Grafička vizualizacija – Hrvatski turizam u 2017.godini

U očekivanju podataka ostvarenih rezultata u siječnju 2018.godine, vrijeme sam prikratio analizirajući 2017.godinu. Podaci o broju ostvarenih dolazaka i noćenjima dostupni su na službenim stranicama Hrvatske turističke zajednice. S obzirom da nisam u mogućnosti koristiti usluge servisa, iskoristio sam mogućnost da na svoj način pripremim podatke. Malo više detalja o tome možete pronaći u ovom članku.

S obzirom da su korišteni podaci kako ih je HTZ pripremila, radi realizacije ove ideje trebao sam napraviti nekoliko prilagodbi. Uglavnom je riječ o grupiranju informacija. U konačnici takav pristup nije bitno utjecao na ishod, ali je bitno uštedio vrijeme kod izrade grafike. U grafički prikaz nisu uvršteni podaci koji su navedeni prema stavkama Ostale zemlje Europe, Južne i Srednje Amerike, itd. Kako bi se lakše snašli, ostvaren broj dolazaka ima u legendi iskazanu vrijednost od 5.000 ali to nije najveća vrijednost. Države koje imaju ostvaren rezultat preko 5000 imaju svoj teritorij označen u tamno crvenoj boji.

U donjem dijelu prikazani su rezultati ostvarenih noćenja prema državama u Hrvatskoj. Važno je istaknuti da podaci po državama s preko 10.000 ostvarenih noćenja imaju naglašenu zelenu boju. Raspon vrijednosti u ovoj analizi samo je jedan od mogućih načina prezentiranja podataka. Odabir granice 10.000 je moj slobodan izbor jer sam uvjeren kako bi previše nijansi zelene boje na karti utjecalo na prezentaciju ostvarenih rezultata.

Točne informacije o ostvarenim dolascima i noćenjima u Hrvatsku možete pogledati na stranicama Hrvatske turistička zajednice. Prikaz rezultata samo je jedan od načina na koji se mogu promatrati turistički rezultati.

Ako imate pitanja vezano za ovu vizualizaciju, ili neku drugu koju možete vidjeti na stranicama, javite se na email [email protected]

Što donosi nova verzija paketa Pandas ?

Prije nešto više od godine dana odlučio sam da ću naučiti programirati. Nakon nekoliko uzastopnih pokušaja i brzih odustajanja zadržao sam se na Pythonu  (u siječnju 2018.godine objavo sam članak kako početi raditi s Pythonom koristeći se Jupyter Notebookom). Moja glavna namjera bila je iskoristiti “snagu” programiranja kako bi efikasnije manipulirao podacima. Nakon MS Excela htio sam prijeći na višu razinu.

(more…)

Alokacija EU proračunskih sredstava za razdoblje 2014 – 2020.godine

U ovom članku odlučio sam se pozabaviti alokacijom proračunskih sredstava EU prema tematskim cjelinama za razdoblje od 2014 do 2020.godine. Kako se bližimo kraju sedmogodišnjeg razdoblja, još ima prostora, vremena i mogućnosti da se projekti prijave kako bi bili sufinancirani europskim sredstvima. Ukupan proračun planiran za izvršenje investicijskih aktivnosti iznosi cca. 650 milijardi EUR-a.

Iz vizualizacija su isključeni podaci koji se odnose poljoprivredu i ribarstvo. Ideja je prikazati projekcije alokacija iz nekoliko razloga. Prvi je da jasnije uočimo što su fokus područja bitna za EU. Članice nisu aktivne u svim segmentima.

Drugi razlog koji može biti koristan je u kontektu poslovnih mogućnosti. Svaka tvrtka može kreirati proizvod ili uslugu koja se uklapa u investicijske programe. Bitno se podsjetiti da mMogućnost apliciranja ovisi o prihvatljivosti korisnika. To je definirano uvjetima natječajne dokumentacije za pojedine programe na nacionalnim razinama.

Projekcija alokacije sredstava za projekte u Velikoj Britaniji je uključena s obzirom da je kao ex-članica EU sudjelovala u donošenju proračuna. Zbog jasnoće prikaza, agregirane podatke koji se odnose na sve EU-28,  sam isključio kako bi vizualni prikaz bio razumljiviji.

(more…)

Prezentacija predložak

Nakon nekoliko mjeseci odlučio sam se objaviti prezentacijski materijal s nešto više od dvadesetak slajdova. U zadnje vrijeme više sam zainteresiran za programiranje u kontekstu analiza i vizualiziranja podataka. Ali, zadao sam sebi zadatak da pokušam barem jednom mjesečno složiti prezentacijski predložak koji bi mogao biti od koristi.

Iz prakse mi je poznato da ćete prije ili kasnije imati zadatak napraviti prezentaciju. Bilo da je riječ o školskom projektu, poslovnoj prezentaciji, ili nečem trećem puno vremena se utroši na dizajn stranice. Ja osobno želim da prezentacija izgleda lijepo.

Kako bi uštedjeli vrijeme, možda će Vam ovaj prijedlog biti od koristi. Materijal nisam postavio na stranicu jer bitno utječe na učitavanje stranice. Zato imam jednu zamolbu. Ako želite materijal u original verziji ( powerpoint file ) molim da mi se javite na email [email protected] Vaše podatke ili email adresu koristiti ću samo za potrebe slanja prezentacije, i to je sve. Dodatne poruke neće Vam od moje strane biti upućene.

Pregled slajdova koji se nalaze u Powerpoint predlošku.

Napomena: Bilo koji element u prezentaciji moguće je promijeniti i tako prilagoditi Vašim stvarnim potrebama. U file koji Vam šaljem ako se za to odlučite nalaze se dodatni grafički elementi s kojima možete poboljšati prezentaciju. Dodatna pogodnost je što elemente možete koristiti i u drugim prezentacijama. Prezentacijski predložak možete iskoristiti na više načina. Ako ste u stisci s vremenom, možete mi se javiti da Vam “malo” pomognem.

Zadarska županija statistika turizam

Turistički rezultati Zadarska županija za 2016.godinu

Nakon što sam u prethodnom postu analizirao i vizualizirao poljoprivredne poticaje koristeći se mapom Hrvatske i službeno dostupnim podacima Agencije za plaćanja u poljoprivredi, ribarstvu i ruralnom razvoju, htio sam „spustiti“ analizu na razinu mjesta/gradova u županijama.

Podatke koje sam odlučio iskoristiti našao sam na stranicama Turističke zajednice Zadarske županije, a odnose se na podatke o ostvarenim dolascima i noćenjima po mjestima za 2016.godinu. Podatke koji se odnose na države iz kojih su gosti dolazili nisam obrađivao u ovom postu. Podatke na razini Hrvatske za 2017.godinu obradio sam u ovom postu.

(more…)

Turistički pokazatelji hrvatski turizam 2017.godina

S obzirom da je turizam perjanica hrvatskog gospodarstva odlučio sam iskoristiti podatke koji su javno dostupni na stranicama Hrvatske turističke zajednice. Koristim priliku da čestitam ekipi koja je radila na aplikaciji eVisitor.

Moja je namjera da kreiram vizualizacije koje će mi pomoći da jednostavnije razumijem podatke o gostima koji dolaze u Hrvatsku. Za analizu podataka odlučio sam koristiti izvještaje koji su napravljeni u pdf.formatu. Nakon određenog vremena shvatio sam kako bi se moj zadatak mogao vremenski odužiti, pa sam koristeći se Notepad++ i MS Excelom kreiraoradnu bazu s podacima.

Kada su podaci bili pripremljeni koristeći se Pythonom kreirao sam vizualizacije koje se odnose na broj dolazaka gostiju i broj ostvarenih noćenja u 2017.godini. Kao i uvijek kada radiš nešto novo vrijeme koje je bilo potrebno da uradim zamišljene vizualizacije iscurilo je. Međutim, kada sam kreirao finalne vizualizacije pomoću trivijalnih izmjena brzo sam iskreirao ostatak.

Vizualizacija nije uključila domaće goste.

Problem na koji sam naišao u pripremi vizualizacije je način prezentiranja podataka. Naime, prva četiri mjeseca prikazuju podatke za taj mjesec, a od mjeseca svibnja podaci su prezentirani u kumulativu. Kako bi dobio ispravan grafikon trebao sam svesti kumulativne podatke po mjesecima na pojedinačne. Bazična matematika.

Idemo na vizualizacije. Za svaku kategoriju ( broj dolazaka i broj ostvarenih noćenja ) odabrao sam prikaz iz dva dijela. Prvi grafikon predstavljaju top 20 zemalja po broju gostiju, odnosno ostvarenim noćenjima. Drugi grafikoni predstavljaju preostale podatke ( 54 zemalja ).

 

TOP 20 – Broj dolazaka inozemnih gostiju prema zemljama

Broj dolazaka inozemnih gostiju ( ostatak )

TOP 20 zemalja prema ostvarenom broju noćenja u Hrvatskoj

Informacije o broju noćenja za ostatak gostiju

Vizualizaciju podataka odlučio sam završiti s podacima top 20 država po broju dolazaka i ostvarenim noćenjima prema mjesacima.

TOP20 broj dolazaka gostiju prema zemljama

TOP20 broj ostvarenih noćenja po državama prema mjesecima

Ako imate kakvih pitanja vezano za vizualizaciju podataka, možete me kontaktirati na email [email protected]

Analiza vinskih sorata prema podregijama Hrvatske

Vizualizacija podataka iz vinskog registra

S obzirom na dostupnost podataka nastavljamo s radom na vizualizaciji podataka Agencije za plaćanja u poljoprivredi, ribarstvu i ruralnom razvoju.

Slijedeći zadatak je vizualizacija podataka 15 vodećih sorata vinove loze prema podregijama Hrvatske.

Pretpostavimo da želite realizirati poduzetnički projekt u grani vinogradarstva. Informacija o trenutnom stanju na terenu kao poduzetniku vam je bitna. Zašto nagađati koja sorta je pogodna za područje na kojem biste realizirali ulaganje? Podaci su služebno dostupni, zar ne?

Činjenica je da podaci postoje, međutim potrebno je odvojiti vrijeme kako bi se podaci izanalizirali. U trenutku pisanja ovog članka, podaci o sortama i površinama dostupni su u Excel formatu. Međutim, vas to ne zanima, jer želite iz prve ruke i u kratkom roku saznati bitne informacije. Bez vizualizacije podataka, informacije u tabličnom prikazu lako je preskočiti.

Kako bi vizualizirali podatke odlučili smo se za heatmap grafikon. Pomoću jednostavne python skripte kreirane su dvije mape.

Vizualizacija podataka prema hektarima zasađenih sorata u podregijama Hrvatske

Prva mapa, predstavlja informaciju o zasađenim hektarima vinskih sorti koje se nalaze u podregijama Hrvatske.

Druga mapa prikazuje informaciju broj zasađenih trsova vinskih sorata prema područjima podregija Hrvatske.

Vizualizacija podataka prema količini zasađenih trsova vinskih sorata u podregijama Hrvatske

Iz grafičkog prikaza mogu se izvući zaključci bitni za investicijski pothvat.

Ako imate kakvo pitanje vezano za analitiku i vizualizaciju informacija, primjenu Pythona u tom segmentu, ili neko drugo, isto možete poslati email na [email protected]

Python: Analiza i vizualizacija podataka ( praktični vodič za početnike )

Nakon što sam godinama u Excelu odrađivao analitiku, odlučio sam se u svojim ranim četrdesetima naučiti koristiti programskim jezikom. Odmah da kažem kako se nisam dobro informirao u početku, pa sam tako završio učeći Ruby. Tražio sam lagan i razumljiv jezik. Nakon mjesec dana, i više konkretnih informacija, prešao sam na Python. Sada se bliži šest mjeseci od kada sam započeo taj put. Rezultate koje sam ostvario su super!

Glavna ideja koja me vodi da ne odustanem ( u trenutcima kada kod ne radi ono što želim ) je činjenica da posao koji obavljam podrazumijeva ponavljanje radnji. Ako automaziram radnje imam više vremena, učinkovitiji sam i na kraju zadovoljan što koristim novu vještinu.

Prije ovog članka objavio sam nekoliko članaka u kojima sam odradio analizu i vizualizaciju podataka s konkretnim primjerima iz sektora poljoprivrede. Za mene je svakako najvažnija činjenica da sam koristeći se Pythonom uštedio sebi vrijeme.

Nisam testirao, ali šanse da se obradi preko milijun ćelija u Excelu bez da sustav blokira nisu baš velike. Python uvijek odradi posao za mene bez blokiranja ( osim u slučaju kada kod koji napišem nije dobar ).

Što možete pronaći u ovom dokumentu? Jasne upute kako napraviti analizu i vizualizaciju podataka. Baza podataka s kojom sam radio je malena. Međutim, pravu snagu ćete upoznati tek kada primjenite neku liniju koda na bazi koja ima možda deset ili pedeset tisuća redova.

Ako imate želju saznati više kako početi s radom u Pythonu, imate zadatak koji biste htjeli automatizirati, ili neko drugo pitanje na istu temu, stojim vam na raspolaganju, [email protected] Vještina programiranja nije ekskluziva za djecu i mlade. Riječ je o vještini na kojoj treba raditi. Rezultati koje sam osobno postigao s naglaskom na uštedu vremena za mene su veliki napredak.

Vizualizacija podataka o vinima Hrvatske

Za analizu podataka korišteni su dostupni podaci s interneta. Ideja projekta je napraviti vizualizaciju pomoću Python library Bokeh-a. Više o alatu može se pronaći na službenim stranicama alata.

Zašto Bokeh? Zato što omogućava kreiranje interaktivne vizualizacije. Postoje druge mogućnosti, ali želim se držati programskog jezika Python. Svaki zadatak s implementacijom Bokeh-a je izazov. Zadani cilj je kreiranje vizualizacije koja će omogućiti korisniku interaktivan odabir opcija, odabir seta informacija koje su korisniku bitne. Najvažnije od svega je da prilikom korištenja baze informacija uvid može obaviti u prihvatljivom vremenskom intrevalu. (more…)

Korištenje poljoprivrednog zemljišta u Hrvatskoj – analiza i vizualizacija

U prethodnim člancima koristili smo se podacima Agencije za plaćanja u poljoprivredi, ribarstvu i ruralnom razvoju ( APPRRR ) kako bismo vizualizirali informacije za brzo procesuiranje kod potencijalnih korisnika.

Najveći dio vremena potreban je bio za prikupljanje i filtriranje podataka s obzirom da podaci nisu bili u formatu pogodnom za analitiku.

Više o analizama možete saznati na slijedećim linkovima Potpore u hrvatskoj poljoprivredi – analitika i vizualizacija ( I dio ), Potpore u hrvatskoj poljoprivredi – analitika i vizualizacija ( II dio ).

Podloga za analizu podataka

Podloga za izradu analize je Izvještaj broj 1_Tražene kulture na Jedinstvenom zahtjevu iz 2017.xlsx objavljen na stranicama Agencije za plaćanja u poljoprivredi, ribarstvu i ruralnom razvoju ( APPRRR).

Dokument sadrži tri lista na kojima se nalaze raspoređeni podaci Izvještaj za 2017 po gradovima, Izvještaj za 2017 po županijama i OP_EKOP_EKO.

Pozicija Broj gospodarstava zbog moguće krive interpretacije podataka neće biti predmet analize.

Analiza podataka

Za potrebe analize koristiti ćemo se informacijama što se nalaze na listu Izvještaj za 2017 po gradovima ( ukupno 903.690 podataka ). Razlog tome je što su podaci na listu Izvještaj za 2017 po županijama generirani iz Izvještaja za 2017 po gradovima.

U prvom koraku odrediti ćemo površine poljoprivrednih površina koje su prijavljene za ostavrivanje prava na potpore prema vrsti gospodarstva.

Iz podataka je vidljivo da se prema vrsti gospodarstava zahtjevi za potpore na poljoprivredne površine odnose 75,0% (808.001 hektara ) na obiteljska poljoprivredna gospodarstva, 16.5 % (177.746 hektara ) na trgovačka društva, 6.86% ( 73.951 hektara ) na obrt, 1.31% (14.098 hektara) na zadruge i 0.33 % (3.534 hektara ) na ostale oblike.

Analiza podataka prema informacijama pokazuje da je najviše prijavljenih površina 210.051 hektara (19.5%) u Osječko-baranjsko županiji, 128.949 hektara (11.97%) u Vukovarsko-srijemskoj županiji, 88.207 hektara (8.19% ) u Bjelovarsko-bilogorskoj županiji.

Prikaz prijavljenih poljoprivredenih površina prema županijama i vrstama gospodarstava. Prikaz je napravljen modelom tzv.heatmap.

Analizu ćemo nastaviti prema vrstama uporabe poljoprivrednog zemljišta. Prijavljene površine za oranice iznose 831.386 hektara (77,17 %), livade 89.193 hektara (8.28% ), te krški pašnjak 71.752 hektara (6.66% ).

Iz prikaza podataka pomoću heatmapa možemo brzo uočiti raspored poljoprivredenih površina prema vrstama uporabe.

Analiza podataka prema županijama

U nastavku ćemo temeljem dostupnih podataka koristeći se heatmapom vizualizirati podatke za svaku županiju, prema vrstama uporabe poljoprivrednog zemljišta.

Bjelovarsko-bilogorska županija

Poljoprivredne površine u Bjelovarsko-bilogorskoj županiji prema vrsti uporabe u 2017.godini.

Brodsko-posavska županija

Poljoprivredne površine u Brodsko-posavskoj županiji prema vrsti uporabe u 2017.godini.

Dubrovačko-neretvanska županija

Poljoprivredne površine u Dubrovačko-neretvenskoj županiji prema vrsti uporabe u 2017.godini.

Grad Zagreb

Poljoprivredne površine Grad Zagreb prema vrsti uporabe u 2017.godini.

Istarska županija

Poljoprivredne površine u Istarskoj županiji prema vrsti uporabe u 2017.godini.

Karlovačka županija

Poljoprivredne površine u Karlovačkoj županiji prema vrsti uporabe u 2017.godini.

Koprivničko-križevačka županija

Poljoprivredne površine u Koprivničko-križevačkoj županiji prema vrsti uporabe u 2017.godini.

Krapinsko-zagorska županija

Poljoprivredne površine u Krapinsko-zagorskoj županiji prema vrsti uporabe u 2017.godini.

Ličko-senjska županija

Poljoprivredne površine u Ličko-senjskoj županiji prema vrsti uporabe u 2017.godini.

Međimurska županija

Poljoprivredne površine u Međimurskoj županiji prema vrsti uporabe u 2017.godini.

Osječko-baranjska županija

Poljoprivredne površine u Osječko – baranjskoj županiji prema vrsti uporabe u 2017.godini.

Požeško-slavonska županija

Poljoprivredne površine u Požeško – slavonskoj županiji prema vrsti uporabe u 2017.godini.

Primorsko-goranska županija

Poljoprivredne površine u Primorsko – goranskoj županiji prema vrsti uporabe u 2017.godini.

Sisačko-moslavačka županija

Poljoprivredne površine u Sisačko-moslavačkoj županiji prema vrsti uporabe u 2017.godini.

Splitsko-dalmatinska županija

Poljoprivredne površine u Splitsko – dalmatinskoj županiji prema vrsti uporabe u 2017.godini.

Varaždinska županija

Poljoprivredne površine u Varaždinskoj županiji prema vrsti uporabe u 2017.godini.

Virovitičko-podravska županija

Poljoprivredne površine u Virovitičko – podravskoj županiji prema vrsti uporabe u 2017.godini.

Vukovarsko-srijemska županija

Poljoprivredne površine u Vukovarsko – srijemskoj županiji prema vrsti uporabe u 2017.godini.

Zadarska županija

Poljoprivredne površine u Zadarskoj županiji prema vrsti uporabe u 2017.godini.

Zagrebačka županija

Poljoprivredne površine u Zagrebačkoj županiji prema vrsti uporabe u 2017.godini.

Šibensko-kninska županija

Poljoprivredne površine u Šibensko – kninskoj županiji prema vrsti uporabe u 2017.godini.

Zaključak

Temeljem javno dostupnih podataka Agencije za plaćanja u poljoprivredi, ribarstvu i ruralnom razvoju koje smo koristili u analizi podataka, pokušali smo vizualizirati informacije na način koji će omogućiti korisnicima dokumenta razumijeti informacije.

Analizom podataka moguće je utvrditi gradove/naselja s najvećim aktiviranim potencijalom poljoprivrednog zemljišta.

Jednostavna vizualizacija podataka poput gore prikazanih može u konkretnom slučaju biti parametar u kreiranju politike rasploganja poljoprivrednim zemljištem na područjima gradova/naselja, planiranja investicijskih ulaganja, plasmana poljoprivrednog repromaterijala, itd.

Za sva dodatna pitanja stojimo na raspolaganju [email protected].