Projekt celostátního kalendáře akcí (III.)

Na stránkách lednového a únorového čísla jsme si povídali s Vítkem Pechancem z naší sesterské společnosti World Media Partners o projektu celostátního kalendáře akcí, na kterém aktuálně pracuje. Uběhlo několik dalších měsíců, a tak jsme se rozhodli zjistit, jak se projekt dále vyvíjí.

Začněme obligátně: Co je u vás nového?

Rozvoj projektu celostátního kalendáře akcí nabral poměrně zásadní posun, a to především z hlediska kvantity i kvality zpracovaných dat. Nejprve k oné kvantitě. Podařilo se nám získat propojení a import dat od Prague City Tourism. Za data jsme obzvlášť rádi, neboť jde o profesionálně redakčně zpracované informace o akcích, doplněné množstvím fotografií i překladů. Významným počinem pak bylo díky spolupráci se společností Webhouse propojení více než 160 kalendářů akcí měst a obcí. Kromě toho jsme také začali importovat data z událostí facebookových profilů jednotlivých kulturních zařízení a turistických cílů. To nám přináší poměrně zajímavá data zejména z hudebních klubů, neboť pro ně je Facebook často hlavní komunikační kanál. Nově jsme ještě zprovoznili nový unikátní systém na extrahování dat z webových prezentací, které jsme začali nasazovat u divadel, která nám nejsou schopna data o konaných akcích strojově zpřístupnit a dají nám souhlas k užití jejich dat z webu. Lidově řečeno, „sosáme“ si údaje o jejich představeních sami z jejich webových stránek.

Schéma – sběr a zpracování dat

Dokážeš zhruba odhadnout, kolik akcí se v České republice koná?

To není snadná otázka. Nejprve si ale stanovme definici, co je akce. My za akci považujeme událost se stejným obsahem, konanou na jednom místě, která ale může mít více termínů. Např. filmové představení v kině může mít více termínů konání, ale to je pro nás stále jedna akce. To stejné filmové představení konané jinde je již pro nás jiná akce. Co se týká počtu, tak v posledních letech jsme zpracovali a zpřístupnili asi tak 50 000 akcí za rok. Letos se dostaneme asi na trojnásobek, tedy cca 150 000 akcí. Celkově odhaduji, že se v Česku koná volnočasových akcí asi tak 500 až 600 tisíc, takže stále máme docela mezery ve sběru. Pokud seženeme partnera, pro kterého by všechna tato data byla zajímavá k odběru, dokážu si představit, že bychom je po doplnění dalších administrátorů na zpracování byli technicky schopni posbírat.

Zmínil jsi, že jste pokročili i v oblasti kvality dat…

S množstvím zpracovávaných dat jsme začali řešit rozličnou kvalitu zpracování u našich administrátorů. Museli jsme tedy zabrat v oblasti propracování manuálů a také jsme nasadili nový systém kontroly kvality výstupních dat, který umí automatizovaně odhalovat chyby při zpracování. Chyby se vracejí zpět k příslušným administrátorům, kteří si je po sobě musí opravovat, a tím se učí těmto chybám vyhýbat.

Co je konkrétně jejich pracovní náplní?

Jak naznačuje uvedené schéma sběru a zpracování dat pro kalendář akcí, je sběr prováděn z různých zdrojů dat s tím, že veškerá importovaná data procházejí poloautomatickým zpracováním, a to je právě práce našich administrátorů. Ti importované akce kontrolují, opravují chyby, validují do jednotné struktury a odstraňují duplicity (např. jedna akce přijde z více vstupenkových systémů, a oni data slučují). Jejich úkolem je také propojování na objekty v databázi podle místa konání, pokud to již není automatizovaně doplněné. Tím se docílí toho, že u drtivé většiny akcí je známá přesná poloha konání. Data je pak díky tomu možné zobrazovat na mapách jako samostatnou vrstvu.

Údaje o akcích, samozřejmě z dat z napojených zdrojů, administrátoři také aktualizují. U akcí často dochází ke změnám termínu, ruší se apod. To vše je třeba sledovat a zanášet do naší databáze.