open Go e nmen Da a. Go e nmen In o ma ion Qua e ly, 33(2), 325–337. h ps://doi.o g/10.1016/j.giq.2016.02.001 Wand, Y., & Wang, R. Y. (1996). Ancho ing da a quali y dimensions in on ological ounda ions. Communica ions o he ACM, 39(11), 86–95. h ps://doi.o g/10.1145/240455.240479 Wang, R. Y. (1998). A p oduc pe spec i e on o al da a quali y managemen . Communica ions o he ACM, 41(2), 58–65. h ps://doi.o g/10.1145/269012.269022 Wang, R. Y., & S ong, D. M. (1996). Beyond Accu acy: Wha Da a Quali y Means o Da a Consume s. Jou nal o Managemen In o ma ion Sys ems, 12(4), 5–33. h ps://doi.o g/10.1080/07421222.1996.11518099 www.da awa ehouse4u.in o. (n.d.). Da a Wa ehouse Schema A chi ec u e - s a schema. Re ie ed Augus 12, 2018, om h p://da awa ehouse4u.in o/Da a-wa ehouse-schema-a chi ec u e- s a -schema.h ml Yeganeh, N. K., Sadiq, S., & Sha a , M. A. (2014, Decembe 1). A amewo k o da a quali y awa e que y sys ems. In o ma ion Sys ems. Pe gamon. h ps://doi.o g/10.1016/j.is.2014.05.005 Yigi basioglu, O. M., & Velcu, O. (2012). A e iew o dashboa ds in pe o mance managemen : Implica ions o design and esea ch. In e na ional Jou nal o Accoun ing In o ma ion Sys ems, 13(1), 41–59. h ps://doi.o g/10.1016/j.accin .2011.08.002 Za e i, A., Rula, A., Mau ino, A., Pie obon, R., Lehmann, J., & Aue , S. (2012). Quali y Assessmen Me hodologies o Linked Open Da a: A Sys ema ic Li e a u e Re iew and Concep ual F amewo k. Seman ic Web – In e ope abili y, Usabili y, Applicabili y, 1, 33. h ps://doi.o g/10.3233/SW-150175 Zo ano, M. A. G., & Be sini, H. (2017). A Da a-d i en App oach o Assess he Po en ial o Sma Ci ies: The Case o Open Da a o B ussels Capi al Region. In Ene gy P ocedia (Vol. 111, pp. 750–758). h ps://doi.o g/10.1016/j.egyp o.2017.03.237 Zuide wijk, A., Janssen, M., & Da is, C. (2014). Inno a ion wi h open da a: Essen ial elemen s o open da a ecosys ems. In o ma ion Poli y, 19(1–2), 17–33. h ps://doi.o g/10.3233/IP-140329 71 7. APENDICE Tabela 7.1 – Tabela com a desc ição das Dimensões/Ca ac e ís icas encon adas na e isão de li e a u a Dimensões / Ca ac e ís icas Desc ição Re e ências Accessibili y O g au em que um po al Web o nece uma na egação simples e acessí el, de modo a que o u ilizado consiga ob e os dados de uma o ma ápida e ácil. (Cale o e al., 2008; Mo aga e al., 2009) Accu acy O g au que indica a medida em que os dados es ão li es de e os, es ão co e os e são con iá eis. (Cale o e al., 2008; Mo aga e al., 2009) Adap abili y O g au que indica a capacidade de adap ação. É uma ca ac e ís ica da me odologia CIHI. (Long & Seko, 2002) Ag eemen o Usage Aco do de U ilização dos Dados. (Loshin, 2001) Amoun o Da a O g au que indica a medida em que a quan idade ou olume de dados en egue pelo po al Web é ap op iado pa a a a e a em ques ão. (Cale o e al., 2008; Mo aga e al., 2009; Pipino e al., 2002) Applicabili y O g au que indica a medida em que os dados são especí icos, ú eis e áceis de aplica pa a os u ilizado es al o. (Cale o e al., 2008; Mo aga e al., 2009) App op ia eness O g au que indica a quan idade de in o mação adequada a uma de e minada u ilização. (Su & Jin, 2004; Wang, 1998) A angemen O g au que indica a disposição ou o denação dos dados (Su & Jin, 2004) A ac i eness O g au que indica a medida em que os dados que cons am no po al são a aen es pa a seus isi an es (Cale o e al., 2008; Mo aga e al., 2009) A ibu e g anula i y O g au que indica a medida de g anula idade dos a ibu os dos schemas onde es ão gua dados os dados. (Loshin, 2001) A ailabili y O g au que indica a medida em que os dados es ão disponí eis a a és do po al Web e possuem a ibu os que os pe mi em se u ilizados po u ilizado es e aplicações au o izadas. (Cale o e al., 2008; Mo aga e al., 2009) Belie abili y O g au que indica a medida em que os dados e a sua (Cale o e al., 2008) 72 on e são acei es como es ando co e os. Business ules con o mance O g au que indica a medida em que os dados es ão em con o midade com as eg as de negócio. (English, 1999) Cla i y o de ini ion O g au que indica a medida em que se e i ica que a de inição dos dados es á e e uada de uma o ma cla a. (Loshin, 2001) Comple eness O g au que indica a medida em que os dados podem a ende às necessidades de in o mação de um u ilizado , com uma ampli ude, p o undidade e alcance su icien es pa a a a e a em ques ão. (Cale o e al., 2008; Mo aga e al., 2009) Compliance O g au que indica a medida em que os dados possuem a ibu os que ão de encon o aos pad ões, con enções ou egulamen os em igo e eg as simila es ela i as à qualidade dos dados num con ex o especí ico de uso. (Mo aga e al., 2009) Concise Rep esen a ion O g au que indica a medida em que os dados es ão ep esen ados de uma o ma concisa, sem elemen os supé luos e que pe mi am a de eção de desc ições inco e as. (Cale o e al., 2008; Mo aga e al., 2009) Con iden iali y O g au que indica a medida em que os dados possuem a ibu os que ga an em que só são acessí eis e in e p e á eis po u ilizado es au o izados num con ex o especí ico de uso. (Mo aga e al., 2009) Consis ency O g au que indica a medida em que um conjun o de dados possui dados que não iolam as eg as semân icas que o am de inidas, que possuem a ibu os que es ão li es de con adições, que são coe en es com ou os dados e que são ap esen ados no mesmo o ma o num con ex o especí ico de uso. (Ba ini e al., 2009; Mo aga e al., 2009) Consis en ep esen a ion O g au que indica a medida em que os dados são semp e ap esen ados no mesmo o ma o, que são compa í eis com dados an e io es e consis en es com ou as on es. (Cale o e al., 2008; Mo aga e al., 2009) Co ec In e p e a ion O g au que indica a medida em que é e e uada uma in e p e ação co e a dos dados, na sua ap esen ação. (Loshin, 2001) Co ec ness O g au que indica a medida em que os dados es ão (Ba ini e al., 2006) 73 co e os, endo em con a os equisi os ou o modelo. Cos O g au que indica a medida dos cus os da al a de qualidade dos dados e os cus os da melho ia dessa qualidade. (Ba ini e al., 2006) C edibili y O g au que indica a medida em que os dados possuem a ibu os conside ados e dadei os, co e os e c edí eis pelos u ilizado es. (Mo aga e al., 2009) Cu ency O g au que indica a medida em os dados que se encon am no po al não es ão obsole os, ou seja, se os dados se encon am a ualizados, apesa de possí eis disc epâncias causadas po al e ações empo á ias ao alo co e o. (Ba ini e al., 2009; Mo aga e al., 2009) Cu en ness O g au que indica a medida em que os dados possuem a ibu os que não se encon am obsole os e es ão a ualizados num con ex o especí ico de uso. (Mo aga e al., 2009) Cus ome Suppo O g au que indica a medida em que o po al Web onde se encon am os dados o nece supo e on-line a a és de ex o, email, ele one, e c. (Cale o e al., 2008; Mo aga e al., 2009) Documen a ion G au que indica a quan idade e u ilidade dos documen os com in o mação dos me adados. (Cale o e al., 2008; Mo aga e al., 2009) Duplica es O g au que indica a medida em que os dados no po al con êm dados duplicados. (Cale o e al., 2008) Ease o manipula ion O g au de acilidade de manipulação dos dados. (Pipino e al., 2002) Ease o ope a ion O g au que indica a medida em que os dados são acilmen e ge idos, podem se aplicados em di e en es a e as e podem se manipulados (ou seja, a ualizados, mo idos, ag egados, e c.) (Cale o e al., 2008; Mo aga e al., 2009) E ec i eness O g au que indica a medida em que a é que pon o são u ilizadas écnicas analí icas adequadas nos dados que es ão no po al. (Mo aga e al., 2009) E iciency O g au que indica a medida em que os dados do po al possuem a ibu os que podem se p ocessados e o necem os ní eis de desempenho espe ados, a a és da u ilização de ipos e quan idades adequadas de ecu sos. (Mo aga e al., 2009) 74 Expi a ion O g au que indica a da a conhecida de alidade dos dados. (Mo aga e al., 2009) Flexibili y O g au que indica a medida em que os dados são expansí eis, adap á eis e acilmen e aplicados a ou as necessidades. (Cale o e al., 2008; Mo aga e al., 2009) F eedom om e o s O g au que indica o ní el de ausência de e os dos dados. (Lee e al., 2002) In e ac i e O g au que indica a medida em que a o ma como os dados são acedidos ou ecupe ados pode se adap ada às p e e ências pessoais de alguém a a és de elemen os in e a i os. (Cale o e al., 2008; Mo aga e al., 2009) In e p e abili y O g au que indica a medida em que os dados do po al encon am-se com um idioma e unidades que são ap op iadas pa a a capacidade do u ilizado . (Cale o e al., 2008; Mo aga e al., 2009) Meaning ulness O g au que indica a medição da signi icância dos dados. (Su & Jin, 2004) Me ada a O g au que indica a medição da in o mação sob e os me adados dos dados. (Loshin, 2001) No el y O g au que indica a medida em que os dados ob idos do po al in luenciam o conhecimen o e as no as decisões. (Cale o e al., 2008; Mo aga e al., 2009) Null Values O g au que indica a quan idade de dados com alo es a null. (Loshin, 2001) Objec i i y O g au que indica a medida em que os dados são impa ciais, sem p econcei os e não endenciosos. (Cale o e al., 2008; Mo aga e al., 2009) O ganiza ion A o ganização, con igu ações isuais ou ca ac e ís icas ipog á icas (co , ex o, on e de le a, imagens, e c.) e as combinações desses á ios componen es. (Cale o e al., 2008; Mo aga e al., 2009) Po abili y O g au que indica em que medida os dados possuem a ibu os que os pe mi em se ins alados, subs i uídos ou mo idos de um sis ema pa a ou o, p ese ando a sua qualidade. (Mo aga e al., 2009) P ecision O g au que indica em que medida os dados do po al possuem a ibu os que são exa os ou que o e ecem disc iminação de dados no po al e como ajudam os u ilizado es a encon a esul ados ele an es e a (Mo aga e al., 2009) 75 e i a os esul ados i ele an es. P i acy Indicado da polí ica de p i acidade dos dados. (Loshin, 2001) Readabili y A medida que indica que o ex o é legí el e é ap esen ado de uma o ma ácil de le . (Mo aga e al., 2009) Reco e abili y O g au que indica a medida em que os dados possuem a ibu os que os pe mi em man e e p ese a um ní el especi icado de ope ações e qualidade, mesmo em caso de alha. (Mo aga e al., 2009) Rele ancy O g au que indica em que medida os dados são aplicá eis, ú eis e p o ei osos pa a as necessidades dos u ilizado es, na a e a em ques ão. (Bize & Cyganiak, 2009; Cale o e al., 2008; English, 1999; Long & Seko, 2002; Loshin, 2001; Mo aga e al., 2009; Pipino e al., 2002; Su & Jin, 2004) Reliabili y A medida que indica que os u ilizado es podem con ia nos dados, nas suas on es e na pe ceção do u ilizado inal sob e o uncionamen o écnico adequado do po al onde se encon am os dados. (Cale o e al., 2008; Mo aga e al., 2009; Su & Jin, 2004) Repu a ion A medida que indica que os dados são con iá eis ou al amen e conside ados em e mos da sua on e ou con eúdo, e a in o mação é al amen e ida em conside ação em e mos da sua o igem ou con eúdo. (Ba ini e al., 2006; Cale o e al., 2008; Lee e al., 2002; Mo aga e al., 2009; Pipino e al., 2002; Su & Jin, 2004; Wang, 1998) Response ime A quan idade de empo deco ido a é que a espos a chega comple a ao u ilizado . (Cale o e al., 2008; Jeus eld e al., 1998) Scope O g au que indica a medida em que os dados êm uma ampli ude, p o undidade e alcance su icien es pa a a a e a em ques ão. (Mo aga e al., 2009) Secu i y O g au que indica em que medida são passadas in o mações de o ma p i ada do u ilizado pa a a on e da in o mação e ice- e sa. (Cale o e al., 2008; Epple & Hel e , 2004; Jeus eld e al., 1998; Lee e al., 2002; Loshin, 2001; Pipino e al., 2002; 76 Wang, 1998) Specializa ion G au de especi icidade dos dados, que de e inco po a odos os de alhes que podem se is os pelos u ilizado es. (Cale o e al., 2008; Mo aga e al., 2009) Timeliness O g au que indica em que medida os dados muda am den o dos limi es de empo especi icados pela o ganização de des ino, se os dados são ansi ó ios ou es á eis e se os dados es ão su icien emen e a ualizados pa a a a e a em ques ão. (Ba ini e al., 2009; Cale o e al., 2008; Mo aga e al., 2009) Timeliness (Cu ency, Vola ili y) Es e g au con ém dois componen es: a idade e a ola ilidade. A idade é uma medida que indica a idade da in o mação, com base no empo deco ido des e que os dados o am g a ados. A ola ilidade é uma medida de ins abilidade da in o mação, ou seja, a equência de al e ação dos alo es dos a ibu os das en idades. (Ba ini e al., 2009) Timeliness Compa abili y Medida que indica a compa ação empo al dos dados. (Long & Seko, 2002) T aceabili y O g au que indica em que medida os dados es ão bem documen ados, e i icá eis, acilmen e a ibuídos a uma on e e o necem uma ia de audi o ia de acesso aos dados e a qualque al e ação que enha sido e e uada nos dados. (Cale o e al., 2008; Mo aga e al., 2009) Unambigui y O g au que indica em que medida exis em in o mações insu icien es, ou seja, os dados podem se in e p e ados po mais de uma manei a. (Su & Jin, 2004; Wand & Wang, 1996) Unde s andabili y O g au que indica em que medida os dados possuem a ibu os que os pe mi em se lidos, que são cla os, sem ambiguidade, acilmen e comp eensí eis, bem in e p e ados pelos u ilizado es e que são exp essos em linguagens, símbolos e unidades ap op iadas num con ex o especí ico de u ilização. (Cale o e al., 2008; Mo aga e al., 2009) Uniqueness O g au que indica o núme o de dados duplicados. (Ba ini e al., 2009) Usabili y A usabilidade é de inida pelo es ado da acessibilidade, documen ação e ní el de in e p e ação dos dados. (Long & Seko, 2002) 77 Use ulness A ex ensão da a aliação do u ilizado an o da p obabilidade de a in o mação melho a as suas decisões como da sua sa is ação com a u ilidade do con eúdo, no que oca ao uso de linguagem ap op iada e à u ilidade da in o mação, de aco do com as necessidades da audiência a quem é di igida. (Mo aga e al., 2009) Validi y O g au que indica em que medida os u ilizado es podem julga e comp eende os dados en egues pelo po al. (Cale o e al., 2008; Mo aga e al., 2009) Value added O g au que indica a medida em que os dados são bené icos e p opo cionam an agens a pa i da sua u ilização. (Cale o e al., 2008; Mo aga e al., 2009) Ve i iabili y A ex ensão das e e ências a on es o iginais. (Mo aga e al., 2009) 84 Escolas P i adas - 1º Ciclo Ensino Supe io Ensino Supe io Cen os de In es igação e de Es udos Equipamen os Escola es XLSX X Ag upamen os de Escolas de Lisboa Bene iciá ios da Ação Social Escola P og ama de Apoio à Na ação Cu icula O ques a Ge ação XLS Passapo e Escola População Escola Alimen ação Escola XLSX Segu ança e Soco o Sis ema de Video igilância Bai o Al o GeoJSON X P o ecção Ci il Polícia de Segu ança Pública Polícia Municipal Bombei os 85 Índice de A opelamen os em Lisboa TIFF X Despo o Ou as Ins alações Despo i as (Dados 2009) GeoJSON X Ins alações Despo i as - Municipais e Concessões (Dados 2015) Equipamen os de Fi ness ao A Li e Despo o En idades Despo i as Despo o Ac i idades Radicais E en os e P og amas Despo i os p e is os pa a Lisboa XLSX, XLS X P og ama Despo o Mexe Comigo XLS P og ama de Apoio à Na ação Cu icula XLSX P og ama Clubes de Ma XLS Ges ão U bana Á eas susce í eis de ecu so ao Ins umen o Financei o pa a a Reabili ação e Re i alização U banas (IFRRU 2020) GeoJSON X Repa imen ações UCT Publicidade em Painéis Publicidade em MUPE (Mobiliá io U bano de P omoção Económica) P ocessos de ob as de edi icação e demolição ab angidas pelo RJUE 86 Ocupações Tempo á ias de Espaço Público - Licenciadas Ocupações Tempo á ias de Espaço Público - His ó ico Ocupaçoes Tempo á ias de Espaço Público Agendadas não Licenciadas Limi e de Concelho O icial Limi e Unidades Te i o iais - Mac o In e enções Di e sas Ins alações Sani á ias Públicas Au omá icas F eguesias-2012 Candeei os de Iluminação Pública Al a ás pa a ob as de edi icação e demolição emi idos ao ab igo do RJUE P incipais ob as de p omoção da SRU-OCIDENTAL SHP X P incipais Ob as de Inicia i a Municipal P incipais ob as de p omoção da EMEL Edi ícios com Necessidade de G andes Repa ações XLS X Idade Média dos Edi ícios Edi ícios Licenciados pa a Cons ução 87 Habi ação Social Á eas susce í eis de ecu so ao Ins umen o Financei o pa a a Reabili ação e Re i alização U banas (IFRRU 2020) Economia e Ino ação Cons ução e Repa ação Na al GeoJSON X Bio ecnologia A i idades Po uá ias e Ma í imas A es Pe o ma i as - Tea o, Dança e Música Ambien e e Explo ação Ma í ima Tu ismo Náu ico Rádio e Tele isão Recenseamen o Come cial 2010 Recenseamen o Come cial 2009 Publicidade Recenseamen o Come cial 2008 Recenseamen o Come cial 2007 Recenseamen o Come cial 2006 Recenseamen o Come cial 2005 Recenseamen o Come cial 2004 88 Recenseamen o Come cial 2002 Recenseamen o Come cial 2000 Recenseamen o Come cial 1998 Recenseamen o Come cial 1996 Recenseamen o Come cial 1995 Recenseamen o Come cial 1993 Recenseamen o Come cial 1991 P odução de Ha dwa e P odução de Fá macos P es ação de Cuidados Pesca e De i ados Ou as Ins i uições de I&D e Fundações Náu ica de Rec eio e Pa imónio Nano ecnologia Música Museus, Biblio ecas e A qui os Me cados 89 Mapa do Conhecimen o - Incubado as Labo a ó ios Associados Ins i u os Ins i uições In aes u u as e Pa ques de Ciência e Tecnologia Imp essão e Rep odução G á ica I & D I & D Genómica Fundações Go e nação e Ou as En idades Fei as Faculdades, Escolas e Ins i u os Espaços e Bai os C ia i os Espaços e Ambien es C ia i os Ensino de A i idades C ia i as e Cul u ais Ensino Supe io 90 Ensino Ensino Edição (Li os, Jo nais e Re is as) Design De esa e Segu ança Cosmé ica Come cialização de Ha dwa e e So wa e e Se iços Cinema e Video Cen os de In es igação e de Es udos Cen os de In es igação Cen os de Fo mação P o issional e Ou os Cen os Come ciais Associações A qui e u a Apoio e Financiamen o à Ino ação Ganho Médio Mensal JSON Cons i uição e Dissolução de Emp esas XLS, JSON X 91 Volume de negócios das emp esa XLS Índice de Pola ização de Emp ego Taxa de Sob e i ência das Emp esas Volume de Negócios dos Es abelecimen os Núme o de Es abelecimen os Núme o de emp esas Ene gia e Comunicações Pos os de Ca egamen o Mobi E GeoJSON X Consumos Eléc icos Edi ícios CML XLS X Ins alações de Iluminação Pública SHP X T açado e Geo e e enciação da Rede de Dis ibuição Elé ica Ca a do po encial sola de Lisboa TIFF X Planeamen o U bano Á ea de Reabili ação U bana (ARU) GeoJSON X Á ea U bana de Génese Ilegal (AUGI) Limi e de Planos de U banização Limi e de Planos de Po meno Limi e de Concelho O icial Limi e de Concelho 92 Supe ície das unidades e i o iais po localização geog á ica (NUTS - 2013) JSON Habi ação e Desen ol imen o Social Con a os de Emp ei adas de Ob as Públicas e de Aquisição de Se iços XLSX X Fundo de Eme gência Social de Lisboa - Ag egados Familia es - Pedidos de apoio solici ados e concedidos po inalidade dos apoios Fundo de Eme gência Social de Lisboa - IPSS e ou as en idades sem ins luc a i os Se iço de Teleassis ência (STA) - N.º de equipamen os de eleassis ência ins alados, a i os e n.º de bene iciá ios apoiados po eguesia Apoio Financei o ao ab igo do Regulamen o de A ibuição de Apoios pelo Município de Lisboa (RAAML) P og amas de Apoio à Habi ação Bene iciá ios do RSI JSON X Edi ícios po Localização Geog á ica e Tipo XLSX X Edi ícios po Tipo de U ilização XLS Edi ícios po Dimensão de pisos e Época de cons ução XLSX Alojamen os po Tipo de Alojamen o Face à Fo ma de 93 Ocupação e Edi ício Taxa de Desemp ego XLS Edi ícios com Necessidade de G andes Repa ações Enca gos Médios com Habi ação Idade Média dos Edi ícios Alojamen os amilia es clássicos e Regime de ocupação XLSX Edi ícios Licenciados pa a Cons ução XLS Edi ícios po Dimensão de Pisos e Ma e iais Usados na Cons ução XLSX Valo Médio das Rendas de Habi ação Social XLS Habi ação Social Alojamen os Familia es Clássicos, po Época de Cons ução e Exis ência de Es acionamen o ou Ga agem XLSX Alojamen os Familia es Clássicos po Escalão de Di isões e Escalão de Á ea Ú il Alojamen os Familia es e Exis ência de Ins alações Alojamen os Familia es po Exis ência de Água Canalizada Alojamen os Familia es com Exis ência de Ins alação de Banho ou Duche 100 Rede Viá ia (Escala <1/20000) Rede Fe o iá ia Pos os de Ca egamen o Mobi E Painéis de Mensagem Va iá el Localização de ada es Es ações de Me o Es ações de Comboio Es ações Flu iais Ele ado es e Ascenso es Docas de Rec eio e Ma inas Ciclo ias da Cidade de Lisboa Modelo Ba imé ico do Po o de Lisboa SHP A isos Locais - Po o de Lisboa PHP X P e isão de Ma és - Po o de Lisboa In o mação sob e T anspo es Públicos da Cidade de Lisboa - Me opoli ano de Lisboa PDF, GTFS X In o mação sob e T anspo es Públicos da Cidade de Lisboa - CP - Comboios de Po ugal 101 In o mação sob e T anspo es Públicos da Cidade de Lisboa - T anspo es Sul do Tejo In o mação sob e T anspo es Públicos da Cidade de Lisboa - Fe agus In o mação sob e T anspo es Públicos da Cidade de Lisboa - T ans ejo In o mação sob e T anspo es Públicos da Cidade de Lisboa - Ca is In o mação sob e T anspo es Públicos da Cidade de Lisboa - So lusa In o mação sob e T anspo es Públicos da Cidade de Lisboa - Rodo iá ia de Lisboa EMEL - Sinalização EMEL XLSX EMEL - Pa químe os EMEL EMEL - Luga es de es acionamen o na ia pública EMEL - Pa ques de es acionamen o na ia pública MAPPe - Mapa de Po encial Pedonal de Lisboa TIFF Decli e Longi udinal da Rede Viá ia GeoJSON X Índice de A opelamen os em Lisboa TIFF 102 Tabela 7.3 – Tabela com o mapeamen o en e os conjun os de dados do Po al de Dados Abe os que o am es udados e as abelas em SQL Se e que o am c iadas no âmbi o des e p oje o G upo de Dados Conjun o de Dados Ex ensão Tabelas – Base de Dados – ‘LisbonOD’ Adminis ação Pública e Jus iça Adminis ação Cen al - Finanças GeoJSON PublicAdmin.TaxO ice Ambien e Anomalia da média anual da empe a u a média CSV En i onmen .AnomTempMediaAnual Ambien e Anomalia da média anual da empe a u a máxima CSV En i onmen .AnomTempMaxAnual Ambien e Anomalia da média anual da p ecipi ação CSV En i onmen .AnomP eciMedAnual Ambien e Anomalia da média anual da empe a u a mínima CSV En i onmen .AnomTempMinAnual Ambien e Vid ões GeoJSON En i onmen .GlassWas e Cul u a e Pa imónio Cinemas GeoJSON Cul u e.Cinema Cul u a e Pa imónio Conjun os de In e esse Público GeoJSON Cul u e.PublicIn e es Se Cul u a e Pa imónio Tea os GeoJSON Cul u e.Thea e Educação Ag upamen os de Escolas de Lisboa XLSX Educa ion.SchoolsG oup Educa ion.SchoolsNonG oup Educação Faculdades, Escolas e Ins i u os GeoJSON Educa ion.HighEduIns i u ions Educação Escolas Públicas - Secundá io GeoJSON Educa ion.PublicSecSchool Segu ança e Soco o Polícia de Segu ança Pública GeoJSON Secu i yAid.PoliceS a ion 103 Segu ança e Soco o Bombei os GeoJSON Secu i yAid.Fi eDep Despo o Despo o En idades Despo i as GeoJSON Spo .Spo En i y Despo o Ins alações Despo i as - Municipais e Concessões (Dados 2015) GeoJSON Spo .Spo Facili y2015 Ges ão U bana Publicidade em Painéis GeoJSON U banMan.Ad e isingPanel Ges ão U bana Candeei os de Iluminação Pública GeoJSON U banMan.Ligh ingFix u e Economia e Ino ação Museus, Biblio ecas e A qui os GeoJSON EconIno .MuseumLib A ch Economia e Ino ação Cen os Come ciais GeoJSON EconIno .ShoppingCen e Ene gia e Comunicações Pos os de Ca egamen o Mobi E GeoJSON Ene gyCom.MobiE Habi ação e Desen ol imen o Social Edi ícios po Localização Geog á ica e Tipo XLSX HousingDe .BuildingsGeoLocType Habi ação e Desen ol imen o Social Alojamen os po Tipo de Alojamen o Face à Fo ma de Ocupação e Edi ício XLSX HousingDe .Accommoda ionByTypeO Accomm Habi ação e Desen ol imen o Social Edi ícios po Tipo de U ilização XLSX HousingDe .BuildingsTypeO Use In o mação Base e Ca og a ia Topónimos GeoJSON Ca og aphy.Toponym População População Emp egada po Sexo, Sec o de A i idade Económica e Si uação na P o issão XLSX Popula ionDem.PopEmployedBy_Sex_EAS_Si 104 População População esiden e po sexo, g upo e á io e ní el de escola idade XLSX Popula ionDem.Residen PopBy_Sex_AgeG_EducL População População Residen e Emp egada ou Es udan e po Sexo, Condição Pe an e o T abalho e Local de T abalho/Es udo XLSX Popula ionDem.Residen PopBy_Sex_Empl_S uden Ou os Equipamen os e Se iços Loja do Cidadão GeoJSON Se iceEqui.Ci izenShop Ou os Equipamen os e Se iços Embaixadas GeoJSON Se iceEqui.Embassy Ou os Equipamen os e Se iços Ins alações Sani á ias GeoJSON Se iceEqui.La a o y Saúde Hospi ais Públicos GeoJSON Heal h.PublicHospi al Saúde Fa mácias e Pa a a mácias GeoJSON Heal h.D ugs o e Saúde Cen os de Saúde GeoJSON Heal h.Heal hCen e T anspa ência P oje os encedo es e e en es ao O çamen o Pa icipa i o de Lisboa XLSX T anspa ency.Pa icipa o yBudge Tu ismo e Laze TukTuk - Es acionamen os GeoJSON Tou ism.TukTukPa kLo Tu ismo e Laze Alojamen o GeoJSON Tou ism.Ho elEs ablishmen Tu ismo e Laze Ja dins - Pa ques U banos GeoJSON Tou ism.Ga densAndPa ks Mobilidade Es ações de Me o GeoJSON Mobili y.Unde g oundS a ion 105 Mobilidade Es ações de Comboio GeoJSON Mobili y.RailwayS a ion Mobilidade Es ações Flu iais GeoJSON Mobili y.Ri e Pie Tabela 7.4 – Tabela com a desc ição de odos os campos que compõem a abela ‘S aging_A ea.SA_Me ic’ Cha e Campo Tipo Null Desc ição PK SK_Me ic In No Null Su oga e Key Me icID In No Null Iden i icado da Mé ica Me icName N a cha (100) No Null Designação da Mé ica Me icDesc ip ion N a cha (MAX) No Null Desc ição da Mé ica Me icFo mula N a cha (300) Null Fo mula da Mé ica Ac i e Bi No Null Es ado da Mé ica (1 – A i a, 0 – Ina i a) DQ_DimensionName N a cha (100) No Null Designação da Dimensão a que pe ence a Mé ica DQ_DimensionDesc ip ion N a cha (MAX) Null Desc ição da Dimensão a que pe ence a Mé ica Me hodologyName N a cha (100) No Null Designação da Me odologia ao qual pe ence a Dimensão Me hodologyDesc ip ion N a cha (200) Null Desc ição da Me odologia ao qual pe ence a Dimensão Pe iod_ID Ncha (10) No Null Iden i icado do Pe íodo 106 Tabela 7.5 - Tabela com a desc ição de odos os campos que compõem a abela ‘S aging_A ea.SA_TableOD’ Cha e Campo Tipo Null Desc ição PK SK_TableOD In No Null Su oga e Key TableID In Null Iden i icado da Tabela TableSchema N a cha (100) Null Designação do Schema da Tabela TableName N a cha (200) Null Designação da Tabela Sou ce N a cha (200) Null Fon e de in o mação da Tabela Au ho N a cha (200) Null Au o da on e de in o mação da Tabela Las Upda e Da e Null Da a da úl ima a ualização da Tabela C ea eDa e Da e Null Da a da c iação da Tabela Ac ualiza ion N a cha (30) Null Indicação do Pe íodo de A ualização Ac ualiza ionMon hs In Null Pe íodo de A ualização em núme o de meses Las Da aAc ualiza ion Da e Null Da a da úl ima a ualização dos dados da Tabela Language N a cha (50) Null Linguagem con ida na Tabela Publishe N a cha (100) Null Indicação do di ulgado da Tabela A ibu eID In Null Iden i icado do a ibu o da Tabela 107 A ibu eName N a cha (200) Null Designação do a ibu o da Tabela O dinalPosi ion In Null Posição o dinal do a ibu o na Tabela Da aG oupID In Null Iden i icado do g upo de dados da Tabela Da aG oupName Va cha (100) Null Designação do g upo de dados da Tabela Da aBaseName N a cha (200) Null Designação da base de dados onde se encon a a Tabela Pe iod_ID Ncha (10) No Null Iden i icado do Pe íodo Tabela 7.6 - Tabela com a desc ição de odos os campos que compõem a abela ‘S aging_A ea.Measu emen ’ Cha e Campo Tipo Null Desc ição PK SK_Measu emen In No Null Su oga e Key Me icID In No Null Iden i icado da Mé ica TableOD_ID In Null Iden i icado da Tabela Measu eValue Decimal (10,2) No Null Valo da mé ica aplicada a um conjun o de dados ou a ibu o Measu emen Uni Cha (10) Null Unidade de alo da mé ica Pe iod_ID Ncha (10) No Null Iden i icado do Pe íodo 108 Tabela 7.7 - Tabela com a desc ição de odos os campos que compõem a abela ‘Dimensions.D_Da e’ Cha e Campo Tipo Null Desc ição PK Da e_ID In No Null Iden i icado da Da a Da e_day Da e Null Da a com o o ma o ‘DD/MM/AAAA’ Full_da e N a cha (50) Null Da a com o o ma o ‘DD MM AAAA’, com o mês esc i o po ex enso Day_numbe In Null Dia Day_name N a cha (50) Null Nome do Dia Day_name_sho N a cha (50) Null Nome do Dia Resumido Week_day_FLG N a cha (50) Null Indicação se é dia ú il Mon h_numbe In Null Mês Mon h_name N a cha (50) Null Nome do Mês Mon h_name_sho N a cha (50) Null Nome do Mês Resumido T imes e _numbe In Null T imes e T imes e _name N a cha (50) Null Nome do T imes e Semes e _numbe In Null Semes e Semes e _name N a cha (50) Null Nome do Semes e Yea In Null Ano 109 Tabela 7.8 - Tabela com a desc ição de odos os campos que compõem a abela ‘Dimensions.D_Me ic’ Cha e Campo Tipo Null Desc ição PK Me icID In No Null Su oga e Key Business_Me icID In No Null Iden i icado da mé ica Me icName N a cha (100) No Null Designação da Mé ica Me icDesc ip ion N a cha (MAX) No Null Desc ição da Mé ica Me icFo mula N a cha (300) Null Fo mula da Mé ica Ac i e No Null Es ado da Mé ica (1 – A i a, 0 – Ina i a) DQ_DimensionName N a cha (100) No Null Designação da Dimensão a que pe ence a Mé ica DQ_DimensionDesc ip ion N a cha (MAX) Null Desc ição da Dimensão a que pe ence a Mé ica Me hodologyName N a cha (100) No Null Designação da Me odologia ao qual pe ence a Dimensão Me hodologyDesc ip ion N a cha (200) Null Desc ição da Me odologia ao qual pe ence a Dimensão Pe iod_ID Ncha (10) No Null Iden i icado do Pe íodo