Een gegevensbron is de plek waar gegevens vandaan komen. Databases, API's, logbestanden, sensoren, enquêtes en openbare registers kunnen allemaal als bronnen dienen. De bron bepaalt de structuur, kwaliteit en betrouwbaarheid van de gegevens. Een goed onderhouden database met beperkingen en validatie levert schonere gegevens op dan een handmatig ingevuld spreadsheet. Een sensor met kalibratieafwijking produceert vertekende metingen. Een openbare dataset kan onvolledig of verouderd zijn.

Het kennen van de bron is essentieel voor het vertrouwen in de data. Waar komt het vandaan? Wie heeft het verzameld? Wanneer? Hoe? Welke methode is gebruikt? Wat is er weggelaten? Deze vragen bepalen wat de data wel en niet kan ondersteunen. Data uit een enquête onder 100 mensen kunnen geen beweringen over een populatie van miljoenen mensen onderbouwen. Data uit een systeem dat alleen succesvolle transacties registreert, mist de mislukkingen. Data van een leverancier kan accuraat zijn voor hun doeleinden, maar onjuist voor die van jou. De bron heeft ook invloed op de verwerkingsketen. Een database met een stabiel schema is gemakkelijker te integreren dan een website die elke maand zijn HTML wijzigt. Een API met limieten voor het aantal aanvragen beperkt de hoeveelheid data die je kunt ophalen. Een bestand dat handmatig wordt aangeleverd, is gevoelig voor vertraging en fouten. De bron is het fundament. Een zwak fundament ondermijnt alles wat erop gebouwd is.

Veelgebruikte gegevensbronnen

• Databases — gestructureerde gegevens uit applicaties
• API's — programmatische toegang tot externe systemen
• Logbestanden — systeem- en toepassingsgebeurtenissen
• Sensoren — continue fysieke metingen
• Enquêtes — gestructureerde antwoorden van mensen
• Openbare registers — overheids- en open datasets

Voordat je de gegevens vertrouwt, is het belangrijk de bron te kennen. De antwoorden zijn vaak onthullender dan de gegevens zelf.