Abschlusspräsentationen Studierenden-Apps Open Data Vorlesung 2015

Übung Open Data:Vereinbarung Beruf und Familie in Schweizer Kantonen, Gruppe 2

Abschlusspräsentation, 28. Mai 2015Opal Aliu und Nicoletta LumaldoUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015

Open Data > 13: Abschlusspräsentation

2

Team

>  Opal Aliu —  Hauptfach: BA in Business Administration—  Nebenfach: Informatik—  Semester: 6—  Bisherige Programmiererfahrung: Anfänger—  Email: [email protected]

>  Nicoletta Lumaldo—  Hauptfach: MA in Public Management—  Nebenfach: Management and Evaluation of

Public Policies—  Semester: 2 (MA)—  Bisherige Programmiererfahrung: keine—  Email: [email protected]

FS 2015


3

Aufgabenstellung

>  Problemstellung: Vereinbarkeit von Beruf und Familie – Rolle der familienergänzende Kinderbetreuung: Vollziehung des Impulsprogramms zur Schaffung von Betreuungsplätzen für Kinder

>  Hintergrund: Gleichstellung im Kontext eines föderalistischen, entwickelten Staates wie die Schweiz

>  Zielsetzung: Visualisierung einiger relevanten Indikatoren zur Thematik auf kantonale Ebene

>  Datenquelle: Variante B – Daten von Open Data Portalen

FS 2015


4

Daten

>  Datenquelle: Eigene Zusammenstellung von Daten—  BFS – Indikatoren zu Familienergänzende

Kinderbetreuung—  SECO/BSV - Informationsplattform

„Vereinbarkeit Beruf und Familie“—  SECO - Vereinbarkeit von Beruf und Familie—  BSV - Vereinbarkeit von Familie und Beruf

>  Datenvolumen: 2MB>  Datenformat:

—  Ursprünglich: PDF, Excel—  Bearbeitet: CSV

>  Datenstruktur: 4,8MB

FS 2015


5

Vorgehen

>  Datenbeschaffung: Eigene Recherche in Open Data Portalen und Zusammenfassung der Daten in einer Datenbank

>  Datenbereinigungen: gering

>  Datentransformation: Kodierung, Gewichtung, Skalierung, Vergleich, Quantifizierung

>  Verwendete Technologien, Libraries etc.:—  D3.js—  Choropleth

FS 2015


6

Resultat

>  Link: http://XX.sandbox.iwi.unibe.ch

>  Visualisierungsart: —  Map—  Verschiedene Typen von

Rankingvisualisierungen

>  Funktionalitäten: Selection, Mouseclick, Help

>  Neue Erkenntnisse: Unterschiede im föderalistischem System, Verschiedene Standpunkte der Vereinbarkeit von Beruf und Familie

FS 2015


7

Fazit

>  Was haben wir gelernt? —  Verfügbarkeit der Daten nicht immer Vorhanden

– Open Data als ein laufender Prozess! —  TopoJSON und Positionierung der Karte

>  Was würden wir nächstes Mal anders machen?—  Vertieft in jeden Kanton auf Datensuche gehen.—  Verfeinerte Visualisierung—  Gemeindedaten versuchen zu sammeln—  Variablen in Zusammenhang bringen

>  Was bringt mir diese Übung?—  Zielgruppe zu definieren bei der App-

Entwicklung—  Daten besser zu verstehen und für

Verfügbarkeit checken

Übung Open Data:Schadstoffemissionen der Schweiz, Gruppe 03

Abschlusspräsentation, 28. Mai 2015Katrin Ismaier und Noel SagerUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Katrin Ismaier—  Hauptfach: BWL—  Nebenfach: VWL—  Semester: 6—  Bisherige Programmiererfahrung: Keine

>  Noel Sager—  Hauptfach: BWL—  Nebenfach: VWL—  Semester: 6—  Bisherige Programmiererfahrung: Keine

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung: Schadstoffregister PRTR, unübersichtliche Daten.

>  Hintergrund: BAFU stellt Daten öffentlich zur Verfügung, jedoch unübersichtlich und wenig aussagekräftig.

FS 2015


4

Aufgabenstellung

>  Zielsetzung: Unübersichtliche Daten so visualisieren, dass sie verständlich und aussagekräftiger dargestellt werden.

>  Datenquelle, Data Coach: Bundesamt für Umwelt, Hans-Ulrich Pestalozzi.

FS 2015


5

Daten

>  Datenvolumen: 10’377 Zeilen und 35 Spalten. Entsprechend viele (auch nicht relevante) Informationen herauszulesen.

>  Datenstruktur: pro Zeile ein Unternehmen, für jeden Schadstoff einzeln aufgelistet. Ausnahme: Diffuse Quellen.

FS 2015


6

Daten

>  Datenformat: Excel, wurde in CSV umgewandelt.

FS 2015


7

Vorgehen

>  Datenbeschaffung: Übergabe durch Datacoach.>  Datenbereinigungen: Abstand nach Schadstoffname entfernt.>  Datentransformation: Abfall und Sonderabfall zu den Schadstoffen.>  Verwendete Technologien, Libraries:

—  HTML—  CSS—  D3.js—  TopoJSON

FS 2015


8

Vorgehen

FS 2015


9

Resultat

>  Link: http://ns12f228.sandbox.iwi.unibe.ch >  Visualisierungsart: Schweizerkarte mit Schadstoffemission nach

Kanton und Balkendiagramm der diffusen Quellen.>  Funktionalitäten:

—  Jahresauswahl mit Buttons—  Drop-Down der Schadstoffe à Einfärbung der Karte nach Emission—  Mouseover Effekte—  Mouseclick Effekt—  Hover Effekte—  Scroll Funktion

>  Neue Erkenntnisse: Teilweise hoher Ausstoss auf Schweizer Karte, welcher klein erscheint bei Vergleich mit diffusen Quellen.

FS 2015


10

Fazit

>  Was haben wir gelernt? Grundlagen HTML, CSS, JavaScript (D3.js) und den Umgang mit umfangreichen Rohdaten. Von der Existenz eines Schadstoffregisters erfahren.

>  Was würden wir nächstes Mal anders machen? Früher zu Khôi Kontakt aufnehmen. Im Vorfeld bereits HTML, CSS als Grundlage erarbeiten.

>  Was bringt mir diese Übung? Programmiergrundlagen und Umgang mit Daten erlernt.

Übung Open Data:Die neuen Schweizer 2013, Einzelgruppe 5

Abschlusspräsentation, 28. Mai 2015Michael Palma MendesUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Einzelgruppe

>  Michael Palma Mendes

—  Hauptfach: Volkswirtschaftslehre

—  Nebenfach: Betriebswirtschaftslehre

—  Semester: sechstes Bachelorsemester

—  Programmiererfahrung: JS-Grünschnabel

—  [email protected]

FS 2015


3

Aufgabenstellung

>  Ausgangslage, ProblemstellungWer bürgert sich wo & wie intensiv ein in CH?

Quelle: http://upload.wikimedia.org/wikipedia/de/9/9e/Schweizerpass.png

FS 2015


4

Aufgabenstellung


>  HintergrundBin selber Einbürgerungskandidat, BA-Thema


FS 2015


5

Aufgabenstellung



>  ZielsetzungGrafische Analyse des Einbürgerungs-verhaltens der ausländ. Hauptnationalitäten


FS 2015


6

Aufgabenstellung



>  ZielsetzungGrafische Analyse des Einbürgerungs-verhaltens der ausländ. Hauptnationalitäten

>  DatenquelleBundesamt für Statistik (bfs.admin.ch)


FS 2015


7

Daten

>  Datenvolumen2 Originaltabellen

Quelle: eigenes Printscreen

FS 2015


8

Daten

>  Datenvolumen2 Originaltabellen


FS 2015


9

Daten

>  Datenvolumen2 Originaltabellen à Endtabelle 22*163 Zellen


FS 2015


10

Daten


>  Datenformat*.xlsx à umgewandelt in *.csv à D3.js


FS 2015


11

Daten


>  Datenformat*.xlsx à umgewandelt in *.csv à D3.js

>  DatenstrukturZeile um Zeile à im Code hierarchisiert


FS 2015


12

Vorgehen

>  DatenbeschaffungÜber Onlinerecherche beim BfS

>  DatenbereinigungenManuelle Variablenerrechnung, Taktisches

>  DatentransformationVia Libreoffice *.xlsxà*.csvàD3.js

>  Verwendete Technologien, Librariesd3.min.js, topojson.min.js, colorbrewer.js (ch.json, wie auch Rest, von der IWI Sandbox)

Quelle: eigenes Printscreen, indikatives Bild (beta)

FS 2015


13

Resultat

>  Linkhttp://mp11j084.sandbox.iwi.unibe.ch

FS 2015


14

Resultat


>  VisualisierungsartSchweizerkarte mit Intensitätsfärbung

FS 2015


15

Resultat


FS 2015


16

Resultat



>  FunktionalitätenSelectorCheckboxes Intensivitätsfärbung mit LegendeTooltipsDaten in TextformRead Me

FS 2015


17

Resultat



>  Funktionalitäten...

>  Neue Erkenntnisse – siehe Live-DemoPT vs. KO, IT in TI (viel&doch wenig), AI, ...

FS 2015


18

Fazit

>  Was habe ich gelernt?Grundstruktur von JavaScript/JSON/D3.js


FS 2015


19

Fazit

>  Was habe ich gelernt?Grundstruktur von JavaScript/JSON/D3.jsSchwerer als ich dachte! J


FS 2015


20

Fazit


>  Was würde ich nächstes Mal anders machen?Ggf. stärker vor-einlesen ins Coding


FS 2015


21

Fazit



>  Was bringt mir diese Übung?Umgang mit Programmiersprache


FS 2015


22

Fazit



>  Was bringt mir diese Übung?Umgang mit ProgrammierspracheWichtige Visualisierungtools, auch für BA interessant


FS 2015


23

Fazit



>  Was bringt mir diese Übung?Umgang mit ProgrammierspracheWichtige Visualisierungtools, auch für BA interessant

>  Merci für die Hilfe!Quelle: eigenes Printscreen, indikatives Bild (beta)

FS 2015


24

Live-Demo


Übung Open Data:ImmoSearcher, Gruppe 19

Abschlusspräsentation, 28. Mai 2015Gabriel Abu-TayehUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Person

>  Gabriel Abu-Tayeh

—  Hauptfach: Betriebswirtschaft—  Semester: 10—  Bisherige Programmiererfahrung: keine—  Email: [email protected]

FS 2015


3

Aufgabenstellung

>  Ausgangslage: „«Immosearcher» mashup Wohnungsangebote (externe Daten) mit Lärm, Kultur, Altlasten“

>  Problemstellung: Erschliessung vs. Lärm

>  Hintergrund: Informationsasymmetrie bei Immobilien, kein Bezug zu Geodaten, Suchaufwand gross

>  Zielsetzung: modulare Applikation

>  Datenquelle, Data Coach: geo.admin.ch, D. Oesch

FS 2015


4

Daten

>  Datenvolumen: 2352 Gemeinden, 1.6 Mio Gebäude mit Wohnnutzung, 27429 Haltestellen

>  Datenformat: JSON (von API), shp, xlsx, gdb

>  Datenstruktur: Reisezeit pro Gemeinde, Adressen mit Attributen, Lärm als Karte

FS 2015


5

Vorgehen

>  Datenbeschaffung: geo.admin.ch, Bundesamt für Verkehr BAV, Bundesamt für Umwelt BAFU

>  Datenbereinigungen: Güterbahnhöfe, Gemeindefusionen (Daten teilweise älter)

>  Datentransformation: Daten kalibrieren (Reisezeit), x/y vs. latitude und longitude, proprietäre ESRI Daten konvertieren

>  Verwendete Technologien, Libraries:—  D3.js—  API—  Tooltip/Iframe

latlon

47.2677345275888.4852828979492

xy

235731.296875679205.375

https://api3.geo.admin.ch/rest/services/api/SearchServer?bbox=551306.5625,167918.328125,551754.125,168514.625&type=locations

FS 2015


6

Resultat

>  Link: http://ga08z443sandbox.iwi.unibe.ch

>  Visualisierungsart: Spider (Zusatzinfos mit Balken)

>  Funktionalitäten: Suchfunktion, Tooltip, Karten, Autocompletion, Interaktive Fläche Mobiletauglich

>  Neue Erkenntnisse: Wo ist meine nächste Haltestelle, gut erschlossen ist nicht immer lärmig, Stadt automatisch gut erschlossen

FS 2015


7

Fazit

>  Was habe ich gelernt? Grundahnung von HTML, CSS, API, D3.js und JavaScript. Unzählige Geodatenformate kennengelernt. Negativ: Daten alleine genügen nicht bei Geodaten (offene Formate, Anleitungen und Know-How).

>  Was würden ich nächstes Mal anders machen? Nicht zu viel Zeit ins konvertieren investieren. Team bilden.

>  Was bringt mir diese Übung? Prozesse der Entstehung von (Open Data) Apps kennengelernt.

wer weiss, evtl. mit Unterstützung...

Übung Open Data:Bevölkerungsentwicklung im Kanton Bern, Gruppe 6

Abschlusspräsentation, 28. Mai 2015Yves Rieder und Franco MembriniUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Yves Rieder—  Hauptfach: BWL—  Nebenfach: Geographie—  Semester: 6—  Bisherige Programmiererfahrung: keine

>  Franco Membrini—  Hauptfach: Geschichte—  Nebenfach: BWL, Staatsrecht—  Semester: 6—  Bisherige Programmiererfahrung: keine

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung:Daten sind vorhanden und öffentlich zugänglich, jedoch in Tabellenform. Informationsüberflutung

>  Zielsetzung:Die Entwicklung der ständigen Wohnbevölkerung im Kanton Bern ansprechend zu visualisieren

>  Datenquellen:Finanzdirektion Kanton BernBundesamt für Statistik

FS 2015


4

Daten

>  Datenvolumen:Bevölkerungszahlen 1981-2013, Prognosen bis 2035

>  Datenformat:Excel-files, tab separated value (.tsv) files

>  Datenstruktur:Tabellen

FS 2015


5

Vorgehen

>  Datenbeschaffung:Download als Exceltabellen aus verschiedenen Quellen

>  Datenbereinigungen:Entfernen überflüssiger Informationen, angleichen der Tabellenstruktur

>  Datentransformation:Erstellung von .tsv Files

>  Verwendete Technologien, Libraries:—  Javascript—  D3.js—  Templates

FS 2015


6

Resultat

>  Link:http://www.thecrackers.tk/yves/index.html

>  Visualisierungsart:Linegraphs

>  Funktionalitäten:Tooltip mit genauen Angaben, Mouseover, verschiedene Tabs

FS 2015


7

Fazit

>  Was haben wir gelernt?Debugging macht einen massiv grösseren Teil der Arbeit aus als allgemein angenommen

>  Was würden wir nächstes Mal anders machen?Hinzuziehen von Personen mit mehr Programmiererfahrung

>  Was bringt mir diese Übung?Realitätsnaher Umgang mit CodeBesseres Verständnis von IT Prozessen

Übung Open Data:Berufsabschlüsse in der Schweiz

Abschlusspräsentation, 28. Mai 2015Dominique Rahm und Fabian RedingUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


‹Nr.›

Team

>  Dominique Rahm—  Hauptfach: Informatik—  Nebenfach: BWL—  Semester: 10—  Bisherige Programmiererfahrung: Hoch—  Email: [email protected]

>  Fabian Reding—  Hauptfach: BWL—  Nebenfach: Psychologie—  Semester: 4—  Bisherige Programmiererfahrung: Keine—  Email: [email protected]

FS 2015


‹Nr.›

Aufgabenstellung

>  Ausgangslage, Problemstellung:>  Aufzeigen der Berufsabschlüsse in der Schweiz während den Jahren

2010-2014 bezüglich des Geschlechtes, der Branche und des Kantons

>  Hintergrund:>  Selbständiges Finden und Verarbeiten der Daten

>  Zielsetzung:>  Mobile-First Applikation, welche auf jeder Bildschirmgrösse

(Smartphones, Computerbildschirm etc.) übersichtl ich die Informationen weitergeben kann

>  Datenquelle, Data Coach:>  Ursprünglich Zusammenarbeit mit Data-Coach - aufgrund einiger

Kommunikat ionsproblemen fo lgte d ie Entscheidung, d ie Aufgabenstellung selber zu ändern und die Daten vom Bundesamt für Statistik zu organisieren

>  Quelle: https://www.pxweb.bfs.admin.ch/Selection.aspx?px_language=de&px_db=px-x-1502020100_103&px_tableid=px-x-1502020100_103\px-x-1502020100_103.px&px_type=PX

FS 2015


‹Nr.›

Daten

>  Datenvolumen:>  1.6 MB verteilt auf 5 einzelne Files

>  Datenformat:>  Ursprünglich waren die Daten als CSV

vom Bundesamt für Statistik und wir haben die Daten für den Server in ein passenderes Format (JSON) umgewandelt

FS 2015


‹Nr.›

Vorgehen

>  Datenbeschaffung:>  Die Daten wurden direkt vom Bundesamt für Statistik

heruntergeladen

>  Datenbereinigungen:>  Umlaute mussten in mühsamer Suche gefunden und

anschliessend ersetzt werden. Zusätzlich wurden häufig gebrauchte Begriffe/Wörter mit Abkürzungen ersetzt (Bsp Kantonsnamen)

>  Verwendete Technologien:—  D3.js—  jQuery—  Foundation—  GitHub—  coffeescript, jade, sass—  Google Chrome Developer Tools

FS 2015


‹Nr.›

Resultat

>  Link: http://d3orn.github.io/open_data_app/

>  Visualisierungsart:>  Schweizerkarte mit farblicher Änderung und

genauen Zahlen bei Mouseover

>  Funktionalitäten:>  Dropdown Menus, Mouseover, Stufenlose

Skalierung auf Bildschirmgrössen, Filtern nach Jahr, Branche, Ausbildungstyp und Geschlecht, sowie die Aufteilung der Schweiz in vier Regionen

>  Neue Erkenntnisse:>  Im Bereich der Kommunikation mit möglichen

Datacoaches und der Datenbeschaffung

FS 2015


‹Nr.›

Fazit

>  Was haben wir gelernt?>  Viele Einsichten in die Welt des Programmierens - es gibt

immer wieder neue Fehler und Ideen, welche man am besten direkt aufschreibt, damit der Überblick nicht verloren geht. Die Möglichkeiten beim Programmieren sind mit dem entsprechenden Wissen schier endlos. Die Datenbeschaffung nimmt besonders viel Zeit in Anspruch, vor allem, wenn die Daten nicht so vorkommen, wie man sich das vorstellt, sondern zuerst noch bereinigt werden müssen.

>  Was würden wir nächstes Mal anders machen?>  Von Anfang an selbständig und ohne Data-Coach arbeiten

und dadurch auch die vorhandene Zeit besser nutzen.

>  Was bringt mir diese Übung?>  Einblick in die Informatik und das Programmieren - Das

Verständnis für alle möglichen Probleme in den IT Bereichen steigt durch diese Selbsterfahrung stark.

Übung Open Data:Deloitte: Geldpolitik der SNB, Gruppe 8

Abschlusspräsentation, 28. Mai 2015Tobias Vogel und Mary Tzaawa-KrenzlerUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Mary Tzaawa-Krenzler—  Hauptfach: VWL—  Nebenfach: BWL—  Semester: 4 (Bachelor)—  Bisherige Programmiererfahrung: wenig

>  Tobias Vogel—  Hauptfach: BWL—  Nebenfach: Informatik—  Semester: 8 (Bachelor)—  Bisherige Programmiererfahrung: wenig

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung:„Geldpolitik der Schweizer Nationalbank: Konnte man aus der veränderten SNB Bilanz Anzeichen für die Aufhebung des Wechselkurses ablesen?“

>  Hintergrund:Auflösung des Wechselkurses Januar 2015

>  Zielsetzung:—  Bilanzsumme seit 2007—  Analyse der Geldpolitik —  Anzeichen für Aufhebung—  Daten schön, klar präsentieren

FS 2015


4

Daten

>  Datenvolumen: —  Riesig (zu viel)

FS 2015


5

>  Datenformat: —  Ursprungsformat: .xls—  Endformat: .csv

>  Datenstruktur: —  Datensätze

FS 2015


6

Vorgehen

>  Datenbeschaffung: —  Hauptquelle: SNB Seite (Monatshefte)—  http://www.oanda.com/—  http://www2.deloitte.com/ch/en/pages/

finance/articles/cfo-survey.html

>  Datenbereinigungen:—  Überflüssige Daten löschen

>  Datentransformation: —  Anpassen des Datum

>  Verwendete Technologien, Libraries etc.:—  D3.js

FS 2015


7

Resultat

>  Link: http://tv11a629.sandbox.iwi.unibe.ch

>  Visualisierungsart:—  Graph

>  Funktionalitäten:—  Tooltip—  Mouseover—  Button

FS 2015


8

Fazit

>  Was haben wir gelernt?—  HTML—  Datenbearbeitung

>  Was würden wir nächstes Mal anders machen?—  Bessere Zeiteinteilung—  Früher beginnen (etwas unterschätzt)

>  Was bringt mir diese Übung?—  Die Verarbeitung von Daten in komplexere

Darstellungen—  Programmiersprachen aneignen

Übung Open Data:Schadstoffausstoss in der Schweiz, Gruppe 11

Abschlusspräsentation, 28. Mai 2015Martin Vogel und Janik EndtnerUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Martin Vogel—  Hauptfach: Betriebswirtschaft—  Nebenfach: Sport / Wirtschaftsrecht—  Semester: 4—  Bisherige Programmiererfahrung: Wenig—  Email: [email protected]

>  Janik Endtner—  Hauptfach: Betriebswirtschaft—  Nebenfach: Informatik—  Semester: 4—  Bisherige Programmiererfahrung: Mittel—  Email: [email protected]

FS 2015


3

Kontakt

>  Kontakt für Fragen, Bemerkungen und Anregungen betreffend Visualisierung des Schadstoffregisters

—  [email protected]

FS 2015


4

Grundlagen

>  Gut strukturierte Daten in Excelformat als Grundlage>  Schnelle Lieferung der Daten

FS 2015


5

Vorgehen (I/II)

1.  Lernen von d3.js mit Online Buch, damit wir schnell mit der Arbeit beginnen konnten

2.  Erstellen einer Testvisualisierung in PowerPoint und besprechen mit Datacoach Hansueli Pestalozzi

3.  Mehrere Treffen mit Hansueli

FS 2015


6

Vorgehen (II/II)

4.  Gestalten eines Designentwurfes für das Html/CSS Gerüst

5.  Programmieren der App� Dropbox-Gruppe als Grundlage für Zusammenarbeit

FS 2015


7

Schwierigkeiten

>  Keine Verwendung von Beispiel aus d3.js Bibliothek—  Neues App von Grund auf programmieren—  Hoher Zeitaufwand (zuerst lernen, dann programmieren)—  Über 1’100 Codezeilen (ohne kopierte Codeschnipsel)

>  Ziel: Halbdynamisches App, das sich bei aktualisieren der Seite an Bildschirmgrösse anpasst—  Relativ komplex für Web-Anfänger

>  Schwierigkeiten mit Besonderheiten von Javascript

FS 2015


8

Was haben wir gelernt?

Guter Datensatz spart viel Zeit—  War bei uns zum Glück der Fall

Visualisierung muss zum Datensatz passen—  Darum war es uns nicht möglich, eine Version aus der d3.js Bibliothek

zu übernehmen

Javascript und d3.js

Durchführen eines grösseren Projektes im Team

FS 2015


9

Was nehmen wir für die Zukunft mit?

>  Was bringt mir diese Übung?—  Wirtschaftsinformatiker sollte etwas programmieren können.—  Visualisierungen werden auch in Zukunft nützlich sein—  Herangehensweise an grösseres Projekt

>  War würden wir in Zukunft anders machen?—  Wenn möglich Version aus D3.js Bibliothek nehmen. —  Weniger hohe Ziele

FS 2015


10

Resultat: Visualisierungsarten

Scatterplot Säulendiagramm

FS 2015


11

Resultat: Funktionalitäten (I/II)

Liste

Navigation

Sortierfunktion

FS 2015


12

Resultat: Funktionalitäten (II/II)

Slider

Checkboxen

Hover-Effekte

Hashtag-Navigation

FS 2015


13

Resultat

>  Link: http://je12k036.sandbox.iwi.unibe.ch >  Link für Präsentation: http://mv13c053.sandbox.iwi.unibe.ch

Übung Open Data:Altersstruktur des Kanton Bern, Gruppe 12

Abschlusspräsentation, 28. Mai 2015 Tobias Bärtschi und Lea SummUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Tobias Bärtschi—  Hauptfach: BWL—  Nebenfach: Rechtswissenschaften—  Semester: 10+—  Bisherige Programmiererfahrung: wenig—  Email: [email protected]

>  Lea Summ—  Hauptfach: Englisch—  Nebenfach: BWL—  Semester: 6—  Bisherige Programmiererfahrung: keine—  Email: [email protected]

Foto

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung:—  Visualisierung der Bevölkerungsstruktur

bezüglich des Alters>  Hintergrund:

—  1 Millionen-Grenze geknackt—  Erstmals Altersquotient > Jugendquotient—  kein Statistikamt Kanton Bern

>  Zielsetzung:—  Einfache, verständliche Visualisierung

>  Datenquelle, Data Coach:—  Daniel Studer, Statistikkoordination Bern—  www.be.ch/statistik

–  Alters-, Jugendquotient–  Altersstruktur

FS 2015


4

Daten

>  Datenvolumen:—  Alters und Bevölkerungsdaten gemessen

über einen Zeitraum von 22 Jahren—  Alters und Bevölkerungsdaten von 2013 für

jede Gemeinde>  Datenformat:

—  Rohdaten: Excel (.xlsx)—  Bereinigte Daten: Koma getrennt (.csv)

>  Datenstruktur: —  Rohdaten: Datensatz in Tabelle—  Bereinigte Daten: Maschinenlesbar Koma

getrennt

FS 2015


5

Vorgehen

>  Datenbeschaffung:—  Empfehlung von Data Coach—  Download via Statistikportal des Kantons Bern—  Berechnung

>  Datenbereinigungen: —  Löschen nicht benötigter Inhalte—  Löschen nicht benötigter Daten—  Anpassen der Gemeinden von 2013 an 2014

>  Datentransformation:—  Eingelesen als Array mit Index „Jahr“ bzw.

„Gemeinde“>  Verwendete Technologien, Libraries etc.:

—  D3.js—  Zur Verfügung gestellte TopoDaten

FS 2015


6

Resultat

>  Link: http://tb06h118.sandbox.iwi.unibe.ch

>  Visualisierungsart:—  Balkendiagramm, Liniendiagramm, Karte

>  Funktionalitäten:—  Tooltip, Mouse Click

>  Neue Erkenntnisse:—  vermehrt ältere Personen in ländlichen

Gebieten und um Seen—  Anteil junger Personen an Bevölkerung

kleiner als Anteil alter Personen

FS 2015


7

Fazit

>  Was haben wir gelernt?—  Trotz der Überalterung wächst die

Bevölkerung—  Programmieren

>  Was würden wir nächstes Mal anders machen?—  Besser aufteilen—  Mehr/andere Darstellungsarten

>  Was bringt uns diese Übung?— Vertiefte Programmierkenntnisse

Übung Open Data:Interaction: Visualisierung der Hilfsprojekte 2012, Gruppe 13

Abschlusspräsentation, 28. Mai 2015Stephanie Joss und Sarah KlinglerUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Stephanie Joss—  Hauptfach: BWL, Schwerpunkt Wirtschaftsinformatik—  Semester: 7 (Erstes Mastersemester)—  Bisherige Programmiererfahrung: sehr wenig—  Email: [email protected]

>  Sarah Klingler—  Hauptfach: BWL—  Nebenfach: Nachhaltige Entwicklung—  Semester: 6 (Bachelor)—  Bisherige Programmiererfahrung: keine—  Email: [email protected]

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung:—  Einsatz von Spendengeldern für

Hilfsprojekte>  Hintergrund:

—  Interaction ist ein Verband von Entwicklungsorganisationen, Hilfswerken und Missionsgesellschaften -> http://www.interaction-schweiz.ch/home/

>  Zielsetzung: —  Weltkarte mit allen Daten pro Land und

NGO>  Datenquelle, Data Coach:

—  Marc Jost, Interaction, Daten von 2012

http://bl.ocks.org/mbostock/d4021aa4dccfd65edffd

http://www.unicef.ch/de/so-helfen-wir/programme

FS 2015


4

Daten

>  Datenvolumen: —  430 Entwicklungsprojekte über 21 NGOs

(zwei haben keine Daten) verteilt

>  Datenformat: —  Excel

>  Datenstruktur: —  Zeilen Länder, Spalten Sektoren—  Eine Zusammenfassung und 23 weitere

Mappen (eine pro NGO)Grafik,

Screenshot

Grafik, Screenshot

FS 2015


5

Vorgehen

>  Datenbeschaffung: —  Data Coach: Marc Jost

>  Datenbereinigungen: —  Länder und NGOs zusammen kombiniert—  Nur Kombinationen wo auch Daten

vorhanden>  Datentransformation:

—  Umwandlung von Excel in ein einziges TSV File

>  Verwendete Technologien, Libraries:—  D3.js—  Geo.json—  Brackets als Editor

Grafik, Screenshot

Grafik, Screenshot

FS 2015


6

Resultat

>  Link: http://sj09l033.sandbox.iwi.unibe.ch/>  Visualisierungsart:

—  Weltkarte mit Filterfunktionen>  Funktionalitäten:

—  Zwei Filterfunktionen (Sektoren & NGOs)—  Pie Chart (animiert)—  Boxen mit Mouseover-Funktion für

Weltkarte und Selektoren—  Zoom-Funktion Weltkarte—  Animierte Textmarkierung

>  Neue Erkenntnisse: —  Überblick verschaffen—  Effiziente Zuteilung der Projekte

(Spendengelder)? Optimierungen?

Grafik, Screenshot

Grafik, Screenshot

FS 2015


7

Fazit

>  Was haben wir gelernt? —  Lesen und verstehen eines Codes—  Daten bereinigen und strukturieren—  Aufteilung html, css, js, geo.json

>  Was würden wir nächstes Mal anders machen? —  Anderes Datenformat (kein Excel)

>  Was bringt mir diese Übung? —  Faszination für Informatik—  Erkennung der Komplexität—  Know How—  Fähigkeiten einfache Website erstellen

FS 2015


1

Übung Open Data: InterAction Visualisierung

Abschlusspräsentation, 28. Mai 2015 Padideh Pezeshki und Irina Schubert Universität Bern, Institut für Wirtschaftsinformatik Abteilung Informationsmanagement Forschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

Padideh Pezeshki — Master in Design and Multimedia — Semester: 4 — Bisherige Programmiererfahrung: Yes — Email: [email protected]

Irina Schubert

— Master of Advanced Studies in Archival, Library and Information Science — Semester: 2 (bzw. insgesamt >10) — Bisherige Programmiererfahrung: keine — Email: [email protected]

FS 2015


3

Task

Starting position, problem Design scenario -  combine map, data, project organization -  programing (for pie chart and …)

Objective -  two goals are Explanatory and Exploratory -  explore large datasets for better understanding -  they invite the viewer to explore visually -  ask questions along the way, and find answers

to those questions. Data Source, Data Coach -  Marc Jost (Interaction, Switzerland)

FS 2015


4

Daten

Data volume -  we had not too many data

Data format -  Excel spreadsheets -  one table for each organization -  a table with summary of data -  transfer to csv as it is more readable

FS 2015


5

Action

Data collection: -  Data of Interaction -  Prepared World Map by Khoi Tran

Data adjustment -  selection of relevant data -  merging into a single file. -  this was really time consuming task

Data transformation -  in CSV or TSV -  D3.js

FS 2015


6

Resultat

Link: http://pp14j021.sandbox.iwi.unibe.ch/ Visualisierung Art: Map and Pie chart functionalities: -  number and percentage of projects -  by organisations in each country

FS 2015


7

Conclusion

We learned -  how to work with geo-maps -  extract information from spreadsheets -  Using Pie charts and pop-up menu

What would we do differently next time? -  Depends on the type of data, we might

use different approaches of visualization Grafik,

Screenshot

Grafik, Screenshot

Übung Open Data:Visualisierung gymnasialer Abschlussdaten des Kantons BernGruppe 14

Abschlusspräsentation, 28. Mai 2015Theodor Truffer und Thomas SteinmannUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Theodor Truffer—  Hauptfach: Informatik—  Semester: 6.—  Bisherige Programmiererfahrung: Vor allem Java ,

PHP, etwas C, wenig JS—  Email: [email protected]

>  Thomas Steinmann—  Hauptfach: Informatik—  Semester: 6.—  Bisherige Programmiererfahrung: Hauptsächlich Java,

etwas C, Kein JS—  Email: [email protected]

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung: —  Abschlussdaten Gymnasium und

Berufsmaturitätsschulen des Kantons Bern

>  Zielsetzung: —  Möglichst viele Informationen in einer verständlichen

Grafik—  Visualisierung selbst schreiben, viel Eigenleistung

>  Datenquelle, Data Coach:—  Datensatz der Erziehungsdirektion Bern

FS 2015


4

Daten

>  Datenvolumen:—  Bereits komprimiert & anonymisiert—  dadurch überschaubar—  aber vielschichtig

>  Datenformat:—  Proprietär: Excel Format—  Z.T. Kompliziert zuzugreifen

>  Datenstruktur:—  Vielschichtig, sehr viele nicht direkt

zusammenhängende Attribute: –  Region–  Bildungsträger (öffentlich/privat)–  Unterrichtssprache–  Bildungsart (Schwerpunktfach)–  Typ (Gymnasial / Berufsmaturität)–  Unterteilt in Männlich/ Weiblich

FS 2015


5

Vorgehen

>  Datenbeschaffung:—  Sehr angenehm per Email—  Daten mit Passwort verschlüsselt

>  Datenbereinigungen:—  Redundanz vermindern—  Codierungen anpassen

>  Verwendete Technologien, Libraries etc.:—  D3.js—  JQuery—  d3-tip (Tooltip library)—  PHP—  GitHub

FS 2015


6

Resultat

>  Link: http://tt11b448.sandbox.iwi.unibe.ch/index.php

>  Visualisierungsart:—  Mehrschichtiger DonutChart—  Grouped BarChart—  Um mehrere Variablen Gleichzeitig anzuzeigen

>  Funktionalitäten:—  Auswahl der angezeigten Variablen &

Untergruppierungen—  Ein/ Ausblenden—  Skalierbarkeit—  Tooltips & Legende für zusätzliche Infos—  Navigationsleiste

FS 2015


7

Fazit

>  Was haben wir gelernt?—  JavaScript generell—  D3, vor allem denken mit Joins

>  Was würden wir nächstes Mal anders machen?—  Bessere Strukturierung (Klassen)—  First do it, then do it right, then do it fast.

>  Was bringt mir diese Übung?—  Kontakt mit Webdevelopement

>  Umfrageresultat?

Übung Open Data:P3 – Forschungsdatenbank des SNF Gruppe 15

Abschlusspräsentation, 28. Mai 2015Matthias BachtlerUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Matthias BachtlerInformatik, 4. SemesterBasiswissen Web-Technologien

[email protected]

FS 2015


3

Aufgabenstellung

P3 – Projekte Personen Publikationenà Visualisieren!

Data-Coach:Christian Gutknecht, SNF

FS 2015


4

Technologien

FS 2015


5

Daten

>  View P3 als Access-Datei>  60000 Grants

>  Import in MySQL-Datenbank>  Normalisierung>  Koordinaten

FS 2015


6

Resultat

>  mb0220.asuscomm.com

Übung Open Data:OPENED, Gruppe 17

Abschlusspräsentation, 28. Mai 2015FABIAN PLÜSS und MANUELA KREBSUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Fabian Plüss—  Hauptfach: Betriebswirtschaftslehre —  Nebenfach: -—  Semester: 3—  Bisherige Programmiererfahrung: keine—  Email: [email protected]

>  Manuela Krebs—  Hauptfach: Volkswirtschaftslehre—  Nebenfach: BWL, Allgemeine Ökologie—  Semester: 10—  Bisherige Programmiererfahrung: keine—  Email: [email protected]

Foto

Foto

FS 2015


3

Aufgabenstellung

>  Ausgangslage: Persönliches Interesse an Bildungsökonomie und Chancen der sozialen Mobilität in der Schweiz

>  Zielsetzung: Das Umsetzen in mindestens einer dynamischen Visualisierung

>  Datenquelle: Statistik der Bildungs-abschlüsse (SBA) des Kantons Bern

>  Data Coach: Karin Marti, Erziehungsdirektion des Kantons Bern

Grafik, Screenshot

FS 2015


4

Daten

>  Datenvolumen: 24 KB

>  Datenformat: XLSX

>  Datenstruktur: 7 Variablen mit 2-20 Ausprägungen:—  Geschlecht —  Verwaltungsregion —  Träger—  Bildungsart —  Bildungstypen —  Unterrichtssprache—  Total der Studierenden und Frauenanteil

detail

csv

FS 2015


5

Vorgehen

>  Datenbeschaffung: Data Coach

>  Datenbereinigungen: keine soweit

>  Datentransformation: —  XSLX zu CSV—  innerhalb des Codes in JSON

>  Verwendete Libraries: —  D3.js—  underscore.js—  weitere

FS 2015


6

Resultat

>  Link: http://fp06j948.sandbox.iwi.unibe.ch

>  Visualisierungsart: Sunburst

>  Funktionalitäten: Darstellung der Auszubildenden-Daten nach div. Strukturen.—  Zoomable click—  (Labels)—  Tooltip

FS 2015


7

Fazit

>  Was haben wir gelernt?—  Grundkenntnisse in Programmiersprachen—  Nützlichkeit öffentlicher Daten

>  Was würden wir nächstes Mal anders machen?—  Früher programmieren—  Mehr Zeit einplanen

>  Was bringt mir diese Übung?—  Unabhängigkeit —  Künftige Geschäftsmodelle—  Digitale Kreativität

Übung Open Data:Swiss Public Transportation Visualization, Gruppe 20

Abschlusspräsentation, 28. Mai 2015Samuel Hächler und Tizian DählerUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  VORNAME NAME—  Hauptfach: Informatik—  Nebenfach: Wirtschaftsinformatik—  Semester: 8—  Bisherige Programmiererfahrung:

Mehrere Jahre—  Email: [email protected]

>  Tizian Dähler—  Hauptfach: BWL—  Nebenfach: English—  Semester: 4—  Bisherige Programmiererfahrung: Sehr wenig—  Email: [email protected]

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung:—  Visualisierung von Fahrplandaten der

Schweizer öV- Unternehmen>  Hintergrund:

—  Interesse in öffentlichem Transportwesen

>  Zielsetzung:—  Veranschaulichung grosser Datenmengen—  Aussagekräftige Darstellung

>  Datenquelle, Data Coach:—  Christian Trachsel, SBB—  www.fahrplanfelder.ch für Fahrplandaten

FS 2015


4

Daten

>  Datenvolumen:—  Ca. 8 Millionen einzelne Einträge

>  Datenformat:—  Leerzeichen- basiert—  topojson

>  Datenstruktur:—  Einzelne Bitfelder pro Verbindung, die die

Verkehrstage definieren

FS 2015


5

Vorgehen

>  Datenbeschaffung:—  Download der benötigten Fahrplandaten

>  Datenbereinigungen:—  Schreiben der Daten in Datenbank für

effizienteres Abrufen—  Sortieren der Daten nach Relevanz

>  Datentransformation:—  Interpretieren der einzelnen Bitfelder—  Einbettung in CH- Karte

>  Verwendete Technologien, Libraries etc.:—  D3.js—  MySQL—  Bootstrap—  jQuery

FS 2015


6

Resultat

>  Link: http://sptv.sam-e.ch/ http://sh11j239.sandbox.iwi.unibe.ch/

>  Visualisierungsart:—  Karte mit Fahrplandaten der letzten

Verbindungen pro Gemeinde>  Funktionalitäten:

—  Zoom—  Bildausschnitt wählen—  Mouseover zeigt Daten an—  Layer wählen

>  Neue Erkenntnisse:—  Stadt- Landgraben sehr gut ersichtlich—  Bergsportorte haben überdurchschnittlich

viele Abfahrten.

FS 2015


7

Fazit

>  Was haben wir gelernt?—  Konstruktion der Schweizer Fahrplandaten—  Kenntnisse beim Programmieren

>  Was würden wir nächstes Mal anders machen?

>  Was bringt mir diese Übung?—  D3.js- Einführung—  Umgang mit open Data

Übung Open Data:Datenschutz im elektronischen Rechtsverkehr, Gruppe 21

Abschlusspräsentation, 28. Mai 2015Martin Lauber und Daniel LamUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Daniel Lam—  Hauptfach: BWL—  Nebenfach: -—  Semester: 10—  Bisherige Programmiererfahrung: Keine—  Email: [email protected]

>  Martin Lauber—  Hauptfach: BWL—  Nebenfach: VWL—  Bisherige Programmiererfahrung: Keine

FS 2015


3

Aufgabenstellung

>  Ausgangslage: https://www.ch.ch/de/e-justice/

>  Hintergrund: Beispiel

>  Zielsetzung: Aufzeigen der Anzahl Behörden, die den elektronischen Rechtsverkehr anbieten und wie gut dabei die Eingaben geschützt sind.

>  Datenquelle, Data Coach: Daten selber erhoben, Herr Dr. Hauser

FS 2015


4

Daten

>  Datenvolumen: 747 Datensätze bzw. Behörden

>  Datenformat: csv

>  Datenstruktur: Datensatz

>  Excelliste

FS 2015


5

Vorgehen

>  Datenbeschaffung: Fragebogen per Mail an alle Behörden

>  Datenbereinigungen: Teils bedeutet keine Antwort eine positive Antwort

>  Datentransformation: Excel->csv->html

>  Verwendete Technologien, Libraries etc.:—  D3.js—  GeoJSON

FS 2015


6

Resultat

>  Link: http://XX.sandbox.iwi.unibe.ch

>  Visualisierungsart: Map und Kuchendiagramme

>  Funktionalitäten: Deckfarbe für Anzahl Behörden in Kanton die elektronischen Rechtsverkehr anbieten

>  Durch Klicken zu Details bez. E2E-Verschlüsselung und Nennenswertem in Textform

>  Neue Erkenntnisse: Schulungsdefizit, Technikbarriere, Teilweise wird Datenschutz der Bürger zu wenig ernst genommen.

FS 2015


7

Fazit

>  Was haben wir gelernt?Programmieren birgt hohe EinstiegshürdenDatenerhebung kann von immensem Aufwand seinBehörden und Gerichte sind keine Technologieunternehmen Vorsicht bei grossen Maillisten

FS 2015


8

Fazit

>  Was würden wir nächstes Mal anders machen?Aufwand Datenerhebung nicht unterschätzenFokus allein auf Programmierung

FS 2015


9

Fazit

>  Was bringt mir diese Übung?Grosser Erfahrungsschatz Erste ProgrammierkenntnisseZusätzlichen Respekt und Faszination für Coding

Übung Open Data:Implikation der Aufhebung des EUR / CHF Mindestkurses, Gruppe 22

Abschlusspräsentation, 28. Mai 2015JOHANNA CROTON und ALEX KRÄUCHIUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  JOHANNA CROTON—  Hauptfach: BWL—  Nebenfach: Psychologie—  Semester: 4—  Bisherige Programmiererfahrung: 1—  Email: [email protected]

>  ALEX KRÄUCHI—  Hauptfach: BWL—  Nebenfach: Informatik—  Semester: 4—  Bisherige Programmiererfahrung: 3—  Email: [email protected]

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung:15.01.2015: SNB hebt EUR/CHF Mindestkurs auf. Was sind die Implikationen für die Schweiz?

>  Hintergrund:Mit dem 30.09.2014 als Referenzdatum- was hat es in dieser Zeitperiode für Änderungen auf Schweizer Wirtschafts-indikatoren gegeben?

>  Zielsetzung:Erkenntnisse aus den visualisierten Daten

>  Data Coach:Agnieszka Leyko von Deloitte

FS 2015


4

Daten

>  Datenvolumen:—  Verschiedenste Bereiche—  Tägliche oder monatliche Werte

>  Datenformat:—  XLS, PDF, CSV, TSV

>  Datenstruktur:—  Individuelle Strukturen

FS 2015


5

Vorgehen

>  Datenbeschaffung:—  Recherche im Internet

>  Datenbereinigungen:—  Abgleichung mit anderen Quellen—  Wahl der geeigneten Werte

>  Datentransformation:—  Skalierung und relative Transformation

mit MS Excel

>  Visualisierung:—  HTML, CSS, JavaScript, D3.js Library

FS 2015


6

Resultat

>  Link: http://jc13u044.sandbox.iwi.unibe.ch

>  Visualisierungsart:—  Liniendiagramm—  Numerische Darstellung

>  Funktionalitäten:—  Interaktive Anzeige der Veränderung pro Tag—  Daten Filterung

>  Neue Erkenntnisse:—  Potenzielle Implikationen auf verschiedene

wirtschaftliche Messzahlen

FS 2015


7

Fazit

>  Was haben wir gelernt und was bringt mir das alles?—  Technische Horizonterweiterung—  Vorteil von Open Data—  Nutzen visueller Darstellung von Daten

>  Was würden wir nächstes Mal anders machen?—  Weitere Darstellungsform—  Mehr Zielgrössen

Übung Open Data:Ausländische BEvölkerung, Gruppe 23

Abschlusspräsentation, 28. Mai 2015Laurent Kaufmann und Lukas HepplerUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Laurent Kaufmann—  Hauptfach: Betriebswirtschaft—  Semester: 10—  Programmiererfahrung: Basics—  Email: [email protected]

>  Lukas Heppler—  Hauptfach: Betriebswirtschaft—  Semester: 10—  Programmiererfahrung: Basics—  Email: [email protected]

FS 2015


3

Aufgabenstellung

>  Ausgangslage—  Immigration als wichtiges soziales und

politisches Thema—  Zahlreiche Volksabstimmungen zum

Thema Immigration

>  Ziel—  Darstellung der Ausländeranteile und deren

Zusammensetzung im Kanton Bern

>  Quellen—  Offene Bevölkerungsdaten zu den

Gemeinden im Kanton Bern

FS 2015


4

Daten

>  Data Coach: Daniel Studer (BFS)

>  Datenvolumen (2010-2013)—  315‘120 Datenzellen

>  Datenformat—  Excel/CSV

>  Datenstruktur—  BFS-Nr & Name—  Total—  Staatsangehörigkeit

>  Quelle—  STAT-TAB des BFS

FS 2015


5

Datenportal

FS 2015


6

Datenportal

FS 2015


7

Vorgehen

>  Datenbereinigung—  Beschränkung auf 50‘000 Zellen—  BFS-Nr. und Name trennen—  Gemeindefusionen

>  Datentransformationen—  Werden live berechnet

>  Verwendete Technologien & Libraries—  D3.js—  TopoJSON—  Github (Pages)

FS 2015


8

Resultat

>  Link: http://lh10p414.sandbox.iwi.unibe.ch/

>  Visualisierungsart: Karte & Sunburst

>  Visualisierung von—  Relativem Ausländeranteil—  Zusammensetzung der ausländischen

Wohnbevölkerung—  Relative Anteile einzelner Länder/

Kontinente

FS 2015


9

Interpretation

>  Ausländeranteile variieren stark—  Biel: 30%—  Thun: 12%

>  Kleine und ländliche Gemeinden weisen zum Teil hohe Ausländeranteile auf

>  Zusammensetzung—  Europa dominiert—  Gefolgt von Afrika & Asien

FS 2015


10

Fazit

>  d3 & Open Data bieten fast unbegrenzte Möglichkeiten

>  Visualisierungen stellen wichtige Daten leicht verständlich dar

>  Ausblick—  Auf andere Kantone übertragen—  Veränderung über die Zeit

>  Dokumentation—  http://loluopendata.github.io/Auslaendische-

BEvoelkerung

Übung Open Data:Kriminalität in der Schweiz

Abschlusspräsentation, 28. Mai 2015Jenny TranUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Jenny Tran—  Hauptfach: Wirtschaftsinformatik—  Nebenfach:-—  Semester: 2—  Bisherige Programmiererfahrung: wenig

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung:—  Zeitung: NZZ und Tagesanzeiger

>  Hintergrund: Wahrheitsgehalt der Zeitungen

>  Zielsetzung: Selbstversuch anhand der verfügbaren Daten (Datenquelle der Zeitung)

>  Datenquelle, Data Coach: Eigene Quellen von der Bundesamt für Statistik

FS 2015


4

Daten

>  Datenvolumen:—  Straftaten 2009-2014 : 67 KB—  Straftaten 2014 in Detail: 221KB

—  Straftaten 2009-2014 : 429 KB nach Bearbeitung

—  Straftaten 2014 in Detail: 227KB nach Bearbeitung

>  Datenformat: xlsx -> csv

>  Datenstruktur: Tabelle -> Array -> Baumstruktur

FS 2015


5

Vorgehen

>  Datenbeschaffung: Bundesamt für Statistik

>  Datenbereinigungen: —  Zeichenbereinigen x, -, ..—  Gruppentitel—  Name Duplizieren—  Ausländeranteil berechnen

>  Datentransformation: CSV

>  Verwendete Technologien, Libraries etc.:—  D3.js (min.js)—  jquery.js

FS 2015


6

Resultat

>  Link: http://jt05q035.sandbox.iwi.unibe.ch/index.html

>  Visualisierungsart:—  Treemap—  Sunburst (Kreisdiagramm)

>  Funktionalitäten:—  Treemap: Zoom in and out + Buttons—  Sunburst:

–  Breadcrumb + Legende–  Mousover (opacity)–  Scroll Legende

FS 2015


7

Resultat

>  Neue Erkenntnisse:—  Wichtigkeit der Datenquelle—  Datenerhebung—  Vergleichbarkeit innerhalb der Kategorien—  Überblick—  Connecting Data—  Zweck und Grafik—  Einfache Handhabung—  Aussagen von Zeitungen

FS 2015


8

Fazit

>  Was habe ich gelernt?—  Internet hat immer eine Antwort—  Programmieren = Sprache lernen—  3D.js hilft bei Datenstrukturänderung

>  Was würde ich nächstes Mal anders machen?—  Zweck der Grafik—  Datenkombination

>  Was bringt mir diese Übung?—  Aussagekraft der Grafik—  Schwierigkeit der Bedienung—  Scheu verlieren nach Hilfe zu fragen

Übung Open Data:Lohnvergleich nach Geschlecht und Ausbildung, Gruppe 9

Abschlusspräsentation, 28. Mai 2015Manuel BühlerUniversität Bern, Institut für WirtschaftsinformatikAbteilung InformationsmanagementForschungsstelle Digitale Nachhaltigkeit

FS 2015


2

Team

>  Manuel Bühler

—  Hauptfach: Business Administration (M Sc BA—  Schwerpunkt: Wirtschaftsinformatik—  Semester: 10—  Bisherige Programmiererfahrung = 0—  Email: [email protected]

FS 2015


3

Aufgabenstellung

>  Ausgangslage, Problemstellung:Gleichstellungsgesetz Art. 3

>  Fragestellung:Verdienen Frauen weniger als Männer? Unterschied abhängig von Ausbildung? Unterschiede bezüglich Regionen?

>  Zielsetzung: 1. Beantworten der Fragestellung 2. Wie wäre Diskriminierung nachzuweisen

>  Datenquelle: Bundesamt für Statistik (BfS)

FS 2015


4

Daten

Visualisierung 1,2>  Datenvolumen: 1200 Zellen

>  Datenformat: xlsx à csv

>  Datenstruktur: 1 Tabelle à pro Ausbildung / Grossregion 1 Tabelle

Weitere Visualisierungen: (xlsx Tabellen)

FS 2015


5

Vorgehen

>  Grundsatzentscheid: keine unvollständigen Datensätze keine pdf-files

>  Datenbeschaffung: Stat Tab / Download

>  Datenbereinigungen: klassische Filter

>  Datentransformation: Libre office

>  Verwendete Technologien, Libraries etc.:—  D3.js—  dimple.js (powered by d3)

FS 2015


6

Resultat

>  Link: http://mb10r511.sandbox.iwi.unibe.ch/

>  Visualisierungsart: Grouped Bar ChartStacked Area ChartGrouped Multiple Line

>  Funktionalitäten:Bar Chart– update Stacked Area Chart – Tooltips Grouped Multiple Line - Tooltips

>  Neue Erkenntnisse:Männer verdienen mehr – nicht zwingend Lohndiskriminierung Bei Sekretariats- und Kanzleiarbeiten: Lohndiskriminierung Die Erwerbsquoten der beiden Geschlechter gleichen sich an

FS 2015


7

Fazit

>  Was habe ich gelernt?Ausdauer, Grundlagen von Javascript, Funktionsweise einer Library,

>  Was würden wir nächstes Mal anders machen?Wenn etwas nicht funktioniert...Zeitlimit setzen ...braucht es das? ...wenn ja, Hilfe holen?

>  Was bringt mir diese Übung?Fähigkeit sich mit Software-Entwicklern zu unterhalten „Je grösser die Insel des Wissens, desto grösser das Ufer des Nichtwissens“

FS 2015


8

Merci

>  Mathias Stürmer:„Der Mann denkt mit und entwickelt die Veranstaltung laufend weiter – ein Lehrertyp an der Uni!“

>  Khoi Tran: „Der Retter in der Not!“

>  Mirjam Läderach„Von A bis Z perfekt organisiert!“

Abschlusspräsentationen Studierenden-Apps Open Data Vorlesung 2015

Technology