In deze datablog gaan we in op de bij CBS verkrijgbare informatie op wijk- en buurtniveau. Voor de Accountability Hack zijn de kerncijfers vooral waardevol als achtergrond waarmee geldstromen en prestaties beter begrepen kunnen worden, dus vooral in combinatie met andere datasets.
Kerncijfers Wijken en Buurten is een overzichtspublicatie met kerncijfers over demografische en sociaal-economische onderwerpen uitgesplitst naar gemeenten, wijken en buurten. Uitgangspunt bij het samenstellen van deze publicatie is een breed aanbod van zo recent mogelijke cijfers. Meerwaarde van de publicatie is dat de laagregionale informatie bij elkaar staat en niet verspreid over de verschillende thema’s.
Onderwerpen
Kerncijfers Wijken en Buurten bestrijkt de thema’s bevolking, wonen, energie, onderwijs, arbeid, inkomen, sociale zekerheid, bedrijven, motorvoertuigen, voorzieningen, oppervlakte en bodemgebruik. Er zijn gegevens beschikbaar over personen, huishoudens, woningen, energieverbruik, leerlingen/studenten, werkzame personen, uitkeringen, inkomens, bedrijfsvestigingen, motorvoertuigen, diverse voorzieningen zoals ziekenhuizen en kinderdagverblijven en bodem naar type (land/water) en gebruik.
De cijfers zijn beschikbaar op gemeente-, wijk- en buurtniveau. De gemeenten zijn onderverdeeld in wijken en buurten. Elke gemeente heeft minimaal één wijk en elke wijk is weer opgebouwd uit minimaal één buurt. Onderling is deze data te combineren door middel van gwb_code_8 of gwb_code_10: een code die opgebouwd is uit gemeentecode (0361, Alkmaar), wijkcode (036105, Huiswaard) en buurt (03610501, Muiderwaard), al dan niet met GM, WK of BU aan het begin van de code, in dit geval bijvoorbeeld BU03610501.
Een beschrijving van het onderzoek en verdere achtergronden bij deze tabel zijn te vinden in de korte onderzoeksbeschrijving: Kerncijfers Wijken en Buurten.
Wijze van publiceren
De wijk- en buurtcijfers worden allereerst op StatLine in Kerncijfers Wijken en Buurten gepubliceerd. In de afgelopen jaren heeft het CBS nieuwe vormen ontwikkeld voor het presenteren van cijfers over buurten: de website cbsinuwbuurt.nl en via het PDOK (WMS/WFS). Daarnaast publiceert het CBS jaarlijks de Wijk- en Buurtkaart in ESRI-shapeformaat, digitale geografie gecombineerd met (een deel van) de kerncijfers.
Wat kun je ermee?
De kerncijfers stellen gebruikers in staat om verschillende gebieden (gemeenten, wijken en buurten) te vergelijken. Om de vergelijkbaarheid te vergroten, zijn van de opgenomen kerncijfers vaak ook relatieve maten berekend als percentages en cijfers per duizend inwoners. Bij selectie van alle gemeenten, wijken en buurten tegelijk is downloaden van de cijfers vanuit StatLine niet mogelijk. Daarom kan hier een Excelbestand met wijk- en buurtcijfers per jaar worden gedownload. De toelichtingen geven een overzicht van de inhoud van de StatLinetabel, voor welke peiljaren de verschillende variabelen beschikbaar zijn en de bij de tabel behorende toelichtingen.
Voor deze blog laten we vooral de CBS data gevisualiseerd zien. Dit geeft voorbeelden voor mogelijk hergebruik van de data middels verschillende tools en laat zien wat er zoal te vinden is in de kerncijfers. Voor het eerste voorbeeld gebruiken we DataHero, een intuïtieve tool om data te verkennen en te visualiseren. In onderstaande grafiek is per gemeente a_inw (aantal inwoners) afgezet tegen de kolommen a_marok (aantal allochten met herkomstgroep Marokko), a_antaru (herkomstgroep Nederlandse Antillen en Aruba), a_suri (herkomstgroep Suriname), en a_tur (herkomstgroep Turkije).
Hiermee kun je eenvoudig zien hoeveel inwoners uit bijvoorbeeld Marokko, Turkije of Suriname komen. Links zie je het aantal inwoners van de stad in totaal en rechts het aantal personen uit bovenstaande groepen. Let op dat de Y-as aan de linkerzijde en de rechterzijde andere waarden bezit.
Een manier om de data geografisch te visualiseren is via CARTO (eerder bekend als CartoDB). CARTO geeft de optie om een wizard te gebruiken, maar vervolgens via CartoCSS breed personaliseerbaar. In onderstaande visualisatie is per buurt het percentage eenpersoonshuishoudens (p_eenp_hh) weergegeven, met in de infowindow ook de de gm_naam (Gemeentenaam) en bu_naam (Buurtnaam).
Een andere manier om geografische data te visualiseren is QGIS. Onderstaande visualisatie uit QGIS laat het percentage 65-plussers per gebied zien, gecombineerd met locaties van ziekenhuizen. In de eerste zijn de aantallen op gemeenteniveau gevisualiseerd, gecombineerd met de academische ziekenhuizen in Nederland. In de tweede is de data op buurtniveau gecombineerd met alle ziekenhuizen in de regio.
Bovenstaande voorbeelden laten vooral zien welke data beschikbaar is, voor de Accountability Hack is het belangrijk om deze data te combineren met andere data, om meer inzicht te krijgen in de prestaties of geldstromen van de overheid. Tijdens de Accountabilty Hack zal een GEO-deskundige van het CBS aanwezig zijn voor verdere toelichting.
Doe je mee?
Op 9 september 2016, aan de vooravond van Prinsjesdag vindt Accountability Hack plaats. Tijdens deze hackathon gaan we met open data geldstromen en prestaties van de overheid in kaart brengen. Doe je mee? Aanmelden kan hier.