App Präsentation
Gruppe 17
Tabakprävention
Open Data
Team
> Patric Guggisberg
> Hauptfach: Archäologie
> Nebenfach: BWL
> Programmiererfahrung:
Delphi, C/Side
> Patrik Schori
...
Ziel und Motivation
> Entwurf einer App zur Darstellung von Praxisrelevanten
Daten
> Mit dem Ziel die Kosten der Tabakpräv...
Resultat
> Sunburst Darstellung
> Auf deutsche Sprache beschränkt
> Verschiedene Detaillierungsebenen
> Zoombar auf: Sprac...
Datenquelle
> Bundesamt für Gesundheit, Tabakprävention
> Excel-sheet
> Mehrsprachig
> Einteilung nach diversen Kategorien...
Excel-Datei
Probleme der Daten
> Lange Projektnamen
> Zeilenumbrüche in Zellen
> Viele unnötige Informationen
> Was ist zentral? -> Ko...
Überarbeitete Daten
> Json-Dateien
> Pro Jahr separate Datei
> Baumstruktur
> Sprachregion>Zielgruppe>Projekte
> Aufsummie...
Json
Vorgehen
> Die darzustellenden Daten indentifizieren
> Geeignete Darstellung suchen
> Daten an geforderte Struktur anpasse...
App
> Link: http://sandbox.iwi.unibe.ch/~pg11k788/Tabakpraevention
App zur Visualisierung von Fördergeldern
des Tabakpräventionsfond
 Nicolas Camenzind
 4. Semester BWL
 Grundverständnis von
Informatik aus dem
Gymnasium, aber keine
Erfahrung beim
Progr...
 Erstellung einer funktionierenden App
 Erfahrung sammeln mit Programmierung
 Visualisierung von Projekten des
Tabakprä...
 http://tabfonds.github.io/tabfonds/
 Ursprungsformat Excel-Datei
 Endformat json-Dateien
 Konzeption
 Datenbereinigung
 Datenübernahme nach csv und nach json
 Code Snipping mit D3 (Test- und Echtdaten)
 Feh...
Präsentation Tabakpräventions-App
Reto Zaugg, Stefan Imhof
Institute of Information Systems
University of Bern
22.05.2014,...
Team
> Reto Zaugg
— Master BWL, Management
> Stefan Imhof
— Master BWL, Wirtschaftsinformatik
2
Ziel, Motivation
> 10 Jahre Tabakpräventionsprojekte
> Ziel BAG:
— bisherige Fördertätigkeit visualisieren
— Besonderheite...
Datenquelle: Ursprungsformat
4
Datenquelle: Transformation
5
> Was haben wir:
— Einzelne Projekte mit Projektdauer und z.T. mehreren Settings
> Was wir b...
Datenquelle: Endformat
6
Mr. Data Converter:
XLS -> JSON
http://shancarter.github.io/mr-data-converter/
Programmieren
> Snippets suchen, testen und auswählen
> Code kennenlernen und verstehen
> Code anpassen, u.a.:
— 3 anstatt...
Resultate: Live App-Demo
> www.puegi.ch/opendata
8
Gruppe 25
Daten zur Tabakprävention
Geliefert vom BAG
Wir
Antje Ködel
Bachelor BWL/VWL
Timothy Grüninger
Bachelor BWL/Englisch
Motivation
• Crossover Vorlesung
• Grober Einblick in die IT-Welt
• Aneignung von Programmierfähigkeiten
• Praxisbezug
• K...
Visualisierungsziel
7 Förderbereiche im Bereich Tabakprävention.
Jeder Förderbereich spricht gewisse Zielgruppen an.
Wie v...
Quellen und Vorgehen
Quellen und Vorgehen
Quellen und Vorgehen
Kombination & Kontrolle der Daten
Master in Excel
Master im json Format
Resultat nach viel Getüftel
Zur Webpage
Vorstellung der Open Data App
Budget allocation for development aid
Vorstellung
Patrick Fahrni; Bachelor-Studiengang
Beginn HS2012; Major BWL
Priska Maurer; Master-Studiengang
BuisinessAdmin...
Aufgabenstellung: Daten-Input
Budgets der Jahre 2009, 2010, 2011
Aufteilung bezüglich Domain Modality Thematic Geographica...
Impression 1. Entwurf
Schritte
• Wahl der passenden Grafik
• Excel  Json (für Baum-Darstellung), tsv (für
„Stack to Multiples“)
• Implementieru...
Output
• Link:
• http://sandbox.iwi.unibe.ch/~pf12w270/Exam
ples/baumPF.html
• Code Snippet für „Baum Darstellung“
• http:...
Open Data App
Visualisierung von Ausgabendaten
für Entwicklungshilfe der Schweiz
Präsentation 22.05.2014
Stephanie Buechel...
Team
Stephanie Buechel
Major: Master
Betriebswirtschaft
Vorkenntnisse: Keine
Wieso Open Data:
weil Programmieren allgegenw...
Ziel / Motivation
• Visualisierung der Ausgaben im Bereich
Entwicklungshilfe (DEZA)
• Visualisierung muss einfach auf Hard...
Resultat
Open Data App
Datenquellen
• Daten vom DEZA, erhalten durch Data-Coach
• Ursprungsformat der Daten war .xls
• Zahlen waren mit 1000-Tren...
Vorgehen
• Daten formatieren in .csv und .json
• Wahl des Visualisierungs-Layouts
• Erarbeitung des Stylesheets
• Programm...
Visualisierung der
Innovationsaktivitäten in der
Schweizer Wirtschaft
von:
Marc Brunner
Julian Kubaty
22.05.2014 1
Institu...
Personen
Marc Brunner
Student der Betriebswirtschaftslehre, 4. Semester
Nebenfach: Volkswirtschaftlehre
Julian Kubaty
Stud...
Motivation und Ziele
• Daten entstammen dem Strukturbericht zu den Innovationsaktivitäten der
Schweizer Wirtschaft erstell...
Datenquellen / Datenverarbeitung I
• Daten sind auf der Homepage des SECO als xls-Files zu finden
• Befinden sich aber nic...
Datenquellen / Datenverarbeitung II
• Anschliessender Export zu csv-File
• Somit ist nun ein automatischer Import durch da...
Datenquellen / Datenverarbeitung III
• Aufschlüsselung der Daten nach 5 Themenblöcken:
• Weitere Aufschlüsselung nach …
22...
Datenquellen / Datenverarbeitung IV
22.05.2014 7
Institut für Wirtschaftsinformatik
Universität Bern
Staatssekretariat für...
Datenquellen / Datenverarbeitung V
22.05.2014 8
Institut für Wirtschaftsinformatik
Universität Bern
Staatssekretariat für ...
Datenquellen / Datenverarbeitung VI
22.05.2014 9
Institut für Wirtschaftsinformatik
Universität Bern
Staatssekretariat für...
Visualisierung I
• Ausgangslage: Starke Multidimensionalität
 Gesucht war ein App welches mehrere Dimensionen darstellen
...
Visualisierung II
• Pro Dimension wurde ein App erstellt (Layout ist aber identisch)
22.05.2014 11
Institut für Wirtschaft...
Visualisierung III
• Wichtiger Aspekt: Veränderung der Daten im Zeitverlauf
• Darstellung sollte übersichtlich sein, trotz...
Visualisierung II
22.05.2014 13
Institut für Wirtschaftsinformatik
Universität Bern
Staatssekretariat für Wirtschaft SECO
...
Erstellung App
• Als Grundlage diente ein Code aus der d3js.org-Bibliothek
 http://bl.ocks.org/mbostock/3888852
 http://...
Präsentation
Open Data App
Konstantin Niedermann
Oscar Meier
Team
Oscar Meier &
Konstantin Niedermann
Bachelor
(Major Informatik Minor WI)
Aufgabenstellung
● Visualisierung der Belastung von ÖV -
Verbindungen durch SBB Mitarbeitende
○ Absolutwerte Pro Strecke
○...
Datenquelle
● Ursprung: JSON Datei (Person im Zentrum)
○ Für jeden SBB-Mitarbeitenden:
■ Befahrene Strecke
● Haltestatione...
Datenquelle
● Endformat: JSON Datei (Verbindung im
Zentrum)
○ Für jede befahrene Strecke:
■ Koordinaten der beiden Station...
Vorgehen
● JSON Verarbeitung
● Erste Visualisierung
○ Streckenvisualisierung
○ Erste Filtermöglichkeiten
● Kundenmeeting
●...
Resultat
www.discover-the-world.ch
IT-Kennzahlen
Auf der Suche nach den kantonalen
IT-Kostentreibern
Team
Tanja Hüppi
Major Sportwissenschaft
Minor BWL
Corina Feuerstein
Major Sportwissenschaft
Minor BWL
Ziel
• 5 Leistungsindikatoren
6 Finanzindikatoren
= 30 Möglichkeiten
• Interaktive,
benutzerfreundliche &
übersichtliche
V...
Datenquellen
Vorgehen
• Einarbeitung in Daten  Workshop Tessin
• Analyse
• Java Script Bibliotheken (jQuery, D3)
• Programmierung (sel...
Resultat
http://www.sik.ch/opendata/
http://sik.ch/opendata/Hompage.html
Impact
• Schnelleres &
effizienteres Arbeiten mit App
• Vermeidung von falschen Interpretationen:
anonymisierte Daten bis ...
Danke!
• Grégoire Hernan
• Marc Jäger
• Donat Sterren
Volksschulstatistik Kanton Bern -
Schuljahr 2012/13
Open Data App Präsentation
Marco Grütter und Tim Steiger
Universität B...
2
> Name: Marco Grütter > Name: Tim Steiger
> Hauptfach: BWL > Hauptfach: VWL
> Nebenfach: SOWI > Nebenfach: BWL
> Semeste...
Ziel und Motivation
> Zunehmende Bedeutung von „Open Data“ im Informationszeitalter
> Auseinandersetzung mit der graphisch...
Datenquellen
> Data Coach: Jürgen Allraum
> Daten: Volksschulstatistik Kanton Bern (2012/13)
http://www.erz.be.ch/schulsta...
> Analysieren der Daten
> Säuberung der Daten
> Auswahl der Visualisierungsart
— Choropleth: Farbe
http://bl.ocks.org/mbos...
6
Resultat
> Öffentlicher Link via githhub erstellt:
— http://tdjs.github.io/
Marco Grütter, Tim Steiger (22.05.2014), Prä...
APP: Schuldaten
Studenten: Roger Stebler und Nadine Liechti
Data Coach: Jürgen Allraum
Professor: Dr. Matthias Stürmer und...
Team
Roger Stebler Nadine Liechti
Ziel und Motivation
Motivation
• Persönliches Interesse an Schuldaten
Ziel
• Sehr viele Daten, in Tabellenform kaum vergle...
Resultat
http://sandbox.iwi.unibe.ch/~rs08d723/
Datenquellen
Erziehungsdirektion Bern
Datacoach: Jürgen Allraum
Ursprungsformat / Endformat: CSV
WWW:
http://www.erz.be.ch...
Vorgehen
1. Daten erhalten (CSV Format)
2. Karte
3. Kuchendiagramm erstellt
4. Koordinaten angefordert
5. Daten implementi...
Schulstat
Volksschuldaten Kanton Bern
Team
Arun Sittampalam
BSc Informatik
Oliver Stapleton
BSc Informatik
Aufgabenstellung
• Visualisierung der Volksschuldaten des Kanton
Bern
• Motivation:
– Transparenz, bessere Kenntnisnahme d...
Resultat
• 20 Visualisierungen:
– Karten, Balken-, Kuchen-, Baumdiagramme, Treemap,
Sunburst, Spiderchart
• Gliederung nac...
Datenquelle
• Volksschuldaten Kanton Bern aus dem Jahr
2012
• Data Coach: Jürgen Allraum vom Kanton Bern
• Ursprungsformat...
Vorgehen
1. Säubern der erhaltenen Daten in Rohdaten
2. Analysieren der Daten
3. Einarbeiten in D3.js
4. Auswahl der Visua...
Schlusswort
• Aufbereiten der Daten und Erstellen der
Visualisierungen und der Website hat Spass
gemacht
• Wir haben dabei...
Open Data Visualisierung
Volksschuldaten des Kantons Bern
Universität Bern
20.05.2014
2
Über uns
Rene Gadow
Bachelor
Computer Science
BWL
Urs Zysset
Bachelor
Computer Science
BWL
3
Rohdaten
CSV mit Schülern, Schulen, Gemeinden, Stufen etc.
4
Visualisierungen im Überblick
5
App
http://uzysset.github.io/OpenData/
OPEN DATA
APP
DATENMANAGEMENT UND VISUALISIERUNG
ABLAUF
1. Vorstellung Team
2. Ziel und Motivation
3. Resultat
4. Datenquellen
5. Vorgehen
2. VORSTELLUNG TEAM
• Anna Bohnenblust:
• Abschluss Master in Sprachwissenschaften (Linguistik, Germanistik)
Northern (Arc...
3. ZIEL UND MOTIVATION
• Etwas Neues lernen
• Programmieren erlernen
• Interessante Materie
• Grosse Herausforderung, da k...
4. RESULTAT
• Link zum App
• http://sandbox.iwi.unibe.ch/~ab
13l082/Examples/App/Grossrat
swahlen%202014.html
5. DATENQUELLEN
• http://www.sta.be.ch/sta/de/index/wahlen-
abstimmungen/wahlen-
abstimmungen/wahlen/wahlen_2014.html
• Da...
5. VORGEHEN
• Themensuche
• Datenrecherche
• Unterlagen studieren
• Ausprobieren
• Erarbeitung App
6. FRAGEN
Viktor Kitanov & Reto Vogt
Open Data: Datenmanagement und
Visualisierung
Hydro-App: Abfluss und Temperatur von
5 Schweizer...
Team
>  Viktor Kitanov
—  Bachelor VWL
—  6. Semester
>  Reto Vogt
—  Bachelor BWL
—  6. Semester
20.05.14 2
Ziel
>  Den Verlauf von Abfluss und Temperatur von 5 Schweizer
Flüssen visualisieren
>  Hydrologische Daten von Messstatio...
Resultat
20.05.14 4
Link zum App: http://sandbox.iwi.unibe.ch/~vk11m230/Hydro-App/Hydro-App.html
Messstationen
20.05.14 5
>  Rietholzbach (Mosnang, SG)
>  Grosstalbach (Isenthal, UR)
>  Rosegbach (Pontresina, GR)
>  Sen...
Daten
>  Datenquelle: Bundesamt für Umwelt (BAFU)
>  Art: Tägliche Daten zu Temperatur und Abfluss von
folgenden Schweizer...
Vorgehen
1.  Wahl einer geeigneten Visualisierungsvorlage
2.  Übertragen der Daten vom Ursprungsformat (ASC) ins
Zielforma...
Open Energy
Data App
Today’s Overview
• Background1-2
• Result3-4
• Findings5
1. Who’s Who
Lead Contact information
Pramod Sasidharan pramod.sasidharan@students.unibe.ch
Chetan Pandit chetan.pandit@st...
Welcome
Pramod Sasidharan
Msc Business Administration
University of Bern
Chetan Pandit
Msc Business Administration
Univers...
2. Requirements
• Preparation and visualisation of existing data
• Organization of data set
• Selection of meaningful grap...
Time Spent
ProjectsWorkedOn
Get Familiar
Achieve
Mastery
Our Goal & Motivation
Get
Experienced
3. Result – The change of data
• Original data to .tsv
1-2 3-4 5
4. Result – Our App
• http://sizchart.herokuapp.com/chart/index.php
1-2 3-4 5
• Complexity: According to
topic (Energy model data)
and provided data
• 1. : Reading programmes
to match requirements
• 2...
5. Summary
• Complexity as challenge
– Technological as well as personal
(Lack of knowledge)
• Set realistic expectation
–...
Resources
• Open Energy Data App
http://sizchart.herokuapp.com/chart/index.php
• Literature
Murray Scott, Interactive Data...
Open Data Montemedia
Sébastien Broggi, Lukas Riesen
Universität Bern 2014
Professoren: Thomas Myrach, Matthias Stürmer
Team
Sébastien Broggi
- Informatik
- 4. Semester
Lukas Riesen
- Informatik
- 4. Semester
- Daten der Öffentlichkeit zugänglich machen
- Attraktive Visualisierung von Daten
- Webapp erstellen
- Neue Erfahrungen m...
- Montemedia http://www.montemedia.com/
- xlxs Datei (Excel)
Date;Device Type;Country;Region;City;Browser;OS;
Language (br...
- Programmieren in Cloud9 (http://c9.io)
- Einarbeitung in Polymaps & D3
- Daten in sinnvolles Format bringen
- Logik zur ...
- Realisierung durch Polymaps & D3
- Aufzeigen der Datendichte pro Kanton
- Auftreten verschiedener Eigenschaften der
Gerä...
Presentation.theEnd();
Vielen Dank für Ihre Aufmerksamkeit;
Open	
  Data	
  App:	
  Zoomable	
  Map	
  
Dominik	
  Seliner	
  
“Team“	
  
•  Dominik	
  Seliner	
  
•  Major:	
  Informa:k	
  
•  Minor:	
  BWL	
  und	
  VWL	
  
	
  
	
  
Ziel,	
  Mo:va:on	
  
•  Etwas	
  neues	
  
•  Universell	
  einsetzbar	
  
Ø Idee:	
  Schweizerkarte	
  mit	
  zoom-­‐fu...
Resultat	
  
•  Demo:	
  
– hLp://swisszoom.businesscatalyst.com/	
  
•  Github:	
  
– hLps://github.com/selinerdominik/sw...
Datenquellen	
  
•  Montemedia	
  (Nutzerdaten)	
  
•  Ursprungsformat	
  
– Exel-­‐Tabelle	
  
– Ein	
  Eintrag	
  pro	
 ...
Vorgehen	
  (Karte)	
  
•  Kartendaten	
  beschaffen:	
  
– Admin.ch	
  GEOSTAT	
  (www.geostat.admin.ch/)	
  
1.  Umwandel...
Vorgehen	
  (Daten)	
  
1.  Exel-­‐Tabelle	
  in	
  CSV	
  umwandeln	
  
2.  CSV	
  in	
  eine	
  SQL-­‐Datenbank	
  laden...
Vorgehen	
  (Funk:onen)	
  
1.  Zoomfunk:onalität	
  
2.  Daten	
  zu	
  Kartenteile	
  zuweisen	
  
3.  Kartenteile	
  ri...
OPEN DATA
Montemedia AG
DasA-Team
Sammer Puran
Informatik-Student
Pascal Giehl
Informatik-Student
Motivation&Ziel
Entwicklung einer Analyse-
Möglichkeite für moderne und
zugeschnittene Werbung
DasResultat:
http://swisszoom.businesscatalyst.com/
Swissmap.html
Datenquelle
Wir haben 20’000 Datensätze
der Montemedia AG zur
Verfügung gestellt
bekommen.
Dankeschön an:
Bora Günaydin
Im...
Kochrezept-
Vorgehen
1. Ein JS mit schweizer Karte
erstellen
2. 500g Daten eingelesen und
berechnung der Werte
3. Färbung ...
Open Data App
„Altersstrukturwandel“
Bachelor Major Betriebswirtschaftslehre
Institut für Wirtschaftsinformatik
Prof. Dr. ...
Herzlich Willkommen
Carina Müller
 BWL im 6. Semester
 Nachhaltige Entwicklung
 Interesse für Gesellschaftsfragen
 keine Programmiervorken...
Elias Koster
 BWL im 8. Semester
 Nachhaltige Entwicklung
 Interesse an Politik
 keine Programmiervorkenntnisse
Ziel, Motivation
 Interessen einbinden
 Veränderung der Altersstruktur aufzeigen
1960 heute
Resultat
http://sandbox.iwi.unibe.ch/~ek10t486/
Datenquellen
 Ursprungsformat
 Daten: Ständige Wohnbevölkerung (Total) nach Alter
 Quelle:
http://www.bfs.admin.ch/bfs/...
Datenquellen
Datenquellen
Vorgehen
1. Daten suchen
2. Daten aufbereiten
3. D3 Vorlage auswählen
4. In Brackets bearbeiten
5. Visuelle Anpassungen
6....
Danke
für eure Aufmerksamkeit
Bevölkerungsdynamik der Schweiz
Team
• Lukas Kälin
• BWL-Studi
• Keine
Programmierkenntnisse
1
Jasmine Quanbrough
Psych-St...
> Ziele & Motivation:
Auswirkungen der Bevölkerungsdynamik auf die
Finanzierung der AHV?
> Datenquellen:
Bundesamt für Sta...
① Aufbereitung der Daten
② Erstellen des Balkendiagramms, mit den drei
Altersgruppen
③ Hmmm...: Wie wird das nun interakti...
> http://sandbox.iwi.unibe.ch/~jq12h337/Open%20Data/
4
Bevölkerungsdynamik der Schweiz
Und es werde visualisiert...
Open Data App:
Veränderung der Heiratsrate über die Zeit
Team
• Nartnarin Hallwyler
o Psychologiestudentin
o NF: BWL, Sozialwissenschaften
o wenig Programmiererfahrung
• Damian Sc...
Motivation
• Aktualität und Relevanz
• Interesse (Studium)
• Belege zum Wandel nach der 68er-Bewegung
Resultat
• Darstellung der Heiratsrate
• 1960 - 2012
• http://gruppe23.square7.ch/OpenData/index.php
Daten
• Quelle:
http://www.bfs.admin.ch/xmlns/opendata/je-d-01.02.02.02.02.01.ods
• Ursprungsformat: .ODS
• Endformat: .HT...
Vorgehen
1. Datenbereinigung und -aufbereitung
2. Datenanalyse
3. Auswahl der Visualisierung
4. Modifizierung der Daten
5....
Fragen?
Noch quellen der texte?
• www.derbund.ch
• www.20min.ch
• www.watson.ch
• www.tagesanzeiger.ch
André Gsell (andre.gsell@students.unibe.ch)
Eolo Ulrich (eolo.ulrich@students.unibe.ch)
22. Mai 2014
Im Rahmen der Vorlesu...
Team 33
2
 André Gsell (TG)
Bachelor in Internationalen Beziehungen, HSG
 Eolo Ulrich (TI)
Bachelor in Kommunikationswis...
Ziel und Motivation
3
 Öffentlicher Sektor
 Entwicklung der finanzielle Lage der Zürcher Gemeinden
 Kurs Prof Dr. Nils ...
Datenquellen und Verarbeitung
4
 Kanton ZH publiziert Gemeinderechnungen über das
Datenportal des Bundes opendata.admin.c...
Resultat
5
 Datenviewer Comparatif Kanton ZH, 2002 – 2012:
http://www.actmore.ch/comparatif/
 Komponenten:
 Umgang mit ...
Vorgehen
6
 Karte: 171 Path-Objekte
 Shapefile der Gemeinden vom Kanton ZH publiziert
 Konversion in TopoJSON über shpe...
1
Open Data App:
Öffentliche Finanzen der Schweiz
Vergleich auf Bundes- , Kantons- und Gemeindeebene
Jonas Felder Oliver S...
2
Ziele und Motivation
Kontext:
Angespannte Situation bei den Öffentlichen Finanzen
Fragen:
- Wie sehen die Ausgaben der ö...
3
Vorgehen
- Präzisierung, was Nutzer wissen möchten
- Suchen und Auswahl der Daten
- Analyse und Auswahl der Visualisieru...
4
Datenquelle
– Eidgenössische Finanzverwaltung (EFV)
– Berichterstattung > Öffentliche Finanzen > Rohstoff
– xls-Files je...
5
Resultat
http://www.saurenmann.ch/openapp-finanzdaten
22. Mai 2014
Open Data
We are the world ... of debt
Visualization of governmental dependencies
based on open data and d3.js
Cyrill Rast 09-125-32...
We are ...
Cyrill Rast
> Master (BWL, Finance)
> 10 Semester
> Coding Experience: Little
Marc Rey
> Bachelor (Economics)
>...
What drove us...
> What do we want to get out of it?
— Data: Economics
— Impact: Current Issue
— Complexity Level: Newbies...
What inspired us ...
> It’s All Connected: An Overview of the Euro Crisis
— The New York Times, October 22, 2011
— http://...
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 w...
Data
> Data Sources:
— IMF e-Library Data
– http://elibrary-data.imf.org/DataExplorer.aspx
— Eurostat
– http://epp.eurosta...
Step by step
> Data
— getting the data
— getting the right data
— narrowing down to a smart selection of data
> Code the v...
What have we learned?
> The more data sets, the more difficult to select and retrieve
the right ones.
> Interactive and ou...
Crime and Unemployment in Europe
Data Visualization at University Bern
In Open Data: Datenmanagement und Visualisierung
To...
Team
– MSc in Business Administration: Tobias
– BSc in Business Administration: Manuel
Ziel, Motivation
• Persönliches Interesse
– Open Data
– Visualisieren von Daten
– Programmieren (GeoJSON, D3…)
• Aufgabens...
Resultat
• http://go-there.ch/visua/
– Korrelation von Arbeitslosen- und Kriminalitätsrate
– Visualisierte Datenreihe von ...
Datenquellen
• Ursprungsformat
– Von World Bank und Eurostat als XLSX-Datei
• Endformat
– Nach Datenaufbereitung als CSV-D...
Vorgehen
Datensuche Datenvergleich Datenaufbereitung Programmierung
Datenintegration
und Visualisierung
Unemployment rate ...
Q&A
Cryptocoins
Über uns
Zwei Studenten im 4. Semester
Bachelor Informatik
Jan Binzegger
Florentina Ziegler
und
Motivation
•  Wie entwickeln sich die Cryptowährungen im
Verlaufe der Zeit?

•  Noch keine vergleichende Darstellungen
ver...
Was sind Cryptocoins?
•  Währung
•  Weltrekorde
•  Gebührenfrei
Very Secure.
Much Freedom.
So Easy.
Wow!
Resultat
opendata.bugius.ch
Quellen
•  Cryptsy HTML-Tabelle
•  Vircurex HTML-Tabelle
•  blockr.io JSON

è MySQL Datenbank 
Daten
Graphen
•  d3Pie Alp...
Vorgehen
•  Sammeln und Aufbereiten der Daten
•  Bestimmen des Designs
•  Suche nach existierenden Lösungen für die
Graphe...
mApp
Eine geographische Visualisierung
von Twitter-Kontakten mittels D3.js
Team
Lukas Diener – Informatik
Raphael Reber – BWL
Ziel
• Interaktive Applikation für die Visualisierung von Twitter-
Kontakten
• Neugier / Spielerei
• Ausprobieren des Twit...
mApp
• Demo Online (opendata.zeilenwerk.ch)
• Code im Bitbucket-Repository
Datenquelle
• Twitter-API
• Gratis
• Zugriffsbeschränkung (15 Anfragen pro User)
• Serverseitiger Zugriff über Twitter-Gem...
Vorgehen
• Usernamen als Input erhalten
• Bei Twitter authentifizieren
• Follower-IDs bei Twitter abrufen
• Entsprechende ...
Zeilenwerkstatt (werkstatt.zeilenwerk.ch)
Open Data Project
Open Movie App
Gruppe 9
Wer sind wir?
Andreas Hohler
Major: Informatik
Minor: BWL, WI, Math
Karan Sethi
Major: Informatik
Minor: BWL, Math
Ziel
● Filmdaten visualisieren
● Persönliche Filmdatenbank erstellen
● Filmliebhaber das Leben einfacher machen
Motivation
● Wir wollen etwas Neues lernen
● Schauen gerne GUTE Filme
● Geld verdienen
● Berühmt werden
Resultat
Link zum Open Movie App: openmovie.ch
Datenquellen
● Quelle: rottentomatoes.com (PHP API)
● Ursprungsformat: json
● Endformat
○ Speicherung in MySQL-Datenbank
○...
Vorgehen
● Eigene Anbindung an rottentomatoes API
● Spezifische Requests (Listen / Film) und
Datenspeicherung
● Datenaufbe...
Präsentationen der 29 Studierenden-Apps der Open Data Vorlesung 2014
Präsentationen der 29 Studierenden-Apps der Open Data Vorlesung 2014
Präsentationen der 29 Studierenden-Apps der Open Data Vorlesung 2014
Präsentationen der 29 Studierenden-Apps der Open Data Vorlesung 2014
Nächste SlideShare
Wird geladen in …5
×

Präsentationen der 29 Studierenden-Apps der Open Data Vorlesung 2014

3.301 Aufrufe

Veröffentlicht am

Veröffentlicht in: Bildung
0 Kommentare
1 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
3.301
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
29
Aktionen
Geteilt
0
Downloads
7
Kommentare
0
Gefällt mir
1
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Präsentationen der 29 Studierenden-Apps der Open Data Vorlesung 2014

  1. 1. App Präsentation Gruppe 17 Tabakprävention Open Data
  2. 2. Team > Patric Guggisberg > Hauptfach: Archäologie > Nebenfach: BWL > Programmiererfahrung: Delphi, C/Side > Patrik Schori > Hauptfach: BWL > Nebenfach: Sport > Programmiererfahrung: Keine
  3. 3. Ziel und Motivation > Entwurf einer App zur Darstellung von Praxisrelevanten Daten > Mit dem Ziel die Kosten der Tabakprävention auf verschiedenen Stufen darzustellen und deren Verteilung aufzuzeigen und so eine bessere Übersicht zu schaffen. > Als persönliches Ziel, interaktive Visualisierungsmöglichkeiten für grosse Datenmengen kennen zu lernen.
  4. 4. Resultat > Sunburst Darstellung > Auf deutsche Sprache beschränkt > Verschiedene Detaillierungsebenen > Zoombar auf: Sprachregion, Zielgruppe, Projekte > Diverse detaillierte Projektinformationen: Gesamtsumme, Laufzeiten > Hilfestellung > Link: http://sandbox.iwi.unibe.ch/~pg11k788/Tabakpraevention
  5. 5. Datenquelle > Bundesamt für Gesundheit, Tabakprävention > Excel-sheet > Mehrsprachig > Einteilung nach diversen Kategorien > Beispielsweise: Sprachregion, Zielgruppe, Setting usw.
  6. 6. Excel-Datei
  7. 7. Probleme der Daten > Lange Projektnamen > Zeilenumbrüche in Zellen > Viele unnötige Informationen > Was ist zentral? -> Kosten, Wo wird investiert > Codierung (UTF-8) > Anforderung des Codes: Baumstruktur > Daten auf die entsprechende Periode berechnen (Laufzeit)
  8. 8. Überarbeitete Daten > Json-Dateien > Pro Jahr separate Datei > Baumstruktur > Sprachregion>Zielgruppe>Projekte > Aufsummieren
  9. 9. Json
  10. 10. Vorgehen > Die darzustellenden Daten indentifizieren > Geeignete Darstellung suchen > Daten an geforderte Struktur anpassen > Zeitaspekt in die App einbringen > Zusatzinformationen visualisieren > Design individualisieren > Zusätzliche Informationen zu den Daten > Bedienhilfe einfügen durch Help-Button
  11. 11. App > Link: http://sandbox.iwi.unibe.ch/~pg11k788/Tabakpraevention
  12. 12. App zur Visualisierung von Fördergeldern des Tabakpräventionsfond
  13. 13.  Nicolas Camenzind  4. Semester BWL  Grundverständnis von Informatik aus dem Gymnasium, aber keine Erfahrung beim Programmieren  Patrick Neidhart  5. Semester BWL  Keine Erfahrung beim Programmieren
  14. 14.  Erstellung einer funktionierenden App  Erfahrung sammeln mit Programmierung  Visualisierung von Projekten des Tabakpräventionsfonds
  15. 15.  http://tabfonds.github.io/tabfonds/
  16. 16.  Ursprungsformat Excel-Datei  Endformat json-Dateien
  17. 17.  Konzeption  Datenbereinigung  Datenübernahme nach csv und nach json  Code Snipping mit D3 (Test- und Echtdaten)  Fehlerbehebung und Feinschliff
  18. 18. Präsentation Tabakpräventions-App Reto Zaugg, Stefan Imhof Institute of Information Systems University of Bern 22.05.2014, Open Data: Datenmanagement und Visualisierung
  19. 19. Team > Reto Zaugg — Master BWL, Management > Stefan Imhof — Master BWL, Wirtschaftsinformatik 2
  20. 20. Ziel, Motivation > 10 Jahre Tabakpräventionsprojekte > Ziel BAG: — bisherige Fördertätigkeit visualisieren — Besonderheiten, Stärken und Schwächen des Mitteleinsatzes — Grundlage für Diskussion über zukünftige Strategien > Unsere Motivation: — Einstieg ins Programmieren — Aussagekräftige App erstellen 3
  21. 21. Datenquelle: Ursprungsformat 4
  22. 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. 23. Datenquelle: Endformat 6 Mr. Data Converter: XLS -> JSON http://shancarter.github.io/mr-data-converter/
  24. 24. Programmieren > Snippets suchen, testen und auswählen > 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. 25. Resultate: Live App-Demo > www.puegi.ch/opendata 8
  26. 26. Gruppe 25 Daten zur Tabakprävention Geliefert vom BAG
  27. 27. Wir Antje Ködel Bachelor BWL/VWL Timothy Grüninger Bachelor BWL/Englisch
  28. 28. Motivation • Crossover Vorlesung • Grober Einblick in die IT-Welt • Aneignung von Programmierfähigkeiten • Praxisbezug • Kompliziertes möglich einfach darstellen
  29. 29. Visualisierungsziel 7 Förderbereiche im Bereich Tabakprävention. Jeder Förderbereich spricht gewisse Zielgruppen an. Wie viel wird in die jeweiligen Zielgruppen investiert? Wie viel wird in die Förderbereiche investiert? Darstellung dieser Grössen als D3-Sunburst
  30. 30. Quellen und Vorgehen
  31. 31. Quellen und Vorgehen
  32. 32. Quellen und Vorgehen
  33. 33. Kombination & Kontrolle der Daten
  34. 34. Master in Excel
  35. 35. Master im json Format
  36. 36. Resultat nach viel Getüftel Zur Webpage
  37. 37. Vorstellung der Open Data App Budget allocation for development aid
  38. 38. Vorstellung Patrick Fahrni; Bachelor-Studiengang Beginn HS2012; Major BWL Priska Maurer; Master-Studiengang BuisinessAdministration; Schwerpunkt Marketing
  39. 39. Aufgabenstellung: Daten-Input Budgets der Jahre 2009, 2010, 2011 Aufteilung bezüglich 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 d’urgence) Agricultural development Latin America Cooperation with Eastern Europe Agricultural research Europe & CIS Rural development MENA Forestry development Global Transportation Agro-biodiversity Others
  40. 40. Impression 1. Entwurf
  41. 41. Schritte • Wahl der passenden Grafik • Excel  Json (für Baum-Darstellung), tsv (für „Stack to Multiples“) • Implementierung des D3.js Codes • Anpassungen am Code • Gestaltung der restlichen Seite – Titelbild – Einleitungstext
  42. 42. Output • Link: • http://sandbox.iwi.unibe.ch/~pf12w270/Exam ples/baumPF.html • Code Snippet für „Baum Darstellung“ • http://mbostock.github.io/d3/talk/20111018/ tree.html • Code Snippet für „Stack to Mulitples“ http://bl.ocks.org/mbostock/4679202
  43. 43. Open Data App Visualisierung von Ausgabendaten für Entwicklungshilfe der Schweiz Präsentation 22.05.2014 Stephanie Buechel Taner Aydin
  44. 44. Team Stephanie Buechel Major: Master Betriebswirtschaft Vorkenntnisse: Keine Wieso Open Data: weil Programmieren allgegenwärtig ist; Steigender Bedeutung in der Zukunft Taner Aydin Major: Bachelor Betriebswirtschaft Minor: Sozialwissenschaften Vorkenntnisse: Keine Wieso Open Data: Daten werden immer wichtiger und allgegenwärtig. Interessiert an Grundkenntnissen in Programmieren.
  45. 45. Ziel / Motivation • Visualisierung der Ausgaben im Bereich Entwicklungshilfe (DEZA) • Visualisierung muss einfach auf Hardcopy übertragbar sein • Vergleich über die verschiedenen Jahre muss möglich sein • Schaffung von Transparenz bei der Ausgabenseite (da Ausgaben immer kritisch betrachtet werden)
  46. 46. Resultat Open Data App
  47. 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. 48. Vorgehen • Daten formatieren in .csv und .json • Wahl des Visualisierungs-Layouts • Erarbeitung des Stylesheets • Programmieren der App mittels JavaScript
  49. 49. Visualisierung der Innovationsaktivitäten in der Schweizer Wirtschaft von: Marc Brunner Julian Kubaty 22.05.2014 1 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO
  50. 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 für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO
  51. 51. Motivation und Ziele • Daten entstammen dem Strukturbericht zu den Innovationsaktivitäten der Schweizer Wirtschaft erstellt durch das SECO in Zusammenarbeit mit dem KOF • Daten sind als xls-Files auf der Homepage des SECO verfügbar, 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 verständlich zu machen und Trends grafisch erkennen zu können • Durch einfache Visualisierung sollte es auch für Personen ohne entsprechenden wirtschaftlichen Hintergrund einfacher werden die Daten zu interpretieren • Wichtig: der Bericht muss, um das Verständnis für die einzelnen Variablen/Dimension zu haben, trotzdem gelesen werden.  App dient nur als Ergänzung, nicht aber als Ersatz 22.05.2014 3 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO
  52. 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 für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO
  53. 53. Datenquellen / Datenverarbeitung II • Anschliessender Export zu csv-File • Somit ist nun ein automatischer Import durch das App möglich 22.05.2014 5 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO
  54. 54. Datenquellen / Datenverarbeitung III • Aufschlüsselung der Daten nach 5 Themenblöcken: • Weitere Aufschlüsselung nach … 22.05.2014 6 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO Innovationsleistung / Wissensnetzwerke / Ziele / Hemmnisse / Förderung
  55. 55. Datenquellen / Datenverarbeitung IV 22.05.2014 7 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO Regionen
  56. 56. Datenquellen / Datenverarbeitung V 22.05.2014 8 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO Branchen
  57. 57. Datenquellen / Datenverarbeitung VI 22.05.2014 9 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO <50 MA 50 - 250 MA >250 MA Grösse
  58. 58. Visualisierung I • Ausgangslage: Starke Multidimensionalität  Gesucht war ein App welches mehrere Dimensionen darstellen kann • Wahl viel auf: mehrere Donuts  einfach verständlich und populär da sie mehrere Dimensionen auf einmal darstellen können • Jeder Donut stellt eine Branche/Grösse/Region dar • Segmente stellen prozentuale Nennung der Variablen dar • Zeitdimension kann durch laden der Daten „visualisiert“ werden  dazu später mehr 22.05.2014 10 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO
  59. 59. Visualisierung II • Pro Dimension wurde ein App erstellt (Layout ist aber identisch) 22.05.2014 11 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für 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 über VPN)
  60. 60. Visualisierung III • Wichtiger Aspekt: Veränderung der Daten im Zeitverlauf • Darstellung sollte übersichtlich sein, trotz vieler Variablen • Wahl des Klassikers: Line Chart einfache und verständliche Darstellung  einzelne Linien können mit mouseover-Funktion hervorgehoben werden 22.05.2014 12 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO
  61. 61. Visualisierung II 22.05.2014 13 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO  Durch Klicken der Themenbereiche werden automatisch die entsprechenden Daten geladen und visualisiert
  62. 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 zusätzliche Daten und Prozentzahl anzeigt – Sonstige Anpassungen der Darstellung um Usability zu erhöhen • Erstellung einer Homepage und Einbindung der Apps 22.05.2014 14 Institut für Wirtschaftsinformatik Universität Bern Staatssekretariat für Wirtschaft SECO
  63. 63. Präsentation Open Data App Konstantin Niedermann Oscar Meier
  64. 64. Team Oscar Meier & Konstantin Niedermann Bachelor (Major Informatik Minor WI)
  65. 65. Aufgabenstellung ● Visualisierung der Belastung von ÖV - Verbindungen durch SBB Mitarbeitende ○ Absolutwerte Pro Strecke ○ Relative Werte im Verhältnis zur Gesamtzahl der Reisenden
  66. 66. Datenquelle ● Ursprung: JSON Datei (Person im Zentrum) ○ Für jeden SBB-Mitarbeitenden: ■ Befahrene Strecke ● Haltestationen ○ Koordinaten ○ Verkehrsmittel ■ Servicenummer ■ Datum und Uhrzeit für Abfahrt / Ankunft ■ Auslastung / Kapazität
  67. 67. Datenquelle ● Endformat: JSON Datei (Verbindung im Zentrum) ○ Für jede befahrene Strecke: ■ Koordinaten der beiden Stationen ■ Für jede Fahrt (Unterschiedliche Zeiten) ● Anzahl SBB-Mitarbeitende ● Serviceinformationen ○ Servicenummer ○ Abfahrtsort / Destination ○ Datum und Uhrzeit ○ Auslastung / Kapazität
  68. 68. Vorgehen ● JSON Verarbeitung ● Erste Visualisierung ○ Streckenvisualisierung ○ Erste Filtermöglichkeiten ● Kundenmeeting ● Verbesserungen ○ Erweiterter Datensatz der SBB u.A. mit Kapazitäten ○ Erweiterung der Filter ○ Benutzerfreundlichkeit
  69. 69. Resultat www.discover-the-world.ch
  70. 70. IT-Kennzahlen Auf der Suche nach den kantonalen IT-Kostentreibern
  71. 71. Team Tanja Hüppi Major Sportwissenschaft Minor BWL Corina Feuerstein Major Sportwissenschaft Minor BWL
  72. 72. Ziel • 5 Leistungsindikatoren 6 Finanzindikatoren = 30 Möglichkeiten • Interaktive, benutzerfreundliche & übersichtliche Visualisierung • Integration in Corporate Identity der SIK
  73. 73. Datenquellen
  74. 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. 75. Resultat http://www.sik.ch/opendata/ http://sik.ch/opendata/Hompage.html
  76. 76. Impact • Schnelleres & effizienteres Arbeiten mit App • Vermeidung von falschen Interpretationen: anonymisierte Daten bis zur Verbesserung der Darstellung & Begründungen
  77. 77. Danke! • Grégoire Hernan • Marc Jäger • Donat Sterren
  78. 78. Volksschulstatistik Kanton Bern - Schuljahr 2012/13 Open Data App Präsentation Marco Grütter und Tim Steiger Universität Bern Wirtschafts- und Sozialwissenschaftliche Fakultät Institut für Wirtschaftsinformatik (IWI) 22. Mai 2014, im Rahmen der Vorlesung Open Data: Datenmanagement und Visualisierung
  79. 79. 2 > Name: Marco Grütter > Name: Tim Steiger > Hauptfach: BWL > Hauptfach: VWL > Nebenfach: SOWI > Nebenfach: BWL > Semester: 6 > Semester: 6 > Stufe: Bachelor > Stufe: Bachelor Team Marco Grütter, Tim Steiger (22.05.2014), Präsentation der Open Data App
  80. 80. Ziel und Motivation > Zunehmende Bedeutung von „Open Data“ im Informationszeitalter > Auseinandersetzung mit der graphischen Darstellung von Daten zur besseren Bewältigung 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 Grütter, Tim Steiger (22.05.2014), Präsentation der Open Data App
  81. 81. Datenquellen > Data Coach: Jürgen Allraum > Daten: Volksschulstatistik Kanton Bern (2012/13) http://www.erz.be.ch/schulstatistik > Dateiformat: CSV 4 Marco Grütter, Tim Steiger (22.05.2014), Präsentation der Open Data App
  82. 82. > Analysieren der Daten > Säuberung 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/Knöpfe 5 Vorgehen Marco Grütter, Tim Steiger (22.05.2014), Präsentation der Open Data App
  83. 83. 6 Resultat > Öffentlicher Link via githhub erstellt: — http://tdjs.github.io/ Marco Grütter, Tim Steiger (22.05.2014), Präsentation der Open Data App
  84. 84. APP: Schuldaten Studenten: Roger Stebler und Nadine Liechti Data Coach: Jürgen Allraum Professor: Dr. Matthias Stürmer und Prof. Thomas Myrach Jahr: Mai, 2014
  85. 85. Team Roger Stebler Nadine Liechti
  86. 86. Ziel und Motivation Motivation • Persönliches Interesse an Schuldaten Ziel • Sehr viele Daten, in Tabellenform kaum vergleichbar • Interessant: Veränderung Daten nach Regionen • Darstellung verschiedener Aggregationsebenen (Schulhaus, Region/Ort, Kanton)
  87. 87. Resultat http://sandbox.iwi.unibe.ch/~rs08d723/
  88. 88. Datenquellen Erziehungsdirektion Bern Datacoach: Jürgen Allraum Ursprungsformat / Endformat: CSV WWW: http://www.erz.be.ch/erz/de/index/direktion/organisation/genera lsekretariat/statistik/schul-_und_gemeindetabellen.html
  89. 89. Vorgehen 1. Daten erhalten (CSV Format) 2. Karte 3. Kuchendiagramm erstellt 4. Koordinaten angefordert 5. Daten implementiert 6. Rückfragen Daten 7. Beschrieb und Quellen
  90. 90. Schulstat Volksschuldaten Kanton Bern
  91. 91. Team Arun Sittampalam BSc Informatik Oliver Stapleton BSc Informatik
  92. 92. Aufgabenstellung • Visualisierung der Volksschuldaten des Kanton Bern • Motivation: – Transparenz, bessere Kenntnisnahme der Statistikdaten – Insbesondere Aufzeigen von Unterschieden zwischen den Regionen, Bildungsstufen, Unterrichtssprachen, Kostenträgern
  93. 93. Resultat • 20 Visualisierungen: – Karten, Balken-, Kuchen-, Baumdiagramme, Treemap, Sunburst, Spiderchart • Gliederung nach 5 Kategorien: – Gebiete, Bildungsstufen, Schultypen, Sprachen, Kostenträger • Diskussion der Erkenntnisse, ausführliche Dokumentation • App mit 2 Modi: – Nur Visualisierungen oder Visualisierungen + Text • Siehe: http://st4ple.github.io/schulstat/
  94. 94. Datenquelle • Volksschuldaten Kanton Bern aus dem Jahr 2012 • Data Coach: Jürgen 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. 95. Vorgehen 1. Säubern 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 benötigte Form 6. Erstellen der Visualisierungen 7. Zusammensetzen der Website Siehe auch: http://st4ple.github.io/schulstat/#vorgehen
  96. 96. Schlusswort • Aufbereiten der Daten und Erstellen der Visualisierungen und der Website hat Spass gemacht • Wir haben dabei viel gelernt • Besucht die Website für mehr Details! – http://st4ple.github.io/schulstat/
  97. 97. Open Data Visualisierung Volksschuldaten des Kantons Bern Universität Bern 20.05.2014
  98. 98. 2 Über uns Rene Gadow Bachelor Computer Science BWL Urs Zysset Bachelor Computer Science BWL
  99. 99. 3 Rohdaten CSV mit Schülern, Schulen, Gemeinden, Stufen etc.
  100. 100. 4 Visualisierungen im Überblick
  101. 101. 5 App http://uzysset.github.io/OpenData/
  102. 102. OPEN DATA APP DATENMANAGEMENT UND VISUALISIERUNG
  103. 103. ABLAUF 1. Vorstellung Team 2. Ziel und Motivation 3. Resultat 4. Datenquellen 5. Vorgehen
  104. 104. 2. VORSTELLUNG TEAM • Anna Bohnenblust: • Abschluss Master in Sprachwissenschaften (Linguistik, Germanistik) Northern (Arctic) Federal University, Archangelsk RU • Abschluss Bachelor of Science in Betriebsökonomie, All-Russian Distance Institute of Finance and Economics, Moskau RU • Keine Erfahrung im Programmieren • Nicole Bürki • Abschluss Bachelor of Science in Betriebsökonomie Fachhochschule Freiburg • Anstellung bei der Post CH AG • Keine Erfahrung im Programmieren
  105. 105. 3. ZIEL UND MOTIVATION • Etwas Neues lernen • Programmieren erlernen • Interessante Materie • Grosse Herausforderung, da keine Erfahrung • Gute Leistung / Resultat erzielen
  106. 106. 4. RESULTAT • Link zum App • http://sandbox.iwi.unibe.ch/~ab 13l082/Examples/App/Grossrat swahlen%202014.html
  107. 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. 108. 5. VORGEHEN • Themensuche • Datenrecherche • Unterlagen studieren • Ausprobieren • Erarbeitung App
  109. 109. 6. FRAGEN
  110. 110. Viktor Kitanov & Reto Vogt Open Data: Datenmanagement und Visualisierung Hydro-App: Abfluss und Temperatur von 5 Schweizer Flüssen
  111. 111. Team >  Viktor Kitanov —  Bachelor VWL —  6. Semester >  Reto Vogt —  Bachelor BWL —  6. Semester 20.05.14 2
  112. 112. Ziel >  Den Verlauf von Abfluss und Temperatur von 5 Schweizer Flüssen visualisieren >  Hydrologische Daten von Messstationen in „natürlichen“ Einzugsgebieten verwenden (z.B. keine verfälschten Wasserstand-Daten durch Schleusen, AKWs etc.) >  Langfristige Trends sichtbar machen 1.  Haben sich Abfluss und Temperatur im Beobachtungszeitraum systematisch verändert? 2.  Gibt es regionale Unterschiede? 20.05.14 3
  113. 113. Resultat 20.05.14 4 Link zum App: http://sandbox.iwi.unibe.ch/~vk11m230/Hydro-App/Hydro-App.html
  114. 114. Messstationen 20.05.14 5 >  Rietholzbach (Mosnang, SG) >  Grosstalbach (Isenthal, UR) >  Rosegbach (Pontresina, GR) >  Sense (Thörishaus, BE) >  Massa (Blatten bei Naters, VS)
  115. 115. Daten >  Datenquelle: Bundesamt für Umwelt (BAFU) >  Art: Tägliche Daten zu Temperatur und Abfluss von folgenden Schweizer Flüssen: 1.  Rosegbach (Pontresina) 2.  Grosstalbach (Isenthal) 3.  Massa (Blatten bei Naters) 4.  Rietholzbach (Mosnang) 5.  Sense (Thörishaus) >  Zeitraum: 19.02.2004 bis 06.12.2013 >  Ursprüngliches Format: ASC 20.05.14 6
  116. 116. Vorgehen 1.  Wahl einer geeigneten Visualisierungsvorlage 2.  Übertragen 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“ —  Kreisfläche von „Bevölkerungsgrösse“ auf „Abfluss“ 4.  Ergänzung der Vorlage mit zusätzlichen „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. 117. Open Energy Data App
  118. 118. Today’s Overview • Background1-2 • Result3-4 • Findings5
  119. 119. 1. Who’s 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. 120. Welcome Pramod Sasidharan Msc Business Administration University of Bern Chetan Pandit Msc Business Administration University of Bern
  121. 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. 122. Time Spent ProjectsWorkedOn Get Familiar Achieve Mastery Our Goal & Motivation Get Experienced
  123. 123. 3. Result – The change of data • Original data to .tsv 1-2 3-4 5
  124. 124. 4. Result – Our App • http://sizchart.herokuapp.com/chart/index.php 1-2 3-4 5
  125. 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. 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 coach’s expectations 1-2 3-4 5
  127. 127. Resources • Open Energy Data App http://sizchart.herokuapp.com/chart/index.php • Literature Murray Scott, Interactive Data Visualization, 2013
  128. 128. Open Data Montemedia Sébastien Broggi, Lukas Riesen Universität Bern 2014 Professoren: Thomas Myrach, Matthias Stürmer
  129. 129. Team Sébastien Broggi - Informatik - 4. Semester Lukas Riesen - Informatik - 4. Semester
  130. 130. - Daten der Öffentlichkeit zugänglich machen - Attraktive Visualisierung von Daten - Webapp erstellen - Neue Erfahrungen mit Frameworks und im Bereich der Datenanalyse sammeln Ziel und Motivation
  131. 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. 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 für Scripts aufbereiten - Visualisierungen(Sunburst, BarChart, etc.) anpassen - Design des Apps Vorgehen
  133. 133. - Realisierung durch Polymaps & D3 - Aufzeigen der Datendichte pro Kanton - Auftreten verschiedener Eigenschaften der Geräte relativ zur Datenmenge der Region - Darstellung in verschiedenen Formen - Map - Sunburst Sequence Diagram - Bar Charts Demo: http://opendata.br-it.ch Resultat
  134. 134. Presentation.theEnd(); Vielen Dank für Ihre Aufmerksamkeit;
  135. 135. Open  Data  App:  Zoomable  Map   Dominik  Seliner  
  136. 136. “Team“   •  Dominik  Seliner   •  Major:  Informa:k   •  Minor:  BWL  und  VWL      
  137. 137. Ziel,  Mo:va:on   •  Etwas  neues   •  Universell  einsetzbar   Ø Idee:  Schweizerkarte  mit  zoom-­‐funk:on  
  138. 138. Resultat   •  Demo:   – hLp://swisszoom.businesscatalyst.com/   •  Github:   – hLps://github.com/selinerdominik/swiss_zoom   – (Mitarbeit  erwünscht)  
  139. 139. Datenquellen   •  Montemedia  (Nutzerdaten)   •  Ursprungsformat   – Exel-­‐Tabelle   – Ein  Eintrag  pro  Benutzer   – 20‘000  Einträge   – 2.3  Mb   •  Endformat   – CSV   – Ein  Eintrag  pro  Gemeinde   – 11  Kb  
  140. 140. Vorgehen  (Karte)   •  Kartendaten  beschaffen:   – Admin.ch  GEOSTAT  (www.geostat.admin.ch/)   1.  Umwandeln  in  GeoJson   •  Datengrösse  über  4  Mb   2.  Umwandeln  in  TopoJson   •  Datengrösse  knapp  2  Mb   3.  Details  endernen  (hLp://www.mapshaper.org/)   •  Datengrösse  600  Kb  
  141. 141. Vorgehen  (Daten)   1.  Exel-­‐Tabelle  in  CSV  umwandeln   2.  CSV  in  eine  SQL-­‐Datenbank  laden   3.  SQL-­‐Befehle  um  Besucher  pro  Gemeinde  zu   erhalten.   4.  Neue  Daten  in  ein  CSV  laden  
  142. 142. Vorgehen  (Funk:onen)   1.  Zoomfunk:onalität   2.  Daten  zu  Kartenteile  zuweisen   3.  Kartenteile  rich:g  einfärben   4.  Usability-­‐Elemente  (Legende  und  Tips)  
  143. 143. OPEN DATA Montemedia AG
  144. 144. DasA-Team Sammer Puran Informatik-Student Pascal Giehl Informatik-Student
  145. 145. Motivation&Ziel Entwicklung einer Analyse- Möglichkeite für moderne und zugeschnittene Werbung
  146. 146. DasResultat: http://swisszoom.businesscatalyst.com/ Swissmap.html
  147. 147. Datenquelle Wir haben 20’000 Datensätze der Montemedia AG zur Verfügung gestellt bekommen. Dankeschön an: Bora Günaydin Im .xlsx-Format erhalten und zu .json weiterverarbeitet.
  148. 148. Kochrezept- Vorgehen 1. Ein JS mit schweizer Karte erstellen 2. 500g Daten eingelesen und berechnung der Werte 3. Färbung der Karte nach den Werten mit Lebensmittelfarbe 4. Erstellen weiterer, tiefergehender Diagramme gem. seperatem Kochrezept. 5. Ansehen und geniessen!
  149. 149. Open Data App „Altersstrukturwandel“ Bachelor Major Betriebswirtschaftslehre Institut für Wirtschaftsinformatik Prof. Dr. Matthias Stürmer 22. Mai 2014 Carina Müller, Elias Koster
  150. 150. Herzlich Willkommen
  151. 151. Carina Müller  BWL im 6. Semester  Nachhaltige Entwicklung  Interesse für Gesellschaftsfragen  keine Programmiervorkenntnisse
  152. 152. Elias Koster  BWL im 8. Semester  Nachhaltige Entwicklung  Interesse an Politik  keine Programmiervorkenntnisse
  153. 153. Ziel, Motivation  Interessen einbinden  Veränderung der Altersstruktur aufzeigen 1960 heute
  154. 154. Resultat http://sandbox.iwi.unibe.ch/~ek10t486/
  155. 155. Datenquellen  Ursprungsformat  Daten: Ständige Wohnbevölkerung (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. 156. Datenquellen
  157. 157. Datenquellen
  158. 158. Vorgehen 1. Daten suchen 2. Daten aufbereiten 3. D3 Vorlage auswählen 4. In Brackets bearbeiten 5. Visuelle Anpassungen 6. In IWI Sandbox laden
  159. 159. Danke für eure Aufmerksamkeit
  160. 160. Bevölkerungsdynamik der Schweiz Team • Lukas Kälin • BWL-Studi • Keine Programmierkenntnisse 1 Jasmine Quanbrough Psych-Studi Grundkenntnisse in C & HTML
  161. 161. > Ziele & Motivation: Auswirkungen der Bevölkerungsdynamik auf die Finanzierung der AHV? > Datenquellen: Bundesamt für Statistik: – Bevölkerungsdaten im Zeitvergleich 1950-2012 (opendata.admin.ch) – Ständige Wohnbevölkerung der Schweiz, mittleres Szenario 2010-2060 2 Bevölkerungsdynamik der Schweiz Daten & Ziele
  162. 162. ① Aufbereitung der Daten ② Erstellen des Balkendiagramms, mit den drei Altersgruppen ③ Hmmm...: Wie wird das nun interaktiv ???  Zeitdruck ④ Ein Kreis soll den Anteil der geklickten Gruppe zur Gesamtbevölkerung repräsentieren. ⑤ Jetzt nur noch in den Browser damit und Voilà! 3 Bevölkerungsdynamik der Schweiz Hacking-Rezept
  163. 163. > http://sandbox.iwi.unibe.ch/~jq12h337/Open%20Data/ 4 Bevölkerungsdynamik der Schweiz Und es werde visualisiert...
  164. 164. Open Data App: Veränderung der Heiratsrate über die Zeit
  165. 165. Team • Nartnarin Hallwyler o Psychologiestudentin o NF: BWL, Sozialwissenschaften o wenig Programmiererfahrung • Damian Schmutz o Psychologiestudent o NF: BWL o keine Programmiererfahrung
  166. 166. Motivation • Aktualität und Relevanz • Interesse (Studium) • Belege zum Wandel nach der 68er-Bewegung
  167. 167. Resultat • Darstellung der Heiratsrate • 1960 - 2012 • http://gruppe23.square7.ch/OpenData/index.php
  168. 168. Daten • Quelle: http://www.bfs.admin.ch/xmlns/opendata/je-d-01.02.02.02.02.01.ods • Ursprungsformat: .ODS • Endformat: .HTML
  169. 169. Vorgehen 1. Datenbereinigung und -aufbereitung 2. Datenanalyse 3. Auswahl der Visualisierung 4. Modifizierung der Daten 5. Onlinepräsentation
  170. 170. Fragen?
  171. 171. Noch quellen der texte? • www.derbund.ch • www.20min.ch • www.watson.ch • www.tagesanzeiger.ch
  172. 172. André 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 Stürmer und Prof. Dr. Thomas Myrach Institut für Wirtschaftsinformatik Informationsmanagement Datenviewer für Comparatif Kanton ZH, 2002-2012. Die Entwicklung der Finanzlage bei den Zürcher Gemeinden.
  173. 173. Team 33 2  André Gsell (TG) Bachelor in Internationalen Beziehungen, HSG  Eolo Ulrich (TI) Bachelor in Kommunikationswissenschaften, USI Seit September 2012:
  174. 174. Ziel und Motivation 3  Öffentlicher Sektor  Entwicklung der finanzielle Lage der Zürcher Gemeinden  Kurs Prof Dr. Nils Soguel am IDHEAP Lausanne  Kartographische Darstellung / GIS4Web
  175. 175. Datenquellen und Verarbeitung 4  Kanton ZH publiziert Gemeinderechnungen über das Datenportal des Bundes opendata.admin.ch  Import der Daten in Microsoft SQL Server  Berechnungen in SQL  Dynamisch über Views – skalierbar  Einfach reproduzierbar da Skriptsprache  11 Seiten SQL Script  Export in Excel, Ablage als TSV
  176. 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 für synchrone Verarbeitung  …
  177. 177. Vorgehen 6  Karte: 171 Path-Objekte  Shapefile der Gemeinden vom Kanton ZH publiziert  Konversion in TopoJSON über shpescape.com  Einbindung mit Queue in D3.js  Einfärbung der Gemeinden mittels Chloropleth  Daten: Handling von ~2300 Records  Auslesen aus TSV mit .filter  Interface: Herausforderung verschiedene Granularität der Daten in einer Oberfläche  Karte: Stufe Jahr und Indikator  Liniengrafik: Stufe Gemeinde und Indikator  Details: Stufe Gemeinde, Jahr und Indikator
  178. 178. 1 Open Data App: Öffentliche 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. 179. 2 Ziele und Motivation Kontext: Angespannte Situation bei den Öffentlichen Finanzen Fragen: - Wie sehen die Ausgaben der öffentlichen Hand in der Schweiz aus? - Wie sehen die Ausgaben im Vergleich zwischen den verschiedenen Ebenen aus? - Wo wird für was Geld ausgegeben? 22. Mai 2014 Open Data
  180. 180. 3 Vorgehen - Präzisierung, was Nutzer wissen möchten - Suchen und Auswahl der Daten - Analyse und Auswahl der Visualisierungsarte(n) - Aufbereitung der Daten - Programmierung der App: - Hilfssystem: 22. Mai 2014 Open Data
  181. 181. 4 Datenquelle – Eidgenössische Finanzverwaltung (EFV) – Berichterstattung > Öffentliche Finanzen > Rohstoff – xls-Files jeweils für: – FS-Modell auf Grundlage von HRM2 & NRM (IPSAS) – GFS-Modell (GFSM2011 des IWF) – JSON-Format: > 100’000 Datensätze 22. Mai 2014 Open Data
  182. 182. 5 Resultat http://www.saurenmann.ch/openapp-finanzdaten 22. Mai 2014 Open Data
  183. 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. 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. 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. 186. What inspired us ... > It’s 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. 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. 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. 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. 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. 191. Crime and Unemployment in Europe Data Visualization at University Bern In Open Data: Datenmanagement und Visualisierung Tobias Graf Manuel Maurer
  192. 192. Team – MSc in Business Administration: Tobias – BSc in Business Administration: Manuel
  193. 193. Ziel, Motivation • Persönliches Interesse – Open Data – Visualisieren von Daten – Programmieren (GeoJSON, D3…) • Aufgabenstellung – Vergleich Arbeitslosigkeit und Kriminalitätsraten – Unterschiedliche Kriminalität – Landesabhängigkeiten – Alles im zeitlichen Vergleich
  194. 194. Resultat • http://go-there.ch/visua/ – Korrelation von Arbeitslosen- und Kriminalitätsrate – Visualisierte Datenreihe von 1994-2012 – Ganz Europa bzw. von 40 Ländern – …
  195. 195. Datenquellen • Ursprungsformat – Von World Bank und Eurostat als XLSX-Datei • Endformat – Nach Datenaufbereitung als CSV-Datei
  196. 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 • Unvollständigkeit (Liechtenstein) • Ländername ungleich (Slovakia vs. Slovak Republic) (GB=England, Wales, Scotland, Northern Ireland) 𝐶𝐶𝐶𝐶𝐶𝐶 𝐶𝐶𝐶𝐶 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑦𝑦′ 𝑠𝑠 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
  197. 197. Q&A
  198. 198. Cryptocoins
  199. 199. Über uns Zwei Studenten im 4. Semester Bachelor Informatik Jan Binzegger Florentina Ziegler und
  200. 200. Motivation •  Wie entwickeln sich die Cryptowährungen im Verlaufe der Zeit? •  Noch keine vergleichende Darstellungen verschiedener Cryptocoins im Web
  201. 201. Was sind Cryptocoins? •  Währung •  Weltrekorde •  Gebührenfrei Very Secure. Much Freedom. So Easy. Wow!
  202. 202. Resultat opendata.bugius.ch
  203. 203. Quellen •  Cryptsy HTML-Tabelle •  Vircurex HTML-Tabelle •  blockr.io JSON è MySQL Datenbank Daten Graphen •  d3Pie Alpha •  MPF Vis Chart
  204. 204. Vorgehen •  Sammeln und Aufbereiten der Daten •  Bestimmen des Designs •  Suche nach existierenden Lösungen für die Graphen •  Anpassung der Graphen an Daten & Design •  Einbinden von Bootstrap
  205. 205. mApp Eine geographische Visualisierung von Twitter-Kontakten mittels D3.js
  206. 206. Team Lukas Diener – Informatik Raphael Reber – BWL
  207. 207. Ziel • Interaktive Applikation für die Visualisierung von Twitter- Kontakten • Neugier / Spielerei • Ausprobieren des Twitter realtime API
  208. 208. mApp • Demo Online (opendata.zeilenwerk.ch) • Code im Bitbucket-Repository
  209. 209. Datenquelle • Twitter-API • Gratis • Zugriffsbeschränkung (15 Anfragen pro User) • Serverseitiger Zugriff über Twitter-Gem • Geocodierung • Google Geocoding API (direkt über HTTP requests)
  210. 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. 211. Zeilenwerkstatt (werkstatt.zeilenwerk.ch)
  212. 212. Open Data Project Open Movie App Gruppe 9
  213. 213. Wer sind wir? Andreas Hohler Major: Informatik Minor: BWL, WI, Math Karan Sethi Major: Informatik Minor: BWL, Math
  214. 214. Ziel ● Filmdaten visualisieren ● Persönliche Filmdatenbank erstellen ● Filmliebhaber das Leben einfacher machen
  215. 215. Motivation ● Wir wollen etwas Neues lernen ● Schauen gerne GUTE Filme ● Geld verdienen ● Berühmt werden
  216. 216. Resultat Link zum Open Movie App: openmovie.ch
  217. 217. Datenquellen ● Quelle: rottentomatoes.com (PHP API) ● Ursprungsformat: json ● Endformat ○ Speicherung in MySQL-Datenbank ○ Übergabe der Daten aus Datenbank, aufbereitet im json-Format, an d3js
  218. 218. Vorgehen ● Eigene Anbindung an rottentomatoes API ● Spezifische Requests (Listen / Film) und Datenspeicherung ● Datenaufbereitung & Ausgabe

×