1. Čo sú otvorené dáta a na čo sú dobré?

Nestretli ste sa ešte s pojmom otvorené dáta alebo nemáte presnú predstavu čo sa pod týmto pojmom myslí? Odpovede nájdete v tejto lekcii.

2. Načo sú mestám otvorené dáta?

Nie ste si istí, či je správne rozhodnutie zverejňovať otvorené dáta? Aké benefity to môže Vašej samospráve priniesť? Odpovede nájdete v tejto lekcii.

3. Ako otvárať dáta koncepčne?

Ste už rozhodnutí otvoriť svoje dáta ale neviete ako na to? Na čo všetko si dať pozor aby Vaše úsilie prinieslo úžitok? Odpovede nájdete v tejto lekcii.

4. Aké dáta zverejniť?

Viete už že chcete zverejňovať otvorené dáta a máte predstavu ako na to ale rozmýšľate nad tým aké dáta sú vhodné na zverejnenie? V tejto lekcii nájdete odpovede.

5. Ako zverejniť dáta technicky?

Ako zverejniť dáta efektívne? Aké sú vhodné formáty, licencie a technické riešenia? Odpovede nájdete v tejto lekcii.

7. Kde nájsť datasety?

Chceli by ste pracovať s otvorenými dátami ale neviete ako na to? V tejto lekcii predstavujeme prvý krok - kde hľadať otvorené dáta.

8. Zverejnenie dát v súlade s GDPR?

Ako zverejniť dáta tak aby to bolo v súlade s GDPR, ochranou osobných údajov a legislatívou? Odpovede sa dozviete v tejto lekcii.

11. Ako budovať komunitu?

Chcete aby nad Vašimi dátami vznikali riešenia? Aby boli používané, sťahované, aby sa o nich písalo? Ako na to vám odpovie táto lekcia.

12. Atribúty kvalitných dát?

Máte už zverejnené dáta ale nie ste si istí ich kvalitou? Ak nad Vašimi dátami nič dlhšie nevzniká, môže byť problémom aj ich kvalita. Ako na to Vám prezradíme v tejto lekcii.
Prečo vizualizovať dáta

V tejto lekcii sa dozviete napríklad:

  • prečo sú vizualizované dáta pre náš mozog lákavejšie,
  • aké sú špecializované nástroje na prácu s dátami,
  • aké majú výhody a nevýhody,
  • ako prepájať dáta,
  • ako vytvárať interaktívne vizualizácie.
Mapa Johna Snowa (zdroj: https://blogs.cdc.gov/publichealthmatters/files/2017/03/Snow-cholera-map-1_banner-1.jpg)

V 1. lekcii Ján Gondoľ ukázal, ako vizualizácia dát pomáha vidieť informácie, ktoré boli predtým skryté. John Snow zakreslil na mapu polohu bydliska obetí cholery a zistil, že obete nie sú na mape na náhodných miestach, ale že ich počet stúpa s blízkosťou k Broad Street. Z tohto pozorovania vyvodil hypotézu, že dôvodom úmrtí je voda zo studne umiestnenej na tejto ulici, ktorá sa potvrdila.

Jedným z dôvodom prečo je vizualizácia dát dôležitá, je aj spôsob fungovania ľudského mozgu, ktorý popísal Daniel Kahneman v knihe Myslenie rýchle, pomalé. Opisuje v nej 2 systémy, ktoré riadia naše myslenie. Systém 1 je rýchly, intuitívny a emocionálny a Systém 2 je pomalší, cieľavedomejší a logickejší. Inými slovami ide o 2 systémy, ako môžeme vnímať svet okolo nás. Systém 1 nie je možné ovládať vôľou, skúma okolitý svet a okamžite vyvodzuje závery. Systém 2 je ovládaný vôľou, jeho zapnutie stojí isté úsilie ale je presnejší a výkonnejší. Údaje vo forme tabuľky nevie Systém 1 rýchlo pretaviť do záverov, preto je potrebné zapnúť Systém 2. Systém 1 vie naopak oveľa efektívnejšie pracovať s vizuálnymi informáciami na ktoré je zvyknutý z bežného života. Vieme ktorý rad pri pokladni je dlhší bez toho aby sme o tom museli uvažovať. Takisto vieme že žltá je odlišná od zelenej bez toho aby sme o tom museli uvažovať a zapínať tak Systém 2. Už ste niekedy videli vedľa seba tabuľku a graf s rovnakými údajmi, pričom ste intuitívne uprednostnili graf, lebo sa na neho akosi lepšie pozerá? Bingo, boli ste príliš pohodlný aby ste zapli svoj Systém 2 a tak ste použili Systém 1 ktorý pracuje najlepšie práve s vizuálnymi informáciami. Systém 1 má však aj nevýhody o ktorých je dobré vedieť. Práve pre jeho rýchlosť a intuitívnosť je náchylný pri vyvodzovaní záverov na vznik mylných záverov, preto musíme pri vizualizovaní dát dávať pozor, aby sme používateľa nezavádzali. Niektoré časté chyby ktorých by sme sa mali vyvarovať nájdete v tomto článku.

zdroj: https://a.sfdcstatic.com/content/dam/www/ocms-backup/assets/images/hub/analytics/data-visualization-advantages/data-visualization.png

Vizualizácia dát pomáha:

  • zorientovať sa v údajoch rýchlejšie,
  • rýchlejšie vyvodzovať závery,
  • vidieť závery, ktoré boli predtým skryté,
  • pritiahnuť pozornosť, popularizovať tému,
  • lepšia zapamätateľnosť,
  • základná informácia je pochopiteľná bez ohľadu na jazyk.

Interaktívna vizualizácia sa líši od statickej práve v tom, že si používateľ vie nastaviť iné zobrazenie, napr. filtrovať údaje, vybrať si iný typ grafu a podobne. V prípade niekoľkých prepojených grafov a/alebo máp sa už bavíme o prehľade, po anglicky dashboard respektíve aplikácii.

V prípade interaktívnej vizualizácie sú výhody ďalej znásobené tým, že:

  • rýchlejšie sa vieme dostať presne k dátam ktoré potrebujeme,
  • vieme vizualizáciu prispôsobiť podľa publika,
  • vieme na menšom priestore ponúknuť väčšie množstvo dát,
  • možnosť mať dáta stále aktuálne,
  • ďalšie možnosti (napr. možnosť stiahnuť dáta, zmeniť veľkosť písma).
Statický graf

Interaktívny graf

Príklad Prehľadu/Dashboardu nájdete na tejto adrese.

Ako môžu samosprávy využívať vizualizáciu dát

Mnohé samosprávy už využívajú vizualizáciu dát. Napríklad Banskobystrický samosprávny kraj pripravil prehľad o hlasovaní poslancov. Určite sa oplatí sa vizualizovať napr. dotácie, majetok mesta, rozpočet, pamiatky, školy, zdravotnícke zariadenia, atď. – zoznam je nekonečný. Ak chcete napríklad poukázať na problém o ktorom by sa mala rozprúdiť verejná diskusia, nie je nič lepšie ako zverejniť k tomu vizualizáciu. Taktiež ak návštevníci na Vašej webovej stránke hľadajú nejakú konkrétnu problematiku, je pravdepodobné že ocenia vizualizáciu ktorá im pomôže jednoducho a rýchlo nájsť potrebné informácie.