Op zoek naar een rijke vrijgezelle? Verhuis naar Linkebeek!

Een paar weken geleden gingen de resultaten van de Census 2011 online, de eerste volkstelling in België die volledig werd uitgevoerd op basis van databanken in plaats van een deur-tot-deur bevraging. Hier en daar kon je er in de pers wel over lezen, maar de echte rijkdom van deze dataset kwam nergens echt aan bod. Met deze demo wil ik hier graag verandering in brengen.

Stel: je bent al enige tijd vrijgezel en al even op zoek naar de vrouw van je leven. Je eisen zijn niet echt hoog: je hoopt enkel dat ze wat brood op de plank kan brengen. Maar toch is het vinden van de vrouw van je leven al een moeilijke zoektocht gebleken. Veel vrouwen loop je niet echt tegen het lijf en als dat toch eens gebeurt, blijken ze niet zelden al getrouwd te zijn.

Ondertussen word je stilaan lichtjes wanhopig en je neemt een drastisch besluit: je gaat verhuizen naar de plaats in Vlaanderen waar je het meeste kans hebt om de vrouw van je leven tegen te komen.

Gelukkig kan je wat met data overweg. De gegevens van de Census 2011, aangevuld met wat data over inkomens, en Tableau zijn alles wat je nodig hebt.

Daar ga je.

Tableau maakt het gemakkelijk om verschillende datasets aan elkaar te hangen.

Om tabellen met gemeentedata aan elkaar te plakken (join is de officiële term) gebruik je best NIS-codes

Eenmaal de data in Tableau, is het een kwestie van velden slepen en filters instellen. Je wil graag veel vrouwen kunnen ontmoeten en liefst zijn deze vrouwen niet getrouwd. Census 2011 heeft de ideale data voor jou: voor iedere gemeente wordt de verhouding tussen mannen en vrouwen gegeven en wordt ook weergegeven wat het aandeel getrouwde personen is. Dit zetten we in een puntenwolk, waarop we met kleur de gemeenten van elke provincie groeperen.

linkebeek1

Voor meer detail, zoomen we even in.

linkebeek2

Dat ziet er al heel goed uit. Gemeenten met relatief weinig gehuwde mensen vind je links, gemeenten met relatief veel vrouwen vind je bovenaan. Linksboven in de grafiek, daar moet je dus zijn.

Maar je Frans is niet geweldig, en dus besluit je franstalige gemeenten uit te sluiten met een filter.

linkebeek3

Mooi. Maar omdat je liefst zou willen dat je toekomstige niet onbemiddeld is, besluit je enkel de gemeenten met de hoogste gemiddelde inkomens in aanmerking te laten komen. Met de natte vinger leg je de grens op een gemiddeld inkomen op 16.000 euro per inwoner per jaar.

linkebeek4

Je nieuwe jachtterrein springt er links bovenaan meteen uit: Linkebeek, waar voor iedere 10 mannen 11 vrouwen wonen, waar maar 46 % van de inwoners getrouwd is en waar het gemiddelde inkomen per inwoner net geen 20.000 euro per jaar bedraagt, wordt je nieuwe thuis!

Mocht Linkebeek je toch niet zo liggen, verleg je territorium dan naar de andere gemeenten uit het kwadrant linksboven. Gent, Mortsel en kustgemeenten Oostende, Blankenberge en De Panne komen in aanmerking (maar voor deze laatste 3 zou ik toch ook even de gemiddelde leeftijd uit de Census 2011 nakijken).

Check hieronder zelf waar je best gaat wonen.

Laat de politieke stromen stromen

Hoe stromen kiezers tussen de verkiezingen van de ene naar de andere partij? Een studie, resultaat van een samenwerking van meerdere universiteiten, wijst het uit. Kiezers zijn niet echt honkvast en wisselden tussen de verkiezingen van 2010 en 2014 flink van voorkeur.

Om de resultaten van het onderzoek te visualiseren, koos De Standaard voor donutjes:

kiezersstromen_standaard

 

De Morgen kiest voor gestapelde staven:

politiekestromen_DM

Beide grafieken geven mooi weer hoe de kiezers bewogen per partij. Maar wat ontbreekt is het algemene overzicht. En je hebt ook geen idee van de onderlinge verhoudingen tussen de partijen, aangezien alle partijen als 100 % worden voorgesteld. Dit vertekent het beeld: kleine partijen krijgen veel meer visuele ruimte dan ze eigenlijk verdienen.

Sankey

Het kostte me wat moeite, maar uiteindelijk vond ik toch het brondocument van de cijfers. Door de cijfers van de verkiezingsresultaten te combineren met de cijfers van de in- en uitstroom van elke partij, kon ik een stroomdiagram (of Sankey-diagram) maken:

PolitiekeVerschuivingen

Met deze visualisatie krijg je wel een algemeen beeld van het hele plaatje (misschien wat te druk, ik geef het toe) en worden de verhoudingen tussen de partijen wel gerespecteerd.

Binnenkort

Met wat meer tijd zou ik nog wat datalabels en wat interactiviteit toevoegen (voor het uitlichten van partijen, bijvoorbeeld, en voor het raadpleegbaar maken van de cijfers), maar voor nu blijft het bij deze schets.

Vanaf volgende week, echter, zal ik dergelijke grafieken maken voor De Tijd en L’Echo. Het bekritiseren van visualisaties uit andere media zal vanaf dan op deze blog op een lager pitje gezet worden (tenzij er bepaalde grenzen overschreden worden, natuurlijk). Ik zal me in de toekomst vooral concentreren op mijn eigen werk.

Weather Browser wint!

Afgelopen juli nam ik deel aan de Climate Crush, een wedstrijd voor het visualiseren van klimaatgegevens. Ik maakte de Weather Browser, een interactieve tool die met drie circulaire diagrammen voor ieder uur van de dag de temperatuur, neerslag, windsnelheid, windrichting en bewolking weergeeft (lees hier de making of).

weatherbrowser_overview

Het Amerikaanse zakenblad Fast Company schreef op zijn website in het artikel How to re-imagine the climate : designers and coders hack weather data over de wedstrijd en pikte er enkele van de meer interessante inzendingen uit. Dit schreven ze over mijn inzending:

This interactive tool by Maarten Lambrechts visualizes detailed daily and hourly weather data in a way that makes it easy to compare the climates of two cities (in the example case, Cairo and Singapore) by temperature, wind speed and direction, precipitation, and cloud cover. It’s a neat way to get a quick, intuitive sense of hundreds of thousands of data points. I could see this being useful if, say, a person were moving and were deciding between two cities. A morning jog-type person might quickly browse the data to get a sense of seasonal, hourly, and daily variation between different places.

Zelf vind ik de Weather Browser vooral geschikt om snel een beeld te krijgen van het weer op een bepaalde dag in het verleden (bijvoorbeeld op de dag van je geboorte).

In de prijzen

Eind  vorige week werden eindelijk de prijzen bekendgemaakt. Mijn visualisatie werd tweede!

Uiteraard ben ik heel gelukkig met deze prijs, zeker gezien de andere inzendingen. Winnaar werd Rainscapes van Density Design, het onderzoekslab van het departement Design van de Universiteit van Milaan.

rainscapes

Ik vroeg Paolo Ciucarelli, hoofd van Density Design, hoeveel mensen er aan Rainscapes hebben gewerkt. Onder coördinatie van een designer en een computer scientist werd Rainscapes uitgewerkt door hun team van stagiairs.

Geen schande dus om het daar tegen te moeten afleggen 🙂

Heel veel dank aan Weather Analytics voor deze mooie wedstrijd en de jury voor hun goede keuze 🙂

Belgische Weather Browser?

Ik zou heel graag een Belgische versie van de Weather Browser maken. Ik ga hiervoor mijn licht eens opsteken bij het KMI. Veel verwacht ik daar niet van, maar ik ben in elk geval benieuwd naar hun reactie…

Postcodekribbels: per postcode door het ganse land

Een van de klassieke visualisaties, die onder andere ook mijn interesse in dit vakgebied aangewakkerd heeft, is ZIPScribble.

ZIPScribbleMap-color-names-borders-thumb

 

ZIPScribble verbindt de ZIPcodes, de Amerikaanse postcodes, met lijnen in oplopende volgorde. Al sinds ik ZIPScribble ken, wou ik er een Belgische versie van maken.

Nooit vond ik de tijd, maar toen ik met wat met de kaartfuncties van Tableau aan het experimenteren was, realiseerde ik met dat het relatief eenvoudig zou zijn om een interactieve ZIPScribble voor België te maken.

De data haalde ik bij Thomas Hambach (waarvoor hartelijk dank). Ingekleurd per provincie, ziet ZIPScribble België er zo uit:

Toegegeven, veel valt er uit deze visualisatie niet te halen. Maar eindelijk heb ik ZIPScribble België van mijn lijstje kunnen afvinken.