Datenvisualisierung: Wo das Ruhrgebiet reich und teuer ist

Als ich die detaillierten Daten im großartigen LEG Wohnungsmarktreport für Nordrhein-Westfalen sah, dachte ich mir: Es wäre toll, diese Daten (durchschnittliche Wohnkosten, Kaufkraft der Haushalt usw. nach PLZ-Gebieten)  nicht nur für einzelnen Städte und Landkreise zu sehen, sondern für die gesamte Region. Um die Antwort auf die Frage gleich zu sehen: Wo ist das Wohnen (zur Miete) im Ruhrgebiet besonders teuer? Wo sind die Haushalte besonders reich?

Das ist mein erstes Experiment mit der Visualisierung von Daten, daher Google Maps – Openstreetmap ist komplizierter, das versuche ich später einmal. Drei schnelle Erkenntnisse:

1. Am höchsten sind die Wohnkosten im Süden

In Essen in Kettwig, Bredeney (924 Euro im Monat im Schnitt!), Burgaltendorf, in Bochum in Stiepel und Sundern, in Dortmund in Kirchhörde. Auf der Karte sind PLZ-Gebiete mit den höchsten Werten blau, die mit den niedrigsten gelb und die dazwischen grünlich eingefärbt.

Klicken Sie auf den unteren Button, um den Inhalt von www.google.com nachzuladen.
Inhalt laden

PHA+PGlmcmFtZSBzcmM9Imh0dHBzOi8vd3d3Lmdvb2dsZS5jb20vZnVzaW9udGFibGVzL2VtYmVkdml6P3E9c2VsZWN0K2NvbDAlM0UlM0UxK2Zyb20rMWRYUHpReEZ2UG5MSUNlZThEaTVvWlZ4YVN4a1hUc0o0bWNMeUdMSXImYW1wO3Zpej1NQVAmYW1wO2g9ZmFsc2UmYW1wO2xhdD01MS41NTI4MDA0MTI5ODA3JmFtcDtsbmc9Ny4yMTA4MjcxMTc2ODU2NTQmYW1wO3Q9MSZhbXA7ej0xMCZhbXA7bD1jb2wwJTNFJTNFMSZhbXA7eT0yJmFtcDt0bXBsdD0yJmFtcDtobWw9S01MIiB3aWR0aD0iNjQwIiBoZWlnaHQ9IjQ4MCIgZnJhbWVib3JkZXI9Im5vIiBzY3JvbGxpbmc9Im5vIj48L2lmcmFtZT48L3A+

Karte im Vollbild bei Google Maps

2. Am höchsten ist die Kaufkraft an den Revierrändern

Nach Steuern und Sozialversicherung haben die Haushalte am meisten Geld übrig im Süden Mülheims, in Essen Bredeney (5244 Euro je Haushalt im Schnitt im Monat!), in Bottrop Kirchhellen, Bochum Stiepel und Sundern, und im Dortmunder Süden. Dass hier ein paar Postleitzahlenbereiche auftauchen, die bei den Wohnkosten nicht so prominent waren, könnte man vielleicht so erklären: Vielleicht ist die Eigentumsquote da höher, es wird weniger an die Menschen mit hoher Kaufkraft vermietet.

Klicken Sie auf den unteren Button, um den Inhalt von www.google.com nachzuladen.
Inhalt laden

PHA+PGlmcmFtZSBzcmM9Imh0dHBzOi8vd3d3Lmdvb2dsZS5jb20vZnVzaW9udGFibGVzL2VtYmVkdml6P3E9c2VsZWN0K2NvbDAlM0UlM0UxK2Zyb20rMWRYUHpReEZ2UG5MSUNlZThEaTVvWlZ4YVN4a1hUc0o0bWNMeUdMSXImYW1wO3Zpej1NQVAmYW1wO2g9ZmFsc2UmYW1wO2xhdD01MS41NDQ1ODA4NTQ0MDg0JmFtcDtsbmc9Ny4yMDc5MDg4NzQyNzc0NTEmYW1wO3Q9MSZhbXA7ej0xMCZhbXA7bD1jb2wwJTNFJTNFMSZhbXA7eT0zJmFtcDt0bXBsdD0zJmFtcDtobWw9S01MIiB3aWR0aD0iNjQwIiBoZWlnaHQ9IjQ4MCIgZnJhbWVib3JkZXI9Im5vIiBzY3JvbGxpbmc9Im5vIj48L2lmcmFtZT48L3A+

Karte im Vollbild bei Google Maps

3. Der größte Teil der Einkommen geht in Rüttenscheid und dem Kreuzviertel fürs Wohnen drauf.

Meine Hypothese dazu: Wo sich das Ruhrgebiet urban anfühlt, viele Mietwohnungen und viele Studenten, Freiberufler und Angestellte mieten wollen, sind die Mieten hoch, die Kaufkraft nicht immer.

Klicken Sie auf den unteren Button, um den Inhalt von www.google.com nachzuladen.
Inhalt laden

PHA+PGlmcmFtZSBzcmM9Imh0dHBzOi8vd3d3Lmdvb2dsZS5jb20vZnVzaW9udGFibGVzL2VtYmVkdml6P3E9c2VsZWN0K2NvbDAlM0UlM0UxK2Zyb20rMWRYUHpReEZ2UG5MSUNlZThEaTVvWlZ4YVN4a1hUc0o0bWNMeUdMSXImYW1wO3Zpej1NQVAmYW1wO2g9ZmFsc2UmYW1wO2xhdD01MS41NDcyNzYzOTI3NzA1MDYmYW1wO2xuZz03LjE0MDYxNzYxNDUxMTgyNiZhbXA7dD0xJmFtcDt6PTEwJmFtcDtsPWNvbDAlM0UlM0UxJmFtcDt5PTQmYW1wO3RtcGx0PTQmYW1wO2htbD1LTUwiIHdpZHRoPSI2NDAiIGhlaWdodD0iNDgwIiBmcmFtZWJvcmRlcj0ibm8iIHNjcm9sbGluZz0ibm8iPjwvaWZyYW1lPjwvcD4=

Karte im Vollbild bei Google Maps

Wie man das macht

Das wichtigste sind Daten – ein großes Lob an die LEG für die Veröffentlichung der Zahlen. Die in eine Google-Tabelle (leider Voraussetzung fürs Visualisieren) kippen – mit PLZ in einer Spalte.

Shapefiles, mit denen sich die PLZ-Bereiche auf Karten visualisieren lassen, gibt es hier. (Tipp von Elmar)

In eine Fusion Table bei Google (ja, leider) konvertiert man die Daten mit Shapeescape. (Tipp von Marcus)

In Fusion Tables schafft man einen neuen Datensatz aus der zu Beginn in Googles Online-Office Tabelle. Wichtig: Vor dem zusammenführen prüfen, ob alle Spalten korrekt als Ziffern erkannt wurden (Prozentsätze wurden bei mir z.B. als Koordinaten erkannt, kann man später nicht neu kategorisieren).

Diesen Datensatz vereint man dann mit dem Shapefile-Datensatz, über die PLZ ordnet man die Umrissen den richtigen Datensätzen zu. Aus dem neuen Datensatz lassen sich dann leicht Karten wie die oberen erzeugen.

Das geht eigentlich ganz gut. Zwei Probleme habe ich nicht gelöst: Google-Dienst. Und: Die Shapefiles sind leicht verrutscht- die Postleitzahlengebiete liegen in der Realität etwas weiter südöstlich als auf den Karten oben.