ライセンスがデータの命綱になる話：自治体オープンデータの“再利用可視化”をコードで作る

どうも〜おかむーです！今日はオープンデータの妙に地味だけど致命的な話をしますよ〜

• オープンデータのライセンス表記、実は自治体ごとにバラバラで機械判定が難しい
• ライセンスの欠落や曖昧さは、交付金事業やKPI達成に直接影響する可能性がある
• エンジニア的には「まず判定→次に正規化→最後に再利用パイプラインへ」が現実解

結論

オープンデータを本当に使ってもらいたいなら、まずライセンスをコードで読める形にしよう。ポータル（例：東京都ポータル、埼玉県カタログ、RAIDAや総務省のガイドライン）には良いデータがたくさんあるけど、ライセンスの機械可読性がボトルネックになっている。要するに、ライセンスメタデータをAPIで標準化すれば、再利用とKPI達成の加速につながるということです。

レポート本文

現状観察：どんな問題があるか

これ見てくださいよ。東京都のオープンデータカタログ（https://portal.data.metro.tokyo.lg.jp/）や埼玉県のカタログ（https://opendata.pref.saitama.lg.jp/）を眺めると、データ自体はCSVやGeoJSONで公開されている一方、ライセンス表記が各ページの説明文に埋め込まれていたり、PDFにしか書いてなかったりするケースがあるんです。RAIDA（https://raida.go.jp/）や総務省の推進ページ（https://www.soumu.go.jp/）では標準化を促しているけど、現場はまだバラバラという印象。

技術的な問題点を整理すると：

• ライセンスフィールドがメタデータAPIにない、あるいは自由テキスト
• 明示的にライセンスがない（デフォルト不明）データが存在する
• 複数フォーマットで公開された際にライセンスが揃っていない

要するに、機械が「このデータを商用で使っていいですか？」と一発で答えられないんですよね。

なぜこれが重要か（政策面の関連）

デジタル田園都市国家構想の交付金や地方のKPI（参考：交付金ガイドラインや各県の実績報告書）では、データ利活用の実績が評価指標に入っていることが多い。ライセンスが不明瞭だと民間事業者が二の足を踏んでしまい、結果的にKPIの達成が遅れる――という因果が成り立つんです。

エンジニア的アプローチ：自動判定→正規化→公開フロー

実務で使えるワークフローを提案します。

メタデータ収集

- ポータルのAPI（ある場合）やDatasetページをクロールしてメタデータを収集

ライセンス判定

- 明示的licenseフィールドがあれば正規化

- テキストのみの場合はキーワードマッチ（CC-BY, ODbL, MIT等）＋スコアリング

- PDFに埋もれている場合はOCR/テキスト抽出して解析

変更監視と通知

- ライセンスが後で追加・変更されたら差分検知して担当部局にアラート

公開用正規化API

- /datasets/{id}/license のように機械可読で返す

簡単なコード例（Python）

以下は概念実装のスニペット。まずはdatasetメタデータからlicenseを探す例です。

import requests

def detect_license(metadata_url):
r = requests.get(metadata_url, timeout=10)
j = r.json()
# まず明示的フィールドを探す
for key in ("license", "rights", "usage"):
if key in j and j[key]:
return normalize(j[key])
# フリーテキストをスキャン
text = " ".join([str(v) for v in j.values()])
if "CC-BY" in text or "クリエイティブ・コモンズ" in text:
return "CC-BY"
if "ODbL" in text:
return "ODbL"
return "unknown"

def normalize(raw):
# 実際は正規表現とマッピングテーブルで細かく処理
return raw.strip()

実運用では、ログやスコア、検出確度を保管しておくとよいです。

改善インパクトの定量化案

• 機械可読ライセンスAPIを整備 → 新規データ利活用プロジェクト提案数が増えるはず（目標：年間+20%）
• 交付金事業においてライセンス不備による却下や遅延を定義し、改善前後で比較

実装上の注意点

• 法的解釈は行政法務部門と擦り合わせること（エンジニアが勝手に契約を変えられない）
• 後方互換：既存メタデータを壊さずに追加フィールドで対応
• セキュリティ：メタデータ収集は負荷を見てレート制御

まとめ

• ライセンスの機械可読性は地味だけど再利用のキモ
• APIでlicenseフィールドを標準化して差分監視を回せば、民間活用とKPI達成を実務的に後押しできる
• 技術的には、まずは検出→正規化→公開の小さなパイプラインを回すのが現実的な一歩

おかむーから一言

テクノロジーはね、派手なAIだけが仕事じゃないんですよ。ライセンス1フィールド直すだけで、地方のスタートアップが動き出す。その“ちょっとした改善”をコードで積み重ねていきましょう！