Databaser och kalkylblad

Även om databaser och kalkylprogram har olika funktioner används de olika typerna av applikationer i många fall på liknande sätt för att samla in och lagra data (dvs. i rader och kolumner). Här fokuserar vi på data som skapats genom den enklaste typen av kalkylblad (Excel) eller i mer avancerade program för statistisk analys (SPSS, STATA m.fl.).  

Databaser

Databaser kan delas in i olika typer baserade på hur de är uppbyggda.  

Kalkylblad är den enklaste formen av databaser och består vanligtvis av ett eller flera blad med tabulerade data. Kalkylblad kan även innehålla formler, bilder, diagram och tabeller, samt ytterligare värden, till exempel totalsumman av en kolumn, som skapas genom olika formler.

Databaser består i regel av mer än enbart värden och metadata. Användaren är ofta i kontakt med databasen enbart genom ett formulär som används för att lägga in data eller för att göra beräkningar. Formulären kan därför ses som en del av databasen även om de är separerade från datavärdena. Även frågeställningar och resultat eller rapporter kan ses som ”icke-data-delar” av databasen. Om de behövs för att förstå eller återanvända materialet bör de lagras tillsammans med databasen.

Viktiga egenskaper

Kalkylblad kan delas i de vanligaste formaten (.xlsx, .ods) eller exporteras till avgränsad text (.csv, .tsv). Alla dessa filformat är välkända och stöds brett. Själva filformatet skapar därför sällan problem. I praktiken är det oftare hur data har strukturerats i filen eller hur dokumentationen är skriven som kan begränsa återanvändbarheten. För textfiler med separatortecken (.csv, .tsv) bör varje fil endast innehålla en ensam logisk tabell, där första raden i filen utgör variabelnamn eller kolumnrubriker och varje påföljande rad utgör en datapost med datavärden som hör till respektive kolumn.  

Databasfiler hanteras inte alls i samma utsträckning som kalkylblad och många sekundäranvändare skulle troligtvis betrakta databasfiler som svårhanterliga. Det kan därför vara bra att exportera databasens innehåll till avgränsad text (.csv) för att öka återanvändbarheten för data som delas, under förutsättning att viktiga relationer mellan tabeller inte går förlorade.  

Om databasen ska delas med avsikt att hela databasstrukturen (snarare än bara databastabellens innehåll) ska återanvändas är det lämpligt att göra en så kallad databasdump i textform. Utifrån sådana textfiler kan en sekundäranvändare sedan bygga upp hela databasen med datainnehåll från grunden. Oftast innehåller filerna SQL-syntax (.sql). För att undvika problem som kan uppstå på grund av skillnader mellan olika databasprogram har man tagit fram standarden SIARD (.siard), där en databasdump lagras på ett teknikneutralt sätt i en XML-struktur.

Som komplement till en databasdump är det också möjligt att dela databaser i ett binärt databasformat som snabbt kan återanvändas i många verktyg. Ett exempel på detta är den väldokumenterade och öppna SQLite-standarden (.db, .db3, .sqlite).

Statistikdata är ofta utökade tabelldata där variabler, formler och så vidare har tillhörande metadata. Tyvärr är de flesta filformat som statistikprogram sparar i proprietära, men export av statistikdata till avgränsad text eller kalkylblad kan försvåra dataanalyser för sekundäranvändare eftersom metadata då separeras från själva data. Filformaten SPSS (.sav, .por) och STATA (.dta) är välkända och stöds även av vissa öppna program.  

Tänk på att det är möjligt att dela samma datamaterial i flera olika filformat inom ett dataset, till exempel kan datatabeller från en .sav-fil läggas till som en avgränsad textfil (.csv). Om formler, skript och annan programspecifik syntax sparas i statistikdatafilerna kan detta innehåll exporteras till textfiler som kompletterande information, så att sekundäranvändare som inte kan öppna de proprietära formaten ändå kan granska bearbetningsflödet.

Vad ska bevaras?

Det centrala i databaser och kalkylblad är själva datatabellerna/-bladen tillsammans med dokumentation och metadata som beskriver innehållet i och relationerna mellan tabeller och blad.  

Grundläggande filelement som ska bevaras och underhållas är:  

Värden: Cellrubriker och värdet i cellerna. En fil kan innehålla flera blad med data eller tabeller.

Bilder: Figurer, diagram och tabeller som finns i kalkylblad bör lagras som separata filer. Det är möjligt att länka till externa filer för att visa relationer mellan olika element. Dokumentera var filerna sparas och namnge dem så att det är lätt att se vart de hör.

Relationer: I databaser, men även i kalkylblad, är det viktigt att relationer mellan tabeller/blad är väldokumenterade och begripliga.

Formler, queries (urval/förfrågningar), makron: Om en fil innehåller komplexa formler eller urvalsförfrågningar måste dessa bevaras separat i en textfil så att kalkylbladets funktionalitet kan återskapas vid ett senare tillfälle.

Kommentarer och anteckningar: Kontrollera att eventuella kommentarer och anteckningar i en fil kommer med. Dessa måste sparas i en separat fil med tydlig information om vilken fil och vilken cell som kommentaren/anteckningen hör till.

Dolda eller skyddade data: Ibland innehåller kalkylblad dolda eller skyddade celler. Dessa celler måste identifieras så att informationen i dem inte går förlorad.

Föreslagna filformat för delning

• Microsoft Excel, formellt Office Open XML Workbook format, (.xlsx),  
• OpenDocument Spreadsheet (.ods)  
• Avgränsad text (oftast benämnt .csv eller .tsv)  
• SQL-syntax i textfil (.sql)
• SIARD (.siard)
• SQLite (oftast benämnt .db, .db3, .sqlite)
• SPSS (.sav, .por)
• STATA (.dta)
• R (.rdata, .rda)