Los portales de datos abiertos son una de esas iniciativas que resulta difícil criticar sin parecer que estás en contra de la transparencia. Vaya por delante que no lo estoy: creo que publicar los datos de la administración es una obligación democrática antes que una oportunidad de innovación.
Dicho lo cual, si uno mira las estadísticas de uso de bastantes portales, el panorama es desolador. Cientos de conjuntos publicados, unas pocas descargas al mes, y una parte importante de esas descargas procedente de robots que indexan.
Merece la pena preguntarse por qué.
El conjunto de datos que nadie pidió
El primer problema es de origen. Muchos portales se han llenado con lo que era fácil de publicar, no con lo que alguien necesitaba.
Es comprensible: hay un compromiso de publicar un número de conjuntos, y se empieza por los que ya están en un formato razonable y no plantean dudas de protección de datos. El resultado es un catálogo con el callejero, los censos de locales, la relación de aparcamientos y poco más de lo que la gente realmente busca.
Los datos que sí interesarían —ejecución presupuestaria con detalle, contratos menores, tiempos reales de resolución por tipo de expediente, listas de espera— son precisamente los que más cuesta publicar, porque exigen trabajo y porque exponen.
Publicar no es servir
El segundo problema es de formato y mantenimiento.
Un PDF no es un dato abierto, aunque se publique en el portal de datos abiertos. Un Excel con celdas combinadas, encabezados en la fila siete y notas al pie dentro de las celdas es técnicamente reutilizable y prácticamente inservible.
Y hay algo peor que un formato malo: un conjunto que se publicó una vez y no se ha vuelto a actualizar. Quien construye algo sobre un conjunto de datos necesita saber que seguirá ahí y que se actualizará con una periodicidad conocida. Sin ese compromiso, nadie invierte tiempo en desarrollar nada encima.
He visto conjuntos con la fecha de última actualización a tres años vista del presente, publicados junto a otros del mes pasado, sin ninguna indicación de cuál está vivo y cuál no.
Lo que cambiaría
Publicar menos y mantenerlo. Diez conjuntos actualizados automáticamente valen más que doscientos congelados. El indicador debería ser conjuntos vivos, no conjuntos publicados.
Preguntar antes. Alguna administración ha abierto un canal para que se soliciten conjuntos concretos, con un compromiso de respuesta. Es una forma barata de saber qué hace falta, y además genera un usuario identificado que luego usará el dato.
Publicar el dato que ya usamos dentro. Si un servicio tiene un cuadro de mando interno, ese es el dato que hay que abrir: está actualizado, está estructurado y alguien lo mantiene porque lo necesita. Crear un flujo específico para publicar hacia fuera algo que no se usa dentro está condenado a abandonarse.
Contar historias con los datos propios. Los portales que funcionan suelen tener a alguien que publica análisis usando su propio catálogo. Eso demuestra que el dato sirve, enseña a usarlo y, de paso, detecta los errores de calidad que de otro modo nadie reporta.
La parte incómoda
Hay una razón de fondo por la que muchos portales están llenos de datos irrelevantes: publicar datos relevantes tiene consecuencias.
Si publicas los tiempos reales de resolución por tipo de expediente, alguien los comparará con los plazos legales. Si publicas la ejecución presupuestaria con detalle, alguien preguntará por esa partida. Eso es exactamente para lo que sirve la transparencia, y también es la razón por la que encuentra resistencias que nunca se formulan como tales: se formulan como dudas técnicas, de protección de datos o de calidad del dato.
Distinguir cuándo esas objeciones son legítimas y cuándo son una forma educada de no publicar es, en mi experiencia, la parte más difícil de estos proyectos. Y no se resuelve con tecnología.