Poljoprivreda poticaji za 2017.godinu

Ovaj tekst nastavak je prethodnih analiza za 2015. i 2016.godinu koju možete pogledati na ovom linku. Namjera je prikazati na zanimljiv način podatke o broju korisnika potpora, odnosno isplaćene iznose potpora po županijama. U analizi sam koristio podatke sa službenih internet stranica Agencije za plaćanje u poljoprivredi na dan 29.11.2018.godine. U analizi podataka koristio sam Pandas, Seaborn knjižnice ( librarries ) na platformi Jupyter Notebook.

Iz podataka je vidljivo da najveći broj korisnika potpora u poljoprivredi ima Bjelovarsko-bilogorska županija, zatim slijedi Zagrebačka i Koprivničko-križevačka županija. Ukupan broj korisnika potpora prema podacima iznosi 81560. U nastavku se nalazi grafički prikaz  iznosa isplaćenih potpora po županijama. Iznos ukupno isplaćenih potpora prema podacima iznosi 3,21 milijardu kuna za 2017.godinu.

Kada je riječ o poslovnim subjektima nakon selektiranja ( filtriranja ) podataka, slijedeći grafikon prikazuje tko se nalazi u TOP 20 subjekata kojima su isplaćena sredstva. Ono što se može izdvojiti su podaci o isplatama prema Ličko-senjskoj županiji u iznosu 44 milijuna kuna, zatim Požeško-slavonskoj županiji 15,9 milijuna kuna, te Ministarstvu poljoprivrede 8,9 milijuna kuna. Što se tiče sustava Agrokor njegove četiri tvrtke se nalaze među TOP 20 tvrtki s ukupno isplaćenim potporama u iznosu od cca 140 milijuna kuna.

Zadarska županija

Za potrebe analize izdvojena je Zadarska županija kao primjer na koji je moguće dalje analizirati podatke. Što se tiče informacija tko su najveći korisnici potpora u Zadarskoj županiji, to se može vidjeti iz grafikona u nastavku.

Za razliku od prijašnih vizualizacija, za kraj sam se odlučio prikazati podatke na podlozi s granicama administrativnih jedinica Zadarske županije ( gradova i općina ). Pozicije koje nisu uključene odnose se na Kolan i Vrsi. Broj korisnika potpora prema pojedinim općinama ili gradovima u Zadarskoj županiji se nalazi u nastavku.

Kada su u pitanju iznosi potpora isplaćeni prema sjedištima gospodarskih subjekata na području Zadarske županije situacija je prikazana na karti ispod.

Točnost podataka

Prema podacima koji su raspoloživi na stranicama Agencije za plaćanja u poljoprivredi predstavljena je informacija o postojanju 99.580 korisnika. Nakon nekoliko puta provedenih preuzimanja podataka  osobno sam došao do podatka da je u 2017.godini isplaćena potpora za 81.561 subjekt. Prema toj računici kratak sam za podatke o 18.019 subjekata. Sigurno da ta činjenica utječe na ponuđeni prikaz podataka.

Zaključak

S obzirom da sam već ranije odradio analizu potpora za 2015. i 2016. godinu, o čemu možete pročitati na ovim stranicama, izrada vizualizacija nije bila komplicirana. Najveći dio posla odnosio se na čišćenje podataka i prilagođavanje za izradu analiza. Imate li pitanje vezano za ovaj članak ili neki drugi na ovim stranicama možete me kontaktirati preko email:[email protected]

Podaci o blokiranim poduzetnicima u Hrvatskoj, na dan 30.rujan 2018.godine

Naslov koji sam dao ovom tekstu ne zvuči dobro, ali što je tu je. Podatke koje sam koristio u ovoj analizi potiču od Financijske agencije i možete ih samostalno preuzeti na njihovim službenim stranicama. Za prikaz podataka koristio sam matplotlib i seaborn. Imao sam namjeru prvotno prikazati podatke u nekoliko kategorija na karti Hrvatske. Ali kada sam krenuo u tom smjeru shvatio sam da informacije prezentirane na taj način ne bi bile jasne. Zato sam se odlučio za jednostavnije prikaze.

Skup podataka podijelio sam u dvije kategorije radi lakše analize i to na: poslodavce koji su blokirani do 120 dana i one koji su u neprekidnoj blokadi više od 120 dana. U analizi se ne navode imena tvrtki, osoba ili bilo kakve informacije koje bi imale klasifikaciju poslovna tajna. Podaci su prezentirani zbirno za svaku hrvatsku županiju.

Blokirani poduzetnici do 120 dana na dan 30.rujna 2018.godine

Kako sam prethodno najavio iskoristio sam mogućnost prikaza podataka na karti Hrvatske. U varijanti prikaza podataka broja blokiranih poduzetnika na područjima hrvatskih županija to bi izgledalo kao na slici ispod. Županije s tamnijom bojom predstavljaju županije s najvećim brojem blokiranih.

Pročitao sam kako je najbolje obzirom na podatke s kojima raspolažem iskoristiti barplot. Podatke koje sam gore postavio na mapu Hrvatske, sada prikazano u bar plotu pruža mnogo bolju informaciju o blokiranim poduzetnicima. Jednostavno je uočiti kako najveći broj blokiranih ima u Gradu Zagrebu, zatim Splitsko-dalmatinskoj, Primorsko – goranskoj županiji itd.

Slijedeći prikaz daje nam informaciju koliku su te tvrtke ukupno dužne proračunu. U ovom slučaju vidimo kako je na trećem mjestu Vukovarsko-srijemska županija, dok su Grad Zagreb i Splitsko-dalmatinska županija na vrhu.

Nastavljamo s podacima o dugovanjima prema lokalnoj upravi. Prema aktualnim podacima raspored se sada mijenja jer je na prvom mjestu Dubrovačko-neretvanska, za kojom slijede Splitsko-dalmatinska i Primorsko-goranska županija. Podaci za ostala dugovanja kod blokiranih manje od 120 dana vraćaju nas na pozicije koje smo imali u prvom bar plotu. Grad Zagreb, Splitsko-dalmatinska, Primorsko-goranska županija je raspored. Iznos kamata za navedena dugovanja izbacio je u ovoj kategoriji Splitsko-dalmatinsku županiju na prvo mjesto. Među prve tri uključila se i Varaždinska županija. Prema broju zaposlenika koji rade kod poduzetnika koji se nalaze u blokadi do 120 dana na prvom mjestu se nalazi Istarska županija. Pretpostavljam da se radi o podacima vezanima za brodogradilišta. Konkretan broj je jako blizu broju od 3000 zaposlenika.

Blokirani poduzetnici preko 120 dana, na dan 30.rujan 2018.godine

Slično kao u prethodnim grafikama gdje smo prikazali poslodavce u blokadama manje od 120 dana, započeti ćemo s kartom Hrvatske kako bi prikazali županije prema broju blokiranih poslodavaca u trajanju dužem od 120 dana. Kako to izgleda u varijanti bar plota imate priliku vidjeti u nastavku. Raspored županija iz kojih dolaze blokirane tvrtke nije se promijenio. Po pitanju dugovanja prema proračunu situacija je slijedeća. Konkretan dug Grada Zagreba iznosi preko 482 milijuna kuna, dok je Splitsko-dalmatinska županija na drugom mjestu s 165 milijuna kuna nepodmirenih obveza poslodavaca sa sjedištem u toj županij. Prema lokalnim upravama dugovanja su iznosila kako slijedi. Najviše duguju poslodavci s područja Grada Zagreba u iznosu nešto većem od 30 milijuna kuna. Ostala dugovanja na dan 30.rujan 2018.godine situacija je izgledala ovako u kojima prednjače poslodavci na području Grada Zagreba s dugovanjima u iznosu koji prelazi 2, 2 milijarde kuna, dok na drugom mjestu iznos od 564 milijuna kuna je obaveza poslodavaca iz Splitsko-dalmatinske županije. Što se tiče obaveza po kamatama situacija je izgledala kako slijedi. Obaveze po kamatama za blokirane na području Grada Zagreba iznose 950 milijuna kuna. Podatke o ostalim županijama mislim kako možete bez većeg problema saznati. Broj zaposlenika u tim tvrtkama iskazan u postotcima izgleda ovako. Ovdje također prednjači Grad Zagreb što je i logično s brojem od 1359 djelatnika koji su zaposleni u blokiranim tvrtkama.

Namjera je bila da prikažem podatke na jednostavan način bez puno kombiniranja. Ako imate bilo kakvih pitanja vezano za vizualizaciju podataka u ovom ili nekom drugom članku koji možete pronaći na ovim stranicama, možete me slobodno kontaktirati preko emaila ili mobitela. Podaci se nalaze na vrhu stranice.

Nautički turizam Hrvatska – grafički prikaz podataka

Tijekom zadnjih dana pregledavao sam diplomske radove na temu nautičkog turizma u Hrvatskoj. Kvalitetnih radova, strateških i akcijskih dokumenata ima popriličan broj.  Međutim ono što sam primjetio je da radovima nedostaje jasnija vizualna komunikacija informacija. Upravo me je to motiviralo da na neki svoj način, uz javno dostupne podatke pokušam kreirati drugačije grafikone.

Sve grafičke prikaze odradio sam u Jupyter Notebooku korištenjem Python paketa (pandas, seaborn, ggplot, matplotlib). Od nekih ideja u prikazu podataka sam morao odustati iz razloga što sam se htio više fokusirati na meni poznate stvari, tako da grafovi nisu tehnički komplicirani za kreiranje.

Kapaciteti nautičkih luka

Analiza podatka odrađena je na bazama podataka koje je moguće dobiti preko Državnog zavoda za statistiku.Naglašavam da nisam djelatnik u nautičkoj branši zbog čega se nisam usudio ulaziti u detaljne analize i tumačenje rezultata.

Krenimo redom. Prvi grafički prikaz odnosi se na podatke vezano za luke nautičkog turizma. Visina stupca dobivena je sumiranjem svih kapaciteta ( visina stupca = sidrišta + privezište + marine + nerazvrstane luke ). Opisna specifikacija svake kategorija se može pronaći na internetu. Važno je naglasiti kako je analiza DZS obuhvatila 140 luka nautičkog turizma.

Legenda na ovom grafikonu govori da se radi o podacima za Hrvatsku (Croatia). Htio sam malo razbiti monotoniju kolorita pa sam dodao nijanse plave za svaku godinu kako bi popravio vizualni dojam. Natpise na grafu, naslov, nazive x i y osi uveo sam na engleskom jeziku.

U nastavku sam htio prikazati podatke o kapacitetima broja luka nautičkog turizma po godinama u svakoj od županija za koje su prikupljeni podaci. Za prikaz podataka koristio sam se u ovom primjeru ggplot library ( inače sve ostalo je seaborn ). Problem koji imam kada radim s ggplotom je dokumentacija ( podsjećam da učim Python). Detaljan prikaz mogućnosti prilagođavanja još nisam pronašao na internetu, ali mi je u boljem razumijevanju pomogao diplomski rad gospodina Petra Kristijana Bogovića.

Evidentno je da Zadarska županija od 2012.godine ima pozitivan, rastući trend kada je u pitanju broj luka nautičkog turizma. S obzirom da u ovom radu neću postavljati tabelarne prikaze, izdvojio bih primjer Primorsko-goranske županija radi pojašnjenja koji su sve podaci uključeni, a sve kako bi se dobio određeni grafički prikaz.

U Primorsko-goranskoj županiji prema podacima iz 2017.godine ima: 9 sidrišta, 2 privezišta, 5 suhih marina, 1 marina I kategorije, 2 marina II kategorije, 3 marina III kategorije, 4 marina kategorizirane i označene sidrima, 3 nerazvrstane luke nautičkog turizma. Ukupno je riječ o 26 luka nautičkog turizma. Prikupljeni podaci se vezuju za razdoblje od 2009 do 2017.godine.

Analiza podataka prema vrstama luka nautičkog turizma

Nastavljamo s obradom informacijama za svaku kategoriju luke nautičkog turizma zasebno. Kada su u pitanju sidrišta prema grafikonu dolje možemo utvrditi kako broj sidrišta raste. Generalno promatrajući od 2009.godine do 2017.godine broj sidrišta se skoro pa utrostručio.

Za razliku od sidrišta, kada su u pitanju privezišta situacija je drugačija. Broj privezišta se iz godine u godinu smanjuje. S obzirom da nisam nautički djelatnik, pretpostavljam kako postoji i stručno pojašnjenje vezano za statistički negativni trend.

Prema podacima koje smo koristili broj suhih marina na području promatranih županija se održavao u jednakim okvirima tijekom promatranog razdoblja.

Za kraj ovog dijela analize prikazati ćemo podatke koji se odnose na sve ostale kapacitete u koje ubrajamo marina I, II i III kategorije, marina kategorizirana i označena sidrištima i nerazvrstane luke nautičkog turizma.

I ovom slučaju možemo ustvrditi da se radi o relativno stabilnom broju i kapacitetima tijekom promatranog razdoblja.

U ovom prvom dijelu nastojali smo dati ukratko prikaz podataka o raspoloživim kapacitetima luka nautičkog turizma na razini Hrvatske i županija ( Primorsko-goranske, Zadarske, Šibensko-kninske, Splitsko-dalmatinske, Istarske i Dubrovačko-neretvanske ).

Kapaciteti luka nautičkog turizma – vezovi

Kapaciteti luka nautičkog turizma prikazani su u grafičkom prikazu tzv.heatmap. Tamnija boja prikazuje kategorije plovila u Hrvatskoj s najvećim brojem vezova.

Iz priložene mape uočava se da broj vezova za plovila 10 – 12 metara bilježi lagani pad ( razdoblje 2012. – 2017.godine ), dok istovremeno u istom razdoblju se bilježi rast broja vezova za plovila veličine 12 – 15 metara. Podatke za razdoblje od 2008 do 2011. godine nisam unosio zbog promjene oko evidencije podataka.

Interesira li nas utvrditi broj vezova u svim nautičkim lukama i saznati koliko dodatnih vezova ima na kopnu onda takva distribucija podataka izgleda kako slijedi.

Prema raspoloživim podacima može se uočiti da se ukupni broj vezova u marinama smanjio za cca.400, dok se broj mjesta za smještaj plovila na kopnu smanjio za cca.800 mjesta.

Godina koju možemo izdvojiti je 2013.godina, kada je broj vezova bio nešto manji od 17.000, dok se u ostalim godinama broj vezova uvijek kretao oko 17.000. Što se broja mjesta na suhom tiče, 2016. i 2017. godine bilježe pad broja mjesta za smještaj plovila na kopnu ( number_of_berths_for_land_storage ) ispod uobičajenih 5.000 mjesta.

Broj vezova u moru i na suhom po županijama

Kako smo izvukli podatke za sve županije u tablici dolje prikazan je raspored kapaciteta vezova. Najviše vezova 2012.godine zabilježila je Istarska županija, dok je Zadarska županija predvodnik u 2017.godini s ukupno 4110 vezova.

Kakva je situacija s brojem mjesta za smještaj plovila na kopnu po županijama, onda dobijemo heatmapu iz koje možemo saznati da Primorsko-goranska županija predvodi u promatranoj kategoriji.

Broj plovila u nautičkim lukama na stalnom vezu prema zemlji podrijetla

Što se tiče podataka za Hrvatsku u ovoj kategoriji broj plovila u nautičkim lukama na stalnom vezu – motorne jahte, prema godinama bili su ostvareni slijedeći rezultati: 2015.godine – 1.775 plovila, 2016.godine – 1.999 plovila i 2017.godine – 1.782 plovila.

Što se tiče podataka za Hrvatsku u ovoj kategoriji broj plovila u nautičkim lukama na stalnom vezu – jahte na jedra, prema godinama bili su ostvareni slijedeći rezultati: 2015.godine – 2.962 plovila, 2016.godine – 2.864 plovila i 2017.godine – 2.894 plovila. Što se tiče podataka za Hrvatsku u ovoj kategoriji broj plovila u nautičkim lukama na stalnom vezu – ostala plovila, prema godinama bili su ostvareni slijedeći rezultati: 2015.godine – 276 plovila, 2016.godine – 176 plovila i 2017.godine – 268 plovila.

Broj plovila u nautičkim lukama u tranzitu prema zemlji podrijetla

Podatke za ovu kategoriju prikazati ćemo zasebno i to kroz podatke za motorne jahte ( motor – yachts), jahte na jedra ( sailboats ) i ostalo ( other ). Kako bismo dobili korisniji grafikon, izdvojiti ćemo u naredna tri grafikona podatke koji se odnose na Hrvatsku.

Ono što je zajedničko svim kategorijama plovila je činjenica da su Austrija, Njemačka, Italija i Slovenija države iz kojih dolazi najviše gostiju kada je u pitanju nautički turizam.

Što se tiče podataka za Hrvatsku u ovoj kategoriji broj plovila u tranzitu motorne jahte, prema godinama bili su ostvareni slijedeći rezultati: 2015.godine – 14932 plovila, 2016.godine – 14.792 plovila i 2017.godine – 15.812 plovila.

Što se tiče podataka za Hrvatsku u ovoj kategoriji broj plovila u tranzitu jahte na jedra, prema godinama bili su ostvareni slijedeći rezultati: 2015.godine – 68400 plovila, 2016.godine – 69069 plovila i 2017.godine – 69915 plovila.

I za kraj tablica sa podacima koji se vezuju za sva ostala plovila. Tu imamo malo promjenu s obzirom da se Francuska pojavila sa značajnim podatkom u 2017.godini.

Što se tiče podataka za Hrvatsku u ovoj kategoriji broj plovila u tranzitu ostala plovila, prema godinama bili su ostvareni slijedeći rezultati: 2015.godine – 4.905 plovila, 2016.godine – 5.350 plovila i 2017.godine – 6.088 plovila.

Analiza podatka u ovom prikazu nije obuhvatila podatke koji se odnose na broj zaposlenika ( stalne i sezonske ) i ostvarene prihode po županijama. Vjerujem kako i bez tih podataka možete pronaći korisne informacije o nautičkom turizmu u Hrvatskoj. Ako imate bilo kakvih pitanja možete me slobodno kontaktirati putem elektronske pošte [email protected]

GGPLOT biblioteka – vizualizacija podataka u Pythonu

U ovom kratkom materijalu htio bi pokazati kakve je grafičke vizualizacije moguće kreirati pomoću ggplot biblioteke. Bazu podataka koja je korištena u vizualizaciji možete preuzeti na internet stranici Kaggle.com ( upišite wine-data.csv ). Osim standardnog pretraživanja informacija koristio sam se resursima koji su bili dostupni preko Nacionalnog repozitorija diplomskih radova. Ovom prilikom zahvalio bi se gospodinu Petru Bogoviću što mi je dao mogućnost uvida u rad. VIše informacija o samom radu možete pronaći na adresi Nacionalnog repozitorija završnih i diplomskih radova.

Za razliku od matplotliba, seaborna ili bokeha poznatijih libraries s kojima sam do sada radio, ggplot nije više toliko popularan alat za prikaz podataka u Pythonu. Više se koristi inačica ggplot2 u R-u. Unatoč tome mislim da ima zanimljive prikaze, i čini mi se kako se može koristiti u poslovne analize unatoč ograničenjima.

Na ovom mjestu neću pisati kod koji sam koristio jer se manje više radi o prilagođavanju naslova stupaca, promjenama tipa varijabli s kojima radim. Uglavnom, to su stvari za koje postoje na desetke tisuća tutorijala, ili su informacije dostupne na https://stackoverflow.com/. Tko kako voli.

Baza podataka s kojom sam radio sadrži 150.930 redova informacija o vinima širom svijeta. Podaci su kategorizirani, a ja sam se odlučio raditi s parametrima cijene, bodova ( ocijene ) i sorte vina. Kada sam uvezao bazu podataka, prvo što sam uradio je bilo kratko informiranje o samoj bazi podataka. ( Kada radim analize koristim se Jupyter Notebook ) .

Korištenjem jednostavne naredbe dataframe.describe() brzo sam prihvatio i pronanalizirao osnovne parametre skupa podataka. Tako sam saznao da je prosječna ocjena svih vina na listi 87.88 bodova ( od maksimalno 100 ). Cijene ocjenjenih vina kreću se u rasponu od 4 do 2300$, dok je prosječna cijena po boci vina iznosila 33.13$. Grafički prikaz podatka na slici 1. govori o tome najpouzdanije.

U slijedećem grafikonu prikazan je odnos cijene i dobivenih ocjena za svako od vina. Iz grafikona je vidljivo koliko vina ima ocjenu u rasponu 92 – 97 bodova, te da u toj zoni cijene vina imaju na prvi pogled  veću cijenu. Također se mogu primjetiti podaci o cijenama što “odskaču”. Ali u ovom članku nije nam fokus na otkrivanju tih nedostataka.

Talijanska vina i provincija Toscana

S obzirom da je namjera prikazati grafičke mogućnosti ggplot biblioteke, napravio sam selekciju vina prema državi. Odlučio sam se za Italiju i provinciju Toscanu. Set podataka na kojem dalje nastavljam raditi smanjio sam jako, jako puno. Točnije moj uzorak sadrži 787 linija podataka samo o talijanskim vinima iz provincije Toscana.

Prema podacima s kojima raspolažemo svih 787 vrsti vina je ocijenjeno, a prosječan broj bodova po vinu iznosio je 89 bodova, dok je prosječna cijena vina iznosila 57.53 $. Cijene vina kreću se u rasponu od 6$ – 550 $. Za poznavaoce vina navesti ću kako je sorta Merlot predvodnik po dobivenim ocijenama i cijenama u toj provinciji.

U slijedećem grafikonu poigrao sam se s postavkama grafikona pa sam dobio slijedeće podatke u atraktivnoj verziji za prezentiranja rezultata. Jednostavno je razaznati kako se kreću cijene u odnosu na bodove, za svaku od sorti.

Ono što mi se posebno svidjelo kod ggplot library je mogućnost kreiranja tablica iz kojih se brzo razumiju podaci. Na gornjoj slici prikazan je odnos ocjene vina i cijene koju je vino postiglo. Na grafikonima se to ne može lako isčitati, ali da skratim muke napisati ću kako stoje stvari. Najviše ocijenjenih vina dobilo je 87 bodova ( 226 vina ), potom slijedi vina s dobivenih 91 bodom ( 149 vina  ) i vina koja su dobila 93 boda ( 127 vina ).

Kada sam promijenio perspektivu i u prvi plan stavio cijenu vina, dobio sam ćemo slijedeći grafikon. Najveći broj vina ima cijenu 15 $ ( 36 vina  ), 40 $ ( 33 vina ) i 35 $ ( 29 vina ). Prikaz podataka u ggplotu daje jasnu sliku i otvara prostor za daljnu analizu podataka.

Osobno sam veliki zaljubljenik u MS Excel, Powerpoint i Access. Nakon više godina rada u tim aplikacijama odlučio sam se educirati u izradi vizualizacija korištenjem programskog jezika Python. U zadnje vrijeme najviše u radu koristim Jupyter Notebook jer omogućava brzo kreiranje potrebnih izvještaja i analize podataka. Osobito kada broj redova prelazi 100.000. Ako imate pitanja možete me kontaktirati preko emaila [email protected]

U susret Biograd Boat Show 2018

Predmet ovog članka analiza je sudionika ( izlagača ) Biograd Boat Show koji se održao u razdoblju 19. – 22.listopada 2017.godine u Biogradu na moru. Informacije i materijali o izlagačima koji su korišteni u ovoj analizi nalaze se u katalogu koji je preuzet sa službenih internet stranica sajma. Pored dostupnih podataka o nazivu tvrtke, kontakt podacima ( koje bi već ove godine trebalo uskladiti s GDPR Uredbom ), uključeni su podaci o financijskom poslovanju ( prihodi, dobit, bonitet, broj zaposlenih ) pri čemu je korištena web aplikacije Astreel.

Analiza svih sudionika sajma prema financijskim rezultatima poslovanja nije bila moguća iz slijedećih razloga: – Za inozemne izlagače financijski podaci nisu bili dostupni u trenutku izrade analize – Izlagači koji su kategorizirani kao obrti, zadruge, udruge, ili obiteljska poljoprivredna gospodarstva nemaju javno dostupne financijske podatke – Osiguravateljske kuće, banke, leasing kuće nisu uključene u analizu Za analizu podataka koristio sam Python library – Pandas, Numpy, Matplotlib, Seaborn.

Analiza sudionika ( izlagača ) na Biograd Boat Show 2017

Od ukupno 308 izlagača na sajmu 84,4 % činili su gospodarski subjekti iz Hrvatske. Boje inozemnih sudionika branile su Slovenija, Njemačka, Austrija, Madžarska, Grčka, Francuska, Belgija, Italija. U grafikonu 1. prikazan je odnos domaćih i inozemnh izlagača na sajmu.

Prema podacima iz kataloga Biograd Boat Show iz 2017.godine od ukupno 308 izlagača, za potrebe ove analize prikupljeni su financijski podaci za 193 gospodarska subjekta ( grafikon 2. )

U grafikonu 3. vidljiv je odnos prema vrstama poduzeća sa aspekta društveno – ekonomskog sustava. Konkretne brojke govore da je od 308 izlagača, 201 tvrtki d.o.o., dok se ostali oblici udruživanja pojavljuju 107 puta ( grafikon 3. )

Prethodno smo najavili kako ćemo se fokusirati samo na tvrtke za koje imamo sve financijske podatke. Slijedeći grafikon ( grafikon 4. ) prikazuje broj izlagača prema veličini gospodarskih subjekata. Broj mikropoduzetnika bio je 101, zatim slijedi 75 malih poduzetnika, 12 srednje velikih tvrtki i 3 velika gospodarska subjekta.

Ukupno ostvareni prihodi 193 gospodarska subjekta za koje raspolažemo s financijskim podacima iznosili su 4,22 milijarde kuna, dok su istovremeno zapošljavali 3929 ljudi. Ostvareni prihodi i broj zaposlenih prema veličini subjekata:
  • mikropoduzetnici 216 milijuna kuna i 378 zaposlenika,
  • mali poduzetnici 1,51 milijarda kuna i 1239 zaposlenika,
  • srednji poduzetnici 1,04 milijarde kuna i 1087 zasposlenika, i
  • veliki poduzetnici s prihodima od 1,44 milijarde kuna s 1223 zaposlena djelatnika.
Iz grafikona 5. vidljivo je kako su najzastupljeniji bile subjekti s jednim, dvoje ili troje zaposlenih. Prema službenim evidencijama za 2017.godinu osam tvrtki koje su nastupile nisu imale evidentirane zaposlenike. Riječ je o tvrtkama koje su prošle godine bilježile negativne poslovne rezultate. Kako se kreću rasponi ostvarenih prihoda tvrtki s jednim zaposlenikom ? Podatak na vertikalnoj osi odnosi se na broj tvrtki koje su ostvarile određenu visinu prihoda. Npr. prvi stupac nam govori kako je deset tvrtki s jednim zaposlenikom ostvarilo prihode u rasponu od 1 do 500.000,00 kuna, 5 tvrtki je imalo prihode u rasponu od 500.001 do 1.000.000 kuna, itd. Jedan od izlagača na sajmu ostvario je prihod u rasponu 4 – 4,5 milijuna kuna s jednim zaposlenikom. Kako se kreću rasponi ostvarenih prihoda tvrtki s dvoje zaposlenika ? Analogno pojašnjenju koje smo dali u prethodnom slučaju distribucija ostvarenih prihoda kada su u pitanju dvoje zaposlenika. Koje su hrvatske županije zastupljene na sajmu? S obzirom na mjesto održavanja sajma najviše izlagača dolazi iz Zadarske županije, dok Splitsko-dalmatinska županija i Grad Zagreb zauzimaju drugo, odnosno treće mjesto. Financijska slika izlagača na sajmu? Prema dostupnim financijskim podacima izlagača na BBS17 za veći broj izlagača ocjena boniteta se kretala između B ( 67 subjekata ),  A ( 65 subjekata ) i C ( 37 subjekata ). Bonitetna ocjena formirana temeljem pokazatelja zaduženosti, likvidnosti, obrtaja imovine, ekonomičnosti i rentabilnosti. Za svaki od subjekata analizu je bilo moguće proširiti na način da se vidi postoje li poveznice među društvima, da li je račun blokiran, kakvi su trendovi poslovanja u usporedbi s prosjekom branše, ili usporedbe s vodećim tvrtkama iz iste djelatnosti. Na sajmu su sudjelovala 26 gospodarskih subjekata koji nisu poslovali pozitivno 2017.godine. Raspon financijskih rezultata kretao se u rasponu od -25,85 milijuna kuna do -2,44 tisuća kuna. Koje su najzastupljenije djelatnosti na BBS17? Prema financijskim podacima koji su nam bili dostupni za 193 gospodarska subjekta analizirani su podaci o najzastupljenim djelatnostima na sajmu. U grafikonu 10. izdvojeno je deset najzastupljenijih djelatnosti na sajmu. Izdvojiti ćemo tri djelatnosti iz kojih dolazi najveći broj izlagača na sajmu, te ćemo u nastavku prikazati anlizu prema županijama.  4690 Nespecijalizirana trgovina na veliko ( 27 izlagača ) 7734 Iznajmljivanje i davanje u zakup (leasing) plovila ( 20 izlagača ) 3315 Popravak i održavanje brodova i čamaca ( 16 izlagača ) Uz dostupnost ostalih zanimljivih podataka i ova analiza bi poprimila konkretniju formu. Ipak na temelju dostupnih podataka svatko ponaosob može donijeti zaključke. U ovom izvještaju nije navedeno niti jedno ime tvrtke, niti imena osoba, a sve kako bi se zaštitile informacije o istima sukladno uredbi GDPR. Podaci koji su korišteni dostupni su preko internet servisa, odnosno ne postoje ograničenja da ih bilo koja treća strana koristi za svoje potrebe.    

Kako do posla u tvrtci za koju želiš raditi?

Kako pronaći dobru tvrtku ?

Tema ovog članka je informirati vas kako pomoću aplikacije pronaći tvrtku u kojoj biste htjeli raditi. Živimo u vremenu gdje kao posloprimci imamo pravo i moć informirati se o tvrtkama kojima šaljemo svoje životopise. Na nama je da se potrudimo pronaći tvrtke u kojima će naše znanje i iskustvo biti korisno za rast tvrtke. Prije nego li kritizirate politiku, Vladu, bivše poslodavce, razmislite jeste li poduzeli baš sve kako biste našli posao?

Najbolje da sada ispričam priču. Prije nekoliko godina radio sam u tvrtci koja je zapošljavala 30 – tak ljudi. Tijekom desetak godina provedenih u tvrtki u nekoliko navrata dolazili su mladi ljudi kojima je to bio prvi ili drugi posao. Jedan od takvih mladih kadrova dobio je mentora s kojim je pet godina blisko surađivao. Nakon pet godina odlučio je napustiti tvrtku, radi bolje plaćenog posla. Osnovao je obitelj, troškovi života su se povećali i činilo se logičnim krenuti u novu sredinu. Obećanja o višim primanjima držala su vodu samo dva mjeseca. Nekoliko mjeseci kasnije tvrtka u koju je prešao otišla je u stečaj. Da je tada postojala aplikacija pomoću koje je mogao na jednostavan način provjeriti novog poslodavca prije potpisa ugovora, sigurno da takvu odluku ne bi bio donio. Na vrijeme bi znao da tvrtka ima problema, i da mora nastaviti dalje tražiti.

Ako ste danas u potrazi za poslom, sigurno posjećujete web stranice mojposao.net ili posao.hr. Odlazite na zavod za zapošljavanje provjeriti ponudu poslova na oglasnoj ploči. Ako nema niti jedan posao koji vas interesira vaše raspoloženje se mijenja. Ne vjerujete da postoji posao koji biste mogli raditi u vašem gradu. Počinjete razmišljati o odlasku iz Hrvatske, promjeni grada, prihvaćanju bilo kakvog posla. Uglavnom niste zadovoljni sa situacijom. Što učiniti?

Kako bi bilo da promijenite pristup u traženju posla?

Najprije napišite motivacijsko pismo i obnovite cv. Dopunite ga seminarima, radionicama, tečajevima. Zatim pomoću aplikacije potražite tvrtke koje se nalaze u djelatnosti koje su vam bliske, i u kojima bi imali interes raditi. Provjerite povijest poslovanja i ako vam se sviđa to što vidite uputite mail, nazovite ili pošaljite poštom vašu dokumentaciju. Tvrtke su uvijek u potrazi za kvalitetnim kadrovima to je ono što morate znati. Nije moguće saznati ishod vaše akcije, ali ono što možete biti sigurni je da tražite posao tamo gdje vi želite raditi.

Kako sam pomoću aplikacije došao do tvrtke za koju sada radim?

Koristeći se jednom aplikacijom filtrirao sam tvrtke u djelatnosti koja me je zanimala, vidio sam kolika je isplaćena neto plaća, znao sam da tvrtka nije bila u blokadi, koliko imaju zaposlenih, a sve prije nego li sam poslao zamolbu. U mom slučaju u roku od mjesec dana pronašao sam tvrtku za koju danas radim. Sada se čini kako je sve jednostavno i nije mi jasno zašto sam toliko čekao. Onog trenutka kada sam preuzeo odgovornost da nađem posao koji bi volio raditi, kreirao sam pozitivno okruženje i prilika se otvorila.

Prvi mjesec odradio sam bez ikakve naknade kako bi pokazao budućem poslodavcu da stvarno želim raditi tu vrstu posla. Drugi korak sklapanje ugovora na neodređeno bio je puno jednostavniji, jer se odnos počeo graditi na kvalitetnim temeljima. Svjestan sam da se puno stvari trebalo poklopiti, ali pokušao sam i uspio.

Htio bi reći kako je model aktivnog traženja posla jedini način da se posao pronađe. Nakon dvije godine na zavodu niti jednom nisam bio pozvan ili upućen na razgovor za posao. Tražio sam u nekoliko navrata priliku da dodatno educiram ili prekvalificiram. S obzirom na godine to nije bilo prihvatljivo jer ne spadam u “ranjivu” skupinu. Istovremeno bio sam tvrdoglav čitavo to vrijeme jer nisam koristio poznanstva zbog osjećaja da će mi netko non-stop lupati nad glavom kako mi je učinio veliku uslugu. Nakon 18 godina radne karijere takvu vrstu odnosa nisam htio sebi stavljati na teret. To je gore nego kreditno zaduženje u švicarcima. Nikada vratiti.

Analiza budućeg poslodavca kojem šaljete dokumente je nužna

Skrenuo bih pažnju na opis očekivanih vještina i znanja prilikom traženja posla. Ukratko, ima tu svega. Mislim kako treba biti oprezan osobito kod novoosnovanih tvrtki koje imaju velika očekivanja. Moja je preporuka provjeriti povijest poslovanja subjekta, a sve što je kraće od godine dana zahtijeva dodatnu analizu. Koliko god zvučalo interesantno ili izazovno na svakome je ponaosob odluka želi li ili ne raditi u takvoj tvrtci. Najvažnije od svega je znati da imate pravo i obavezu prije nego se javite na oglas za radno mjesto dobro se pripremiti da saznate što je moguće više o potencijalnom poslodavcu.

Ako imate dodatnih pitanja koju sam aplikaciju koristio možete me kontaktirati na mail [email protected]