前段时间和同事一起看了一些国外开放数据的网站，特别是一些国家/地区政府的开放数据，考虑哪些是适合用来做网站的、哪些不适合、好数据有什么特征等，下面小结几点：
哪些开放数据适合做网站？
- 词典类：这类数据结构清晰，内容实用性强，数据来源官方，适合做成网站长期供网民浏览；
- 名录类：数据来源于各政府机构、行业协会，有用户需求，有部分内容会定期更新；
- 资料类：此类内容可能比较杂，只要是网民会感兴趣的都可以考虑做成网站。
哪些开放数据不适合做网站？
- 统计类：一些纯粹的统计数据，感兴趣的人不多；
- 图片类：大批的图片，不太适合做成网站；
- 地图类：需要做一些地理信息方面的工作，对这些有需求的人可能主要去用几个大公司的地图app去了。
- 地方类：局限在比较小的区域范围内，感兴趣的人少，流量不会太大。
适合做网站的开放数据有些什么样的特征？
- 有明确的用户群体；
- 数据有一定稀缺性；
- 机读格式为佳，例如csv, xml, json, excel等，而html, doc, pdf等效果差一些，需要先转换；
- 数据量大为佳，便于占领长尾空间，我们目标是做海量数据集转为网站页面；
- 时效性都可以，有长期更新来源的更好，如果更新频繁，可以考虑做成自动获取、更新内容。
这些数据只是做了点初步分析，还没有正式开始启动来做，但也很快了，2018年还会招人来加大力度、加快速度。除了数据集直接导入做成网站以外，还需要人工来进行一些编辑，形成一些专题，方便用户浏览。
2018年3月15日补充：这项工作已经开展起来了，这些天我在国外也一直在看国外的开放数据，再补充几点心得体会：
- 编码类：编码类数据集类似词典的结构，比较简单，但基本上没人能够记住编码及含义，都需要查资料，所以这类信息还是有用的，只是可能不经常查，或者只是局限于某个领域的人有需求；
- 复杂性：国外有些数据集相当复杂，由很多表组成，这些表之间还有关联，呈现出来比较麻烦，不过如果能值得多花些时间精力搞懂结构的话，也是可以做出来的，并且有一定难度的工作才能体现我们做得比别人好；
- 专业性：涉及到医疗医药、金融保险、统计分析等方面的数据，有些是相当晦涩难懂的，很多专有名词、缩写、代码，首先要能基本明白数据内容、针对什么样的用户，以便能判断是否采用、如何采用；
- 广告价值：最近还和一位专门做美国生活类网站的朋友聊过，他们是专门挑选高价关键词来做针对性网页内容，页面数量不多、网站流量不算高，但广告点击率、价值和总体收入都不错，我们在做数据集、长尾网站的时候，也可以借鉴，更多选择价值高的领域的数据来做。
评论