Mitä visualisointi kuvaa?

Visualisointi kuvaa karttanäkymänä Suomen kuntien työttömyyden, ikäjakauman, koulutusindeksin, nettomuuton, sairausindeksin ja rikollisuuden. Vaaleat alueet ovat parempia ja tummat huonompia alueita.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Vertailua Suomen kunnista.

Mitä datalähteitä visualisoinnissa on käytetty?

Maanmittauslaitos, Terveyden ja Hyvinvoinnin laitos

Kerro miten visualisointi on tehty?

Karttapalvelimena on Geoserver, joka ottaa datansa PostgreSQL-tietokannasta. Data on kerrostettu eri karttatasoille läpinäkyvyydellä, jolloin tummana näkyy huonompi alue ja vaaleana parempi. Visualisoinnissa voi myös valita yksittäisiä karttatasoja kuten esimerkiksi rikollisuuden tai esimerkiksi joidenkin karttatasojen yhdistelmän.

Linkki visualisointityöhön

http://kuntatieto.rly.fi:5000/ (ei toiminnassa)

Tekijä

Janne Rosama

Mitä visualisointi kuvaa?

Visualisointi kuvaa tuloverojen osuutta päivittäisestä työajasta.

Oletusnäkymässä näkyvät tiedot perustuvat 3000 euron kuukausituloihin.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Tuloverot muodostavat eri veroista merkittävimmän erän ja niiden maksaminen on tuttua useimmille töitä tehneille. Epäselvempää saattaa olla, mitkä eri tahot kaikki ovat koura ojossa palkkapäivänä.

Mitä datalähteitä visualisoinnissa on käytetty?

Datalähteenä on käytetty Veronmaksajain keskusliiton tuloverotukseen liittyviä tilastoja, http://www.veronmaksajat.fi/fi-FI/tutkimuksetjatilastot/tuloverotus/.

Kerro miten visualisointi on tehty?

HTML5/jQuery -kellon päälle on aseteltu ajankäyttöä kuvaavat siivut, jotka reagoivat hiiren liikkeisiin.

Linkki visualisointiin

http://thusu.users.cs.helsinki.fi/vero/

Tekijä

Tuomas Husu

Mitä visualisointi kuvaa?

Päiväkoti Wilholan ostopalvelusopimus on raukeamassa. Uskomme, että esittämällä oikeat faktat mm. taloudellisista vaikuttimista, voimme muuttaa päätöksenkulun suunnan.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Saitti on piste, jossa tuomme julkista ja viranomaisten hallussaan pitämää dataa yhteen, visualisoimme ne helpoin menetelmin ja avaamme keskustelulle.

Mitä datalähteitä visualisoinnissa on käytetty?

Kaupunginosien rajat, joista on muokattu päivähoitoalueiden rajat, www.aluesarjat.fi demografiadataa, työpaikkojen määrä, Helsingin kaupungin päätösasiakirjat, Sosiaaliviraston sivusto, Pääkaupunkiseuden palvelukartta

Kerro miten visualisointi on tehty?

Google Fusion Tables, Spreadsheets, Refine ja Sites.

Linkki visualisointityöhön

http://sites.google.com/site/wilholanjatko/

Tekijä

Susanna Ånäs

Mitä visualisointi kuvaa?

Tekeekö mielesi isoa tuuttia vai ihan pientä puikkoa? Jos ottaisin oikein pienen niin voinko olla varma, että kaloreita on myös vähemmän? Iso laihistuutti.. – onko sellaisia? Missä tuutissa on eniten rasvaa? Kysyisinkö myyjältä? Kilauttaisinko kaverille?

Apps4Finland 2011 visualisointi-kategorian kilpailutyö “Jätskijuliste” antaa vastauksia. Interaktiivisesta Tableau-visualisoinnista voit päätellä oman kesäsuosikkisi. Grafiikka erittelee jäätelötyypin, jäätelömerkin, valmistajan, pakkauskoon sekä energia-arvot.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Kuluttajaliiton data tarjoaa erinomaisen synteesin tietoon, jota useimmat kuluttajat tarkastelevat ostoksissaan – eli ravintoarvoihin. Visualisoinnin ideana on muistuttaa jälleenmyyjiä mahdollisuudesta tarjota kuluttajille tietoa tuotteista avoimen datan avulla.

Mitä datalähteitä visualisoinnissa on käytetty?

Kuluttajaliiton taulukoitua dataa ko. valmisteiden ravintoarvoista. Lähteeseen on koottu liki sadan jäätelön ravintosisällöt annosta kohden. Taulukosta selviää tuotteiden energiasisältöjen lisäksi rasva- ja hiilihydraattipitoisuudet, osasta lisäksi sokeripitoisuudet.

Kerro miten visualisointi on tehty?

Tableau-public visualisointityökalulla, dataa on muokattu taulukkolaskentaohjelmalla.

Linkki visualisointityöhön

http://jatskijuliste.blogspot.com/2011/10/avoimesta-datasta-apua-arjen-vaikeisiin.html

Tekijä

Reija Ristila

Mitä visualisointi kuvaa?

Suomen kansantaloudellinen Elämänpuu tarjoaa vastauksia seuraaviin kysymyksiin:
Millä toimialoilla suomalaiset työskentelevät?

Mistä Suomen bruttokansantuote rakentuu?

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Visualisointi antaa kokonaiskuvan Suomen kansantalouden rakenteesta ihmisystävällisessä muodossa.

Ohje:
Valitse “more” -valikosta fullscreen-näkymä. Seuraa esitystä nuolinäppäinten avulla. Voit myös zoomata vapaasti hiiren rullanäppäimen avulla. Siirrä kuvaa tarttumalla siihen.

Mitä datalähteitä visualisoinnissa on käytetty?

Kansantaloudellinen tilinpito 2000 – 2009 (Tilastokeskus 2010)
CIA World Factbook 2011

Kerro miten visualisointi on tehty?

Visualisoinnissa on hyödynnetty Hahmota Oy:n Veropuu-generaattoria, joka piirtää puukaavioita SVG-muotoon CSV-tiedostojen perusteella.

Linkki visualisointiin

http://tinyurl.com/elamanpuu

Tekijät

Hahmota Oy

Mitä visualisointi kuvaa?

Visualisointi kuvaa sovellusta, jonka avulla voi vertailla eri vaalipiirien, kaupunkien, kaupunginosien ja äänestysalueiden eroja puoluekannatuksessa, äänimäärissä sekä äänestysaktiivisuudessa.
Visualisointi esittelee, kuinka sovelluksella voidaan vertailla äänestyskäyttäytymistä niin koko maan kuin yhden äänestysalueenkin tasolla sekä kuinka erikokoisia äänestysalueita voidaan vertailla rinnakkain.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Visualisointi antaa käyttäjälle mahdollisuuden yhdellä silmäyksellä havaita eri alueiden puoluekannatukset ilman numerodatan vertailua. Visualisointi tarjoaa lisäksi mahdollisuuden vertailla kaupunkien, vaalipiirien ja äänestysalueiden ohella myös todellisten kaupunginosien tai vaikka Helsingin suurpiirien välisiä eroja äänestyskäyttäytymisessä.
Uutta on myös erisuuruisten alueiden vertailu. Esimerkiksi oman postinumeroalueen puoluekannatusta voi vertailla helposti vaikka naapurikaupunkia tai vanhan kotikuntaansa vasten ja nähdä erot yhdellä silmäyksellä.

Mitä datalähteitä visualisoinnissa on käytetty?

Päädatalähteenä työssä on käytetty Tilastokeskuksen Eduskuntavaalit 2011 -taulukoita (http://pxweb2.stat.fi/database/StatFin/vaa/evaa/Eduskuntavaalit%20-%202011/
Eduskuntavaalit%20-%202011_fi.asp). Lisäksi visualisoinnissa on hyödynnetty HRI:n julkaisemia pääkaupunkiseudun aluejakokarttoja (http://www.hri.fi/fi/data/paakaupunkiseudun-aluejakokartat/) sekä Helsingin kaupungin julkaisemaa äänestysalueiden jakokarttaa (http://www.hel.fi/hki/helsinki/fi/P__t_ksenteko+ja+hallinto/Osallistuminen/__nest_/
Eduskuntavaalit_2011/__nestysalueet+ja+-paikat).

Kerro miten visualisointi on tehty?

Grafiikat on laadittu Illustratorilla numerodatan pohjalta. Animaatio on toteutettu Flashilla.

Linkki visualisointiin

http://www.simosahla.com/politiikan_maantiede.html

Ketkä ovat visualisoinnin tekijät?

Simo Sahla, Mikko Piiroinen, Marjut Nousiainen

Mitä visualisointi kuvaa?

Busbus on visuaalinen analytiikkatyökalu bussiliikennedatan tutkimiseen. Visualisoinnissa on esitetty pääkaupunkiseudun bussireittidata yhdistettynä yhden vuorokauden lipunmyynti- ja matkakorttidataan.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Visualisointi kuvaa pääkaupunkiseudun bussiverkostoon ja sen käyttäjiin liittyviä maantieteellisiä, ajallisia, määrällisiä ja laadullisia yhteyksiä. Monipuolisten suodatusmahdollisuuksien avulla käyttäjä voi itse valita haluamansa näkökulman dataan. Visualisonnista on helppo hahmottaa kiinnostavia ilmiöitä, joiden löytäminen taustalla olevasta 8 megatavun numeerisesta aineistosta olisi vaikeaa ellei mahdotonta.

Mitä datalähteitä visualisoinnissa on käytetty?

Pääkaupunkiseudun bussireitit ja aikataulut (avoin data)
Yhden vuorokauden lipunmyynti- ja matkakorttikäyttödata

Kerro miten visualisointi on tehty?

Visualisointi on toteutettu Java-ohjelmointikielellä.

Linkki visualisointityöhön

http://busbus.nypon.fi/

Tekijät

Jan Wolski (Parallax Oy)

Mitä visualisointi kuvaa?

Visualisointi kuvaa Yleisradion ja 15/30 Researchin tekemää “Suomalaiset verkossa”-tutkimusta vuodelta 2010.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Visualisoinnin avulla on helpompi hahmottaa tutkimuksen tuloksia. Visualisoinnissa on myös suodatusmahdollisuus, jolloin eri segmenttien vertailu helpottuu.

Mitä datalähteitä visualisoinnissa on käytetty?

Visualisoinnin datalähteenä on käytetty Yleisradion julkaisemaa aineistoa (http://blogit.yle.fi/kehitys-kehittyy/suomalaiset-verkossa-tutkimuksen-vastaukset-avoimena-datana).

Kerro miten visualisointi on tehty?

CSV-aineisto on parsittu PHP:llä ja koostettu JSON-objektiksi.

Sivu on rakennettu HTML5 Boilerplatella (http://html5boilerplate.com/) ja se käyttää mm. jQuery-kirjastoa.

Linkki visualisointiin

http://polso.info/finnish-internet/

Tekijät

Kristian Polso & Dung Nguyen

Mitä visualisointi kuvaa?

Seismi-visualisointi on työkalu maanjäristyksien hahmottamiseen. Palvelussa on saatavilla kaikki maailman yli neljän richterin maanjäristykset vuoden 2010 alusta alkaen tähän päivään. Uudet maanjäristykset päivittyvät Seismiin keskimäärin noin tunnin kuluessa järistyksestä.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Seismi-visualisointi tarjoaa erilaisia lähestymistapoja maanjäristyksien tutkimiseen ja ymmärtämiseen. Maanjäristystieto on mukautettu informatiivisempaan ja helpommin lähestyttävään sekä visuaalisesti mielenkiintoiseen muotoon. Eri havainnointinäkymät (kartta, aikajana, syvyys ja listaus) helpottavat tiedon analysointia ja lähestyttävyyttä. Maanjäristys tietoa on myös mahdollista suodattaa ajan ja järistyksen voimakkuuden mukaan.

Mitä datalähteitä visualisoinnissa on käytetty?

Maanjäristykset kerätään USGS (U.S. Geological Syrvey) rss-syötteistä: http://www.usgs.gov/

Maailman merkittävimmät tulivuoret NGDC: http://www.ngdc.noaa.gov/

Mannerlaattojen tiedot UTIG (Institude for Geophysics): http://www.ig.utexas.edu/research/projects/plates/

Kerro miten visualisointi on tehty?

Seismi-visualisointi on kaikkien saatavilla internetissä. Vaatimuksena on moderni internet-selain, joka tukee javascript:iä. Visualisointinnin toteuttamiseen on käytetty HTML5:sta sekä Paper.js (http://www.paperjs.org) kirjastoa.

Maanjäristystiedot kerätään automaattisesti avoimesta USGS-lähteestä omaan tietokantaan, josta ne ovat myös tarjolla kaikkien käytettäväksi (avoin ohjelmointirajapinta API, http://www.seismi.org/api/) JSON-tekniikkaa hyödyntäen (http://www.json.org/).

Linkki visualisointiin

http://www.seismi.org

Tekijät

Niko Knappe, Gokce Taskan

Mitä visualisointi kuvaa?

Kolmiulotteisen visualisoinnin avulla voi tarkastella kaksioiden hintatasoa pääkaupunkiseudulla. Lisäksi taulukossa on esitetty muutamasta kohteesta keskimääräiset vuokra- ja myynti-ilmoitushinnat, niiden avulla laskettu suhdeluku ja vuokratuotto ajan ja paikan suhteen.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Keskimääräisen vuokra- ja myyntitasojen vertaileminen on nyt todella helppoa – paina vain nappia ja nauti! Visualisointi luotiin mallin avulla, jolla voidaan laskea arviot datassa esiintyvistä muuttujista sekä laskea uusia muuttujia ajan ja paikan suhteen, kuten sijoitusasunnon tuottoprosentti. Lisäksi myynti- ja vuokrahintojen suhde laskettiin ottaen huomioon keskimääräinen asuntolainojen korko ja kerrostaloasunto-osakeyhtiöiden hoitokulut. Pienillä parametrimuunnoksilla uusien visualisointien luominen on melko helppoa.

Mitä datalähteitä visualisoinnissa on käytetty?

HSopen/oikotie.fi
http://blogit.hs.fi/hsnext/asuntojen-vuokrat-ja-hintapyynnot-oikotiella-2010-2011

SUOMEN PANKKI http://www.suomenpankki.fi/fi/tilastot/tase_ja_korko/Pages/index_2010_12_31.aspx

Tilastokeskus
http://www.stat.fi/til/asyta/2010/asyta_2010_2011-09-16_tie_001_fi.html

Yahoo&Google Geocoging API: Osoitteiden koordinaatit

Kerro miten visualisointi on tehty?

Datan esikäsittely: Excel ja MatLab

Datan jalostaminen: Excel, MatLab ja Yahoo&Google Geocoding API. Lisäksi muita lähteitä käytettiin uusien muuttujien laskemiseen.

Kuvat generoitiin Oikotien vuokra- ja myynti-ilmoituksien louhintaa varten kehitetyllä MatLab-koodilla.

Taulukon arvot saatiin painotetun rekursiivisen mallin avulla. Arvio keskimääräisestä vuokra- ja myyntihinnoista laskettiin aikaisempien ilmoitusten avulla painottamalla muiden ilmoituksien jättöaikaa ja sijaintia. Uudemmat ja lähempänä kohdeosoitetta olevien ilmoituksien tiedot saivat suuremman painoarvon mallissa. Kartta luotiin rekursiivisesti painotettujen kaksiulotteisten normaalijakaumien avulla. Visualisointia varten muodostunutta pintaa tasoitettiin luettavuuden parantamiseksi. Kolmiulotteiset tallennettiin png-tiedostoina, jonka jälkeen generoituihin kuviin liitettiin taulukko ja aikajana. Kuvat liitettiin yhteen Windows Liven elokuvatyökalulla. Tällä työkalulla infotekstien lisääminen onnistui melko helposti. Toivottavasti visualisointi on helpommin ymmärrettävissä kuin tämä selitysteksti.

Anna linkki videoon tai johonkin muuhun esitykseen, joka kuvaa visualisointia

Kaksioiden pyyntineliöhinnat pääkaupunkiseudulla 2010-2011
http://www.youtube.com/watch?NR=1&v=GRfMWEr-YKI

Tilastotieteen ystäville käppyröitä:
https://picasaweb.google.com/102817119736916049265/HelsinginKaksiotMyyntiJaVuokrailmoitushintojenSuhde?authuser=0&feat=directlink

Vuokrat-visualisointi Hans Roslingin tapaan (tai hieman sekavammin):
http://dl.dropbox.com/u/43933057/oikotie/vuokrat.html

Linkki visualisointiin

http://www.youtube.com/watch?v=NzlDNYudsMo

Tekijä

Jaakko Talonen

Mitä visualisointi kuvaa?

Bigchartin avulla voi vertailla pk-seudun alueita yli kahdenkymmenen indikaattorin valossa vuosina 2002-2008. Näitä indikaattoreita ovat muun muassa vieraskielisten osuus väestöstä, korkea-asteen tutkintojen määrä, väestön keskitulo, työllisyysaste ja asuntojen määrä.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Bigchartin avulla voi löytää monia ilmiöitä, joita ei välttämättä ole tullut aiemmin ajatelleeksi. Kiinnostavia huomioita ovat mm.

* korkea-asteen tutkintojen ja väestön keskitulon välillä on selvä korrelaatio, molemmissa parhaiten sijoittuu Suur-Tapiola

* ruotsinkieliset ja vieraskieliset ovat keskittyneet pk-seudulla useimmiten eri alueille: ruotsinkieliset Espooseen ja Etelä-Helsinkiin, vieraskieliset Itä-Helsinkiin (Helsingin itäisessä suurpiirissä vieraskielisiä oli vuonna 2008 jo 14 %)

* Espoossa on eniten korkea-asteen tutkintoja ja korkein työllisyysaste, Helsingissä on 2. eniten tutkintoja mutta matala työllisyys, Vantaalla on vähiten tutkintoja mutta Helsinkiä korkeampi työllisyysaste

* 2000-luvun alkupuolella sekä korkea-asteen tutkintoja että työssäkäyviä oli prosentuaalisesti vähiten Jakomäessä

Mitä datalähteitä visualisoinnissa on käytetty?

HRI-data (http://www.hri.fi)

Kerro miten visualisointi on tehty?

Excel-muodossa ollut HRI-hankkeen data on ensin tallennettu MySQL-tietokantaan, josta se noudetaan sovelluksen käyttöön. Itse sovellus on tehty Google Motionchartin avulla.

Linkki visualisointiin

http://www.floapps.com/lab/tieke/bigchart.php

Tekijät

Flo Apps Oy

Mitä visualisointi kuvaa?

Visualisointi kuvaa HelMet-kirjaston kirjat kirjastoluokittain puurakenteena. Väreillä esitetään kirjojen määrää eri kategorioissa.

Kirjastoluokan yhteydessä on tiedot kirjastoluokan koodista ja HelMet-kirjastodatassa olleiden kirjastoluokan alle kuuluvien kirjojen määrästä (aliluokkien kirjat lasketaan ylempään luokkaan kuuluviksi).

Visualisoinnin avulla on mahdollista navigoida yksittäisten kirjojen tietoihin HelMet-kirjaston sivuille.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Visuaalisointi helpottaa kirjaston kirjastoluokkarakenteen hahmottamista ja samalla kuvaa kirjaston kirjojen jakautumista eri luokkiin.

Visualisointi mahdollista kirjastoluokkarakenteen tutkimisen ja auttaa löytämään mielenkiintoisia kirjastoluokkia ja tutkimaan niissä olevia kirjoja. Tutkimisessa painottuu erityisesti kokonaiskuva eli mitä samankaltaisia kategorioita on myös olemassa.

Mitä datalähteitä visualisoinnissa on käytetty?

Helmet-kirjastodataa, yleisen kirjastojen luokittelujärjestelmän ja Helsingin kaupunginkirjaston
luokitusjärjestelmän (kaunokirjallisuus) luokittelujärjestelmätietoja

Kerro miten visualisointi on tehty?

HelMet-data ja luokittelujärjestelmät parsittiin tekstitiedostoista JSON-objekteiksi Pythonilla.

Visualisointi on tehty Javascript InfoVis Toolkitillä.

Koska dataa on melko paljon (n. 50 megatavua) itse kirjojen tiedot haetaan AJAXilla juuri ennen kuin niitä tarvitaan. Vain kategoriat ladataan sivulatauksen yhteydessä.

Linkki visualisointiin

http://jyrsa.iki.fi/jyrsa/helmet/

Tekijä

Jyry Suvilehto

Mitä visualisointi kuvaa?

HelMet-kirjastojen suosituimpien kaunokirjojen lainaustilastoja huhtikuusta 2007 toukokuuhun 2011. Palkin koko kertoo kirjan lainausten määrä tiettynä ajanhetkenä.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Visualisointi kuvaa kuinka kirjojen lainausaikojen elinkaari etenee. Siinä näkee myös suhteen kaikkein suosituimpien kirjojen ja muiden lainaussuhteen helposti tulkittavassa muodossa.

Mitä datalähteitä visualisoinnissa on käytetty?

Helmet-kirjastojen halutuimmat teokset 2.2.2007-23.5.2011.

Kerro miten visualisointi on tehty?

Tietojen lukeminen JSON-tiedostosta, niiden analysointi ja interpolointi sekä kuvan luominen on toteutettu käyttäen C++ kieltä ja OpenGL-rajapintaa. Joka on nauhoitettu videoksi. Lopullinen video on leikattu Adobe Premierellä.

Linkki visualisointityöhön

http://vimeo.com/30854725

Tekijät

Ari Hamara

Mitä visualisointi kuvaa?

Suomen kunnilla on vakavia ongelmia. Osa niistä on kuihtumassa, osa hukkuu velkaan. Naapurikunnat kilpailevat keskenään hyvätuloisista asukkaista.

Aihe on jatkuvasti esillä mediassa, mutta siitä voi olla vaikea saada otetta. Visualisointi kuvaa ongelmien laajuutta ja mittakaavaa tavalla, joka on helppo ymmärtää ilman taustatietojakin.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Visualisointi mahdollistaa erilaisten kuntatilastojen alueellisen vertailun tavalla, joka ei ole ollut aiemmin mahdollinen.

Karttoja tutkimalla voi löytää vastauksia erilaisiin kysymyksiin kuten:

• Mitkä kunnat hyötyvät muuttoliikkeestä? Mitkä kärsivät ja miksi?
• Miten kuntien voi olettaa pärjäävän tulevaisuudessa?
• Mitkä kunnat ovat potentiaalisia kohteita uusille kuntaliitoksille?

Mitä datalähteitä visualisoinnissa on käytetty?

Tilastokeskuksen tilastotietokannat, Maanmittauslaitoksen kartta-aineistot, Kuntaliiton tilastot

Kerro miten visualisointi on tehty?

Visualisointi on tehty Google Maps Javascript APIa hyödyntäen.

Kuntarajat on saatu Maanmittauslaitoksen ilmaisesta kartta-aineistosta ja muunnettu ensin kml-tiedostoksi, joka on sitten muunnettu json-muotoon. Tilastokeskuksen ja Kuntaliiton tilastot on käsitelty Excelissä ja muunnettu myös json-muotoon. Tietopaketit piirretään javascriptillä Googlen rajapintaa käyttäen.

Linkki visualisointiin

http://www.wanhala.net/kunnat/

Tekijä

Lauri Vanhala

Mitä visualisointi kuvaa?

Visualisoinnit kuvaavat Pääkaupunkiseudun väestökasvua kolmi- tai siis jopa neliulotteisesti. Käyttäjä voi liikkua selaimessaan kolmiulotteisella karttapohjalla interaktiivisesti ja valita vapaasti esim. katselukulman. Väestömuutoksen trendin kehittymistä voi tarkastella eri vuosina (2000-2021) aikavalintaliukusäätimellä.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Visualisoinnissa on hyödynnetty Google Earth -teknologiaa, joka mahdollistaa esitetyn kaltaisten ilmiöiden ja tilastollisten aineistojen tarkastelun ja visualisoinnin vuorovaikutteisesti kolmiuloitteisessa maailmassa. Visualisointi auttaa hahmottamaan paremmin alueellisia eroja, alueellisia keskittymiä ja voi toimia päätöksenteon ja suunnittelun apuvälineenä.

Mitä datalähteitä visualisoinnissa on käytetty?

Visualisoinnissa on hyödynnetty Helsinki Region Infosharen avoimia seudullisia tilasto- ja aluejakoaineistoja

Kerro miten visualisointi on tehty?

Visualisointiesimerkkejä on kaksi: 1) Pienaluepohjaisessa visualisoinnissa lähtötietoina ovat olleet csv-muotoinen tilastoaineisto sekä kml-muotoinen aluerajojen vektoridata. Näiden yhdistelmästä on luotu kml-muotoinen 3d-särmiökarttaesitys. 2) Suuraluepohjaisessa visualisoinnissa em. aineistot ovat niinikään yhdistetty, mutta aluekohtaista väestömäärää indikoi tässä lähestymistavassa 3d-malline.

Linkki visualisointiin

http://demo.navici.com/OpenData/apps4finland/

Tekijät

Logica

Mitä visualisointi kuvaa?

Käyttäjä voi visualisoinnin avulla tarkastella postinumeroalueittain mediaanihintoja ja hintojen vaihtelevuutta (keskihajonta) sekä vuokratarjonnan määrää vuosina 2010-2011.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Hintojen, vuokrakämppien määrän ja vuokrahintojen keskihajonnan vertaileminen alueittain on nyt helppoa!

Mitä datalähteitä visualisoinnissa on käytetty?

http://blogit.hs.fi/hsnext/asuntojen-vuokrat-ja-hintapyynnot-oikotiella-2010-2011

Kerro miten visualisointi on tehty?

csv-tiedosto muutettiin ensin mat-muotoon (Matlab). Tämän jälkeen datan aggregointi onnistui helposti. Jalostetusta datasta luotiin Google Motion Chart-visualisointi.

Linkki visualisointiin

http://dl.dropbox.com/u/43933057/oikotie/vuokrat.html

Tekijä

Jaakko Talonen

Mitä visualisointi kuvaa?

Visualisointi näyttää lintuperspektiivistä kuinka pääkaupunkiseudun joukkoliikenne herää uuteen aamuun.

Yksittäiset valopisteet alkavat vaeltaa kohti pääkaupungin keskustaa jo varhain aamulla. Työpaikkaliikenteen alkaessa ne liittyvät yhtenäisiksi virroiksi, joista on helppo nähdä, mitä reittejä ihmiset liikkuvat.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Voi olla vaikea hahmottaa, kuinka kattava Helsingin seudun joukkoliikenneverkko on. Esimerkiksi tavalliset reittikartat eivät kerro koko totuutta, sillä niistä ei näe, kuinka usein liikennevälineet kulkevat.

Visualisointi näyttää, miksi pääkaupunkiseudulla ei ole pakko omistaa autoa.

Mitä datalähteitä visualisoinnissa on käytetty?

Joukkoliikennevälineiden sijainti lasketaan Reittioppaasta saatujen tietojen pohjalta. Ilmakuvat on ladattu Maanmittauslaitoksen rajapinnan kautta, ja satelliittikuva on saatu ilmaiseksi Terrametricsiltä non-profit-käyttöön.

Kerro miten visualisointi on tehty?

Animaatio piirretään tarkoitusta varten tehdyllä sovelluksella joka tekee monta asiaa:

• lataa aikatauludatan Reittioppaasta
• lataa taustakartat
• projisoi yksittäiset pysäkit reittikartalle
• laskee busseille mahdollisimman tarkat ohitusajat kullekin pysäkille. Kaikkien pysäkkien kohdalla Reittioppaan aikataulutietoa ei voida käyttää, sillä minuutin tarkkuus ei riitä animaation piirtämiseen.
• tekee muunnoksen ETRS-TM35FIN-projektioon
• piirtää reitit ja taustakartat halutuilta alueilta png-sekvenssiksi

Lopullinen video on koostettu png-tiedostoista After Effectsillä ja Premierellä.

Linkki visualisointiin

http://www.youtube.com/watch?v=qGllzWt0acU

Tekijä

Lauri Vanhala

Mitä visualisointi kuvaa?

Visualisoinnin avulla voi tarkastella kansanedustajan samankaltaisuutta verrattuna keskimääräiseen puolueen/opposition/hallituksen kansanedustajien YLE:n vaalikonevastauksiin ja äänestyskäyttäytymiseen.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Visualisointi antaa kokonaiskuvan kansanedustajien keskinäisistä riippuvuuksista vuodesta 2010 alkaen.

Mitä datalähteitä visualisoinnissa on käytetty?

[YLE: Vuoden 2011 vaalikonetiedot nyt avoimena datana], [Biomi.org], [eduskunta.fi].

Kerro miten visualisointi on tehty?

Kaikille hallituspuolueille, oppositiolle, hallitukselle ja pääministeripuolueelle laskettiin tyypilliset äänestyskäyttäytymiset vuodesta 2010 alkaen. Lähteinä olivat eduskunnan äänestystulokset sekä YLE:n vuoden 2011 vaalikonedata. Kaikkien kansanedustajien jokaisen äänestyksen samankaltaisuus kunkin puolueen, opposition, hallituksen ja pääministeripuolueen kanssa laskettiin. Hallituksen ja opposition samankaltaisuuden erotuksesta luotiin uusi muuttuja: “Oppositio Hallitus”. Kullakin ajanhetkellä uusimpia eduskunnan äänestyksiä painotettiin enemmän kuin menneitä. YLE:n tarjoama vaalikonedata saa analyysissa suuremman painon ajanhetken ollessa lähempänä vuoden 2011 eduskuntavaaleja.

Linkki visualisointiin

http://users.ics.tkk.fi/talonen/apps4finland/eduskunta/

Tekijä

Jaakko Talonen

Mitä visualisointi kuvaa?

Populistipuolue.fi kertoo minkälaisen puolueen kansa (tilastojen mukaan) oikeasti haluaisi. Kuvitteellinen puolueohjelma on koottu vaalikoneen yhdistämällä lauseet niistä vaalikoneen kysymyksistä, joilla on ollut selkeä kannatusenemmistö. Esitystapa on huumorilla höystetty, mutta alla piilee totuus.

Mitä uutta visualisointi kuvaa, mikä aiemmin ei ollut tunnettua?

Normaalisti vaalikoneet kertovat vain mitä mieltä eri politikot ovat ja niissä voi vertailla mitä mieltä itse on suhteessa eri politikoihin. Samalla kuitenkin vaalikone kerää tarkkaa tietoa siitä, mitä mieltä koko vastaajia edustava kansa on. Kansan mielipidettä (keskimäärin) ei ole paljastettu aiemmin.

Mitä datalähteitä on visalisoinnissa käytetty?

Sivusto on saanut alkunsa HS Open -tapahtumassa ja se pohjautuu Helsingin Sanomien vuoden 2007 vaalikoneen dataan, joka on julkaistu avoimesti CC-BY-NC -lisenssillä. Vastaavaa dataa ei ole julkaistu koskaan aiemmin, eikä myöskään myöhemmin, vaikka YLE ja Sanoma ovatkin julkaisseet osan vuoden 2010 vaalikonedatoista.

Kerro miten visualisointi on tehty?

Data on putsattu ja ajettu MySQL-tietokantaan, josta se on sitten otettu ulos Python/Django-koodilla ja visualisoitu Javascript- ja SVG-koodilla.

Sivun http://www.populistipuolue.fi/kannatus.html polkugraafia ei tietääkseni ole kukaan koskaan tehnyt aiemmin, joten se toteutettiin suoraan itsetehtynä SVG-koodina, tosin matalan tason Raphael-kirjastoa hyödyntäen.

Koko toteutuksen data ja lähdekoodi on saatavilla sivustolta.

Linkki visualisointiin

http://www.populistipuolue.fi/

Tekijät

Otto Kekäläinen, Matti Lassila