Информационная модель SDMX

Проект, представляемый авторами [6] называется SDMX-ML, и применяется для преобразований RDF/XML XSL, также как OECD, BFS, ФАО, ECB. Такой выбор проводиться после согласования с МВФ.

Стандарт SDMX-ML, основанный на шаблонах XSLT 2.0, способен преобразовывать данные SDMX-ML к RDF/XML.

Ключевое преимущество этого подхода преобразования заключается в том, что дополнительных интерпретаций не требуется по сравнению к альтернативными преобразованиями (например, таких как CSV или XML к преобразованию RDF в последовательную форму). С тех пор, как словарь SDMX-RDF основан на стандарте SDMX-ML, и RDF словарь Куба Данных очень похож на информационную модель SDMX.

Заключение

.

В данном реферате рассмотрен вопрос о применении стандарта SDMX, который применяется для обмена статистическими данными и метаданными между различными организациями как внутри страны, так и в международном формате. Данный разрабатывался и модернизируется в настоящее время при поддержке Международного валютного фонда, Европейского Центрального Банка и ряда других влиятельных финансовых организаций.

Также в реферате приведены работы авторов за последние несколько лет, в которых рассмотрено практическое применение этого важного стандарта.

Вязилов Е. Д. Расширенный язык разметки XML: направления использования. — Germany. Palmarium Academic Publishing. 2012. 492 с.

ISO 17 369:

Обмен статистическими данными и метаданными (SDMX). Стандарт.

Преимущества внедрения стандарта обмена данными и метаданными SDMX в статистической деятельности / А. Ахамбаева // Экономика и статистика. — 2013. — № С. 50−54.

Ю .П. Липунцов. Прикладные программные продукты для экономистов. Основы информационного моделирования. //Учебное пособие. Проспект. — 2016. 252 с.

Ю.М. Акаткин, В. И. Дрожжинов, В. А. Конявский. Стандарты моделей данных для обмена информацией как инструмент импортозамещения в стратегических информационных системах//Технологии информационного общества в науке, образовании и культуре: сборник научных статей. Материалы XVII Всероссийской объединенной конференции «Интернет и современное общество» ШЗ-2014, Санкт-Петербург. — 2014. — С. 215−223.

Sarven Capadisli. Linked SDMX Data. Path to high fidelity Statistical Linked Data//Sarven Capadisli, Sören Auer, Axel-Cyrille Ngonga Ngomo//Semantic Web XXX. — 2013. P. 105−112.