TRAINING

 

Esempi di Data Transformation

 

Fonte
Questa modulo è stato sviluppato nell’ambito del progetto smespire (http://www.smespire.eu/) nel 2014. Una versioni precedente di questo modulo sono state sviluppate nell’ambito del progetto NatureSDIplus (www.nature-sdi.eu) nel 2010. 
Diritti di proprietà
Autori: Giacomo Martirano, Fabio Vinci, Stefania Morrone (EPSILON ITALIA). Il materiale è fornito con Licenza Creative Commons Attribution Share-Alike (http://creativecommons.org/licenses/by-sa/3.0/) 
Sintesi

Questo modulo di autoapprendimento fornisce esempi di trasformazioni di un dataset sorgente in un dataset conforme alle prescrizioni tecniche delle Implenting Rules e alle Technical Guidelines di INSPIRE.

Esso mostra, passo dopo passo, uno schema  di trasformazione del processo, partendo dall’analisi del dataset sorgente e del suo data model e dallo studio dell’applicabilità delle Data Specification di INSPIRE.

Il modulo mostra l’uso della matching table come strumento utile per documentare il processo di mapping tra gli elementi del dataset sorgente e quelli del data model di INSPIRE e spiega come identificare e risolvere alcuni problemi comuni di matching.

Attraverso l’uso di uno strumento dedicato, il processo di trasformazione è spiegato in modo pratico, mostrando anche la convalida “live” del mapping effettuato rispetto all’application schema di INSPIRE di riferimento. Infine, è fornita una dimostrazione di come generare un dataset GML armonizzato.
Struttura
  1. Analisi del data model sorgente
  2. Identificazione ed analisi del data model target
  3. Uso della matching table
  4. Analisi e soluzione dei problemi di matching
  5. Esecuzione della trasformazione
  6. Esportazione dei dati trasformati
Risultati di apprendimento
Al termine del modulo, il partecipante sarà in grado di identificare e comprendere i modelli dati di origine e di destinazione, compilare una matching table, effettuare una trasformazione da un dataset sorgente non armonizzato in uno armonizzato ed esportarli in un dataset GML armonizzato. 
Destinatari
Professionisti GIS e ICT che mirano ad armonizzare i propri dataset rispetto alle Data Specifications di INSPIRE. 
Pre-requisiti

Conoscenza base di INSPIRE.

Modulo “Procedure per l’armonizzazione di dati e metadati “.
Lingua
Inglese 
Formato
Documenti PDF, presentazioni, video-corsi. Trattasi di un modulo di auto-apprendimento. 
Impegno previsto
2 ore