Code-Savvy Manifesto: Auditing Government Data and Systems

どうも〜おかむーです！今日は政府・自治体のデータ公開をコードの目で検証していきますよ〜

• Government CSV endpoints exist (e.g. notice.go.jp/status_nicter.csv) but machine-readability and API support are inconsistent
• PDFs and ad-hoc CSVs hurt reuse; a small engineering push (OpenAPI + JSON-LD + CSVW) would unlock lots of value
• Practical fixes: stable URLs, schema, CORS, rate limits, and a simple ETL + dashboard pipeline

結論

Public-sector data is often available, but usability is the bottleneck. エンジニア的に言うと、データが“存在している”だけで“使える”状態になっていないことが多いんです。CSVを置くのは良いけど、スキーマが不明確、バージョン管理がない、CORSやAPIがない、これが課題です。要するに、データ公開は技術的な製品設計が必要ということです。

レポート本文

現状の観察（データソース例）

これ見てくださいよ：notice.go.jpのCSV（/docs/status_nicter.csv）や、各省の公開CSV（jinji.go.jp/content/900024615.csv、env.go.jp/content/900398071.csv、mhlw.go.jp/content/001429362.csv）がある。GovTech東京の取り組み（https://www.govtechtokyo.or.jp/services/data-utilization/）もダッシュボード作りを進めている。

しかし問題点は明確:

• フォーマットのばらつき（CSVのエンコーディング、カラム名、不統一な日時）
• APIの欠如（毎回ファイルを叩くには限界がある）
• メタデータ不足（スキーマ、更新履歴、ライセンス情報が散逸）

技術的検証／サンプルコード

エンジニア的に言うと、API一本で済む話なんですよね。まずは生データを取り込む簡単な例：

import pandas as pd
url = 'https://notice.go.jp/docs/status_nicter.csv'
df = pd.read_csv(url)
print(df.head())

スキーマ検証はjsonschemaやpanderaで自動化できる。CSVWやJSON-LDでメタデータを添えれば、データカタログとの連携も楽になります。

政策評価のやり方（数値目標と実績の比較）

政策は目標と実績を時系列で照らし合わせるのが鉄板。やり方:

• 目標値を機械可読に（JSON/CSV）
• 実績データをETLで統一スキーマに変換
• ダッシュボード（Grafana/Metabase）で差分とトレンドを公開

これで市民も、議会も、エンジニアも検証できるようになります。

改善提案（短期〜中期）

• 全公開データにCSVW/JSON-LDメタデータを付与
• OpenAPI + JSON endpoints for common datasets
• Stable URLs + semantic versioning for datasets
• CORS enabled + basic rate limits and API keys
• Provide example notebooks (Jupyter) and schema tests

まとめ

技術的には、今すぐできる改善が山ほどあります。PDFのまま放置せず、CSVだけでも標準化して、APIを一本公開するだけで利活用は飛躍的に上がるんですよ！

おかむーから一言

I've built startups and shipped GOV tech stacks — the gap isn't money, it's product thinking. Make datasets first-class products: version, document, and ship APIs. Let's iterate fast and open government data for real.