Datamodell

Sist endret

April 14, 2025

Important

Denne siden er under arbeid.

I dette kapitlet beskrives informasjonselementene i Datadoc. Siden noen gjelder for datasett og andre gjelder for variabler, så er kapitlet delt inn etter disse.

For hvert informasjonselement angis det om informasjonen er obligatorisk✅ for gitte datatilstander. Siden inndata ikke er en obligatorisk datatilstand, og kildedata ikke er mulig å dokumentere enda, så angis de ikke. Men hvis man lagrer inndata i en statistikkproduksjon, så er de samme feltene obligatorisk som for klargjorte data.

Det angis også hva det internasjonale🌐 navnet er, som er navnet som faktisk benyttes i Datadoc-filene som genereres.

Noen informasjonselementer er kun relevant for noen typer av data, og det er derfor kun obligatorisk hvis man har denne typen data. Dette angis med ⚠️.

✅ = obligatorisk, ⚠️ = hvis relevant, 🌐 = internasjonalt

Datasett

Navn

🌐 name
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Navnet på datasettet. Navnet skal være forståelig for mennesker (ikke kun forkortelser) slik at det er søkbart. Navnet skal fylles ut på bokmål eller nynorsk. Det er valgfritt om en også vil fylle ut på den andre norske målformen og engelsk.

Beskrivelse

🌐 description
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

En kort beskrivelse av hva datasettet inneholder, f.eks.:

Inneholder data om bruk av helsetjenester (Levekårsundersøkelsen).

Inneholder personopplysninger

🌐 contains_personal_data
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Velges hvis datasettet inneholder identifiserende personopplysninger, dvs. alle opplysninger som entydig kan knyttes til en fysisk person (f.eks. fødselsnummer, ulike adresser og bankkontonummer).

Se flere eksempler på personopplysninger i liste laget i PAPIS-prosjektet:
PAPIS-Variabelliste.docx

Næringsdata og enkeltpersonforetak (ENK) blir ikke regnet som personopplysninger.

Verdivurdering

🌐 assessment
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Utledes automatisk basert på datasettets datatilstand, og informasjon om datatilstand hentes fra filstien (se Navnestandarden). Verdivurdering settes med følgende regler:

sensitiv -> kildedata
skjermet -> inndata, klargjorte data og statistikkdata
åpen -> utdata

Bruksrestriksjon

🌐 use_restriction
klargjorte data ✅ | statistikkdata ✅

Fylles ut dersom datasettet har bruksrestriksjoner. Datasett uten brukrestriksjoner trenger ikke å fylle ut feltet. Følgende verdier er tillatt for datasett med bruksrestriksjoner:

Sletting/anonymisering

🌐 DELETION_ANONYMIZATION

Behandlingsbegrensninger

🌐 PROCESS_LIMITATIONS

Sekundærbruksrestriksjoner

🌐 SECONDARY_USE_RESTRICTIONS

Bruksrestriksjonsdato

🌐 use_restriction_date
klargjorte data ✅ | statistikkdata ✅

Fylles kun ut dersom det er knyttet bruksrestriksjoner til datasettet, og det finnes en “tiltaksdato”. En tiltaksdato kan f.eks. være at et datasett skal slettes eller anonymiseres på en gitt dato. Noen datasett med Bruksrestriksjon vil ikke ha en slik dato, f.eks. vil en behandlingsbegrensning normalt være permanent/tidsuavhengig, og da skal ikke dette feltet fylles ut.

Dato fylles ut på ISO 8601 Date and time format. F.eks. 2024-12-31 eller 2022-09-27 18:00:00.000.

Datatilstand

🌐 dataset_state
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Utledes automatisk fra filstien hvis datasettet som dokumenteres er lagret iht Navnestandarden, men kan overstyres. Datasettets datatilstand er en av følgende:

kildedata
inndata
klargjorte data
statistikk
utdata

Status

🌐 dataset_status
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Angir hvor metadataene er i livssyklusen. Følgende kategorier kan velges:

Utkast

🌐 DRAFT
Arbeid med data og metadata pågår, dvs. ikke delt internt eller eksternt.

Intern

🌐 INTERNAL
Metadata er godkjent for intern bruk, men data med verdivurdering “skjermet” kan kun brukes/deles med ansatte med tjenstlig behov for tilgang

Ekstern

🌐 EXTERNAL
Metadata er godkjent for både intern og eksternt bruk, men data kan kun deles med alle eksterne hvis datatilstanden er “utdata” (verdivurdering=åpen). Andre datatilstander kan deles f.eks. med forskere etter søknad og godkjenning.

Utgått

🌐 DEPRECATED
Utgått, avsluttet eller erstattet av noe annet.

Enhetstype

🌐 unit_type
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Her fyller en inn enhetstypen («objektet») som datasettet inneholder informasjon om. Eksempler på enhetstyper er «person», «foretak» og «bruksenhet».

Kodeliste i Klass for tillatte verdier.

Fremtidig funksjonalitet i Datadoc-editor

Dersom datasettet inneholder informasjon om flere enhetstyper, kan disse enhetstypene dokumenteres for de aktuelle variablene under Variabler-fanen. Vi anbefaler da at den hyppigst forekommende enhetstypen velges i dette feltet. I noen tilfeller vil dataene være aggregerte allerede når de kommer til SSB. Da vil det ikke være logisk å snakke om enhetstyper, og en kan velge kategorien «aggregert» som verdi i Enhetstype-feltet. Denne kategorien vil også ofte være det aktuelle valget for datatilstandene statistikk og utdata da disse ofte vil bestå av aggregerte data. Et unntak her vil være Kostra, som også har aggregerte data, men der disse er aggregert på kommune- eller fylkes nivå, og det vil da være naturlig å bruke enhetstypen «kommune(forvaltning)» eller «fylke(forvaltning)».

Populasjon

🌐 population_description
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Her skal en skrive inn populasjonen som datasettet dekker(fritekst). En populasjon sier hvilken enhetstype(er) som finnes i datasettet, geografisk dekningsområde og tidsperiode, f.eks. alle (bosatte) personer i Norge per 31.12.2024 eller alle foretak i Oslo per 01.03.2025.

Dersom noen av variablene i datasettet har en annen populasjon, kan dette dokumenteres for de aktuelle variablene under Variabler-fanen.

Versjon

🌐 version
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Dersom datasettet følger navnestandarden, settes versjonsnummeret automatisk. Dersom datasettet ikke følger navnestandarden (det er f.eks. ikke et krav at kildedata skal gjøre det), settes det manuelt. Les mer om versjoner i Dapla-manualen.

Versjonsbeskrivelse

🌐 version_description
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Her beskriver man kort årsaken til at en ny versjon ble laget. For versjon 1 kan en bare skrive «Opprinnelig versjon».

Inneholder data f.o.m.

🌐 contains_data_from
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Dersom datasettet følger navnestandarden, settes denne datoen automatisk. Dersom datasettet ikke følger navnestandarden (det er f.eks. ikke et krav at kildedata skal gjøre det), settes denne datoen manuelt. Dersom variablene i datasettet inneholder data med ulike startdatoer, settes den eldste datoen her. Under variabler-fanen kan en sette korrekt «Inneholder data f.o.m.» for variabler som avviker fra datoen som settes her.

Inneholder data t.o.m.

🌐 contains_data_until
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Dersom datasettet følger navnestandarden, settes denne datoen automatisk. Dersom datasettet ikke følger navnestandarden (det er f.eks. ikke et krav at kildedata skal gjøre det), settes denne datoen manuelt. Dersom variablene i datasettet inneholder data med ulike sluttdatoer, settes den nyeste datoen her. Under variabler-fanen kan en sette korrekt «Inneholder data t.o.m.» for variabler som avviker fra datoen som settes her.

Datakilde

🌐 data_source
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Her oppgis kilden til dataene (på etats-/organisasjonsnivå). Denne velges fra menyen. Dersom variablene i datasettet har ulike datakilder, kan disse presiseres for de aktuelle variablene under Variabler-fanen. I dette tilfellet velges den hyppigst forekommende datakilden her.

Klass-kodelist for tillatte verdier.

Temporalitetstype

🌐 TEMPORALITY_TYPE
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Temporalitetstypen sier noe om tidsdimensjonen i datasettet. Følgende verdier er tillatt:

Fast

🌐 FIXED
Data med verdier som ikke endres over tid, f.eks. fødselsdato.

Tverrsnitt

🌐 STATUS
«Tverrsnitt» er data som er målt på et bestemt tidspunkt.

Akkumulert

🌐 ACCUMULATED
er data som er samlet over en viss tidsperiode, f.eks. inntekt gjennom et år.

Hendelse/forløp

🌐 EVENT
«Hendelse/forløp» registrerer tidspunkt og tidsperiode for ulike hendelser/tilstander, f.eks. (skifte av) bosted.

Dersom variablene i datasettet har ulike temporalitetstyper, kan disse presiseres for de aktuelle variablene under Variabler-fanen. I dette tilfellet, velges den hyppigst forekommende temporalitetstypen her.

Statistikkområdet

🌐 subject_field
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Her skal det primære statistikkområdet som datasettet tilhører, velges fra menyen.

Nøkkelord

🌐 keyword
klargjorte data ⚠️ | statistikkdata ⚠️ | utdata ⚠️

Her kan en legge inn nøkkelord som beskriver datasettet, og som dermed kan brukes i søk. Nøkkelordene må legges inn som kommaseparert streng, f.eks. «befolkning, skatt, arbeidsledighet».

Geografisk dekningsområde

🌐 spatial_coverage_description
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Oppgi datasettets geografiske dekningsområde. Norge er default.

Variabler

Navn

🌐 name
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Navnet på variabelen. Navnet skal være forståelig for mennesker (ikke kortnavn/teknisk navn) slik at det er søkbart. Navnet skal fylles ut på bokmål eller nynorsk.

Et eksempel på navn er Personidentifikator. Det tilhørende kortnavnet (navnet i datasettet) vil være pers_id.

De fleste variabler skal dokumenters i Vardef, og dermed kunne pekes til fra Datadoc-editor. Men hvis datasettet inneholder noen variabler som kun brukes i dette datasettet, og dermed ikke skal gjenbrukes, trenger de ikke å dokumenteres i Vardef . Det kan f.eks. dreie seg om variabler som brukes i en spesiell beregning eller kontroll. Disse dokumenteres da i Datadoc-editor. Navnet skal dokumenteres i dette feltet, mens definisjonen og eventuelt tilhørende kodeverk skal dokumenteres hhv. i feltet Kommentar og Kodeverkets URI. (Når en fyller ut «Definisjons URI»-feltet, vil en også få lenke til ev. kodeverk via Vardef-variabelen).

Sammenkobling med Vardef

Når Vardef kommer i produksjon må Navn-feltet bare fylles ut dersom Definisjons-URI-feltet ikke er utfylt. Dersom det er utfylt, vil navnefeltet automatisk fylles med navnet til Vardef-variabelen som det lenkes til. Det er også mulig å endre Vardef-navnet i Datadoc-editor dersom det er relevant.

Definisjons-URI

🌐 definition_uri
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Her oppgis lenken til tilhørende variabel i Vardef.

Sammenkobling med Vardef

Når Vardef kommer i produksjon vil Datadoc-editor bruke kortnavnet i datasettet til å søke etter variabler med samme kortnavn i Vardef, og brukeren kan velge å benytte denne informasjonen eller ikke for sine data.

Er personopplysning

🌐 is_personal_data
klargjorte data ✅

Angir om variabelen er en personopplysning eller ikke, og hvis det er det, er den anonymisert eller ikke. Følgende verdier er tillatt:

Ikke personopplysning (default)

🌐 NOT_PERSONAL_DATA
Variabelforekomsten er ikke en personopplysning

Pseudonymisert/kryptert personopplysning

🌐 PSEUDONYMISED_ENCRYPTED_PERSONAL_DATA
Variabelforekomsten er en personopplysning som er pseudonymisert/kryptert. Eksempelvis pseudonymisert fødselsnummer eller kryptert person-navn

Ikke-pseudonymisert/ikke-kryptert personopplysning

🌐 NON_PSEUDONYMISED_ENCRYPTED_PERSONAL_DATA
Variabelforekomsten er en personopplysning som ikke er pseudonymisert/kryptert. Eksempelvis fødselsnummer eller navn i klartekst.

Personopplysninger er alle opplysninger som entydig kan knyttes til en fysisk person (f.eks. fødselsnummer, ulike adresser og bankkontonummer). Se flere eksempler på personopplysninger i liste laget av PAPIS-prosjektet:

PAPIS - Variabelliste.docx

Næringsdata og enkeltpersonforetak (ENK) blir ikke regnet som personopplysninger.

Måleenhet

🌐 measurement_unit
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Dersom variabelen er kvantitativ, skal den ha en måleenhet, f.eks. «kroner» eller «tonn».

Klass-kodeliste for tillatte måleeneheter.

Multiplikasjonsfaktor

🌐 multiplication_factor

Multiplikasjonsfaktor er den numeriske verdien som multipliseres med måleenheten, f.eks. hvis det er store tall i datasettet. En kan f.eks. velge multiplikasjonsfaktor 1000, og måleenhet «kroner» slik at verdiene vises i 1000 kroner.

Variabelens rolle

🌐 variable_role
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Her skal en oppgi variabelens rolle i datasettet (velge fra menyen). De ulike rollene er «identifikator» (identifiserer de ulike enhetene i et datasett, f.eks. fødselsnummer som identifiserer personer og organisasjonsnummer som identifiserer foretak), «målevariabler» som beskriver det vi måler, dvs. egenskaper ( sivilstand eller omsetning), «startdato» (beskriver startdato for hendelser som har et forløp, eller måletidspunkt for tverrsnittdata), «stoppdato» (beskriver stoppdato for hendelser som har et forløp) og «attributt» (som kan brukes dersom en ønsker å utvide datasettet med informasjon knyttet til gitte variabler, f.eks. vedrørende datakvalitet eller editering).

Kodeverkets URI

🌐 classification_uri
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Lenke (URI) til gyldig kodeverk (klassifikasjon eller kodeliste) i Klass. Dette feltet vil sjelden benyttes siden variabelen i all hovedsak vil knyttes til tilhørende kodeverk via relevant variabeldefinisjon i Vardef. Unntaksvis kan den imidlertid knyttes direkte til Klass via dette feltet i tilfeller der variabelen ikke defineres i Vardef (se nærmere info under feltet «Navn»). Via dette feltet kan en også lenke til en variant av et kodeverk dersom en ønsker å spesifisere kodeverket som er knyttet til variabeldefinisjonen i Vardef (eksempelvis variabelen “næring” som i Vardef er knyttet til Standard for næringsgruppering (SN). For variabelen i datasettet kan en da f.eks. lenke til en variant av SN som kun inkluderer næringene som er aktuelle for egen statistikk, hvis dette er ønskelig).

Kommentar

🌐 comment

Kommentar-feltet kan brukes på to måter. Den første er at en kan legge inn ytterligere informasjon om variabelen, f.eks. hvis en ønsker å utdype noe i definisjonen fra Vardef. Den andre måten er knyttet til de sjeldne tilfellene der en variabel ikke må dokumenteres i Vardef. En kan nemlig unnlate å dokumentere en variabel i Vardef dersom den kun brukes i ett datasettet, dvs. at den aldri gjenbrukes (se mer info under feltet «Navn»). I et slikt tilfelle må variabelen defineres i Kommentar-feltet. (NB variabler som kun brukes i ett datasett, kan godt dokumenters i Vardef i stedet for i kommentar-feltet dersom en ønsker det).

Datakilde

🌐 data_source
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Datakilde settes vanligvis på datasettnivå, men dersom datasettet består av variabler med ulike datakilder, kan datakilde på variabelnivå velges i dette feltet (på etats-og organisasjonsnivå, velges fra meny).

Temporalitetstype

🌐 temporality_type
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Temporalitetstype settes vanligvis på datasettnivå, men dersom datasettet består av variabler med ulike temporalitetstyper, kan temporalitetstype på variabelnivå velges i dette feltet. Temporalitetstypen sier noe om tidsdimensjonen til variabelen. Følgende er tillatte verdier:

Fast

🌐 FIXED
Data med verdier som ikke endres over tid, f.eks. fødselsdato.

Tverrsnitt

🌐 STATUS
«Tverrsnitt» er data som er målt på et bestemt tidspunkt.

Akkumulert

🌐 ACCUMULATED
Data som er samlet over en viss tidsperiode, f.eks. inntekt gjennom et år.

Hendelse/forløp

🌐 EVENT
«Hendelse/forløp» registrerer tidspunkt og tidsperiode for ulike hendelser/tilstander, f.eks. (skifte av) bosted.

Populasjon

🌐 population_description
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Populasjon settes vanligvis på datasettnivå, men dersom datasettet består av variabler med ulike populasjoner, kan populasjonen dokumenteres på variabelnivå i dette feltet.

En populasjon sier hvilken enhetstype(er) som finnes i datasettet, geografisk dekningsområde og tidsperiode, f.eks. alle (bosatte) personer i Norge per 31.12.2024 eller alle foretak i Oslo per 01.03.2025.

Format

🌐 format

Dette feltet kan benyttes som en ytterligere presisering av datatype i tilfellene der det er relevant. En kan fylle inn verdienes format (fysisk format eller regulært uttrykk) i maskinlesbar form i forbindelse med validering, f.eks. ISO 8601 som datoformat.

Inneholder data f.o.m.

🌐 contains_data_from
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Denne datoen settes vanligvis på datasettenivå, men dersom variablene i datasettet inneholder data med ulike startdatoer, kan startdato dokumenteres på variabelnivå i dette feltet.

Inneholder data t.o.m.

🌐 contains_data_until
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Denne datoen settes vanligvis på datasettenivå, men dersom variablene i datasettet inneholder data med ulike sluttdatoer, kan sluttdato dokumenteres på variabelnivå i dette feltet.

Datatype

🌐 data_type
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Her dokumenterer en datatype ved å velge en av følgende kategorier i menyen: «tekst», «heltall», «desimaltall»,» datotid» eller «boolsk» (sant/usant). Dersom variabelen er knyttet til et kodeverk i Klass, benyttes verdien «tekst».

Dataelementsti

🌐 data_element_path
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Denne skal kun brukes for hierarkiske datasett (JSON) hvor det er nødvendig å oppgi sti til dataelementet. Bruk “dot-notasjon” (JsonPath- lignende syntaks) til å peke til variabelen (dataelementet). Dette er en generisk/teknologinøytral måte å peke til elementer i både JSON, XML og andre hierarkiske datastrukturer.

Ugyldige verdier

🌐 invalid_value_description

Dette feltet er et fritekstfelt, og brukes til å beskrive ugyldige verdier som inngår i variabelen. Et eksempel kan være variabelen «organisasjonsnummer» hvis en vet at noen av verdiene knyttet til enpersonsforetak mangler et siffer i fødselsnummeret eller egentlig er passnummer.

Kortnavn

🌐 short_name
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Dette er navnet som brukes på variabelen i datasettet, denne maskingenereres i Datadoc-editor.

Id

🌐 id
klargjorte data ✅ | statistikkdata ✅ | utdata ✅

Dette er en unik SSB-identifikator for variabelen i datasettet. Denne maskingenereres i Datadoc.

Pseudonymisering

Kommer snart.