Idee & Datenanalyse

Square

Aufgabe

Entwicklung eines Informationsplakates, das auf demografischen Daten des Statistischen Amts der Europäischen Union (Eurostat) basiert.

Tag 1: Idee

Als allererstes durchstöberten wir die Datensätze von Eurostat, um ein Thema zu finden, mit welchem wir unser Projekt realisieren würden. Es gab sehr viele Möglichkeiten, was uns die Entscheidung nicht einfach machte. Wir entdeckten Zahlen, die einen Vergleich der Wohnungsausstattung in verschiedenen Ländern ermöglichen würden. In welchem Land gibt es am meisten Badewannen? Wo hat es noch kein fliessendes Wasser? Obwohl wir alle begeistert waren, konnten wir das Thema nicht weiterverfolgen. Nach einer genaueren Untersuchung der Datensätze mussten wir nämlich feststellen, dass sie nicht vollständig und darum unbrauchbar waren. Nach weiterem Suchen stiessen wir auf andere Daten, die uns interessierten: Eine Datei, welche die Baujahre der Eigentumswohnungen in den einzelnen Länder Europas auflistete.

Im nächsten Schritt machten wir in der heruntergeladenen Datei ein bisschen Ordnung, gruppierten die Daten und färbten sie ein.

Liste unsortiert direkt aus Eurostat
Liste sortiert nach Epochen

Danach analysierten wir den Datensatz genau. Wir entdeckten, dass die Zahlen in drei Dimensionen aufgeteilt werden können: Länder, Baujahre und Wohnungsarten.

  • Bei den Ländern mussten wir leider feststellen, dass nicht ganz Europa repräsentiert war. Wir hatten total nur 24 Länder. Grossplayer wie Deutschland, Frankreich und Grossbritannien fehlten, jedoch war die Schweiz vollständig erfasst.
  • Die Wohnungsarten waren in sechs Gruppen unterteilt: Nichtwohngebäude, Gebäude mit einer Wohnung, Gebäude mit zwei Wohnungen, Gebäude mit drei Wohnungen und mehr und unbekannt als Angabe. Auf den ersten Blick fanden wir diese Aufteilung sehr kompliziert aber es gab auch spannende Ausschläge in den Daten. So gab es in Italien enorm viele Eigentumswohnungen in Gebäuden mit drei oder mehr Wohnungen und in der Schweiz fast keine.
  • Die Baujahre waren in Zeitepochen eingeteilt: früher-1919, 1919-1946, 1946-1960, 1961-1970, 1971-1980, 1981-1990, 1991-1995, 1996-2001. Bei der ersten Epoche (früher-1919) fiel uns auf, dass der genaue Zeitraum nicht definiert war und sich das Jahr 1919 mit der zweiten Epoche überschneidet. Darum entschieden wir uns, die erste Epoche zu eliminieren. Zudem waren die Epochen nicht gleich gross, was die Daten verfälschte: Wenn zwischen 1919-1946 15 % der Wohnungen gebaut wurden, und zwischen 1981-1990 nur 10 %, so wurden auf die einzelnen Jahre heruntergebrochen in den 80er-Jahren mehr gebaut, da die erste Epoche viel länger ist als die zweite.

Als nächstes wollten wir die Daten pro Dimension neu sortieren, um mit mehreren Blickwinkeln auf die Zahlen blicken zu können.

Tag : Datenanalyse

Liste sortiert nach Wohnungsart (RES, RES_GE3 etc.)

Am zweiten Tag durchforsteten wir die verschiedenen Listen nach interessanten Fakten. Dieser Prozess nahm viel Zeit in Anspruch und es war nicht einfach, vor lauter Zahlen den Wald noch zu sehen J. Es half uns sehr, die Excel-Listen auf ein A3 zu drucken, um sie auf Papier betrachten zu können.

Schwierigkeiten hatten wir mit der Definition von den Begriffen, weil sie kompliziert formuliert waren, z.B. ‘Wohngebäude mit drei oder mehr Eigentumswohnungen’. Darum gaben wir den Wohnungsarten unsere eigenen Namen: Einfamilienhaus, Zweifamilienhaus, Wohnblock, Nichtwohngebäude. So konnten wir auch untereinander viel einfacher kommunizieren.

Mit kleinen Icons konnten wir uns besser merken, welche Wohnungsarten es gibt.
Auf einer Europakarte zeichneten wir ein, in welchem Land, welche Eigentumswohnungs-Art überwiegt. In der Schweiz sind es die Einfamilienhäuser, in den baltischen Staaten die Wohnblöcke.

Zudem fiel uns auf, dass unsere Datensätze häufig ungenau oder unvollständig waren. Schade fanden wir beispielsweise, dass wir keine Angaben über die Anzahl Personen hatten, die in Eigentumswohnungen wohnen. Wir hätten es auch interessant gefunden, die präzisen Baujahre zu kennen und nicht nur die Zeitepochen. Zudem konnten wir keine Erhebung zu den restlichen Wohnsituationen finden: Wo leben die Menschen, die nicht in Eigentumswohnungen wohnen?

Dank hilfreichen Coachings konnten wir erste Statements definieren:

  • Im europäischen Vergleich haben die Schweizer am wenigsten Eigentumswohnungen pro Kopf.
    • In der Schweiz dominieren Einfamilienhäuser.
  • Im europäischen Vergleich hat Estland die meisten Eigentumswohnungen pro Kopf.
    • In Estland gibt es mehr Wohnblöcke

Dank dieser kleinen Erkenntnis konnten wir unser Thema eingrenzen. Zum einen wollten wir die Eigentumswohnungen pro Kopf im europäischen Vergleich darstellen, zum anderen sollten die Baujahre der Eigentumswohnungen in einem geschichtlichen Kontext visualisiert werden.