Google 和資料技術的發展一直齊頭並進，現在 Google 透過更快搜尋數據資料進一步強化大眾和資料的關係。
好消息又來了：Google 再次宣布開放全新的搜尋服務：Dataset Search（資料集搜尋）。
還記得不久前 Google 發表的 Google Scholar（學術搜尋）嗎？當時 Google Scholar 填補了快速查找學術資料的空白；這次 Google 直接將注意力精準聚焦到資料集，簡直「體貼又細心」！
Google 人工智慧研究科學家 Natasha Noy 表示，科學家、研究人員、數據資料記者和其他有興趣使用數據的人，是這個工具的主要受眾，與此同時，Google 認為這些資料集在整個 Google 產品的地位將更突出。
數據工作者的又一「神器」
首先，資料集到底是什麼？Dataset（數據集）又稱為數據集、數據集合或資料集合，是一種由數據資料組成的集合。Dataset 通常以表格形式出現。每一列代表一個特定變量，每一行都對應某一成員資料集的問題。它列出的價值觀為每個變量，如身高和體重的一個物體或價值的隨機數。每個數值稱為數據資料。對應行數，該資料集的數據可能包括一個或多個成員。
從歷史上看，這個術語起源於大型電腦領域，那裡它有明確界定的意義，非常接近現代的電腦檔案。
Natasha Noy 表示，這個新服務會將數萬個不同線上資料集存檔統一起來。那最終這些資料集的歸屬在哪呢？Natasha Noy 談到：「我們想讓這些數據可被發現，但數據仍保留在原始位置。」
如何執行？我們嘗試進行了操作
這個 Dataset Search 怎麼執行的？事實上，即使對組織最完善、數據最豐富的人來說，也需要利用源於外部的數據。
舉個天氣和環境數據的典型例子。
假設你想要將農業數據與天氣現象相關聯以預測作物生長，或者想研究天氣對整個歷史時期發生現象的影響，這種歷史天氣數據，幾乎不可能由單一組織積累和策劃，很可能由 NOAA 和 NASA 等組織隨時提供（註：NOAA 是美國國家海洋和大氣管理局，NASA 是美國國家航空暨太空總署） 。
這些組織會透過專用數據門戶定期策劃和發表數據，因此，如果你需要定期獲取數據，可能需要熟悉透過這些門戶定位數據的過程。當然，你還必須同時關注 NOAA 和 NASA 之外的其他可能消息來源。
如果不僅需要天氣數據，還想找到正確的來源，然後再找到這些來源的更多正確數據，之前一個搜尋介面根本無法做到，現在 Google 開發了 Dataset Search，可達成一個介面就搜尋到，是不是很驚喜很意外？
實際上，Google 對結構化數據的熱愛一直持續，代表性事件就是收購 Metaweb 整合 Google 的知識圖譜，並透過 schema.org 支援結構化詮釋資料。
▲ 搜尋資料集會檢索查詢的多個結果，顯示資料集提供者和時間段。
我們嘗試進入 Dataset Search 官網，發現在搜尋頁面，如果一個資料集直接對應一個出版物，那麼資料集名稱旁邊就會有出版物的連結。此外 Google 還提供參考資料集的出版物大致數量。
諸多問題值得考慮：錯誤內容、排名與盈利的可能
推出這個搜尋，不僅方便專業用戶使用，且對資料集提供商也大有好處。NOAA 的 CDO（首席開發長）Ed Kearns 是該計畫的堅定支持者，並幫助 NOAA 在該工具搜尋了許多資料集。
這種類型的搜尋，長期以來一直是開放資料和科學界許多研究人員的夢想。對 NOAA 而言，一部分工作是與他人共享我們的數據，Dataset Search 對讓更廣泛的用戶社群更容易訪問我們的數據至關重要。
▲ Dataset Search 搜尋後進入某個資料集連結，對一些訊息的排名。
為了避免資料集提供商將內容錯誤描述為「資料集」，Google 能告訴它「這不是一個資料集」或降低排名嗎？Google 並沒有給予明確的應對措施，只表示，Google 會在用戶開始使用該工具後獲得更多經驗去改進，努力提高結果品質。
如何解決被搜出的資料集排名問題呢？Google 表示，對資料集來源頁面使用 Web 排名組合（基於 Google 演算法），並將其與資料集特定信號（如數據品質、引用等）相結合。
再進一步想，如果排除在搜尋排名盈利的可能，Google 哪一天會不會拿它出來營利？比如從銷售通路收集數據，並使用它們來生成具有洞察力的定期報告？
不論如何，這個計畫有助於科學決策，需要的人士儘管放心使用。不過隨著數據價值越來越突顯，Google 也越來越重視，包括雲端計算和 AI 不斷增加投入，大膽猜測一下，Dataset Search 會是 Google 在學術數據領域商業化的第一步。
科技新報粉絲團
加入好友
訂閱免費電子報
