Hollandse Luchten data analyse dashboard nu openbaar toegankelijk

De data science werkgroep van Hollandse Luchten heeft het dashboard waarmee je de data van sensoren van Hollandse Luchten kan analyseren doorontwikkeld. Dit dashboard hebben we al kunnen laten zien tijdens eerdere data analyse bijeenkomsten, waarbij een data analist aan de knopjes kon draaien. Nu is het dashboard zo ver dat je zelf aan de knopjes mag draaien! We zijn benieuwd naar jullie reactie en ervaringen met het dashboard!

Hij is nu voor iedereen toegankelijk op de website van Hollandse Luchten: Hollandse Luchten | Power BI

Wat vind jij van dit dashboard? Kan je het gebruiken om die informatie uit de data te halen die je zoekt? Heb je verbeterpunten? Helpt het dashboard om je meetvraag te kunnen beantwoorden? Zie je een foutje of heb je andere opmerkingen? We horen het graag!

Dank je wel voor de uitleg gisteravond. Nu eens zien of we signaal uit de achtergrond ruis kunnen destilleren. Wel een vraagje over de windroos: bij alle andere grafieken kan de ruwe data als tabel worden opgehaald (rechter muisklik → open table). Alleen bij de windroos lijkt dat niet geactiveerd te zijn. Kan dat worden “aangezet”. Met name de windroos levert op het eerste gezicht relevante informatie op.

Dan een aparte vraag: We zien een piek naar windrichting 310 graden als we alles selecteren. Nu komt dat, als ik het goed zie, door met name een foute sensor in zaanstad (sensor 312). Deze geeft ergens in maart een whopping concentratie van 7276. Kan niet anders dan helemaal fout zijn. Is er een mogelijkheid om dit soort probleemgevallen uit de data te verwijderen? Storingen zoals deze maken de data onbetrouwbaar / onbruikbaar, in ieder geval doet het afbreuk. Wat is het proces om dit door te geven (en aan te laten passen :slight_smile:

Vanavond eens gekeken naar de grafiek weerseffect → grafiek temperatuur vs fijnstof.
Ik heb daar de volgende vragen / opmerkingen bij:

  1. Met alles geselecteerd zie je weer de foute piek van sensor 312 in Zaandam. Die moet je dus steeds uitschakelen
  2. Er is een dip bij 0 graden. Dit is waarschijnlijk een artefact / importfout. Als je de gegevens als tabel bekijkt zie je tussen -0.10 en 0 graden nog een rij zonder temperatuur. Daar gaat data verloren. Ik weet natuurlijk niet hoe het komt maar ooit weleens iets gehad met het verschil tussen -0 en +0. In ieder geval klopt het niet en de piek heeft geen betekenis,
  3. Kijk je verder in de tabel dan zijn er sensoren die een temperatuur hoger dan 250 graden aangeven. Kan natuurlijk niet, die data zou moeten worden verwijderd / niet moeten worden geimporteerd. Ik heb ook vraagtekens bij temperaturen >25 in de winter.
  4. bij hogere en lagere temperaturen zien we grote afwijkingen. Logisch, weinig data dus veel statistische ruis. Zou er een soort smoothing op de grafiek kunnen worden toegepast?
  5. We zien een gemiddelde. De bandbreedte zou daarnaast veel meer kunnen vertellen (het gemiddelde zegt niet zoveel)
  6. Tenslotte is de waarde van de grafiek erg beperkt. De temperatuur correleert met de (rel.) luchtvochtigheid en ook met de tijd van de dag (in de nacht zijn de temperaturen lager dan overdag). Wat interessant is, is wat het verschil is tussen 5 en 15 graden om drie uur 's middags.

Tot zover.

Bedankt voor uw feedback! Wij waarderen het erg en vinden het belangrijk dat het dashboard u ondersteunt.
We gaan het inventariseren en waar mogelijk voeren we de feedback door in de update van het dashboard volgend kwartaal (eind juni/begin juli).