このサイトのデータの作り方

このサイトのデータがどこから来て、どう加工され、何を載せていないかを書いておく。数字を使う人が、どこまで信じてよいかを判断できるようにするためである。

どこから取るか

各都道府県と保健所設置市が公表している「住宅宿泊事業 届出住宅一覧」を取っている。形式は自治体ごとに違い、PDF、Excel、CSV が混在する。列の名前も並びもそろっていない。

各ページの末尾に、その数字がどの資料の何月何日取得分かを書いている。出典のない数字は載せない。

どう加工するか

週に一度、次の順で処理している。

1. 取得：前回と同じ内容なら処理しない（更新のあった自治体だけを流す）
2. 解析：PDF は表構造から、Excel と CSV は列マッピングから読む
3. 正規化：住所の分割、表記ゆれの吸収、法人か個人かの判定
4. 検証：届出番号の形式、市区町村コードが存在するか
5. 登録：届出番号を鍵に更新する（同じ資料を二度流しても件数は変わらない）
6. 記録：その月の状態をスナップショットとして残す
7. 集計：市区町村ごとの月次を作り直す

正規化には自動処理を使っているが、判断が要る行だけに限っている。結果はキャッシュしていて、同じ入力には同じ出力を返す。

何を載せないか

• 個人の届出者の氏名：載せない。表示は「個人」とする
• 個人届出の番地以降：載せない。丁目までにとどめる
• 建物名・部屋番号：載せない

法人名は公表されている情報として掲載する。届出番号は公的な識別子として掲載する。

この方針は画面だけでなく、CSV、サイトマップ、構造化データにも同じく適用している。詳しくは掲載ポリシーを読んでほしい。

限界

• 公表資料に載っていないものは載らない。届出をせずに営業している住宅は把握できない
• 一覧から消えた理由は特定できない。廃止か、様式変更かは区別がつかないことがある
• 自治体の公表頻度に差がある。四半期に一度しか更新しない自治体では、最大3か月の遅れが出る
• 座標は町丁目の中心である。建物の位置ではない

間違いを見つけたら

掲載内容の訂正・削除は専用のフォームから受け付けている。届出番号を添えてもらえると早い。

---

数字を引用するときは、ページ末尾の出典と取得日を一緒に示してほしい。