6 december 2012

Eerste datavisualisatie: De Burgemeesterindex

Toen ik door Alex van Leeuwen aangenomen werd bij Buzzcapture werd in mijn functieomschrijving opgenomen dat ik huisblogger zou worden. Eigenlijk moet ik dus blogs schrijven waarmee het product van Buzzcapture opvalt in de media. Het product van Buzzcapture is heel veel data op een simpele manier filteren voor klanten. Dat heb ik ook gedaan voor mijn eerste grote blog, de Burgemeesterindex. Ik heb alle twitterende burgemeesters van Nederland opgezocht in een grote Excel lijst en gezorgd dat deze in een groot project binnenkomen, daarna heeft Ryanne Turenhout hier een Google Mash Up van gemaakt.

Doel

Het landkaartje hierboven laat in 1 plaatje het verschil in Twittergedrag zien van alle burgemeesters in Nederland. Het plaatje is  een excelbestand vol data die we opgehaald hebben in de dataset van Buzzcapture. Als ik een excelbestand had geplaatst, dan had je waarschijnlijk nooit naar de data gekeken en niet begrepen wat er stond. Door dit soort visualisaties maak je data tastbaar en leuk voor mensen die weinig dingen erger vinden dan het horen van het woord ‘Excel’. De modeterm ‘Big data’ wordt zo toegepast en dat vind ik te gek. Hiermee laten we zien wat je met de data van Buzzcapture kunt doen.

Waarom interessant?

Behalve dat je aantoont iets met data te kunnen bouwen, is dit ook nog eens een heel leuk kaartje. Politiek Nederland twittert boven gemiddeld vaak. Twitter is een mooi middel om je boodschap duidelijk te maken en je kunt interactie met je stemmers hebben. Daarom is het goed om te zien waar de verschillen zitten. Welke burgemeesters zoeken interactie, is er landelijk beleid vanuit de campagneteams om te Twitteren of is iedere burgemeester vrij te doen en laten wat hij twittert? Dit laatste lijkt het geval te zijn. Als campagneteam wil je monitoren wat je burgemeesters zeggen. Vertegenwoordigen zij de partij wel op een goede manier? Tools als de Burgemeesterindex kunnen hierbij helpen.

Vergelijkbaar

Het mooie aan deze datavisualisatie vind ik dat het gelijke variabelen vergelijkt. Iedere gemeente in Nederland heeft 1 burgemeester, dus je vergelijkt geen appels met peren. Omdat Amsterdam veel inwoners heeft, zal een bepaalde term altijd vaker in Amsterdam genoemd worden, omdat deze waarde niet wordt gecontroleerd door andere variabelen krijg je nooit een eerlijk beeld van Twitterend Nederland. In deze visualisatie heb je daar geen last van.

Meetbaar over langere periode

Nu de dataset is opgebouwd, is het eenvoudig deze vaker uit te voeren. Het enige wat ik hoef te doen is de mutaties van burgemeesters bijhouden. Zijn er nieuwe burgemeesters bijgekomen en twitteren ze? Hierdoor kost het me iedere maand maar enkele uren, maar lever ik wel een blog met nieuwswaarde vol data. Zeker wanneer ik na een jaar de data kan vergelijken. Zijn er meer gaan twitteren? Zijn er patronen te herkennen? Dan kan ik de data gaan nog verder gaan analyseren en dat is heel erg leuk.

In de media

Dit blog werd mijn eerste post op Marketingfacts. Hierdoor werd ik heus auteur op dit belangrijke marketingblog met een eigen profiel en kreeg ik ook reacties op mijn werk binnen. Dit is natuurlijk het allerleukste! Nadat Bram Koster mijn blog live had gezet zit je lachend naar het aantal retweets te kijken en iedere blogger zal weten dat het heel erg leuk is resultaat te zien van je werk. Enkele dagen later werd het bericht zelfs overgenomen door Nos op 3 wat de stimulans nog groter maakte om door te gaan met bloggen.

Heb je vragen of opmerkingen? Stel ze hieronder of stel ze op Twitter aan @jaapvanzessen.