روش‌شناسی دادهٔ فرمانا؛ ساختار مشترک، منبع و تجمیع
روش‌شناسی دادهٔ فرمانا بر هماهنگ‌کردن ساختار داده‌های اقتصادی و اجتماعی، همراه با حفظ منبع و معنای شاخص‌ها، تمرکز دارد. هدف این است که استفادهٔ دوباره از داده و مقایسهٔ سری‌ها آسان‌تر شود. قالب مشترک، تفاوت روش آماری منابع یا محدودیت کیفیت داده را به‌خودی‌خود از بین نمی‌برد.
دو سطح برای جزئیات و مقایسه
در معماری معرفی‌شده، mart جزئیات مرتبط با موضوع را نگه می‌دارد و observations لایهٔ هماهنگِ مشاهده‌هاست. برای نمونه، در مجموعهٔ عمومی تجارت خارجی، فایل جزئیات شامل تفکیک کالا، کشور و گمرک است؛ لایهٔ مشاهده، شاخص‌های ملیِ ماهانه را برای استفادهٔ مشترک ارائه می‌کند. سطح جزئیات و پوشش هر مجموعه را باید در مستند همان مجموعه بررسی کرد.
در بستهٔ عمومیِ بانک شاخص و سری‌های زمانی، مشاهده با کلید سری، دوره و مقدار معرفی شده است. کلید سری به تعریف شاخص، مکان، واحد و ابعاد سری مرتبط می‌شود. بنابراین، همهٔ مشخصات لزوماً ستون‌های تکراریِ همان جدول مشاهده نیستند؛ رابطهٔ فایل‌ها و فراداده نیز اهمیت دارد.
پنج مرجع مشترک
زمان: دوره و تناوب باید معلوم باشند؛ دادهٔ ماهانه و سالانه بدون توجه به تعریف دوره قابل‌جایگزینی نیستند.
مکان: کد و سطح جغرافیایی باید روشن باشد تا کشوری، استانی و شهرستانی با هم اشتباه نشوند.
واحد: ریال، دلار، درصد یا وزن بخشی از معنای عدد است و تبدیل واحد باید مستند باشد.
منبع: مرجع تولید و نسخه یا دورهٔ انتشار برای پیگیری داده اهمیت دارند.
بانک شاخص: تعریف شاخص، تناوب، واحد و قاعدهٔ تجمیع، امکان تفسیر مشترک را فراهم می‌کنند.
بستهٔ عمومیِ اسپاین، فایل‌های شاخص، سری، مکان، واحد و منبع و نیز تقویم به‌روزرسانی را معرفی می‌کند. این ساختار به هماهنگی کمک می‌کند؛ مقایسهٔ معتبر همچنان به تعریف شاخص و پوشش زمانی و مکانی وابسته است.
چند منبع و یک موضوع
وقتی چند مرجع دربارهٔ یک موضوع عدد منتشر می‌کنند، تفاوت روش، پوشش یا نسخه می‌تواند به تفاوت نتیجه بینجامد. اصل طراحی این است که منشأ سری‌ها حفظ شود و ترکیب یا انتخاب یک مرجع پیش‌فرض، پنهانی انجام نشود. انتخاب پیش‌فرض، معادل تأیید برتری همیشگی یک منبع نیست؛ اختلاف‌ها باید قابل پیگیری باشند.
هماهنگی با جمع‌پذیری فرق دارد
قرارگرفتن تورم، تجارت و بورس روی یک محور زمانی، مجوز جمع‌زدن عددهایشان نیست. در بانک شاخص عمومی، سه قاعدهٔ تجمیع معرفی شده است: sum برای جمع، weighted_mean برای میانگین وزنی و none برای شاخص‌های ناجمع‌پذیر.
برای مثال، جمع صادرات ماه‌های یک سال فقط وقتی معنای روشنی دارد که دوره‌ها هم‌پوشانی نداشته باشند و تعریف و واحد سازگار باشند. شاخص قیمت، نرخ تورم و ضریب جینی را نباید صرفاً با جمع یا میانگین ساده به شاخص دورهٔ دیگر تبدیل کرد؛ روش تبدیل باید با تعریف همان شاخص سازگار باشد.
کنترل کیفیت باید چه چیزی را روشن کند؟
سه کنترل مهم عبارت‌اند از تطبیق با منبع، بررسی رابطهٔ اجزا و کل در مواردی که از نظر تعریف قابل‌جمع‌اند، و بررسی مقدارهای غیرعادی. برای نمونه، جمع ارزش‌افزودهٔ بخش‌ها فقط با توجه به نحوهٔ قیمت‌گذاری، مالیات‌ها و یارانه‌ها و تعریف رقم کل می‌تواند با یک کل حساب‌های ملی مقایسه شود.
پرش یک سری ممکن است خطا، تغییر روش یا رویدادی واقعی باشد؛ پرچم ناهنجاری به‌تنهایی علت را تعیین نمی‌کند. همچنین وجود فایل تقویم تازگی، تضمین نمی‌کند همهٔ مجموعه‌ها در هر لحظه آخرین نسخهٔ منبع را دارند. وضعیت نسخه و کنترل‌های هر مجموعه باید از مستند همان انتشار خوانده شود.
دسترسی و حدود استفاده
مجموعه‌های عمومی در صفحهٔ فرمانا در Hugging Face قابل بررسی‌اند. پیش از استفاده، فایل راهنما، پوشش، واحد، تعریف شاخص، قاعدهٔ تجمیع و شرایط مجوز همان مجموعه را بخوانید. این مقاله منطق هماهنگی داده را توضیح می‌دهد؛ جای بررسی کیفیت و تازگیِ تک‌تک فایل‌ها را نمی‌گیرد.