Análisis de la madurez del ecosistema de datos abiertos en España

Abstract

Este proyecto propone evaluar de forma objetiva el nivel de madurez de los Portales de datos abiertos que hoy desempeñan un papel fundamental para los datos públicos, lo que implica un desafío, especialmente cuando se requiere un análisis comparable entre distintos portales, y conjunto de datos, a través de un enfoque metodológico a partir de los metadatos publicados y de un conjunto de métricas internas orientadas a la calidad, accesibilidad, trazabilidad e interoperabilidad de los datasets. El trabajo se basa en la definición e implementación de un pipeline compuesto por varias fases, que incluye la selección de conjuntos de datos a partir de criterios homogéneos, la extracción y normalización de metadatos, la construcción de métricas, la validación manual y el análisis comparativo de resultados. La muestra analizada comprende diversos portales de datos abiertos en España, entre los que se incluyen el Portal Nacional, Datos abiertos Barcelona, Datos abiertos Aragón, Datos abiertos Murcia, Junta de Andalucía, Datos Comunidad de Madrid, y Análisis de Datos abiertos Castilla y León, seleccionando un volumen representativo de datasets pertenecientes a categorías temáticas comparables como transporte, salud, educación, medio ambiente y demografía. A partir de los metadatos recopilados, se construyen indicadores que permiten evaluar aspectos como la disponibilidad de formatos reutilizables, la presencia de licencias abiertas, la antigüedad y frecuencia de actualización, la existencia de identificadores trazables y el grado de interoperabilidad técnica y semántica. Estos indicadores se agregan en métricas de madurez que facilitan la comparación entre portales y conjuntos de datos. Como resultado, el trabajo ofrece una visión estructurada del estado de los portales analizados desde la perspectiva de sus metadatos y capacidades internas, proporcionando una base objetiva para el análisis comparativo y la identificación de buenas prácticas. La metodología propuesta es reproducible y extensible, y puede servir como apoyo para futuras evaluaciones de calidad y madurez en iniciativas de datos abiertos.

This project proposes an objective evaluation of the maturity level of open data portals, which currently play a fundamental role in the publication and use of public data. This task represents a significant challenge, particularly when a comparable analysis across different portals and datasets is required. To address this challenge, the study adopts a methodological approach based on the analysis of published metadata and a set of internal metrics focused on dataset quality, accessibility, traceability, and interoperability. The study is based on the definition and implementation of a multi-phase pipeline that includes dataset selection using homogeneous criteria, metadata extraction and normalization, metric construction, manual validation, and comparative analysis of results. The analyzed sample comprises several open data portals in Spain, including the National Open Data Portal, Open Data Barcelona, Open Data Aragón, Open Data Murcia, the Andalusian Regional Government, the Community of Madrid Open Data Portal, and the Castilla y León Open Data initiative. A representative volume of datasets was selected from comparable thematic categories such as transport, health, education, environment, and demography. Based on the collected metadata, a set of indicators is constructed to assess aspects such as the availability of reusable formats, the presence of open licenses, dataset age and update frequency, the existence of traceable identifiers, and the degree of technical and semantic interoperability. These indicators are aggregated into maturity metrics that enable systematic comparison across portals and datasets. As a result, this work provides a structured overview of the current state of the analyzed portals from the perspective of their metadata and internal capabilities, offering an objective basis for comparative analysis and the identification of good practices. The proposed methodology is reproducible and extensible, and it may serve as a foundation for future quality and maturity assessments in open data initiatives.