1.App Prsentation Gruppe 17 Tabakprvention Open Data

2. Team > Patric Guggisberg > Hauptfach: Archologie > Nebenfach: BWL > Programmiererfahrung: Delphi, C/Side > Patrik Schori > Hauptfach: BWL > Nebenfach: Sport > Programmiererfahrung: Keine 3. Ziel und Motivation > Entwurf einer App zur Darstellung von Praxisrelevanten Daten > Mit dem Ziel die Kosten der Tabakprvention auf verschiedenen Stufen darzustellen und deren Verteilung aufzuzeigen und so eine bessere bersicht zu schaffen. > Als persnliches Ziel, interaktive Visualisierungsmglichkeiten fr grosse Datenmengen kennen zu lernen. 4. Resultat > Sunburst Darstellung > Auf deutsche Sprache beschrnkt > Verschiedene Detaillierungsebenen > Zoombar auf: Sprachregion, Zielgruppe, Projekte > Diverse detaillierte Projektinformationen: Gesamtsumme, Laufzeiten > Hilfestellung > Link: http://sandbox.iwi.unibe.ch/~pg11k788/Tabakpraevention 5. Datenquelle > Bundesamt fr Gesundheit, Tabakprvention > Excel-sheet > Mehrsprachig > Einteilung nach diversen Kategorien > Beispielsweise: Sprachregion, Zielgruppe, Setting usw. 6. Excel-Datei 7. Probleme der Daten > Lange Projektnamen > Zeilenumbrche in Zellen > Viele unntige Informationen > Was ist zentral? -> Kosten, Wo wird investiert > Codierung (UTF-8) > Anforderung des Codes: Baumstruktur > Daten auf die entsprechende Periode berechnen (Laufzeit) 8. berarbeitete Daten > Json-Dateien > Pro Jahr separate Datei > Baumstruktur > Sprachregion>Zielgruppe>Projekte > Aufsummieren 9. Json 10. Vorgehen > Die darzustellenden Daten indentifizieren > Geeignete Darstellung suchen > Daten an geforderte Struktur anpassen > Zeitaspekt in die App einbringen > Zusatzinformationen visualisieren > Design individualisieren > Zustzliche Informationen zu den Daten > Bedienhilfe einfgen durch Help-Button 11. App > Link: http://sandbox.iwi.unibe.ch/~pg11k788/Tabakpraevention 12. App zur Visualisierung von Frdergeldern des Tabakprventionsfond 13. Nicolas Camenzind 4. Semester BWL Grundverstndnis von Informatik aus dem Gymnasium, aber keine Erfahrung beim Programmieren Patrick Neidhart 5. Semester BWL Keine Erfahrung beim Programmieren 14. Erstellung einer funktionierenden App Erfahrung sammeln mit Programmierung Visualisierung von Projekten des Tabakprventionsfonds 15. http://tabfonds.github.io/tabfonds/ 16. Ursprungsformat Excel-Datei Endformat json-Dateien 17. Konzeption Datenbereinigung Datenbernahme nach csv und nach json Code Snipping mit D3 (Test- und Echtdaten) Fehlerbehebung und Feinschliff 18. Prsentation Tabakprventions-App Reto Zaugg, Stefan Imhof Institute of Information Systems University of Bern 22.05.2014, Open Data: Datenmanagement und Visualisierung 19. Team > Reto Zaugg Master BWL, Management > Stefan Imhof Master BWL, Wirtschaftsinformatik 2 20. Ziel, Motivation > 10 Jahre Tabakprventionsprojekte > Ziel BAG: bisherige Frderttigkeit visualisieren Besonderheiten, Strken und Schwchen des Mitteleinsatzes Grundlage fr Diskussion ber zuknftige Strategien > Unsere Motivation: Einstieg ins Programmieren Aussagekrftige App erstellen 3 21. Datenquelle: Ursprungsformat 4 22. Datenquelle: Transformation 5 > Was haben wir: Einzelne Projekte mit Projektdauer und z.T. mehreren Settings > Was wir brauchen: Kumulierte Ausgaben pro Zeitpunkt pro Setting > Unsere Transformation: Handarbeit Umrechnungstabelle 23. Datenquelle: Endformat 6 Mr. Data Converter: XLS -> JSON http://shancarter.github.io/mr-data-converter/ 24. Programmieren > Snippets suchen, testen und auswhlen > Code kennenlernen und verstehen > Code anpassen, u.a.: 3 anstatt 1 Variablen 3 anstatt 1 Visualisierungen Achsenbeschriftung (Zahlen- und Datumsformat) > Webseite erstellen (HTML) > CSS Anpassungen > Testen und Korrektur der Daten 7 25. Resultate: Live App-Demo > www.puegi.ch/opendata 8 26. Gruppe 25 Daten zur Tabakprvention Geliefert vom BAG 27. Wir Antje Kdel Bachelor BWL/VWL Timothy Grninger Bachelor BWL/Englisch 28. Motivation Crossover Vorlesung Grober Einblick in die IT-Welt Aneignung von Programmierfhigkeiten Praxisbezug Kompliziertes mglich einfach darstellen 29. Visualisierungsziel 7 Frderbereiche im Bereich Tabakprvention. Jeder Frderbereich spricht gewisse Zielgruppen an. Wie viel wird in die jeweiligen Zielgruppen investiert? Wie viel wird in die Frderbereiche investiert? Darstellung dieser Grssen als D3-Sunburst 30. Quellen und Vorgehen 31. Quellen und Vorgehen 32. Quellen und Vorgehen 33. Kombination & Kontrolle der Daten 34. Master in Excel 35. Master im json Format 36. Resultat nach viel Getftel Zur Webpage 37. Vorstellung der Open Data App Budget allocation for development aid 38. Vorstellung Patrick Fahrni; Bachelor-Studiengang Beginn HS2012; Major BWL Priska Maurer; Master-Studiengang BuisinessAdministration; Schwerpunkt Marketing 39. Aufgabenstellung: Daten-Input Budgets der Jahre 2009, 2010, 2011 Aufteilung bezglich Domain Modality Thematic Geographical Regional Cooperation Bilateral & Multi-Bi Agricultural water resources Asia Global Cooperation Multilateral Agricultural policy Sub-Saharan Africa Humanitarian Aid NGO (incl. Aide alimentaire durgence) Agricultural development Latin America Cooperation with Eastern Europe Agricultural research Europe & CIS Rural development MENA Forestry development Global Transportation Agro-biodiversity Others 40. Impression 1. Entwurf 41. Schritte Wahl der passenden Grafik Excel Json (fr Baum-Darstellung), tsv (fr Stack to Multiples) Implementierung des D3.js Codes Anpassungen am Code Gestaltung der restlichen Seite Titelbild Einleitungstext 42. Output Link: http://sandbox.iwi.unibe.ch/~pf12w270/Exam ples/baumPF.html Code Snippet fr Baum Darstellung http://mbostock.github.io/d3/talk/20111018/ tree.html Code Snippet fr Stack to Mulitples http://bl.ocks.org/mbostock/4679202 43. Open Data App Visualisierung von Ausgabendaten fr Entwicklungshilfe der Schweiz Prsentation 22.05.2014 Stephanie Buechel Taner Aydin 44. Team Stephanie Buechel Major: Master Betriebswirtschaft Vorkenntnisse: Keine Wieso Open Data: weil Programmieren allgegenwrtig ist; Steigender Bedeutung in der Zukunft Taner Aydin Major: Bachelor Betriebswirtschaft Minor: Sozialwissenschaften Vorkenntnisse: Keine Wieso Open Data: Daten werden immer wichtiger und allgegenwrtig. Interessiert an Grundkenntnissen in Programmieren. 45. Ziel / Motivation Visualisierung der Ausgaben im Bereich Entwicklungshilfe (DEZA) Visualisierung muss einfach auf Hardcopy bertragbar sein Vergleich ber die verschiedenen Jahre muss mglich sein Schaffung von Transparenz bei der Ausgabenseite (da Ausgaben immer kritisch betrachtet werden) 46. Resultat Open Data App 47. Datenquellen Daten vom DEZA, erhalten durch Data-Coach Ursprungsformat der Daten war .xls Zahlen waren mit 1000-Trennzeichen versehen Waren Kommastellen enthalten (Rappen) Endformat der Daten sind .csv 48. Vorgehen Daten formatieren in .csv und .json Wahl des Visualisierungs-Layouts Erarbeitung des Stylesheets Programmieren der App mittels JavaScript 49. Visualisierung der Innovationsaktivitten in der Schweizer Wirtschaft von: Marc Brunner Julian Kubaty 22.05.2014 1 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO 50. Personen Marc Brunner Student der Betriebswirtschaftslehre, 4. Semester Nebenfach: Volkswirtschaftlehre Julian Kubaty Student der Betriebswirtschaftslehre, 6. Semester Nebenfach: Obligationen- und Wirtschaftsrecht Programmierkenntnisse = 0 22.05.2014 2 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO 51. Motivation und Ziele Daten entstammen dem Strukturbericht zu den Innovationsaktivitten der Schweizer Wirtschaft erstellt durch das SECO in Zusammenarbeit mit dem KOF Daten sind als xls-Files auf der Homepage des SECO verfgbar, sind aber nicht maschinenlesbar http://www.seco.admin.ch/themen/00374/00459/04076/04077/index.html?lang=de Ziele: Visualisierung der Daten um damit den Bericht einfacher verstndlich zu machen und Trends grafisch erkennen zu knnen Durch einfache Visualisierung sollte es auch fr Personen ohne entsprechenden wirtschaftlichen Hintergrund einfacher werden die Daten zu interpretieren Wichtig: der Bericht muss, um das Verstndnis fr die einzelnen Variablen/Dimension zu haben, trotzdem gelesen werden. App dient nur als Ergnzung, nicht aber als Ersatz 22.05.2014 3 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO 52. Datenquellen / Datenverarbeitung I Daten sind auf der Homepage des SECO als xls-Files zu finden Befinden sich aber nicht in einem maschinenlesbaren Format Erstellen eines Excel-Makros, welches die Daten automatisch in ein Format bringt welches durch die App lesbar ist 22.05.2014 4 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO 53. Datenquellen / Datenverarbeitung II Anschliessender Export zu csv-File Somit ist nun ein automatischer Import durch das App mglich 22.05.2014 5 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO 54. Datenquellen / Datenverarbeitung III Aufschlsselung der Daten nach 5 Themenblcken: Weitere Aufschlsselung nach 22.05.2014 6 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO Innovationsleistung / Wissensnetzwerke / Ziele / Hemmnisse / Frderung 55. Datenquellen / Datenverarbeitung IV 22.05.2014 7 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO Regionen 56. Datenquellen / Datenverarbeitung V 22.05.2014 8 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO Branchen 57. Datenquellen / Datenverarbeitung VI 22.05.2014 9 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO 250 MA Grsse 58. Visualisierung I Ausgangslage: Starke Multidimensionalitt Gesucht war ein App welches mehrere Dimensionen darstellen kann Wahl viel auf: mehrere Donuts einfach verstndlich und populr da sie mehrere Dimensionen auf einmal darstellen knnen Jeder Donut stellt eine Branche/Grsse/Region dar Segmente stellen prozentuale Nennung der Variablen dar Zeitdimension kann durch laden der Daten visualisiert werden dazu spter mehr 22.05.2014 10 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO 59. Visualisierung II Pro Dimension wurde ein App erstellt (Layout ist aber identisch) 22.05.2014 11 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO Durch Klicken der Jahreszahlen werden automatisch die entsprechenden Daten geladen und visualisiert Homepage: http://sandbox.iwi.unibe.ch/ ~mb12n011/ (Funktioniert nur innerhalb Uninetzwerk oder ber VPN) 60. Visualisierung III Wichtiger Aspekt: Vernderung der Daten im Zeitverlauf Darstellung sollte bersichtlich sein, trotz vieler Variablen Wahl des Klassikers: Line Chart einfache und verstndliche Darstellung einzelne Linien knnen mit mouseover-Funktion hervorgehoben werden 22.05.2014 12 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO 61. Visualisierung II 22.05.2014 13 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO Durch Klicken der Themenbereiche werden automatisch die entsprechenden Daten geladen und visualisiert 62. Erstellung App Als Grundlage diente ein Code aus der d3js.org-Bibliothek http://bl.ocks.org/mbostock/3888852 http://bl.ocks.org/mbostock/3884955 Diverse Anpassungen Buttons und Funktion um Jahres-/Themendaten automatisch zu laden Tooltip, welcher zustzliche Daten und Prozentzahl anzeigt Sonstige Anpassungen der Darstellung um Usability zu erhhen Erstellung einer Homepage und Einbindung der Apps 22.05.2014 14 Institut fr Wirtschaftsinformatik Universitt Bern Staatssekretariat fr Wirtschaft SECO 63. Prsentation Open Data App Konstantin Niedermann Oscar Meier 64. Team Oscar Meier & Konstantin Niedermann Bachelor (Major Informatik Minor WI) 65. Aufgabenstellung Visualisierung der Belastung von V - Verbindungen durch SBB Mitarbeitende Absolutwerte Pro Strecke Relative Werte im Verhltnis zur Gesamtzahl der Reisenden 66. Datenquelle Ursprung: JSON Datei (Person im Zentrum) Fr jeden SBB-Mitarbeitenden: Befahrene Strecke Haltestationen Koordinaten Verkehrsmittel Servicenummer Datum und Uhrzeit fr Abfahrt / Ankunft Auslastung / Kapazitt 67. Datenquelle Endformat: JSON Datei (Verbindung im Zentrum) Fr jede befahrene Strecke: Koordinaten der beiden Stationen Fr jede Fahrt (Unterschiedliche Zeiten) Anzahl SBB-Mitarbeitende Serviceinformationen Servicenummer Abfahrtsort / Destination Datum und Uhrzeit Auslastung / Kapazitt 68. Vorgehen JSON Verarbeitung Erste Visualisierung Streckenvisualisierung Erste Filtermglichkeiten Kundenmeeting Verbesserungen Erweiterter Datensatz der SBB u.A. mit Kapazitten Erweiterung der Filter Benutzerfreundlichkeit 69. Resultat www.discover-the-world.ch 70. IT-Kennzahlen Auf der Suche nach den kantonalen IT-Kostentreibern 71. Team Tanja Hppi Major Sportwissenschaft Minor BWL Corina Feuerstein Major Sportwissenschaft Minor BWL 72. Ziel 5 Leistungsindikatoren 6 Finanzindikatoren = 30 Mglichkeiten Interaktive, benutzerfreundliche & bersichtliche Visualisierung Integration in Corporate Identity der SIK 73. Datenquellen 74. Vorgehen Einarbeitung in Daten Workshop Tessin Analyse Java Script Bibliotheken (jQuery, D3) Programmierung (self.html) Diagramm mit einer Achse Diagramm mit zwei Achsen Feinschliff 75. Resultat http://www.sik.ch/opendata/ http://sik.ch/opendata/Hompage.html 76. Impact Schnelleres & effizienteres Arbeiten mit App Vermeidung von falschen Interpretationen: anonymisierte Daten bis zur Verbesserung der Darstellung & Begrndungen 77. Danke! Grgoire Hernan Marc Jger Donat Sterren 78. Volksschulstatistik Kanton Bern - Schuljahr 2012/13 Open Data App Prsentation Marco Grtter und Tim Steiger Universitt Bern Wirtschafts- und Sozialwissenschaftliche Fakultt Institut fr Wirtschaftsinformatik (IWI) 22. Mai 2014, im Rahmen der Vorlesung Open Data: Datenmanagement und Visualisierung 79. 2 > Name: Marco Grtter > Name: Tim Steiger > Hauptfach: BWL > Hauptfach: VWL > Nebenfach: SOWI > Nebenfach: BWL > Semester: 6 > Semester: 6 > Stufe: Bachelor > Stufe: Bachelor Team Marco Grtter, Tim Steiger (22.05.2014), Prsentation der Open Data App 80. Ziel und Motivation > Zunehmende Bedeutung von Open Data im Informationszeitalter > Auseinandersetzung mit der graphischen Darstellung von Daten zur besseren Bewltigung der Datenflut Ein Bild sagt mehr als tausend Worte > Entwicklung einer interaktiven Data-App mit den Volksschuldaten des Kantons Bern > Oberstes Ziel: Einfache und intuitive Darstellung der Rohdaten 3 Marco Grtter, Tim Steiger (22.05.2014), Prsentation der Open Data App 81. Datenquellen > Data Coach: Jrgen Allraum > Daten: Volksschulstatistik Kanton Bern (2012/13) http://www.erz.be.ch/schulstatistik > Dateiformat: CSV 4 Marco Grtter, Tim Steiger (22.05.2014), Prsentation der Open Data App 82. > Analysieren der Daten > Suberung der Daten > Auswahl der Visualisierungsart Choropleth: Farbe http://bl.ocks.org/mbostock/4060606 Swiss TopoJSON: Karte Schweiz http://bl.ocks.org/herrstucki/4327678 Legende und Zoom: http://bl.ocks.org/herrstucki/6312708 > Anpassung der Snippets > Erstellung eigener Legende/Knpfe 5 Vorgehen Marco Grtter, Tim Steiger (22.05.2014), Prsentation der Open Data App 83. 6 Resultat > ffentlicher Link via githhub erstellt: http://tdjs.github.io/ Marco Grtter, Tim Steiger (22.05.2014), Prsentation der Open Data App 84. APP: Schuldaten Studenten: Roger Stebler und Nadine Liechti Data Coach: Jrgen Allraum Professor: Dr. Matthias Strmer und Prof. Thomas Myrach Jahr: Mai, 2014 85. Team Roger Stebler Nadine Liechti 86. Ziel und Motivation Motivation Persnliches Interesse an Schuldaten Ziel Sehr viele Daten, in Tabellenform kaum vergleichbar Interessant: Vernderung Daten nach Regionen Darstellung verschiedener Aggregationsebenen (Schulhaus, Region/Ort, Kanton) 87. Resultat http://sandbox.iwi.unibe.ch/~rs08d723/ 88. Datenquellen Erziehungsdirektion Bern Datacoach: Jrgen Allraum Ursprungsformat / Endformat: CSV WWW: http://www.erz.be.ch/erz/de/index/direktion/organisation/genera lsekretariat/statistik/schul-_und_gemeindetabellen.html 89. Vorgehen 1. Daten erhalten (CSV Format) 2. Karte 3. Kuchendiagramm erstellt 4. Koordinaten angefordert 5. Daten implementiert 6. Rckfragen Daten 7. Beschrieb und Quellen 90. Schulstat Volksschuldaten Kanton Bern 91. Team Arun Sittampalam BSc Informatik Oliver Stapleton BSc Informatik 92. Aufgabenstellung Visualisierung der Volksschuldaten des Kanton Bern Motivation: Transparenz, bessere Kenntnisnahme der Statistikdaten Insbesondere Aufzeigen von Unterschieden zwischen den Regionen, Bildungsstufen, Unterrichtssprachen, Kostentrgern 93. Resultat 20 Visualisierungen: Karten, Balken-, Kuchen-, Baumdiagramme, Treemap, Sunburst, Spiderchart Gliederung nach 5 Kategorien: Gebiete, Bildungsstufen, Schultypen, Sprachen, Kostentrger Diskussion der Erkenntnisse, ausfhrliche Dokumentation App mit 2 Modi: Nur Visualisierungen oder Visualisierungen + Text Siehe: http://st4ple.github.io/schulstat/ 94. Datenquelle Volksschuldaten Kanton Bern aus dem Jahr 2012 Data Coach: Jrgen Allraum vom Kanton Bern Ursprungsformat: CSV-File publiziert auf Website des Kantons Endformate: siehe Referenzen im Quellcode und http://st4ple.github.io/schulstat/#dateien 95. Vorgehen 1. Subern der erhaltenen Daten in Rohdaten 2. Analysieren der Daten 3. Einarbeiten in D3.js 4. Auswahl der Visualisierungsarten 5. Aggregation und Verarbeitung der Daten in bentigte Form 6. Erstellen der Visualisierungen 7. Zusammensetzen der Website Siehe auch: http://st4ple.github.io/schulstat/#vorgehen 96. Schlusswort Aufbereiten der Daten und Erstellen der Visualisierungen und der Website hat Spass gemacht Wir haben dabei viel gelernt Besucht die Website fr mehr Details! http://st4ple.github.io/schulstat/ 97. Open Data Visualisierung Volksschuldaten des Kantons Bern Universitt Bern 20.05.2014 98. 2 ber uns Rene Gadow Bachelor Computer Science BWL Urs Zysset Bachelor Computer Science BWL 99. 3 Rohdaten CSV mit Schlern, Schulen, Gemeinden, Stufen etc. 100. 4 Visualisierungen im berblick 101. 5 App http://uzysset.github.io/OpenData/ 102. OPEN DATA APP DATENMANAGEMENT UND VISUALISIERUNG 103. ABLAUF 1. Vorstellung Team 2. Ziel und Motivation 3. Resultat 4. Datenquellen 5. Vorgehen 104. 2. VORSTELLUNG TEAM Anna Bohnenblust: Abschluss Master in Sprachwissenschaften (Linguistik, Germanistik) Northern (Arctic) Federal University, Archangelsk RU Abschluss Bachelor of Science in Betriebskonomie, All-Russian Distance Institute of Finance and Economics, Moskau RU Keine Erfahrung im Programmieren Nicole Brki Abschluss Bachelor of Science in Betriebskonomie Fachhochschule Freiburg Anstellung bei der Post CH AG Keine Erfahrung im Programmieren 105. 3. ZIEL UND MOTIVATION Etwas Neues lernen Programmieren erlernen Interessante Materie Grosse Herausforderung, da keine Erfahrung Gute Leistung / Resultat erzielen 106. 4. RESULTAT Link zum App http://sandbox.iwi.unibe.ch/~ab 13l082/Examples/App/Grossrat swahlen%202014.html 107. 5. DATENQUELLEN http://www.sta.be.ch/sta/de/index/wahlen- abstimmungen/wahlen- abstimmungen/wahlen/wahlen_2014.html Daten von Smartvote in Excel-Format 108. 5. VORGEHEN Themensuche Datenrecherche Unterlagen studieren Ausprobieren Erarbeitung App 109. 6. FRAGEN 110. Viktor Kitanov & Reto Vogt Open Data: Datenmanagement und Visualisierung Hydro-App: Abfluss und Temperatur von 5 Schweizer Flssen 111. Team > Viktor Kitanov Bachelor VWL 6. Semester > Reto Vogt Bachelor BWL 6. Semester 20.05.14 2 112. Ziel > Den Verlauf von Abfluss und Temperatur von 5 Schweizer Flssen visualisieren > Hydrologische Daten von Messstationen in natrlichen Einzugsgebieten verwenden (z.B. keine verflschten Wasserstand-Daten durch Schleusen, AKWs etc.) > Langfristige Trends sichtbar machen 1. Haben sich Abfluss und Temperatur im Beobachtungszeitraum systematisch verndert? 2. Gibt es regionale Unterschiede? 20.05.14 3 113. Resultat 20.05.14 4 Link zum App: http://sandbox.iwi.unibe.ch/~vk11m230/Hydro-App/Hydro-App.html 114. Messstationen 20.05.14 5 > Rietholzbach (Mosnang, SG) > Grosstalbach (Isenthal, UR) > Rosegbach (Pontresina, GR) > Sense (Thrishaus, BE) > Massa (Blatten bei Naters, VS) 115. Daten > Datenquelle: Bundesamt fr Umwelt (BAFU) > Art: Tgliche Daten zu Temperatur und Abfluss von folgenden Schweizer Flssen: 1. Rosegbach (Pontresina) 2. Grosstalbach (Isenthal) 3. Massa (Blatten bei Naters) 4. Rietholzbach (Mosnang) 5. Sense (Thrishaus) > Zeitraum: 19.02.2004 bis 06.12.2013 > Ursprngliches Format: ASC 20.05.14 6 116. Vorgehen 1. Wahl einer geeigneten Visualisierungsvorlage 2. bertragen der Daten vom Ursprungsformat (ASC) ins Zielformat (JSON) 3. Anpassen der Vorlage auf unsere Hydro-Daten X-Achse von Einkommen auf Zeit Y-Achse von Lebenserwartung auf Temperatur Kreisflche von Bevlkerungsgrsse auf Abfluss 4. Ergnzung der Vorlage mit zustzlichen Features: Kurven, die den Verlauf der Kreise abbilden Buttons um jeden Fluss einzeln zu betrachten Mouse-Over Funktion zur Anzeige der Abfluss- und Temperaturwerte uvm. 20.05.14 7 117. Open Energy Data App 118. Todays Overview Background1-2 Result3-4 Findings5 119. 1. Whos Who Lead Contact information Pramod Sasidharan pramod.sasidharan@students.unibe.ch Chetan Pandit chetan.pandit@students.unibe.ch Data Coach Max Ursin max.ursin@ingridag.com Coach Daniel Studer dani.studer@gmx.li 1-2 3-4 5 120. Welcome Pramod Sasidharan Msc Business Administration University of Bern Chetan Pandit Msc Business Administration University of Bern 121. 2. Requirements Preparation and visualisation of existing data Organization of data set Selection of meaningful graphs Parameters (area, value, stack etc.) Three dynamic graphs Establish appropriate relation between graphs (timing) 1-2 3-4 5 122. Time Spent ProjectsWorkedOn Get Familiar Achieve Mastery Our Goal & Motivation Get Experienced 123. 3. Result The change of data Original data to .tsv 1-2 3-4 5 124. 4. Result Our App http://sizchart.herokuapp.com/chart/index.php 1-2 3-4 5 125. Complexity: According to topic (Energy model data) and provided data 1. : Reading programmes to match requirements 2. : Programming according to data and possibilities (expectations) 3. : Try and fail (limitations&exchange with coaches) 4. : Visualisation based on data and programming possibilities (creativity) 5. : Implementation focus lays on usability and data expressiveness 4. Step by Step 1-2 3-4 5 126. 5. Summary Complexity as challenge Technological as well as personal (Lack of knowledge) Set realistic expectation Mastery is not achieved overnight (Possibilities are not clear from the beginning) Keep your eye on the goal Client-centric app based on data coachs expectations 1-2 3-4 5 127. Resources Open Energy Data App http://sizchart.herokuapp.com/chart/index.php Literature Murray Scott, Interactive Data Visualization, 2013 128. Open Data Montemedia Sbastien Broggi, Lukas Riesen Universitt Bern 2014 Professoren: Thomas Myrach, Matthias Strmer 129. Team Sbastien Broggi - Informatik - 4. Semester Lukas Riesen - Informatik - 4. Semester 130. - Daten der ffentlichkeit zugnglich machen - Attraktive Visualisierung von Daten - Webapp erstellen - Neue Erfahrungen mit Frameworks und im Bereich der Datenanalyse sammeln Ziel und Motivation 131. - Montemedia http://www.montemedia.com/ - xlxs Datei (Excel) Date;Device Type;Country;Region;City;Browser;OS; Language (browser);Language (OS);Screen Size; JS enabled;Supports Flash;Cookies Enabled;Pageviews - csv Datei -> Objekt Land: d.Country, Kanton: d.Region, Device: d['Device Type'], OS: d.OS, Browser: d.Browser Datenquelle 132. - Programmieren in Cloud9 (http://c9.io) - Einarbeitung in Polymaps & D3 - Daten in sinnvolles Format bringen - Logik zur Datenverarbeitung und Visualisierungen programmieren - Libraries einbinden - Daten fr Scripts aufbereiten - Visualisierungen(Sunburst, BarChart, etc.) anpassen - Design des Apps Vorgehen 133. - Realisierung durch Polymaps & D3 - Aufzeigen der Datendichte pro Kanton - Auftreten verschiedener Eigenschaften der Gerte relativ zur Datenmenge der Region - Darstellung in verschiedenen Formen - Map - Sunburst Sequence Diagram - Bar Charts Demo: http://opendata.br-it.ch Resultat 134. Presentation.theEnd(); Vielen Dank fr Ihre Aufmerksamkeit; 135. OpenDataApp:ZoomableMap DominikSeliner 136. Team DominikSeliner Major:Informa:k Minor:BWLundVWL 137. Ziel,Mo:va:on Etwasneues Universelleinsetzbar Idee:Schweizerkartemitzoom-funk:on 138. Resultat Demo: hLp://swisszoom.businesscatalyst.com/ Github: hLps://github.com/selinerdominik/swiss_zoom (Mitarbeiterwnscht) 139. Datenquellen Montemedia(Nutzerdaten) Ursprungsformat Exel-Tabelle EinEintragproBenutzer 20000Eintrge 2.3Mb Endformat CSV EinEintragproGemeinde 11Kb 140. Vorgehen(Karte) Kartendatenbeschaen: Admin.chGEOSTAT(www.geostat.admin.ch/) 1. UmwandelninGeoJson Datengrsseber4Mb 2. UmwandelninTopoJson Datengrsseknapp2Mb 3. Detailsendernen(hLp://www.mapshaper.org/) Datengrsse600Kb 141. Vorgehen(Daten) 1. Exel-TabelleinCSVumwandeln 2. CSVineineSQL-Datenbankladen 3. SQL-BefehleumBesucherproGemeindezu erhalten. 4. NeueDatenineinCSVladen 142. Vorgehen(Funk:onen) 1. Zoomfunk:onalitt 2. DatenzuKartenteilezuweisen 3. Kartenteilerich:geinfrben 4. Usability-Elemente(LegendeundTips) 143. OPEN DATA Montemedia AG 144. DasA-Team Sammer Puran Informatik-Student Pascal Giehl Informatik-Student 145. Motivation&Ziel Entwicklung einer Analyse- Mglichkeite fr moderne und zugeschnittene Werbung 146. DasResultat: http://swisszoom.businesscatalyst.com/ Swissmap.html 147. Datenquelle Wir haben 20000 Datenstze der Montemedia AG zur Verfgung gestellt bekommen. Dankeschn an: Bora Gnaydin Im .xlsx-Format erhalten und zu .json weiterverarbeitet. 148. Kochrezept- Vorgehen 1.Ein JS mit schweizer Karte erstellen 2.500g Daten eingelesen und berechnung der Werte 3.Frbung der Karte nach den Werten mit Lebensmittelfarbe 4.Erstellen weiterer, tiefergehender Diagramme gem. seperatem Kochrezept. 5.Ansehen und geniessen! 149. Open Data App Altersstrukturwandel Bachelor Major Betriebswirtschaftslehre Institut fr Wirtschaftsinformatik Prof. Dr. Matthias Strmer 22. Mai 2014 Carina Mller, Elias Koster 150. Herzlich Willkommen 151. Carina Mller BWL im 6. Semester Nachhaltige Entwicklung Interesse fr Gesellschaftsfragen keine Programmiervorkenntnisse 152. Elias Koster BWL im 8. Semester Nachhaltige Entwicklung Interesse an Politik keine Programmiervorkenntnisse 153. Ziel, Motivation Interessen einbinden Vernderung der Altersstruktur aufzeigen 1960 heute 154. Resultat http://sandbox.iwi.unibe.ch/~ek10t486/ 155. Datenquellen Ursprungsformat Daten: Stndige Wohnbevlkerung (Total) nach Alter Quelle: http://www.bfs.admin.ch/bfs/portal/de/index/themen/01/02/bl ank/data/01.html in Libre-Office Datenstruktur bearbeitet 156. Datenquellen 157. Datenquellen 158. Vorgehen 1. Daten suchen 2. Daten aufbereiten 3. D3 Vorlage auswhlen 4. In Brackets bearbeiten 5. Visuelle Anpassungen 6. In IWI Sandbox laden 159. Danke fr eure Aufmerksamkeit 160. Bevlkerungsdynamik der Schweiz Team Lukas Klin BWL-Studi Keine Programmierkenntnisse 1 Jasmine Quanbrough Psych-Studi Grundkenntnisse in C & HTML 161. > Ziele & Motivation: Auswirkungen der Bevlkerungsdynamik auf die Finanzierung der AHV? > Datenquellen: Bundesamt fr Statistik: Bevlkerungsdaten im Zeitvergleich 1950-2012 (opendata.admin.ch) Stndige Wohnbevlkerung der Schweiz, mittleres Szenario 2010-2060 2 Bevlkerungsdynamik der Schweiz Daten & Ziele 162. Aufbereitung der Daten Erstellen des Balkendiagramms, mit den drei Altersgruppen Hmmm...: Wie wird das nun interaktiv ??? Zeitdruck Ein Kreis soll den Anteil der geklickten Gruppe zur Gesamtbevlkerung reprsentieren. Jetzt nur noch in den Browser damit und Voil! 3 Bevlkerungsdynamik der Schweiz Hacking-Rezept 163. > http://sandbox.iwi.unibe.ch/~jq12h337/Open%20Data/ 4 Bevlkerungsdynamik der Schweiz Und es werde visualisiert... 164. Open Data App: Vernderung der Heiratsrate ber die Zeit 165. Team Nartnarin Hallwyler o Psychologiestudentin o NF: BWL, Sozialwissenschaften o wenig Programmiererfahrung Damian Schmutz o Psychologiestudent o NF: BWL o keine Programmiererfahrung 166. Motivation Aktualitt und Relevanz Interesse (Studium) Belege zum Wandel nach der 68er-Bewegung 167. Resultat Darstellung der Heiratsrate 1960 - 2012 http://gruppe23.square7.ch/OpenData/index.php 168. Daten Quelle: http://www.bfs.admin.ch/xmlns/opendata/je-d-01.02.02.02.02.01.ods Ursprungsformat: .ODS Endformat: .HTML 169. Vorgehen 1. Datenbereinigung und -aufbereitung 2. Datenanalyse 3. Auswahl der Visualisierung 4. Modifizierung der Daten 5. Onlineprsentation 170. Fragen? 171. Noch quellen der texte? www.derbund.ch www.20min.ch www.watson.ch www.tagesanzeiger.ch 172. Andr Gsell (andre.gsell@students.unibe.ch) Eolo Ulrich (eolo.ulrich@students.unibe.ch) 22. Mai 2014 Im Rahmen der Vorlesung Open Data: Datenmanagement und Visualisierung Dr. Matthias Strmer und Prof. Dr. Thomas Myrach Institut fr Wirtschaftsinformatik Informationsmanagement Datenviewer fr Comparatif Kanton ZH, 2002-2012. Die Entwicklung der Finanzlage bei den Zrcher Gemeinden. 173. Team 33 2 Andr Gsell (TG) Bachelor in Internationalen Beziehungen, HSG Eolo Ulrich (TI) Bachelor in Kommunikationswissenschaften, USI Seit September 2012: 174. Ziel und Motivation 3 ffentlicher Sektor Entwicklung der finanzielle Lage der Zrcher Gemeinden Kurs Prof Dr. Nils Soguel am IDHEAP Lausanne Kartographische Darstellung / GIS4Web 175. Datenquellen und Verarbeitung 4 Kanton ZH publiziert Gemeinderechnungen ber das Datenportal des Bundes opendata.admin.ch Import der Daten in Microsoft SQL Server Berechnungen in SQL Dynamisch ber Views skalierbar Einfach reproduzierbar da Skriptsprache 11 Seiten SQL Script Export in Excel, Ablage als TSV 176. Resultat 5 Datenviewer Comparatif Kanton ZH, 2002 2012: http://www.actmore.ch/comparatif/ Komponenten: Umgang mit Daten (TSV) Karte (TopoJSON) mit Choropleth Slider HTML Form-Objekte MouseOver Effekt Queue.js fr synchrone Verarbeitung 177. Vorgehen 6 Karte: 171 Path-Objekte Shapefile der Gemeinden vom Kanton ZH publiziert Konversion in TopoJSON ber shpescape.com Einbindung mit Queue in D3.js Einfrbung der Gemeinden mittels Chloropleth Daten: Handling von ~2300 Records Auslesen aus TSV mit .filter Interface: Herausforderung verschiedene Granularitt der Daten in einer Oberflche Karte: Stufe Jahr und Indikator Liniengrafik: Stufe Gemeinde und Indikator Details: Stufe Gemeinde, Jahr und Indikator 178. 1 Open Data App: ffentliche Finanzen der Schweiz Vergleich auf Bundes- , Kantons- und Gemeindeebene Jonas Felder Oliver Saurenmann Master BWL (WI) Master BWL (Mgmt) Open Data 22. Mai 2014 179. 2 Ziele und Motivation Kontext: Angespannte Situation bei den ffentlichen Finanzen Fragen: - Wie sehen die Ausgaben der ffentlichen Hand in der Schweiz aus? - Wie sehen die Ausgaben im Vergleich zwischen den verschiedenen Ebenen aus? - Wo wird fr was Geld ausgegeben? 22. Mai 2014 Open Data 180. 3 Vorgehen - Przisierung, was Nutzer wissen mchten - Suchen und Auswahl der Daten - Analyse und Auswahl der Visualisierungsarte(n) - Aufbereitung der Daten - Programmierung der App: - Hilfssystem: 22. Mai 2014 Open Data 181. 4 Datenquelle Eidgenssische Finanzverwaltung (EFV) Berichterstattung > ffentliche Finanzen > Rohstoff xls-Files jeweils fr: FS-Modell auf Grundlage von HRM2 & NRM (IPSAS) GFS-Modell (GFSM2011 des IWF) JSON-Format: > 100000 Datenstze 22. Mai 2014 Open Data 182. 5 Resultat http://www.saurenmann.ch/openapp-finanzdaten 22. Mai 2014 Open Data 183. We are the world ... of debt Visualization of governmental dependencies based on open data and d3.js Cyrill Rast 09-125-329 Marc Rey 03-131-968 22 May 2014, Open Data: Datenmanagement und Visualisierung 184. We are ... Cyrill Rast > Master (BWL, Finance) > 10 Semester > Coding Experience: Little Marc Rey > Bachelor (Economics) > 10 Semester > Coding Experience: Little Intr. Computer Science 22014-05-22. Open Data. Cyrill Rast & Marc Rey We are the world ... of debt. Visualization of governmental dependencies. 185. What drove us... > What do we want to get out of it? Data: Economics Impact: Current Issue Complexity Level: Newbies want to learn about data visualization Creativity: Show alternatives to common statistical visualizations > Topic governmental dependencies based on debt Who owes whom? Who owns whom? 32014-05-22. Open Data. Cyrill Rast & Marc Rey We are the world ... of debt. Visualization of governmental dependencies. 186. What inspired us ... > Its All Connected: An Overview of the Euro Crisis The New York Times, October 22, 2011 http://www.nytimes.com/interactive/2011/10/23/sunday-review/an-overview-of-the-euro-crisis.html?_r=1& > What did we intend to do differently? Multiple years, easy to keep it up to date Multiple country selections 42014-05-22. Open Data. Cyrill Rast & Marc Rey We are the world ... of debt. Visualization of governmental dependencies. 187. Have a look! > www.roxxistic.me/blog/we-are-the-world-of-debt/ 52014-05-22. Open Data. Cyrill Rast & Marc Rey We are the world ... of debt. Visualization of governmental dependencies. 188. Data > Data Sources: IMF e-Library Data http://elibrary-data.imf.org/DataExplorer.aspx Eurostat http://epp.eurostat.ec.europa.eu > Data Availability Data can be filtered by multiple criteria Country, Counterparty, Time Range, Database ... Data can be downloaded as CSV-File 62014-05-22. Open Data. Cyrill Rast & Marc Rey We are the world ... of debt. Visualization of governmental dependencies. 189. Step by step > Data getting the data getting the right data narrowing down to a smart selection of data > Code the visualization Layout: Chord Diagram Issues: the chord diagram is quite complex there are several open source solutions each provides some parts to the solution but not all (no template to fill in) each is based on a quite different code usage Coders are nice and helpful ;) 72014-05-22. Open Data. Cyrill Rast & Marc Rey We are the world ... of debt. Visualization of governmental dependencies. 190. What have we learned? > The more data sets, the more difficult to select and retrieve the right ones. > Interactive and out-of-the-box visualization of statistics provides a new and easy-to-grasp perspective. > Code is standardized and it is not. > Creating visualizations is fun as soon as it works. 82014-05-22. Open Data. Cyrill Rast & Marc Rey We are the world ... of debt. Visualization of governmental dependencies. 191. Crime and Unemployment in Europe Data Visualization at University Bern In Open Data: Datenmanagement und Visualisierung Tobias Graf Manuel Maurer 192. Team MSc in Business Administration: Tobias BSc in Business Administration: Manuel 193. Ziel, Motivation Persnliches Interesse Open Data Visualisieren von Daten Programmieren (GeoJSON, D3) Aufgabenstellung Vergleich Arbeitslosigkeit und Kriminalittsraten Unterschiedliche Kriminalitt Landesabhngigkeiten Alles im zeitlichen Vergleich 194. Resultat http://go-there.ch/visua/ Korrelation von Arbeitslosen- und Kriminalittsrate Visualisierte Datenreihe von 1994-2012 Ganz Europa bzw. von 40 Lndern 195. Datenquellen Ursprungsformat Von World Bank und Eurostat als XLSX-Datei Endformat Nach Datenaufbereitung als CSV-Datei 196. Vorgehen Datensuche Datenvergleich Datenaufbereitung Programmierung Datenintegration und Visualisierung Unemployment rate von: http://databank.worldbank.org Crime Rate (recorded by police) and population data von: http://epp.eurostat.ec.europa.eu GeoJSON Europa Map CityCodes and Coordinates CSV Data Files JQuery for Interactive Elements Zeitreihe nur bis 2012 Unvollstndigkeit (Liechtenstein) Lndername ungleich (Slovakia vs. Slovak Republic) (GB=England, Wales, Scotland, Northern Ireland) 197. Q&A 198. Cryptocoins 199. ber uns Zwei Studenten im 4. Semester Bachelor Informatik Jan Binzegger Florentina Ziegler und 200. Motivation Wie entwickeln sich die Cryptowhrungen im Verlaufe der Zeit? Noch keine vergleichende Darstellungen verschiedener Cryptocoins im Web 201. Was sind Cryptocoins? Whrung Weltrekorde Gebhrenfrei Very Secure. Much Freedom. So Easy. Wow! 202. Resultat opendata.bugius.ch 203. Quellen Cryptsy HTML-Tabelle Vircurex HTML-Tabelle blockr.io JSON MySQL DatenbankDaten Graphen d3Pie Alpha MPF Vis Chart 204. Vorgehen Sammeln und Aufbereiten der Daten Bestimmen des Designs Suche nach existierenden Lsungen fr die Graphen Anpassung der Graphen an Daten & Design Einbinden von Bootstrap 205. mApp Eine geographische Visualisierung von Twitter-Kontakten mittels D3.js 206. Team Lukas Diener Informatik Raphael Reber BWL 207. Ziel Interaktive Applikation fr die Visualisierung von Twitter- Kontakten Neugier / Spielerei Ausprobieren des Twitter realtime API 208. mApp Demo Online (opendata.zeilenwerk.ch) Code im Bitbucket-Repository 209. Datenquelle Twitter-API Gratis Zugriffsbeschrnkung (15 Anfragen pro User) Serverseitiger Zugriff ber Twitter-Gem Geocodierung Google Geocoding API (direkt ber HTTP requests) 210. Vorgehen Usernamen als Input erhalten Bei Twitter authentifizieren Follower-IDs bei Twitter abrufen Entsprechende Profildaten abrufen Geo-Daten aus den Profil-Angaben extrahieren und mittels Geo-Codierer errechnen Darstellen auf einer D3 DataMap Applikation in ruby 211. Zeilenwerkstatt (werkstatt.zeilenwerk.ch) 212. Open Data Project Open Movie App Gruppe 9 213. Wer sind wir? Andreas Hohler Major: Informatik Minor: BWL, WI, Math Karan Sethi Major: Informatik Minor: BWL, Math 214. Ziel Filmdaten visualisieren Persnliche Filmdatenbank erstellen Filmliebhaber das Leben einfacher machen 215. Motivation Wir wollen etwas Neues lernen Schauen gerne GUTE Filme Geld verdienen Berhmt werden 216. Resultat Link zum Open Movie App: openmovie.ch 217. Datenquellen Quelle: rottentomatoes.com (PHP API) Ursprungsformat: json Endformat Speicherung in MySQL-Datenbank bergabe der Daten aus Datenbank, aufbereitet im json-Format, an d3js 218. Vorgehen Eigene Anbindung an rottentomatoes API Spezifische Requests (Listen / Film) und Datenspeicherung Datenaufbereitung & Ausgabe