コードで語るマニフェスト：政府データはAPIで語れるか？

どうも〜おかむーです！今日はちょっとエンジニアっぽい話をしますよ〜

• これ見てくださいよ：政府資料はまだPDFに埋まってるケースが多く、機械可読化が急務
• APIやオープンデータポータルは増えてきたが、フォーマットやメタデータがばらついてる
• エンジニア的に言うと、API一本・CSVで公開・スキーマ明示で再利用コストが劇的に下がるんです

結論

国と自治体は「機械可読のルール整備（2026/03/31決定）」やe-GovのAPIカタログを整備してきているが、現場の公開方法はまだ混在している。要するに、政策の数値（KPI）や実績をCSV/JSONで定期公開し、APIでクエリ可能にすれば、検証・利活用の速度が段違いに上がるということです。

レポート本文

現状のスナップショット

• 政府側ポータル：デジタル庁（https://www.digital.go.jp/）や内閣官房の会議資料（機械可読性ルール関連PDF）で方針は出ている（資料参照: https://www.digital.go.jp/.../20260331_meeting_executive_outline_05.pdf）。
• APIの実例：e-Govの行政API（https://www.e-gov.go.jp/digital-government/api）やAPIカタログ（https://api-catalog.e-gov.go.jp/）が存在。東京都もOpen Data APIを提供（https://portal.data.metro.tokyo.lg.jp/opendata-api/）。
• 現場の公開：交付金事業の実績は自治体PDFにあるケースがある（例：山口県の交付金実績PDFにKPIと実績が記載、https://www.pref.yamaguchi.lg.jp/uploaded/attachment/160746.pdf）。PDFは人間には読めるが機械処理には不便。

エンジニア的に言うと、これAPI一本で解決する話なんですよね。CSV/JSONで出してスキーマ（列名・型・単位）を付ければ、解析は自動化できるんです。

PDF vs CSV（機械可読性の問題）

• 問題点：PDFはレイアウト依存でテーブル抽出が不安定、OCRノイズも発生。年度更新のたびにレイアウトが変わるとパーサーが壊れる。
• 要するに：PDFはアーカイブとしては良いが、KPIや数値を運用的に扱うならCSV/JSONでの公開必須。

API・フォーマットの品質評価

• 良い点：e-GovのAPIカタログは存在し、標準化の足掛かりになっている。
• 改善点：APIレスポンスでスキーマ記述（JSON Schema / OpenAPI / CSVW）が不足、バージョニングとメタデータ（更新日時・単位・測定方法）の標準化が不十分。

数値目標と実績のギャップ（事例）

• デジタル田園都市国家構想交付金ではKPI設定が行われているが、自治体の実績報告がPDF主体でCSV化されておらず、国側での横断分析が難しい（参照: 山口県実績PDF）。
• 影響：政策評価の迅速化が阻害され、交付金の効果検証や再配分の判断が遅れる可能性がある。

技術的改善提案（具体的で即実装可能なもの）

データ公開の第一歩：PDFに加えてCSV/JSONの原データを同時公開する

- 仕様：UTF-8 CSV、ヘッダ行必須、ISO 8601で日付、単位カラムを明示

スキーマ公開：各API/データセットにOpenAPIまたはCSVW/JSON-LDを付与

- 効果：自動バリデーション・ETLパイプラインの安定化

API設計：RESTfulでページネーション・フィルタ・メタ情報（updated_at, source_version）を必須に

- 認証は公開データなら不要。ただしレート制限とCORS設定は整備

データパイプライン例：PDF→ETL→公開

- PDFテーブル抽出は暫定措置（Tabula/Apache PDFBox）、長期は発行側でCSV出力

ガバナンス：データカタログ（e-Gov APIカタログ連携）にデータ品質メトリクスを掲載

コード例（取得と簡易集計、サンプル）

curlで東京都公開APIを叩く例：

curl "https://api-tokyo.example.gov/PublicFacility?limit=100" -H "Accept: application/json"

Python（pandas）でCSVを読み、KPIの年次比較をするイメージ：

import pandas as pd
url = 'https://example.gov/data/digital_grant_kpi.csv'
df = pd.read_csv(url, parse_dates=['fiscal_year'])
summary = df.groupby('fiscal_year')['achieved_value'].sum()
print(summary)

注意：現状は多くの自治体で生データURLがPDFになっているので、まずは発行元にCSV提供を依頼するのが手っ取り早いです。

オープンデータの活用可能性

• 横断分析：都道府県間でのKPI比較や、交付金の投入と地域指標（人口減少、ネットワーク整備度など）の回帰分析が可能になる。
• 市民サービス：自治体APIを経由してマッシュアップアプリ（予算可視化、プロジェクト進捗ダッシュボード）が作れる。
• 民間連携：スタートアップが地方の課題解決サービスを迅速に立ち上げやすくなる。

まとめ

総じて、政策方針は整いつつあるけど、現場のデータ公開は追いついていない。PDF中心の報告は人間に優しいが、データ再利用には不便。エンジニア的にはCSV/JSON + スキーマ + APIで公開するだけで、政策評価やサービス創出のスピードが大きく上がるんです。具体的には、e-Govカタログと自治体ポータルを連携し、CSVWやOpenAPIでスキーマを公開するワークフローを標準化することを提案します。

おかむーから一言

テクノロジーで社会を変えるって言葉、つい口にしてしまうんですけど、まずはデータをちゃんと開くことから始まりますよね。エンジニアの力で、政策検証のループを短くしましょう！