Definere relasjoner mellom ulike entiteter.

Transkript

1

2 Sammenligne ALL data Definere relasjoner mellom ulike entiteter. Kommuner tilhører fylker Måneder tilhører kvartaler og år Personer har kjønn og alder Semicolon 1

3 Underprosjekt av Semicolon I samarbeid med SSB, IFI og DNV Blander semantiske teknologier og statistikk Forbedre anvendelse av statistikk Øke bruken Kombinere mer statistikk Semicolon 2

4 Teste ut semantiske teknologier for å distribuere og visualisere innholdet i statistikkbanken Vi utforsket denne muligheten ved bruk av Anzo Data Collaboration Server, Anzo on the Web og Anzo for Excel. Vi lagde ontologiene, lasted ned statistikk fra SSB i form av Excel-ark, merket dataens semantiske innhold, og lasted det opp på en trippeldatabase. Semicolon 3

5 Ontologi Database Semicolon 4

6 Lag en oversikt over sykefravær med tilsvarende funksjon som hos SSBs hjemmesider Sammenlign sykefravær med barnehagedekning, skilsmisser og separasjoner. Sammenlign sykefravær med statistikk om vannkvalitet Koble til egnet statistikk fra andre kilder Semicolon 5

7 Cambridge Semantics Anzo-produkter er ment å gjøre data: Tilgjengelig og anvendbar. Frigjort fra tradisjonelle applikasjon og dokumentbaserte siloer. Aksesserbart i sanntid Gjenbrukbar. Dette ved hjelp av W3Cs standarder for semantiske teknologier og dataformater. Semicolon 6

8 Utgangspunktet for både Cambridge Semantics og Semicolon-prosjektet er å gjøre samhandling mellom etater, avdelinger og bedrifter lettere ved hjelp av semantisk interoperabilitet. Men hva om vi også gjorde all statistikk tilgjengelig i form av semantisk merket informasjon...? Semicolon 7

9 Ontologier beskriver relasjonene mellom ulike konsepter og statistikkvariabler. Disse kan bli generert eller skreddersydd ved hjelp av informasjon vi finner i SSBs Metadata, i selve regnearkene vi laster ned eller andre kilder (SERES, CODED, etc) I sommer har vi forholdt oss til håndlagde enkle ontologier, for å skissere de muligheter som finnes ved å merke statistisk data semantisk. Semicolon 8

10 9

11 10

12 Vi har tatt tak i tre forskjellige domener som vi har beskrevet med ontologier: Relasjoner mellom ulike geografiske enheter, fra kommuner og opp til kontinenter. Relasjoner mellom klassifiseringer av persondata, spesielt kjønn og alder Relasjoner mellom ulike tidsenheter, måneder, kvartaler, år og tiår Disse gjør det enkelt å automatisk generere statistikk for større enheter (geografi, personalia og tid), gitt rådata fra mindre. Semicolon 11

13

14 13

15 14

16 15

17 16

18 17

19 18

20 19

21 20

22 21

23 22

24 23

25 24

26 Vi har kun lastet opp data for de ulike kommuner i Norge, ellers på landsbasis for resten av verden. Verdiene regnes ut for de større geografiske områder Vi kan da analysere dataene nedenfra og opp Statistikken er hentet fra SSB og World Bank Semicolon 25

27 26

28 27

29 28

30 29

31 30

32 31

33 Fødselsraten på kontinent er feil. Fødselsrate for hvert kontinent er egentlig gjennomsnittet av fødselsrate for alle land samt kommuner i Norge. Nes i Akershus vektes likt med f.eks. Tyskland. Semicolon 32

34 For øyeblikket er det ikke mulig å visualisere/ beregne prosent eller rater på noen fornuftig måte fordi: Anzo kan kun summere eller regne gjennomsnitt derfor får Europa så lav fødselsrate. Dette kan enkelt forbedres ved å gi tallene som brukes for å regne ut fødselsratene, og la Anzo selv regne ut ratene for de ulike geografiske nivåer. Slik funksjonalitet skal komme i senere utgaver. Semicolon 33

35 Man kan fint definere geografiske områder selv, så lenge disse kan defineres ut i fra mindre bestanddeler Man kan for eksempel definere politidistrikt, helsesektor, beredskapsområde etc med hvilken kommuner som tilhører hvilket område Eller større landområder, som Scandinavia, med hvilket land som tilhører landområdet Semicolon 34

36 Man skal i prinsippet kunne sammenligne hvilke data som helst som er lastet opp til serveren Slik kan alle lete etter korrelasjoner, og raskt ettersjekke påstander fra ulike medier Hva med å sammenligne faktisk barnehagedekning med hva folk synes om den i følge DIFIs befolkningsundersøkelse? Semicolon 35

37 36

38 37

39 38

40 Hvem som helst skal kunne utforske statistikken Journalister Skoleelever Vanlig hjemmebruker Noen lurer kanskje på: Hvorfor er det høyere sykefravær i noen kommuner/fylker enn i andre? Semicolon 39

41 40

42 41

43 42

44 43

45 44

46 45

47 46

48 47

49 48

50 49

51 50

52 51

53 52

54 53

55 54

56 Man er selvfølgelig ikke innskrenket til én kilde for informasjon Data fra ulike organisasjoner kan enkelt sammenlignes uten større problemer Dette gjelder spesielt om man bruker en felles metadatastruktur som definerer de ulike variablene. For eksempel: Nes kommune blir idendifisert som samme kommune både i data fra SSB og fra DIFI. Ikke forveksler Nes i Akershus med Nes i Buskerud. Semicolon 55

57 56

58 Gi datamaskinen semantikken til statistikken Alle får Delta interaktivt med statistikken Sammenligne de data de vil Finne nye koblinger mellom statistikk Være med i samfunnsdebatten Tilgang til pålitelig data Semicolon 57

59 SSB har mye data som lett kan deles Metadata Deling av ontologier Kvalitet til SSBs data Ledningsnett i Hole kommune: Semicolon 58

60 Cambridge Semantics produktsuite Anzo Data Collaboration Server Anzo for Excel Anzo on the Web Hva må til for å få dette oppe og gå om to år? Gode ontologier Rådata i stedet for prosentdata Funksjonalitet for å regne ut prosent fra rådata Enklere webløsning Raskere databasesystem (Kommer i Anzo 2) Semicolon 59

61 Semantikk gjør det enkelt å generere statistikk for de områder man selv er interessert i automatisk. Stort potensiale for: Skoleelever Journalister Forskere En rekke fordeler Øke bevisstheten i samfunnet Samhandle statistikk Enkle sammenligninger Fra detaljer til et større bilde Semicolon 60

62 Tittel Oppgavetekst Eksempel graf Video-demo Rapport Cambridge Semantics Semicolon IFI DNV URL Ikke tilgjengelig for øyeblikket Semicolon 61

63 Studenter Håvard Mikkelsen Ottestad Lars-Erik Bruce Universitet i Oslo, IFI Arild Waaler arild@ifi.uio.no Det Norske Veritas Per Myrseth Per.Myrseth@dnv.com Vibeke Dalberg vibeke.dalberg@dnv.com Rolf Petter Hancke Rolf.Petter.Hancke@dnv.com 62