Abschlusspräsentationen Studierenden-Apps Open Data Vorlesung 2015

Übung Open Data: 
 
Vereinbarung Beruf und Familie in
Schweizer Kantonen, Gruppe 2
Abschlusspräsentation, 28. Mai 2015
Opal Aliu und Nicoletta Lumaldo
Universität Bern, Institut für Wirtschaftsinformatik 
Abteilung Informationsmanagement 
Forschungsstelle Digitale Nachhaltigkeit

FS 2015
Open Data > 13: Abschlusspräsentation
2
Team
>  Opal Aliu
—  Hauptfach: BA in Business Administration
—  Nebenfach: Informatik
—  Semester: 6
—  Bisherige Programmiererfahrung: Anfänger
—  Email: opal.aliu@students.unibe.ch
>  Nicoletta Lumaldo
—  Hauptfach: MA in Public Management
—  Nebenfach: Management and Evaluation of
Public Policies
—  Semester: 2 (MA)
—  Bisherige Programmiererfahrung: keine
—  Email: nicoletta.lumaldo@students.unibe.ch

FS 2015
3
Aufgabenstellung
>  Problemstellung: Vereinbarkeit von Beruf und
Familie – Rolle der familienergänzende
Kinderbetreuung: Vollziehung des Impulsprogramms
zur Schaffung von Betreuungsplätzen für Kinder
>  Hintergrund: Gleichstellung im Kontext eines
föderalistischen, entwickelten Staates wie die
Schweiz
>  Zielsetzung: Visualisierung einiger relevanten
Indikatoren zur Thematik auf kantonale Ebene
>  Datenquelle: Variante B – Daten von Open Data
Portalen

FS 2015
4
Daten
>  Datenquelle: Eigene Zusammenstellung von
Daten
—  BFS – Indikatoren zu Familienergänzende
Kinderbetreuung
—  SECO/BSV - Informationsplattform
„Vereinbarkeit Beruf und Familie“
—  SECO - Vereinbarkeit von Beruf und Familie
—  BSV - Vereinbarkeit von Familie und Beruf
>  Datenvolumen: 2MB
>  Datenformat:
—  Ursprünglich: PDF, Excel
—  Bearbeitet: CSV
>  Datenstruktur: 4,8MB

FS 2015
5
Vorgehen
>  Datenbeschaffung: Eigene Recherche in
Open Data Portalen und
Zusammenfassung der Daten in einer
Datenbank
>  Datenbereinigungen: gering
>  Datentransformation: Kodierung,
Gewichtung, Skalierung, Vergleich,
Quantiﬁzierung
>  Verwendete Technologien, Libraries etc.:
—  D3.js
—  Choropleth

FS 2015
6
Resultat
>  Link: http://XX.sandbox.iwi.unibe.ch
>  Visualisierungsart:
—  Map
—  Verschiedene Typen von
Rankingvisualisierungen
>  Funktionalitäten: Selection, Mouseclick,
Help
>  Neue Erkenntnisse: Unterschiede im
föderalistischem System, Verschiedene
Standpunkte der Vereinbarkeit von Beruf
und Familie

FS 2015
7
Fazit
>  Was haben wir gelernt?
—  Verfügbarkeit der Daten nicht immer Vorhanden
– Open Data als ein laufender Prozess!
—  TopoJSON und Positionierung der Karte
>  Was würden wir nächstes Mal anders machen?
—  Vertieft in jeden Kanton auf Datensuche gehen.
—  Verfeinerte Visualisierung
—  Gemeindedaten versuchen zu sammeln
—  Variablen in Zusammenhang bringen
>  Was bringt mir diese Übung?
—  Zielgruppe zu deﬁnieren bei der App-
Entwicklung
—  Daten besser zu verstehen und für
Verfügbarkeit checken

 
Schadstoffemissionen der Schweiz,
Gruppe 03
Katrin Ismaier und Noel Sager

FS 2015
2
Team
>  Katrin Ismaier
—  Hauptfach: BWL
—  Nebenfach: VWL
—  Semester: 6
—  Bisherige Programmiererfahrung: Keine
>  Noel Sager
—  Semester: 6

FS 2015
3
Aufgabenstellung
>  Ausgangslage, Problemstellung: Schadstoffregister PRTR,
unübersichtliche Daten.
>  Hintergrund: BAFU stellt Daten öffentlich zur Verfügung, jedoch
unübersichtlich und wenig aussagekräftig.

FS 2015
4
Aufgabenstellung
>  Zielsetzung: Unübersichtliche Daten so visualisieren, dass sie
verständlich und aussagekräftiger dargestellt werden.
>  Datenquelle, Data Coach: Bundesamt für Umwelt, Hans-Ulrich
Pestalozzi.

FS 2015
5
Daten
>  Datenvolumen: 10’377 Zeilen und 35 Spalten. Entsprechend viele
(auch nicht relevante) Informationen herauszulesen.
>  Datenstruktur: pro Zeile ein Unternehmen, für jeden Schadstoff
einzeln aufgelistet. Ausnahme: Diffuse Quellen.

FS 2015
6
Daten
>  Datenformat: Excel, wurde in CSV umgewandelt.

FS 2015
7
Vorgehen
>  Datenbeschaffung: Übergabe durch Datacoach.
>  Datenbereinigungen: Abstand nach Schadstoffname entfernt.
>  Datentransformation: Abfall und Sonderabfall zu den Schadstoffen.
>  Verwendete Technologien, Libraries:
—  HTML
—  CSS
—  D3.js
—  TopoJSON

FS 2015
8
Vorgehen

FS 2015
9
Resultat
>  Link: http://ns12f228.sandbox.iwi.unibe.ch
>  Visualisierungsart: Schweizerkarte mit Schadstoffemission nach
Kanton und Balkendiagramm der diffusen Quellen.
>  Funktionalitäten:
—  Jahresauswahl mit Buttons
—  Drop-Down der Schadstoffe à Einfärbung der Karte nach Emission
—  Mouseover Effekte
—  Mouseclick Effekt
—  Hover Effekte
—  Scroll Funktion
>  Neue Erkenntnisse: Teilweise hoher Ausstoss auf Schweizer Karte,
welcher klein erscheint bei Vergleich mit diffusen Quellen.

FS 2015
10
Fazit
>  Was haben wir gelernt?  
Grundlagen HTML, CSS, JavaScript (D3.js) und den Umgang mit
umfangreichen Rohdaten. Von der Existenz eines Schadstoffregisters
erfahren.
>  Was würden wir nächstes Mal anders machen?  
Früher zu Khôi Kontakt aufnehmen. Im Vorfeld bereits HTML, CSS als
Grundlage erarbeiten.
>  Was bringt mir diese Übung?  
Programmiergrundlagen und Umgang mit Daten erlernt.

 
Die neuen Schweizer 2013, Einzelgruppe 5
Michael Palma Mendes

FS 2015
2
Einzelgruppe
>  Michael Palma Mendes
—  Hauptfach: Volkswirtschaftslehre
—  Nebenfach: Betriebswirtschaftslehre
—  Semester: sechstes Bachelorsemester
—  Programmiererfahrung: JS-Grünschnabel
—  michael.palmamendes@students.unibe.ch

FS 2015
3
Aufgabenstellung
>  Ausgangslage, Problemstellung
Wer bürgert sich wo & wie intensiv ein in CH?
Quelle:
http://upload.wikimedia.org/wikipedia/de/9/9e/Schweizerpass.png

FS 2015
4
Aufgabenstellung
>  Hintergrund
Bin selber Einbürgerungskandidat, BA-Thema
Quelle:

FS 2015
5
Aufgabenstellung
>  Hintergrund
>  Zielsetzung
Graﬁsche Analyse des Einbürgerungs-
verhaltens der ausländ. Hauptnationalitäten
Quelle:

FS 2015
6
Aufgabenstellung
>  Hintergrund
>  Zielsetzung
Graﬁsche Analyse des Einbürgerungs-
verhaltens der ausländ. Hauptnationalitäten
>  Datenquelle
Bundesamt für Statistik (bfs.admin.ch)
Quelle:

FS 2015
7
Daten
>  Datenvolumen
2 Originaltabellen
Quelle: eigenes Printscreen

FS 2015
8
Daten
>  Datenvolumen
2 Originaltabellen

FS 2015
9
Daten
>  Datenvolumen
2 Originaltabellen à
Endtabelle 22*163 Zellen

FS 2015
10
Daten
>  Datenvolumen
>  Datenformat
*.xlsx à umgewandelt in *.csv à D3.js

FS 2015
11
Daten
>  Datenvolumen
>  Datenformat
*.xlsx à umgewandelt in *.csv à D3.js
>  Datenstruktur
Zeile um Zeile à im Code hierarchisiert

FS 2015
12
Vorgehen
>  Datenbeschaffung
Über Onlinerecherche beim BfS
>  Datenbereinigungen
Manuelle Variablenerrechnung, Taktisches
>  Datentransformation
Via Libreofﬁce *.xlsxà*.csvàD3.js
>  Verwendete Technologien, Libraries
d3.min.js, topojson.min.js, colorbrewer.js
(ch.json, wie auch Rest, von der IWI Sandbox)
Quelle: eigenes Printscreen, indikatives Bild (beta)

FS 2015
13
Resultat
>  Link
http://mp11j084.sandbox.iwi.unibe.ch

FS 2015
14
Resultat
>  Link
>  Visualisierungsart
Schweizerkarte mit Intensitätsfärbung

FS 2015
15
Resultat

FS 2015
16
Resultat
>  Link
>  Funktionalitäten
Selector
Checkboxes
Intensivitätsfärbung mit Legende
Tooltips
Daten in Textform
Read Me

FS 2015
17
Resultat
>  Link
>  Funktionalitäten
...
>  Neue Erkenntnisse – siehe Live-Demo
PT vs. KO, IT in TI (viel&doch wenig), AI, ...

FS 2015
18
Fazit
>  Was habe ich gelernt?
Grundstruktur von JavaScript/JSON/D3.js

FS 2015
19
Fazit
Schwerer als ich dachte! J

FS 2015
20
Fazit
>  Was würde ich nächstes Mal anders machen?
Ggf. stärker vor-einlesen ins Coding

FS 2015
21
Fazit
Umgang mit Programmiersprache

FS 2015
22
Fazit
Wichtige Visualisierungtools, auch für BA interessant

FS 2015
23
Fazit
Wichtige Visualisierungtools, auch für BA interessant
>  Merci für die Hilfe!

FS 2015
24
Live-Demo
Quelle:

 
ImmoSearcher, Gruppe 19
Gabriel Abu-Tayeh

FS 2015
2
Person
>  Gabriel Abu-Tayeh
—  Hauptfach: Betriebswirtschaft
—  Semester: 10
—  Email: gabriel.abutayeh@gmail.com

FS 2015
3
Aufgabenstellung
>  Ausgangslage: „«Immosearcher»
mashup Wohnungsangebote (externe
Daten) mit Lärm, Kultur, Altlasten“
>  Problemstellung: Erschliessung vs. Lärm
>  Hintergrund: Informationsasymmetrie bei
Immobilien, kein Bezug zu Geodaten,
Suchaufwand gross
>  Zielsetzung: modulare Applikation
>  Datenquelle, Data Coach: geo.admin.ch,
D. Oesch

FS 2015
4
Daten
>  Datenvolumen: 2352 Gemeinden, 1.6 Mio
Gebäude mit Wohnnutzung, 27429
Haltestellen
>  Datenformat: JSON (von API), shp, xlsx,
gdb
>  Datenstruktur: Reisezeit pro Gemeinde,
Adressen mit Attributen, Lärm als Karte

FS 2015
5
Vorgehen
>  Datenbeschaffung: geo.admin.ch,
Bundesamt für Verkehr BAV, Bundesamt
für Umwelt BAFU
>  Datenbereinigungen: Güterbahnhöfe,
Gemeindefusionen (Daten teilweise älter)
>  Datentransformation: Daten kalibrieren
(Reisezeit), x/y vs. latitude und longitude,
proprietäre ESRI Daten konvertieren
—  D3.js
—  API
—  Tooltip/Iframe
lat
lon
47.267734527588
8.4852828979492
x
y
235731.296875
679205.375
https://api3.geo.admin.ch/rest/
services/api/SearchServer?
bbox=551306.5625,167918.328125,
551754.125,168514.625&type=loca
tions

FS 2015
6
Resultat
>  Link: http://ga08z443sandbox.iwi.unibe.ch
>  Visualisierungsart: Spider (Zusatzinfos
mit Balken)
>  Funktionalitäten: Suchfunktion, Tooltip,
Karten, Autocompletion, Interaktive Fläche
Mobiletauglich
>  Neue Erkenntnisse: Wo ist meine
nächste Haltestelle, gut erschlossen ist
nicht immer lärmig, Stadt automatisch gut
erschlossen

FS 2015
7
Fazit
>  Was habe ich gelernt? Grundahnung von
HTML, CSS, API, D3.js und JavaScript.
Unzählige Geodatenformate
kennengelernt. Negativ: Daten alleine
genügen nicht bei Geodaten (offene
Formate, Anleitungen und Know-How).
>  Was würden ich nächstes Mal anders
machen? Nicht zu viel Zeit ins
konvertieren investieren. Team bilden.
>  Was bringt mir diese Übung? Prozesse
der Entstehung von (Open Data) Apps
kennengelernt.
wer weiss, evtl. mit Unterstützung...

 
Bevölkerungsentwicklung im Kanton Bern,
Gruppe 6
Yves Rieder und Franco Membrini

FS 2015
2
Team
>  Yves Rieder
—  Nebenfach: Geographie
—  Semester: 6
>  Franco Membrini
—  Hauptfach: Geschichte
—  Nebenfach: BWL, Staatsrecht
—  Semester: 6

FS 2015
3
Aufgabenstellung
>  Ausgangslage, Problemstellung:
Daten sind vorhanden und öffentlich
zugänglich, jedoch in Tabellenform.
Informationsüberﬂutung
>  Zielsetzung:
Die Entwicklung der ständigen
Wohnbevölkerung im Kanton Bern
ansprechend zu visualisieren
>  Datenquellen:
Finanzdirektion Kanton Bern
Bundesamt für Statistik

FS 2015
4
Daten
>  Datenvolumen:
Bevölkerungszahlen 1981-
2013, Prognosen bis 2035
>  Datenformat:
Excel-ﬁles, tab separated
value (.tsv) ﬁles
>  Datenstruktur:
Tabellen

FS 2015
5
Vorgehen
>  Datenbeschaffung:
Download als Exceltabellen aus
verschiedenen Quellen
>  Datenbereinigungen:
Entfernen überﬂüssiger
Informationen, angleichen der
Tabellenstruktur
>  Datentransformation:
Erstellung von .tsv Files
—  Javascript
—  D3.js
—  Templates

FS 2015
6
Resultat
>  Link:
http://www.thecrackers.tk/yves/index.html
Linegraphs
Tooltip mit genauen Angaben, Mouseover,
verschiedene Tabs

FS 2015
7
Fazit
Debugging macht einen massiv grösseren Teil der Arbeit aus
als allgemein angenommen
Hinzuziehen von Personen mit mehr
Programmiererfahrung
Realitätsnaher Umgang mit Code
Besseres Verständnis von IT Prozessen

 
Berufsabschlüsse in der Schweiz
Dominique Rahm und Fabian Reding

FS 2015
‹Nr.›
Team
>  Dominique Rahm
—  Hauptfach: Informatik
—  Nebenfach: BWL
—  Semester: 10
—  Bisherige Programmiererfahrung: Hoch
—  Email: dominique.rahm@gmail.com
>  Fabian Reding
—  Nebenfach: Psychologie
—  Semester: 4
—  Email: fabian@reding.com

FS 2015
‹Nr.›
Aufgabenstellung
>  Aufzeigen der Berufsabschlüsse in der Schweiz während den Jahren
2010-2014 bezüglich des Geschlechtes, der Branche und des Kantons
>  Hintergrund:
>  Selbständiges Finden und Verarbeiten der Daten
>  Zielsetzung:
>  Mobile-First Applikation, welche auf jeder Bildschirmgrösse
(Smartphones, Computerbildschirm etc.) übersichtlich die
Informationen weitergeben kann
>  Datenquelle, Data Coach:
>  Ursprünglich Zusammenarbeit mit Data-Coach - aufgrund einiger
Kommunikationsproblemen folgte die Entscheidung, die
Aufgabenstellung selber zu ändern und die Daten vom Bundesamt für
Statistik zu organisieren
>  Quelle:
https://www.pxweb.bfs.admin.ch/Selection.aspx?
px_language=de&px_db=px-x-1502020100_103&px_tableid=px-
x-1502020100_103px-x-1502020100_103.px&px_type=PX

FS 2015
‹Nr.›
Daten
>  Datenvolumen:
>  1.6 MB verteilt auf 5 einzelne Files
>  Datenformat:
>  Ursprünglich waren die Daten als CSV
vom Bundesamt für Statistik und wir haben
die Daten für den Server in ein
passenderes Format
(JSON) umgewandelt

FS 2015
‹Nr.›
Vorgehen
>  Die Daten wurden direkt vom Bundesamt für Statistik
heruntergeladen
>  Umlaute mussten in mühsamer Suche gefunden und
anschliessend ersetzt werden. Zusätzlich wurden häuﬁg
gebrauchte Begriffe/Wörter mit Abkürzungen ersetzt
(Bsp Kantonsnamen)
>  Verwendete Technologien:
—  D3.js
—  jQuery
—  Foundation
—  GitHub
—  coffeescript, jade, sass
—  Google Chrome Developer Tools

FS 2015
‹Nr.›
Resultat
>  Link: http://d3orn.github.io/open_data_app/
>  Schweizerkarte mit farblicher Änderung und
genauen Zahlen bei Mouseover
>  Dropdown Menus, Mouseover, Stufenlose
Skalierung auf Bildschirmgrössen, Filtern nach
Jahr, Branche, Ausbildungstyp und Geschlecht,
sowie die Aufteilung der Schweiz in vier Regionen
>  Neue Erkenntnisse:
>  Im Bereich der Kommunikation mit möglichen
Datacoaches und der Datenbeschaffung

FS 2015
‹Nr.›
Fazit
>  Viele Einsichten in die Welt des Programmierens - es gibt
immer wieder neue Fehler und Ideen, welche man am
besten direkt aufschreibt, damit der Überblick nicht
verloren geht. Die Möglichkeiten beim Programmieren sind
mit dem entsprechenden Wissen schier endlos. Die
Datenbeschaffung nimmt besonders viel Zeit in Anspruch,
vor allem, wenn die Daten nicht so vorkommen, wie man
sich das vorstellt, sondern zuerst noch bereinigt werden
müssen.
>  Von Anfang an selbständig und ohne Data-Coach arbeiten
und dadurch auch die vorhandene Zeit besser nutzen.
>  Einblick in die Informatik und das Programmieren - Das
Verständnis für alle möglichen Probleme in den IT
Bereichen steigt durch diese Selbsterfahrung stark.

 
Deloitte: Geldpolitik der SNB, Gruppe 8
Tobias Vogel und Mary Tzaawa-Krenzler

FS 2015
2
Team
>  Mary Tzaawa-Krenzler
—  Hauptfach: VWL
—  Semester: 4 (Bachelor)
—  Bisherige Programmiererfahrung: wenig
>  Tobias Vogel

FS 2015
3
Aufgabenstellung
„Geldpolitik der Schweizer Nationalbank: Konnte man aus der veränderten SNB
Bilanz Anzeichen für die Aufhebung des Wechselkurses ablesen?“
>  Hintergrund:
Auﬂösung des Wechselkurses Januar 2015
>  Zielsetzung:
—  Bilanzsumme seit 2007
—  Analyse der Geldpolitik
—  Anzeichen für Aufhebung
—  Daten schön, klar präsentieren

FS 2015
4
Daten
>  Datenvolumen:
—  Riesig (zu viel)

FS 2015
5
>  Datenformat:
—  Ursprungsformat: .xls
—  Endformat: .csv
>  Datenstruktur:
—  Datensätze

FS 2015
6
Vorgehen
—  Hauptquelle: SNB Seite (Monatshefte)
—  http://www.oanda.com/
—  http://www2.deloitte.com/ch/en/pages/
ﬁnance/articles/cfo-survey.html
—  Überﬂüssige Daten löschen
—  Anpassen des Datum
—  D3.js

FS 2015
7
Resultat
>  Link: http://tv11a629.sandbox.iwi.unibe.ch
—  Graph
—  Tooltip
—  Mouseover
—  Button

FS 2015
8
Fazit
—  HTML
—  Datenbearbeitung
>  Was würden wir nächstes Mal anders
machen?
—  Bessere Zeiteinteilung
—  Früher beginnen (etwas unterschätzt)
—  Die Verarbeitung von Daten in komplexere
Darstellungen
—  Programmiersprachen aneignen

 
Schadstoffausstoss in der Schweiz,
Gruppe 11
Martin Vogel und Janik Endtner

FS 2015
2
Team
>  Martin Vogel
—  Nebenfach: Sport / Wirtschaftsrecht
—  Semester: 4
—  Bisherige Programmiererfahrung: Wenig
—  Email: martin.vogu@hotmail.com
>  Janik Endtner
—  Semester: 4
—  Bisherige Programmiererfahrung: Mittel
—  Email: janik-endtner@hotmail.com

FS 2015
3
Kontakt
>  Kontakt für Fragen, Bemerkungen und Anregungen
betreffend Visualisierung des Schadstoffregisters
—  schadstoffvisualisierung@gmx.ch

FS 2015
4
Grundlagen
>  Gut strukturierte Daten in Excelformat als Grundlage
>  Schnelle Lieferung der Daten

FS 2015
5
Vorgehen (I/II)
1.  Lernen von d3.js mit Online Buch, damit wir schnell mit der Arbeit
beginnen konnten
2.  Erstellen einer Testvisualisierung in PowerPoint und besprechen mit
Datacoach Hansueli Pestalozzi 
 
 
 
 
 
 
 
 
3.  Mehrere Treffen mit Hansueli

FS 2015
6
Vorgehen (II/II)
4.  Gestalten eines Designentwurfes für das Html/CSS Gerüst 
 
 
 
 
 
 
 
5.  Programmieren der App
– Dropbox-Gruppe als Grundlage für Zusammenarbeit

FS 2015
7
Schwierigkeiten
>  Keine Verwendung von Beispiel aus d3.js Bibliothek
—  Neues App von Grund auf programmieren
—  Hoher Zeitaufwand (zuerst lernen, dann programmieren)
—  Über 1’100 Codezeilen (ohne kopierte Codeschnipsel)
>  Ziel: Halbdynamisches App, das sich bei aktualisieren der Seite
an Bildschirmgrösse anpasst
—  Relativ komplex für Web-Anfänger
>  Schwierigkeiten mit Besonderheiten von Javascript

FS 2015
8
Was haben wir gelernt?
Guter Datensatz spart viel Zeit
—  War bei uns zum Glück der Fall
Visualisierung muss zum Datensatz passen
—  Darum war es uns nicht möglich, eine Version aus der d3.js Bibliothek
zu übernehmen
Javascript und d3.js
Durchführen eines grösseren Projektes im Team

FS 2015
9
Was nehmen wir für die Zukunft mit?
—  Wirtschaftsinformatiker sollte etwas programmieren können.
—  Visualisierungen werden auch in Zukunft nützlich sein
—  Herangehensweise an grösseres Projekt
>  War würden wir in Zukunft anders machen?
—  Wenn möglich Version aus D3.js Bibliothek nehmen.
—  Weniger hohe Ziele

FS 2015
10
Resultat: Visualisierungsarten
Scatterplot Säulendiagramm

FS 2015
11
Resultat: Funktionalitäten (I/II)
Liste
Navigation
Sortierfunktion

FS 2015
12
Resultat: Funktionalitäten (II/II)
Slider
Checkboxen
Hover-Effekte
Hashtag-Navigation

FS 2015
13
Resultat
>  Link: http://je12k036.sandbox.iwi.unibe.ch
>  Link für Präsentation: http://mv13c053.sandbox.iwi.unibe.ch

 
Altersstruktur des Kanton Bern, Gruppe 12
Tobias Bärtschi und Lea Summ

FS 2015
2
Team
>  Tobias Bärtschi
—  Nebenfach: Rechtswissenschaften
—  Semester: 10+
—  Email: tobias_baertschi@bluewin.ch
>  Lea Summ
—  Hauptfach: Englisch
—  Semester: 6
—  Email: l.summ@hotmail.com
Foto

FS 2015
3
Aufgabenstellung
—  Visualisierung der Bevölkerungsstruktur
bezüglich des Alters
>  Hintergrund:
—  1 Millionen-Grenze geknackt
—  Erstmals Altersquotient > Jugendquotient
—  kein Statistikamt Kanton Bern
>  Zielsetzung:
—  Einfache, verständliche Visualisierung
—  Daniel Studer, Statistikkoordination Bern
—  www.be.ch/statistik
–  Alters-, Jugendquotient
–  Altersstruktur

FS 2015
4
Daten
>  Datenvolumen:
—  Alters und Bevölkerungsdaten gemessen
über einen Zeitraum von 22 Jahren
—  Alters und Bevölkerungsdaten von 2013 für
jede Gemeinde
>  Datenformat:
—  Rohdaten: Excel (.xlsx)
—  Bereinigte Daten: Koma getrennt (.csv)
>  Datenstruktur:
—  Rohdaten: Datensatz in Tabelle
—  Bereinigte Daten: Maschinenlesbar Koma
getrennt

FS 2015
5
Vorgehen
—  Empfehlung von Data Coach
—  Download via Statistikportal des Kantons Bern
—  Berechnung
—  Löschen nicht benötigter Inhalte
—  Löschen nicht benötigter Daten
—  Anpassen der Gemeinden von 2013 an 2014
—  Eingelesen als Array mit Index „Jahr“ bzw.
„Gemeinde“
—  D3.js
—  Zur Verfügung gestellte TopoDaten

FS 2015
6
Resultat
>  Link: http://tb06h118.sandbox.iwi.unibe.ch
—  Balkendiagramm, Liniendiagramm, Karte
—  Tooltip, Mouse Click
—  vermehrt ältere Personen in ländlichen
Gebieten und um Seen
—  Anteil junger Personen an Bevölkerung
kleiner als Anteil alter Personen

FS 2015
7
Fazit
—  Trotz der Überalterung wächst die
Bevölkerung
—  Programmieren
machen?
—  Besser aufteilen
—  Mehr/andere Darstellungsarten
>  Was bringt uns diese Übung?
— Vertiefte Programmierkenntnisse

 
Interaction: Visualisierung der Hilfsprojekte
2012, Gruppe 13
Stephanie Joss und Sarah Klingler

FS 2015
2
Team
>  Stephanie Joss
—  Hauptfach: BWL, Schwerpunkt Wirtschaftsinformatik
—  Semester: 7 (Erstes Mastersemester)
—  Bisherige Programmiererfahrung: sehr wenig
—  Email: stephanie.joss@students.unibe.ch
>  Sarah Klingler
—  Nebenfach: Nachhaltige Entwicklung
—  Email: sarah.klingler@students.unibe.ch

FS 2015
3
Aufgabenstellung
—  Einsatz von Spendengeldern für
Hilfsprojekte
>  Hintergrund:
—  Interaction ist ein Verband von
Entwicklungsorganisationen, Hilfswerken
und Missionsgesellschaften ->
http://www.interaction-schweiz.ch/home/
>  Zielsetzung:
—  Weltkarte mit allen Daten pro Land und
NGO
—  Marc Jost, Interaction, Daten von 2012
http://bl.ocks.org/mbostock/d4021aa4dccfd65edffd
http://www.unicef.ch/de/so-helfen-wir/programme

FS 2015
4
Daten
>  Datenvolumen:
—  430 Entwicklungsprojekte über 21 NGOs
(zwei haben keine Daten) verteilt
>  Datenformat:
—  Excel
>  Datenstruktur:
—  Zeilen Länder, Spalten Sektoren
—  Eine Zusammenfassung und 23 weitere
Mappen (eine pro NGO)
Grafik,
Screenshot
Grafik,
Screenshot

FS 2015
5
Vorgehen
—  Data Coach: Marc Jost
—  Länder und NGOs zusammen kombiniert
—  Nur Kombinationen wo auch Daten
vorhanden
—  Umwandlung von Excel in ein einziges TSV
File
—  D3.js
—  Geo.json
—  Brackets als Editor
Grafik,
Screenshot
Grafik,
Screenshot

FS 2015
6
Resultat
>  Link: http://sj09l033.sandbox.iwi.unibe.ch/
—  Weltkarte mit Filterfunktionen
—  Zwei Filterfunktionen (Sektoren & NGOs)
—  Pie Chart (animiert)
—  Boxen mit Mouseover-Funktion für
Weltkarte und Selektoren
—  Zoom-Funktion Weltkarte
—  Animierte Textmarkierung
—  Überblick verschaffen
—  Efﬁziente Zuteilung der Projekte
(Spendengelder)? Optimierungen?
Grafik,
Screenshot
Grafik,
Screenshot

FS 2015
7
Fazit
—  Lesen und verstehen eines Codes
—  Daten bereinigen und strukturieren
—  Aufteilung html, css, js, geo.json
machen?
—  Anderes Datenformat (kein Excel)
—  Faszination für Informatik
—  Erkennung der Komplexität
—  Know How
—  Fähigkeiten einfache Website erstellen

FS 2015
1
Übung Open Data:
InterAction Visualisierung
Padideh Pezeshki und Irina Schubert
Universität Bern, Institut für Wirtschaftsinformatik
Abteilung Informationsmanagement

FS 2015
2
Team
Padideh Pezeshki
— Master in Design and Multimedia
— Semester: 4
— Bisherige Programmiererfahrung: Yes
— Email: padideh.pezeshki@students.unibe.ch
Irina Schubert
— Master of Advanced Studies in Archival, Library
and Information Science
— Semester: 2 (bzw. insgesamt >10)
— Bisherige Programmiererfahrung: keine
— Email: irina.schubert@students.unibe.ch

FS 2015
3
Task
Starting position, problem
Design scenario
-  combine map, data, project organization
-  programing (for pie chart and …)
Objective
-  two goals are Explanatory and Exploratory
-  explore large datasets for better understanding
-  they invite the viewer to explore visually
-  ask questions along the way, and find answers
to those questions.
Data Source, Data Coach
-  Marc Jost (Interaction, Switzerland)

FS 2015
4
Daten
Data volume
-  we had not too many data
Data format
-  Excel spreadsheets
-  one table for each organization
-  a table with summary of data
-  transfer to csv as it is more readable

FS 2015
5
Action
Data collection:
-  Data of Interaction
-  Prepared World Map by Khoi Tran
Data adjustment
-  selection of relevant data
-  merging into a single file.
-  this was really time consuming task
Data transformation
-  in CSV or TSV
-  D3.js

FS 2015
6
Resultat
Link: http://pp14j021.sandbox.iwi.unibe.ch/
Visualisierung Art: Map and Pie chart
functionalities:
-  number and percentage of projects
-  by organisations in each country

FS 2015
7
Conclusion
We learned
-  how to work with geo-maps
-  extract information from spreadsheets
-  Using Pie charts and pop-up menu
What would we do differently next time?
-  Depends on the type of data, we might
use different approaches of visualization
Grafik,
Screenshot
Grafik,
Screenshot

 
Visualisierung gymnasialer
Abschlussdaten des Kantons Bern 
Gruppe 14
Theodor Truffer und Thomas Steinmann

FS 2015
2
Team
>  Theodor Truffer
—  Semester: 6.
—  Bisherige Programmiererfahrung: Vor allem Java ,
PHP, etwas C, wenig JS
—  Email: theodor.truffer@students.unibe.ch
>  Thomas Steinmann
—  Semester: 6.
—  Bisherige Programmiererfahrung: Hauptsächlich Java,
etwas C, Kein JS
—  Email: thomas.steinmann@students.unibe.ch

FS 2015
3
Aufgabenstellung
—  Abschlussdaten Gymnasium und
Berufsmaturitätsschulen des Kantons Bern
>  Zielsetzung:
—  Möglichst viele Informationen in einer verständlichen
Graﬁk
—  Visualisierung selbst schreiben, viel Eigenleistung
—  Datensatz der Erziehungsdirektion Bern

FS 2015
4
Daten
>  Datenvolumen:
—  Bereits komprimiert & anonymisiert
—  dadurch überschaubar
—  aber vielschichtig
>  Datenformat:
—  Proprietär: Excel Format
—  Z.T. Kompliziert zuzugreifen
>  Datenstruktur:
—  Vielschichtig, sehr viele nicht direkt
zusammenhängende Attribute:
–  Region
–  Bildungsträger (öffentlich/privat)
–  Unterrichtssprache
–  Bildungsart (Schwerpunktfach)
–  Typ (Gymnasial / Berufsmaturität)
–  Unterteilt in Männlich/ Weiblich

FS 2015
5
Vorgehen
—  Sehr angenehm per Email
—  Daten mit Passwort verschlüsselt
—  Redundanz vermindern
—  Codierungen anpassen
—  D3.js
—  JQuery
—  d3-tip (Tooltip library)
—  PHP
—  GitHub

FS 2015
6
Resultat
>  Link: http://tt11b448.sandbox.iwi.unibe.ch/index.php
—  Mehrschichtiger DonutChart
—  Grouped BarChart
—  Um mehrere Variablen Gleichzeitig anzuzeigen
—  Auswahl der angezeigten Variablen &
Untergruppierungen
—  Ein/ Ausblenden
—  Skalierbarkeit
—  Tooltips & Legende für zusätzliche Infos
—  Navigationsleiste

FS 2015
7
Fazit
—  JavaScript generell
—  D3, vor allem denken mit Joins
—  Bessere Strukturierung (Klassen)
—  First do it, then do it right, then do it fast.
—  Kontakt mit Webdevelopement
>  Umfrageresultat?

 
P3 – Forschungsdatenbank des SNF
Gruppe 15
Matthias Bachtler

FS 2015
2
Team
>  Matthias Bachtler
Informatik, 4. Semester
Basiswissen Web-Technologien
m.bachtler@students.unibe.ch

FS 2015
3
Aufgabenstellung
P3 – Projekte Personen Publikationen
à Visualisieren!
Data-Coach:
Christian Gutknecht, SNF

FS 2015
4
Technologien

FS 2015
5
Daten
>  View P3 als Access-Datei
>  60000 Grants
>  Import in MySQL-Datenbank
>  Normalisierung
>  Koordinaten

FS 2015
6
Resultat
>  mb0220.asuscomm.com

 
OPENED, Gruppe 17
FABIAN PLÜSS und MANUELA KREBS

FS 2015
2
Team
>  Fabian Plüss
—  Hauptfach: Betriebswirtschaftslehre
—  Nebenfach: -
—  Semester: 3
—  Email: fabianpluess@bluewin.ch
>  Manuela Krebs
—  Hauptfach: Volkswirtschaftslehre
—  Nebenfach: BWL, Allgemeine Ökologie
—  Semester: 10
—  Email: krebs.manuela@gmail.com
Foto
Foto

FS 2015
3
Aufgabenstellung
>  Ausgangslage: Persönliches Interesse an
Bildungsökonomie und Chancen der
sozialen Mobilität in der Schweiz
>  Zielsetzung: Das Umsetzen in
mindestens einer dynamischen
Visualisierung
>  Datenquelle: Statistik der Bildungs-
abschlüsse (SBA) des Kantons Bern
>  Data Coach: Karin Marti,
Erziehungsdirektion des Kantons Bern
Grafik,
Screenshot

FS 2015
4
Daten
>  Datenvolumen: 24 KB
>  Datenformat: XLSX
>  Datenstruktur: 7 Variablen mit 2-20
Ausprägungen:
—  Geschlecht
—  Verwaltungsregion
—  Träger
—  Bildungsart
—  Bildungstypen
—  Unterrichtssprache
—  Total der Studierenden und Frauenanteil
detail
csv

FS 2015
5
Vorgehen
>  Datenbeschaffung: Data Coach
>  Datenbereinigungen: keine soweit
—  XSLX zu CSV
—  innerhalb des Codes in JSON
>  Verwendete Libraries:
—  D3.js
—  underscore.js
—  weitere

FS 2015
6
Resultat
>  Link: http://fp06j948.sandbox.iwi.unibe.ch
>  Visualisierungsart: Sunburst
>  Funktionalitäten: Darstellung der
Auszubildenden-Daten nach div.
Strukturen.
—  Zoomable click
—  (Labels)
—  Tooltip

FS 2015
7
Fazit
—  Grundkenntnisse in Programmiersprachen
—  Nützlichkeit öffentlicher Daten
machen?
—  Früher programmieren
—  Mehr Zeit einplanen
—  Unabhängigkeit
—  Künftige Geschäftsmodelle
—  Digitale Kreativität

 
 
Swiss Public Transportation Visualization,
Gruppe 20
Samuel Hächler und Tizian Dähler

FS 2015
2
Team
>  VORNAME NAME
—  Nebenfach: Wirtschaftsinformatik
—  Semester: 8
—  Bisherige Programmiererfahrung:  
Mehrere Jahre
—  Email: samuel.haechler@students.unibe.ch
>  Tizian Dähler
—  Nebenfach: English
—  Semester: 4
—  Bisherige Programmiererfahrung: Sehr wenig
—  Email: tizian.daehler@students.unibe.ch

FS 2015
3
Aufgabenstellung
—  Visualisierung von Fahrplandaten der
Schweizer öV- Unternehmen
>  Hintergrund:
—  Interesse in öffentlichem Transportwesen
>  Zielsetzung:
—  Veranschaulichung grosser Datenmengen
—  Aussagekräftige Darstellung
—  Christian Trachsel, SBB
—  www.fahrplanfelder.ch für Fahrplandaten

FS 2015
4
Daten
>  Datenvolumen:
—  Ca. 8 Millionen einzelne Einträge
>  Datenformat:
—  Leerzeichen- basiert
—  topojson
>  Datenstruktur:
—  Einzelne Bitfelder pro Verbindung, die die
Verkehrstage deﬁnieren

FS 2015
5
Vorgehen
—  Download der benötigten Fahrplandaten
—  Schreiben der Daten in Datenbank für
efﬁzienteres Abrufen
—  Sortieren der Daten nach Relevanz
—  Interpretieren der einzelnen Bitfelder
—  Einbettung in CH- Karte
—  D3.js
—  MySQL
—  Bootstrap
—  jQuery

FS 2015
6
Resultat
>  Link: http://sptv.sam-e.ch/  
http://sh11j239.sandbox.iwi.unibe.ch/
—  Karte mit Fahrplandaten der letzten
Verbindungen pro Gemeinde
—  Zoom
—  Bildausschnitt wählen
—  Mouseover zeigt Daten an
—  Layer wählen
—  Stadt- Landgraben sehr gut ersichtlich
—  Bergsportorte haben überdurchschnittlich
viele Abfahrten.

FS 2015
7
Fazit
—  Konstruktion der Schweizer Fahrplandaten
—  Kenntnisse beim Programmieren
machen?
—  D3.js- Einführung
—  Umgang mit open Data

 
Datenschutz im elektronischen
Rechtsverkehr, Gruppe 21
Martin Lauber und Daniel Lam

FS 2015
2
Team
>  Daniel Lam
—  Nebenfach: -
—  Semester: 10
—  Email: daniel.lam@students.unibe.ch
>  Martin Lauber

FS 2015
3
Aufgabenstellung
>  Ausgangslage: https://www.ch.ch/de/e-justice/
>  Hintergrund: Beispiel
>  Zielsetzung: Aufzeigen der Anzahl Behörden, die den
elektronischen Rechtsverkehr anbieten und wie gut
dabei die Eingaben geschützt sind.
>  Datenquelle, Data Coach: Daten selber erhoben,  
Herr Dr. Hauser

FS 2015
4
Daten
>  Datenvolumen: 747 Datensätze bzw. Behörden
>  Datenformat: csv
>  Datenstruktur: Datensatz
>  Excelliste

FS 2015
5
Vorgehen
>  Datenbeschaffung: Fragebogen per Mail an alle
Behörden
>  Datenbereinigungen: Teils bedeutet keine Antwort eine
positive Antwort
>  Datentransformation: Excel->csv->html
—  D3.js
—  GeoJSON

FS 2015
6
Resultat
>  Link: http://XX.sandbox.iwi.unibe.ch
>  Visualisierungsart: Map und Kuchendiagramme
>  Funktionalitäten: Deckfarbe für Anzahl Behörden in Kanton die
elektronischen Rechtsverkehr anbieten
>  Durch Klicken zu Details bez. E2E-Verschlüsselung und
Nennenswertem in Textform
>  Neue Erkenntnisse: Schulungsdeﬁzit, Technikbarriere, Teilweise
wird Datenschutz der Bürger zu wenig ernst genommen.

FS 2015
7
Fazit
Programmieren birgt hohe Einstiegshürden
Datenerhebung kann von immensem Aufwand sein
Behörden und Gerichte sind keine Technologieunternehmen
Vorsicht bei grossen Maillisten

FS 2015
8
Fazit
Aufwand Datenerhebung nicht unterschätzen
Fokus allein auf Programmierung

FS 2015
9
Fazit
Grosser Erfahrungsschatz
Erste Programmierkenntnisse
Zusätzlichen Respekt und Faszination für Coding

 
Implikation der Aufhebung des EUR / CHF
Mindestkurses, Gruppe 22
JOHANNA CROTON und ALEX KRÄUCHI

FS 2015
2
Team
>  JOHANNA CROTON
—  Nebenfach: Psychologie
—  Semester: 4
—  Bisherige Programmiererfahrung: 1
—  Email: johanna.croton@students.unibe.ch
>  ALEX KRÄUCHI
—  Semester: 4
—  Bisherige Programmiererfahrung: 3
—  Email: alex.kraeuchi@students.unibe.ch

FS 2015
3
Aufgabenstellung
15.01.2015: SNB hebt EUR/CHF
Mindestkurs auf. Was sind die
Implikationen für die Schweiz?
>  Hintergrund:
Mit dem 30.09.2014 als Referenzdatum
- was hat es in dieser Zeitperiode für
Änderungen auf Schweizer Wirtschafts-
indikatoren gegeben?
>  Zielsetzung:
Erkenntnisse aus den visualisierten Daten
>  Data Coach:
Agnieszka Leyko von Deloitte

FS 2015
4
Daten
>  Datenvolumen:
—  Verschiedenste Bereiche
—  Tägliche oder monatliche Werte
>  Datenformat:
—  XLS, PDF, CSV, TSV
>  Datenstruktur:
—  Individuelle Strukturen

FS 2015
5
Vorgehen
—  Recherche im Internet
—  Abgleichung mit anderen Quellen
—  Wahl der geeigneten Werte
—  Skalierung und relative Transformation
mit MS Excel
>  Visualisierung:
—  HTML, CSS, JavaScript, D3.js Library

FS 2015
6
Resultat
>  Link: http://jc13u044.sandbox.iwi.unibe.ch
—  Liniendiagramm
—  Numerische Darstellung
—  Interaktive Anzeige der Veränderung pro Tag
—  Daten Filterung
—  Potenzielle Implikationen auf verschiedene
wirtschaftliche Messzahlen

FS 2015
7
Fazit
>  Was haben wir gelernt und was bringt mir das alles?
—  Technische Horizonterweiterung
—  Vorteil von Open Data
—  Nutzen visueller Darstellung von Daten
—  Weitere Darstellungsform
—  Mehr Zielgrössen

 
Ausländische BEvölkerung, Gruppe 23
Laurent Kaufmann und Lukas Heppler

FS 2015
2
Team
>  Laurent Kaufmann
—  Semester: 10
—  Programmiererfahrung: Basics
—  Email: laurent.kaufmann@students.unibe.ch
>  Lukas Heppler
—  Semester: 10
—  Programmiererfahrung: Basics
—  Email: lukas.heppler@students.unibe.ch

FS 2015
3
Aufgabenstellung
>  Ausgangslage
—  Immigration als wichtiges soziales und
politisches Thema
—  Zahlreiche Volksabstimmungen zum
Thema Immigration
>  Ziel
—  Darstellung der Ausländeranteile und deren
Zusammensetzung im Kanton Bern
>  Quellen
—  Offene Bevölkerungsdaten zu den
Gemeinden im Kanton Bern

FS 2015
4
Daten
>  Data Coach: Daniel Studer (BFS)
>  Datenvolumen (2010-2013)
—  315‘120 Datenzellen
>  Datenformat
—  Excel/CSV
>  Datenstruktur
—  BFS-Nr & Name
—  Total
—  Staatsangehörigkeit
>  Quelle
—  STAT-TAB des BFS

FS 2015
5
Datenportal

FS 2015
6
Datenportal

FS 2015
7
Vorgehen
>  Datenbereinigung
—  Beschränkung auf 50‘000 Zellen
—  BFS-Nr. und Name trennen
—  Gemeindefusionen
>  Datentransformationen
—  Werden live berechnet
>  Verwendete Technologien & Libraries
—  D3.js
—  TopoJSON
—  Github (Pages)

FS 2015
8
Resultat
>  Link: http://lh10p414.sandbox.iwi.unibe.ch/
>  Visualisierungsart: Karte & Sunburst
>  Visualisierung von
—  Relativem Ausländeranteil
—  Zusammensetzung der ausländischen
Wohnbevölkerung
—  Relative Anteile einzelner Länder/
Kontinente

FS 2015
9
Interpretation
>  Ausländeranteile variieren stark
—  Biel: 30%
—  Thun: 12%
>  Kleine und ländliche Gemeinden weisen
zum Teil hohe Ausländeranteile auf
>  Zusammensetzung
—  Europa dominiert
—  Gefolgt von Afrika & Asien

FS 2015
10
Fazit
>  d3 & Open Data bieten fast unbegrenzte
Möglichkeiten
>  Visualisierungen stellen wichtige Daten
leicht verständlich dar
>  Ausblick
—  Auf andere Kantone übertragen
—  Veränderung über die Zeit
>  Dokumentation
—  http://loluopendata.github.io/Auslaendische-
BEvoelkerung

 
Kriminalität in der Schweiz
Jenny Tran

FS 2015
2
Team
>  Jenny Tran
—  Hauptfach: Wirtschaftsinformatik
—  Nebenfach:-
—  Semester: 2

FS 2015
3
Aufgabenstellung
—  Zeitung: NZZ und Tagesanzeiger
>  Hintergrund: Wahrheitsgehalt der
Zeitungen
>  Zielsetzung: Selbstversuch anhand der
verfügbaren Daten (Datenquelle der
Zeitung)
>  Datenquelle, Data Coach: Eigene Quellen
von der Bundesamt für Statistik

FS 2015
4
Daten
>  Datenvolumen:
—  Straftaten 2009-2014 : 67 KB
—  Straftaten 2014 in Detail: 221KB
—  Straftaten 2009-2014 : 429 KB nach
Bearbeitung
—  Straftaten 2014 in Detail: 227KB nach
Bearbeitung
>  Datenformat: xlsx -> csv
>  Datenstruktur: Tabelle -> Array ->
Baumstruktur

FS 2015
5
Vorgehen
>  Datenbeschaffung: Bundesamt für Statistik
—  Zeichenbereinigen x, -, ..
—  Gruppentitel
—  Name Duplizieren
—  Ausländeranteil berechnen
>  Datentransformation: CSV
—  D3.js (min.js)
—  jquery.js

FS 2015
6
Resultat
>  Link:
http://jt05q035.sandbox.iwi.unibe.ch/
index.html
—  Treemap
—  Sunburst (Kreisdiagramm)
—  Treemap: Zoom in and out + Buttons
—  Sunburst:
–  Breadcrumb + Legende
–  Mousover (opacity)
–  Scroll Legende

FS 2015
7
Resultat
—  Wichtigkeit der Datenquelle
—  Datenerhebung
—  Vergleichbarkeit innerhalb der Kategorien
—  Überblick
—  Connecting Data
—  Zweck und Graﬁk
—  Einfache Handhabung
—  Aussagen von Zeitungen

FS 2015
8
Fazit
—  Internet hat immer eine Antwort
—  Programmieren = Sprache lernen
—  3D.js hilft bei Datenstrukturänderung
>  Was würde ich nächstes Mal anders
machen?
—  Zweck der Graﬁk
—  Datenkombination
—  Aussagekraft der Graﬁk
—  Schwierigkeit der Bedienung
—  Scheu verlieren nach Hilfe zu fragen

 
Lohnvergleich nach Geschlecht und
Ausbildung, Gruppe 9
Manuel Bühler

FS 2015
2
Team
>  Manuel Bühler 
—  Hauptfach: Business Administration (M Sc BA
—  Schwerpunkt: Wirtschaftsinformatik
—  Semester: 10
—  Bisherige Programmiererfahrung = 0
—  Email: manuel_buehler@gmx.net

FS 2015
3
Aufgabenstellung
>  Ausgangslage, Problemstellung: 
Gleichstellungsgesetz Art. 3
>  Fragestellung: 
Verdienen Frauen weniger als Männer? 
Unterschied abhängig von Ausbildung? 
Unterschiede bezüglich Regionen?
>  Zielsetzung: 
1. Beantworten der Fragestellung 
2. Wie wäre Diskriminierung nachzuweisen
>  Datenquelle: Bundesamt für Statistik (BfS)

FS 2015
4
Daten
Visualisierung 1,2
>  Datenvolumen: 1200 Zellen 
>  Datenformat: xlsx à csv 
>  Datenstruktur: 1 Tabelle  
à pro Ausbildung / Grossregion 1
Tabelle
Weitere Visualisierungen:
(xlsx Tabellen)

FS 2015
5
Vorgehen
>  Grundsatzentscheid:  
keine unvollständigen Datensätze 
keine pdf-ﬁles 
>  Datenbeschaffung: Stat Tab / Download
>  Datenbereinigungen: klassische Filter
>  Datentransformation: Libre ofﬁce
—  D3.js
—  dimple.js (powered by d3)

FS 2015
6
Resultat
>  Link: http://mb10r511.sandbox.iwi.unibe.ch/
>  Visualisierungsart:  
Grouped Bar Chart 
Stacked Area Chart 
Grouped Multiple Line
>  Funktionalitäten: 
Bar Chart– update 
Stacked Area Chart – Tooltips 
Grouped Multiple Line - Tooltips
>  Neue Erkenntnisse: 
Männer verdienen mehr – nicht zwingend Lohndiskriminierung 
Bei Sekretariats- und Kanzleiarbeiten: Lohndiskriminierung 
Die Erwerbsquoten der beiden Geschlechter gleichen sich an

FS 2015
7
Fazit
>  Was habe ich gelernt? 
Ausdauer, Grundlagen von Javascript, Funktionsweise
einer Library,
>  Was würden wir nächstes Mal anders machen? 
Wenn etwas nicht funktioniert 
...Zeitlimit setzen 
...braucht es das? 
...wenn ja, Hilfe holen?
>  Was bringt mir diese Übung? 
Fähigkeit sich mit Software-Entwicklern zu unterhalten 
„Je grösser die Insel des Wissens, desto grösser das
Ufer des Nichtwissens“

FS 2015
8
Merci
>  Mathias Stürmer: 
„Der Mann denkt mit und entwickelt die Veranstaltung laufend weiter
– ein Lehrertyp an der Uni!“ 
>  Khoi Tran:  
„Der Retter in der Not!“
>  Mirjam Läderach 
„Von A bis Z perfekt organisiert!“

Abschlusspräsentationen Studierenden-Apps Open Data Vorlesung 2015

Recommandé

Recommandé

Contenu connexe

En vedette

En vedette (20)

Similaire à Abschlusspräsentationen Studierenden-Apps Open Data Vorlesung 2015

Similaire à Abschlusspräsentationen Studierenden-Apps Open Data Vorlesung 2015 (20)

Plus de Matthias Stürmer

Plus de Matthias Stürmer (20)

Abschlusspräsentationen Studierenden-Apps Open Data Vorlesung 2015