Metodologia dei dati

Principi

Ogni metrica indica fonte, significato, aggiornamento, copertura e trasformazione. I dati mancanti restano mancanti: Alveos non riempie le interruzioni con stime. “Ufficiale”, “verificato” o “indipendente” viene usato solo quando la fonte supporta davvero tale affermazione.

Classi di fonte

• Fonte pubblica del fornitore: API o elenco diretto come VS Code Marketplace, Open VSX, GitHub Releases, PyPI e Packagist.
• Dataset pubblico / terza parte affidabile: dataset nominato come PSF BigQuery o PypiStats.
• Telemetria del prodotto: il prodotto collegato invia eventi di ciclo di vita ad Alveos (Beacon; Streaming Zebra presto disponibile). I numeri vengono dal prodotto e dal modo di contare del publisher — guidati dagli eventi, non prelevati da un marketplace.
• Importazione manuale del publisher: dati Publisher Hub forniti dal publisher e separati dai contatori Gallery pubblici.

Significato delle metriche

Alveos memorizza ciò che la fonte consegna. Ciò che non consegna non viene catturato qui.

Contatori con significati diversi non vengono presentati silenziosamente come la stessa metrica.

Raccolta, aggiornamento e lacune

Alveos interroga gli store pubblici una volta al giorno alle 05:20 Europe/Berlin. Viene memorizzato il giorno UTC di oggi. Un prelievo fallito salta il giorno, conserva lo storico e non scrive zeri. Gallery, Open VSX, GitHub, PyPI-JSON, PypiStats e Packagist non vengono recuperati tre giorni indietro.

Nel grafico: dal primo giorno memorizzato, la linea continua resta sull’ultimo valore noto (step-hold). Se manca un prelievo, Alveos disegna lo stesso valore tratteggiato — ultimo stock, non una previsione né una curva di tendenza sopra i punti reali. I giorni mancanti nella finestra sono evidenziati. I giorni prima del collegamento non sono lacune.

Se l’ultimo giorno riuscito è di due o tre giorni fa, la serie è in ritardo; dal quarto giorno è obsoleta. È un’etichetta di visualizzazione, non un recupero.

Due eccezioni riscrivono giorni recenti se il prelievo successivo riesce: Streaming Zebra memorizza D−2 e D−1 dal riepilogo; i paesi PyPI (BigQuery, tariffe a pagamento) riscrivono gli ultimi sette giorni UTC. Import publisher e Beacon non sono un prelievo giornaliero e non sono valutati come lacune mancate.

Trasformazioni e confrontabilità

Alveos conserva gli interi grezzi e identifica differenze, somme, rapporti, importazioni e partizioni filtrate. I canali diretti e GitHub che possono descrivere la stessa consegna restano separati. Gli aggiornamenti Streaming Zebra e Beacon non vengono contati due volte.

Esportazioni riproducibili

CSV/JSON includono fornitore, ID esterno, classe, significato, inizio copertura, frequenza, trasformazione/versione, link e hash SHA-256 della riga. Gli snapshot storici hanno precisione giornaliera UTC: fetched_on contiene il giorno, time_precision=day e fetched_at resta vuoto invece di inventare un’ora.

Riferimenti fornitori

• VS Code Marketplace
• Open VSX
• GitHub Releases
• PyPI BigQuery
• Packagist

Correzioni verificabili

Titolare e staff autenticati segnalano sotto Correzioni dati una connessione già memorizzata: un giorno UTC, una metrica (download, installazioni o aggiornamenti), un intero proposto e un motivo. La richiesta congela il valore grezzo osservato. Una correzione non riempie un prelievo mancato e non scrive una stima in una lacuna. Non esistono import di correzioni né API di correzione.

Un’altra persona deve accettare prima che i lettori vedano il nuovo numero. Lo snapshot del provider resta invariato. Grafici e totali leggono l’overlay attivo. Un giorno mancante resta una lacuna.

Marcatura nell’export

CSV e JSON mantengono le colonne delle metriche. In una riga corretta sono i valori dell’overlay, non gli interi prelevati dal provider.

row_hash è lo SHA-256 di quella riga di export, compresi i numeri dell’overlay e queste quattro colonne. Confrontate correction_original_json con il provider per l’intero prelevato.

Domande o possibili errori nei dati: support@alveos.eu.