Try   HackMD

BI :: Eurostat

tags: Business Intelligence Tableau data mining eurostat

Wprowadzenie - cel ćwiczenia

Podczas zajęć należy przygotować kokpit managerski służący do analizy wybranych wskaźników z bazy danych Eurostat.

1. Data source

1.1. Serie danych

Jako źródło danych należy wykorzystać następujące dane z Eurostat:

  • Electricity prices
  • GDP per Capita
  • Inflation rate
  • Final energy consumption in households
  • Energy import dependency
  • Greenhouse gas emissions

1.2. Lokalizacja danych w Eurostat

Proponuję jako hub dostępowy do danych wykorzystać usługę COUNTRY FACTS

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

1.3. Dostęp, format, zakres danych

Dostęp do danych zapewnia narzędzie Data Browser. Pomoc do systemu jest dostepna tutaj.

Dane pobieramy w formacie:

  • CSV - coma separated value
  • per line: one observation per line
  • Data scope: Custom dataset
  • zakres danych: 2015 - ..

Konfiguracja dostępu do danych może zostać zrealizowana za pomocą "Options and other formats"

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

Przed pobraniem danych proszę skonfigurować zakres danych (w poszczególnych seriach danych).

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

1.4. Łączenie danych

Proszę przygotować data source łączące wymienione w pkt. 1.1 serie danych dla poszczególnych państw UE.

2. Wizualizacje i analizy

Proszę przygotować analizy opisane w kolejnych podrozdziałach.

2.1. Energia elektryczna

  • mapa z cenami en.elektrycznej
  • mapa z cenami en.elektrycznej/GDP per capita
  • zmiana cen energii elektryczne/GDP per capita w funkcji czasu (np. slope graph)
  • wykres punktowy + box plot dla cena energii/GDP w kolejnych latach
  • mapa z konsumpcją energii w gospodarstwach domowych
  • wykres rozrzutu: Electricity prices vs Energy import dependency

2.2. Inflacja

  • mapa z wartością inflacji w kolejnych latach
  • zmiana wsp. infalcji w kolejnych latach dla Państw UE + wartość średnia
Last changed by 
 
Marek M
0
259

Read more

02 Lab - Business Intelligence

Wprowadzenie - cel ćwiczenia Celem ćwiczenia jest przygotowanie wizualizacji charakteryzującej lokalizacje i rodzaje Miejsc Obsługi Podróżnych (MOP) przy drogach ekspresowych i autostradach na terenie Polski. Przykładowa wizualizacja jest dostępna na stronie Generalnej Dyrekcji Dróg Krajowych i Autostrad. Podczas zajęć należy przygotować kokpit managerski (dashboard) złożony z czterech arkuszy - wizualizacji (sheets) przygotowanych w Tableau. Prezentacja ma zawierać charakterystykę MOP w Polsce - Rys.0. <a id="rys0"></a> Rys.0 Kokpit managerski.

Oct 15, 2024
01 Lab - Business Intelligence

Wprowadzenie - cel ćwiczenia Podczas zajęć należy przygotować kokpit managerski (dashboard) złożony z trzech arkuszy - wizualizacji (sheets) przygotowanych w Tableau. Prezentacja ma zawierać ilustrację długości dróg ekspresowych i autostrad w Polsce na przestrzeni ostatnich 5 lat z podziałem na województwa. 1. Informacje podstawowe 1.1. Proces przygotowania wizualizacji - Tableau Rys.1 prezentuje główne czynności składające się na proces przygotowania prezentacji w Tableau. <a id="rys1"></a>

Oct 8, 2024
Dashboard's - energy source in UE

Purpose of the exercise The purpose of the exercise is to effectively use a data source describing energy generation/recovery in the EU. A tool is available at Eurostat Energy and Industry Geography Lab. 0. Data source I suggest the following modifications to the data source: define calculated fields "type of energy" image creating gropus in the dimension "type of energy" - eg. type (group)<br/> image

Apr 25, 2024
07 Lab [en] - Data visalization, Clustering

Introduction - Purpose of the exercise The purpose of this exercise is to improve your ability to use visual analytics tools in Tableau. 1. Clustering Among the analytical tools offered by Tableau are methods for grouping data - known as cluster analysis. Clustering is a technique for grouping objects with similar properties, and the cluster formed during clustering is a class of similar objects. Clustering is a machine learning method that belongs to the class of unsupervised learning methods - its aim is to find "natural" clusters for a set of objects. The equivalent of this method in supervised learning is the classification process. The clustering problem is to divide the set P into k clusters such that the function F takes a maximum value, where:

Apr 11, 2024
Read more from Marek M
Published on HackMD