Bakgrunn og datakilder

Norsk offentlig statistikk er åpen. Den er også spredt: tallene om pensjon ligger ett sted, tallene om arbeidsliv et annet, og tallene om helse et tredje. Hver av dem er publisert i et grensesnitt bygget for den som allerede vet hva en tabellkode er. Skal du finne ut om uføreandelen har steget i ditt fylke, må du vite hvilken etat som eier tallet, hvilken tabell det står i, og hvilke valg du må ta i nedtrekksmenyene før tallet blir riktig.

Faktaportalen gjør det arbeidet én gang, og viser resultatet som en graf med en setning som forklarer hva du ser. Alt som vises er offentlig tilgjengelig fra før. Verdien ligger ikke i tilgangen, men i sammenstillingen: 55 kilder og 230 datasett samlet på ett sted, med samme formatering, samme datomerking og samme forbehold.

Det gir en forpliktelse. Når tall fra mange kilder står side om side, ser de like sikre ut. De er de ikke. Derfor bærer hver graf sin egen kilde og sin egen dato, og derfor er tolkningene våre merket som nettopp det.

Kildene deler seg i to etter hvordan de publiserer. Videre deler de seg i tre etter hvilken vei de tar gjennom portalen, og begge forskjellene betyr mer enn de ser ut til. En fjerde vei gjelder 101 datasett: tall som vedlikeholdes for hånd, og som ingen jobb henter på nytt. De kommer lenger ned på siden.

Formen kilden publiserer i, avgjør hvor mye arbeid som må gjøres før tallet er brukbart. Hvilken vei den tar videre, avgjør hva som skjer når kilden endrer seg. Kildehenvisningen sier også hvordan tallet kom inn, men bare når svaret er et annet enn at en jobb henter det på nytt hver gang. «datasett» betyr et øyeblikksbilde av en publisert tabell som ikke hentes på nytt av seg selv. «statisk» betyr at et menneske eller en språkmodell har lest tallet ut av en rapport, nettside eller artikkel, og at det er skrevet inn for hånd.

De to første veiene ender begge i en datafil som skrives med dato og sjekkes inn. Da kan tallene på sidene spores tilbake til det vi hentet, og til når vi hentet det. Chatten har ingen slik fil, og svarer på det som ligger i lageret i det øyeblikket spørsmålet stilles.

Det vanskelige med en statistikkportal er ikke å publisere et tall. Det er å vite når tallet ble gammelt. 129 av 230 datasett hentes av en jobb som går etter fast plan, og 6 av dem hentes daglig. De øvrige 101 vedlikeholdes for hånd. For dem finnes ingen jobb som ser at kilden har publisert noe nytt. Det eneste som sier fra, er en vakt som varsler når datoen har blitt eldre enn datasettet tåler, og den er beskrevet i kapitlet om drift.

Portalen fører en dato per datafil, ikke én dato for hele nettstedet. Akkurat nå spenner de fra 2026-03-23 til 2026-10-25. At spennet er stort er ikke en feil: en årlig skattestatistikk skal ikke oppdateres oftere enn den publiseres. Poenget er at datoen står der, slik at du selv kan vurdere om tallet er ferskt nok til det du skal bruke det til.

Hele oversikten, datafil for datafil, ligger på oppdateringsloggen.

At et datasett er hentet på nytt, sier lite om hva som skjedde med tallene. Ofte kom det en ny måned. Av og til har kilden endret tall langt tilbake i tid: NAV justerer ferske måneder når etterregistreringer kommer inn. Og noen ganger er det vi som har rettet en feil.

Historikken skiller de tre. Hver gang pipelinen skriver en datafil, sammenligner den den nye versjonen med den forrige og noterer hva den så: nye perioder, perioder som er revidert, serier som kom eller gikk. Det står ved siden av det et menneske har skrevet for hånd, med hver sin merkelapp, så leseren aldri skal lure på om en endring er kildens eller vår.

Koden kan ikke se forskjell på at kilden har endret et tall og at vi har byttet ut et tall som var feil hos oss. Den forskjellen føres for hånd, og en endring som står der, vises som rettet av oss. Merkelappen «fra kilden» betyr derfor at tallet endret seg uten at vi rørte det, ikke nødvendigvis at kilden har publisert en rettelse. Mange slike linjer kommer fra serier vi selv regner ut: tellinger fra et løpende register, der foretak kommer til og forsvinner, og tall vi har tolket ut av dokumenter.

Sammenligningen leser datafilene uten å kjøre dem, og kjenner bare to former for tidsserier: en akse med parallelle tallrekker, eller rader med et periodefelt. En rekke den ikke forstår, gir ingen linje. Det er valgt med vilje: en falsk «revidert» er verre enn en revisjon som ikke ble nevnt. Et rullerende vindu, som konkurslista for de siste tolv månedene, meldes heller ikke som «fjernet» hver dag. Hele historikken, med forklaringen, står på oppdateringssiden.

En kildeliste nederst på siden er lett å lage og lite verdt. Leseren som lurer på hvor et bestemt tall kommer fra, står ved grafen, ikke ved bunnen av siden. Derfor har hver enkelt graf en klikkbar kildehenvisning ved siden av overskriften, med tabellnavn og dato:

Blander en side flere kilder med ulik publiseringstakt, får hver graf sin egen dato framfor én felles. En samledato ville sagt at alt på siden var like ferskt, og det er sjelden sant.

Lenkene ut til kildene er samlet i ett register framfor å ligge spredt i hver enkelt side, og en automatisk kontroll stopper en adresse som skrives rett inn i en side når kilden allerede står i registeret. Det er kjedelig, og det er grunnen til at en brutt lenke kan rettes ett sted i stedet for førti. Å oppdage at den er brutt, gjøres fortsatt for hånd.

Det meste på portalen er tall fra en kilde. Noe er ikke det: oppsummeringer, det som er verdt å legge merke til i en graf, og regneeksempler. Den teksten er vår, og den er merket Redaksjonelt med en synlig forklaring rett under - ikke som en hjelpetekst du må holde musepekeren over, for tillit som krever hover, oppdager de fleste lesere aldri.

Merkingen har tre varianter, og forskjellen er reell. «Vår tolkning av tallene» betyr at tallene er hentet fra en oppgitt kilde og at ordene rundt er våre. «Portalens eget regneeksempel» betyr at tallene selv er regnet ut av oss. Den tredje brukes når vi gjengir et regnestykke en leser har sendt inn, uten å ha etterprøvd det. Å bruke den første formuleringen på et av de to andre tilfellene ville vært direkte feil.

Regelen er at tall i redaksjonell tekst hentes fra datafilene og ikke skrives inn. Ellers ville prosaen sagt ett tall og grafen ved siden av et annet, første gang kilden oppdaterte seg. Ingen automatisk kontroll håndhever regelen, og det finnes fortsatt avsnitt der tall er skrevet inn for hånd.