De actualiteit van landendata wordt normaal gerapporteerd als één getal: het moment waarop de dataset voor het laatst is bijgewerkt. Dat getal is bijna altijd misleidend, want een dataset wordt niet in één beweging ververst.
Een typische landentabel is samengesteld uit meerdere bronnen, op verschillende momenten opgehaald, met verschillende bereiken. Eén vermelding is misschien vorige maand gecorrigeerd terwijl een naburige vermelding al jaren ongemoeid is, en één datum boven aan het bestand kan dat verschil niet uitdrukken.
Wat maakt landendata verouderd?
Drie krachten, en ze werken op verschillende klokken.
De eerste is de wereld die verandert. Namen veranderen, valuta’s veranderen, bestuurlijke indelingen worden gereorganiseerd, en codes worden toegevoegd, afgeschaft of gereserveerd. Geen van deze gebeurtenissen kondigt zich aan bij een systeem dat er niet op let.
De tweede is de bron die onder je verandert. Zelfs een bron die accuraat blijft, kan zijn eigen presentatie herzien, een veld laten vallen of entiteiten gaan opnemen die eerder waren weggelaten, dus een verversing kan een wijziging importeren die niemand heeft gevraagd.
De derde is bereikverschuiving. Een regel die was geschreven voor de entiteiten die een dataset destijds bevatte, wordt stilzwijgend onjuist wanneer die verzameling groeit, en de fout verschijnt als een uitzondering in plaats van als een storing.
Alleen de tweede van de drie is zichtbaar in een verversingslog. De andere twee zijn de reden dat een dataset punctueel kan worden ververst en toch onjuist kan zijn.
Leg de bron, de ophaaldatum en het bereik afzonderlijk vast
Drie attributen verklaren de herkomst van een waarde, en ze in één tijdstempel samenvatten vernietigt het vermogen om erover te redeneren.
| Attribuut | De vraag die het beantwoordt | Waarom het niet kan worden afgeleid |
|---|---|---|
| Bron | Waar deze waarde vandaan komt | Twee bronnen kunnen het oneens zijn, en het meningsverschil is informatie |
| Ophaaldatum | Wanneer deze waarde is opgehaald | Ophalen is niet hetzelfde als de datum waarop de bron zelf veranderde |
| Bereik | Welke entiteiten en velden deze waarde dekt | Een bron kan gezaghebbend zijn voor namen maar zwijgen over onderverdelingen |
Het bereikattribuut is degene die het vaakst ontbreekt en het duurst is om te reconstrueren. Zonder dat is een leeg veld dubbelzinnig: de bron zei dat er niets was, of de bron is helemaal nooit naar dit veld gevraagd.
De drie samen opslaan maakt ook conflicten leesbaar. Wanneer twee bronnen het oneens zijn over een naam, kan een lezer zien welke waarde waar en wanneer vandaan kwam, en het beslechten wordt een beslissing met bewijs in plaats van een muntworp.
Drie updatestrategieën en wat elke kost
Er zijn grofweg drie manieren om landendata actueel te houden, en ze ruilen inspanning tegen verrassing op een voorspelbare manier.
Periodiek ophalen is het eenvoudigst: ververs alles regelmatig, ongeacht of er iets is veranderd. Het is makkelijk om over te redeneren en makkelijk om te vergeten, want een geplande taak die stil faalt, levert geen zichtbaar symptoom op tot de gegevens onjuist zijn.
Ophalen op een signaal is efficiënter: let op wijzigingsberichten van de instanties die codes en namen publiceren, en ververs wanneer er werkelijk iets wordt aangekondigd. Het reageert snel en is afhankelijk van iemand die de berichten leest, wat betekent dat het juist faalt in de perioden dat niemand kijkt.
Verversen op verzoek is het minst glamoureus en vaak het betrouwbaarst voor een kleine dataset: werk een specifieke vermelding bij wanneer er een vraag over opkomt, en leg vast wie erom vroeg en waarom. Het houdt de gegevens eerlijk over hun eigen gaten, tegen de prijs dat vermeldingen die nog niemand in twijfel heeft getrokken niet worden gedekt.
De meeste echte systemen combineren uiteindelijk alle drie, met een langzaam schema als ondergrens, signalen voor de snelbewegende delen, en gerichte reparaties voor individuele klachten. Wat ertoe doet, is dat de combinatie bewust is en dat het resultaat per vermelding wordt vastgelegd in plaats van per release.
Wat moet een historische momentopname bewaren?
Een momentopname is alleen nuttig als ze een vraag over een vroeger moment kan beantwoorden, dus ze moet meer bewaren dan de waarden.
Bewaar de waarden zoals ze waren, de datum die ze beschreven, en de bronstatus die ze opleverde. Een momentopname die alleen de waarden bewaart, kan niet verklaren waarom de naam van een land tussen twee releases veranderde, en een momentopname die alleen de datum bewaart, kan niets reproduceren.
Er is een grens die het waard is om bewust te stellen. Elk veld voor altijd bewaren is duur en wordt zelden geraadpleegd; de gewijzigde waarden bewaren, met herkomst, is meestal genoeg om de vragen te beantwoorden die werkelijk worden gesteld — welke naam gold voor een bepaalde periode, en wanneer een code niet meer werd gebruikt.
De meest waardevolle test voor een momentopname is er een die een record op een vroegere datum reconstrueert en vergelijkt met wat het systeem destijds opleverde. Als die twee het oneens zijn, is de momentopname een dagboek en geen vastlegging.
Voor ontwikkelaars: houd de herkomst bij de waarde, niet bij de release
Sla de bron, de ophaaldatum en het bereik op naast elke waarde, of naast elke groep waarden die ze deelt. Dan wordt elke vraag over betrouwbaarheid een query in plaats van een geheugenoefening.
Wanneer bij een waarde geen bron is vastgelegd, behandel dat als een toestand die het waard is om naar boven te halen in plaats van een standaardwaarde die je maar aanneemt. De gids over de checklist voor landendatadekking loopt de drie toestanden door die een veld kan innemen en waarom een onbekende zichtbaar moet blijven; actualiteit is simpelweg de vierde dimensie die op dezelfde tabel wordt toegepast.
Voor de codes zelf zijn de gepubliceerde wijzigingsberichten de gezaghebbende triggers, en de gids over ISO-land- en onderverdelingscodes behandelt hoe de codesystemen zich tot elkaar verhouden. Houd de landen- en regiorgids als de neutrale plek om lezers naartoe te verwijzen die willen zien hoe namen en codes samen worden gepresenteerd in plaats van erover te lezen hoe ze worden onderhouden.
Bronnamen, ophaaldata en versielabels die hierboven als voorbeeld worden gebruikt, zijn slechts illustratieve notatie. Ze verwijzen niet naar de inhoud, het schema of de dekking van een bepaalde dataset, en ze beschrijven geen enkel echt updateproces van enige organisatie.
Volgende stappen
Kies één landvermelding en probeer de bron, de ophaaldatum en het bereik uit je geheugen op te schrijven. Waar dat niet lukt, is de informatie niet opgeslagen, en het volgende meningsverschil over die vermelding wordt beslecht door mening. De gids over testdata opschalen naar meerdere landen laat zien hoe een verzameling vermeldingen met ongelijke herkomst toch kan worden gebruikt om een consistente testpopulatie te genereren.