Daten sind das neue Öl. Ihre publizistische Aufbereitung gewinnt eine immer größere Bedeutung. Programmierkenntnisse sind dabei nicht vonnöten.
Auf der Basis öffentlich zugänglicher Informationen und Datenbanken gibt der digitale Workshop Einblicke, wie Zahlen auf kreative und leicht verständliche Art dargestellt werden können. Denn ein Bild sagt mehr als tausend Werte.
In diesem Workshop wird auch gezeigt, wie Medienschaffende an Daten herankommen und diese für sich nutzbar machen. Sie lernen, wie sie interaktive Infografiken und Diagramme erzeugen können, Ortsdaten auf klickbaren Karten sichtbar und mit weiteren Medien verknüpfen können.
Das Seminar ist auf 15 Teilnehmende begrenzt.
Dozent: Matthias Süßen, freier Journalist, Blogger und Trainer, unter anderem für die Akademie für Pubizistik und diverse DJV-Landesverbände. Geboren im Südbrookmerland, lebt jetzt in Kiel.
Termin: 04. Juni, 10 Uhr bis 16 Uhr via Zoom
Übungsaufgaben
- Verschaffen Sie sich einen Überblick, wann die Financial Times welche Visualisierungsformen verwendet: Visual Vocabulary. Designing with data (<-auch als pdf erhältlich)
- Legen Sie (sofern noch nicht vorhanden) ein Konto bei Google Mail an. Starten Sie Google Tabellen und verschaffe Sie sich einen Überblick über die Funktionen. Erstellen Sie mit den Übungsdateien und dem Explorer erste eigene Visualisierungen.
- Visualisieren Sie einen der Datensätze in unterschiedlichen Diagrammformen. Welcher Visualisierungstyp vermittelt die Botschaft, die Story am besten?
- Registrieren Sie sich bei Datawrapper und erstellen mit den Muster-Datensätzen erste eigene Visualisierungen. Importieren Sie danach Tabellen aus Google Tabellen oder laden Sie eigene Daten hoch.
- Bereiten Sie einen oder mehrere Werte aus einer der unter „Tabellen zur Bereinigung“ verlinkten Dateien für die Visualisierung auf.
- Verschaffen Sie sich einen Überblick über die auf der Seite „SurvStat@RKI 2.0“ angebotenen Möglichkeiten. Exportieren Sie die Covid-Meldedaten für 2020 und 2021 für Niedersachsen und/oder ihren Heimatkreis.
- Erstellen Sie mit Datawrapper eine Symbolkarte. Tragen Sie zum Beispiel die Einwohnerzahlen mehrerer Orte in Ihrer Heimat ein
- Exportieren Sie mit den GeoJSON-Utilities vom Opendatalab die Umrisse von zwei bis drei Landkreisen in Ihrer Region. Erstellen Sie anschließend mit dieser Datei eine Choropletenkarte in Datawrapper und befüllen Sie die Kreise mit Zahlen.
- Exportieren Sie mit KML-Export Geodaten aus der Wikipedia. Um zum Beispiel aus der deutschen Wikipedia Geodaten zu ziehen, geben Sie folgende URL in Ihren Browser ein: https://tools.wmflabs.org/kmlexport/?project=de&article=HIER_DEN_ARTIKELNAMEN_EINTRAGEN Das kann dann so aussehen: https://tools.wmflabs.org/kmlexport/?project=de&article=Liste%20von%20Windkraftanlagen%20in%20Bremen,%20Hamburg%20und%20Niedersachsen oder so https://tools.wmflabs.org/kmlexport/?project=de&article=Liste%20der%20Baudenkmale%20in%20Norden (<-Exportiert sämtliche Geodaten aus dem Artikel Liste der Baudenkmale von Norden)
- Laden Sie die so entstandene KML-Datei in Google MYMAPS hoch und bearbeiten Sie die Karte.
- Suchen Sie mit Google nach bestimten Dateitypen, zum Beispiel nach „filetype:xlsx arbeitslosenzahlen april 2021„. Weitere Dateitypen, nach denen Sie suchen können, listet Google auf dieser Seite auf. So könnten Sie auch nach Kartendaten suchen, etwa in Südbrookmerland oder nach Jugendherbergen.
Übungsdateien
Daten visualisieren
Corona in NDS
(zahlen vom DIVI-Intensivregister)
Tabellen zur Bereinigung
Arbeiten mit dem Datengui.de
Amtliche Daten können journalistischen Berichten mehr Tiefe geben. Statt Einzelfälle und Zitate aneinanderzureihen, bieten Daten die Möglichkeit, ein größeres Bild sichtbar zu machen, heißt es auf der Seite. Mit dem Datenguide gelangen Sie in zwei Schritten zu Ihrer ersten Datenkarte. Zum Beispiel können Sie die Baulandpreise für NDS visualisieren:
- Daten herunterladen
- Öffnen Sie das Datenportal
- Wählen Sie als Region ‚Niedersachsen‘
- Wählen Sie dann die regionale Tiefe NUTS-3 aus, das gibt Ihnen Daten für alle Landkreise und kreisfreien Städte in NDS. Wie die Einteilung dieser Gebiete in Deutschland funktioniert, erfahren Sie auf dieser Seite: NUTS erklärt
- Geben Sie ‚Bau‘ in die Suche nach Wertmerkmalen ein. Nimm ‚BAU004 – Durchschnittlicher Kaufwert je qm‘ und änderen Sie die Auswahl der Merkmale auf ‚Baulandverkäufe‘.
- Wählen Sie an der Tabelle das Jahr ‚2018‘ aus
- Laden die Daten herunter. Das Ergebnis kann so aussehen
2. Erstellen Sie Ihre Datenkarte mit dem Datawrapper
- In Datawrapper wählen Sie“Neue Karte“ und dann „Choropletenkarte“
- Wählen Sie „Niedersachsen Landkreise (2017) als Kartenbasis aus
- Anschließend importieren Sie die soeben aus dem Datenguide heruntergeladene CSV-Datei und wählen die entsprechenden Spalten aus (AGS und Wert). AGS steht für ‚amtlicher Gemeindeschlüssel‘. Datawrapper nutzt diese Gemeindekennziffer, um Daten und Gebiete eindeutig zuzuordnen. Mehr über die Gemeindekennziffern erfahren Sie auf dieser Seite: AGS erklärt.
- Danach können Sie die Karte beschriften und die Datenquelle angeben. Unter dem Reiter Beschreiben können Sie auch die Tooltips anpassen, um anstelle der Gemeindekennziffer den Namen des Landkreises oder der Kreisfreien Stadt anzeigen lassen zu können.
- Am Schluss auf ‚Veröffentlichen‘ klicken.
Arbeiten mit Choropletenkarten
Sie benötigen sogenannte Shapefiles mit Gebietsgrenzen, etwa denen bestimmter Gemeinden oder Landkreise, die Sie anschließend im Datawrapper mit Daten verknüpfen möchten? Die erhalten Sie zum Beispiel über das opendatalab oder OSM Boundaries.
Eine KML Datei kann man sich zum Beispiel aus Wikipediaartikeln herauslesen lassen, wie etwa der Liste von Windkraftanlagen in Bremen, Hamburg und Niedersachsen. Die Einstellungen für das dafür notwendige Tool sind auf dieser Wikipedia-Seite dokumentiert. Ein Beispiel für eine solche KML-Datei findet sich hier.