Not logged in.

Quick Search - Contribution

Contribution Details

Type Bachelor's Thesis
Scope Discipline-based scholarship
Title Visualizing Business Landscapes Using Maps Acquiring, maintaining, processing, clustering and visualizing business data from public sources
Organization Unit
Authors
  • Timothée Wildhaber
Supervisors
  • Harald Gall
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2020
Abstract Text The Swiss business landscape is vast and diverse, making it difficult to quickly gain a high-level overview of companies and industries in Switzerland. This thesis investigates how publicly available resources can be utilized to facilitate such a bird's-eye view. Different sources were considered and multiple continuous data-scraping applications were created. To cluster the data, for example according to legal forms and business sectors, different methods such as machine learning and keyword mapping were applied with varying degrees of success. In working with the data, numerous deficiencies were identified in the sources publicly available, such as incomplete, outdated, and inaccurate records. Nonetheless, via extensive data cleaning, insights have been obtained and visualized to create an overview of the Swiss business landscape, also giving the possibility to find similar businesses given a search query. It is concluded that, while the developed visualizations provide a broad overview of Swiss businesses, a cleaner data set would have given more space for differentiated clustering as well as allowing for more creative visualizations.
Zusammenfassung Die Schweizer Firmenlandschaft ist breit und divers. Dies macht es schwierig, einen abstrahierten Überblick der Betriebe und Industrien in der Schweiz zu gewinnen. Diese Arbeit untersucht, wie frei erhältliche, öffentlich einsehbare Quellen genutzt werden können, um eine Ansicht aus der Vogelperspektive zu ermöglichen. Verschiedene Quellen wurden in Betracht gezogen und mehrere Datensammelapplikationen wurden geschrieben. Um die Daten nach Merkmalen wie Geschäftsform und Geschäftsfeld zu gruppieren, wurden mehrere Methoden wie maschinelles Lernen und Schlüsselwortzuordnung mit unterschiedlichem Erfolg angewendet. Während der Arbeit mit den Daten aus öffentlichen Quellen wurden verschiedene Mängel identifiziert, wie zum Beispiel unvollständige, veraltete oder inkorrekte Aufzeichnungen. Trotzdem konnten mittels extensiver Datenbereinigung Einblicke gewonnen und eine Visualisierung der Schweizer Firmenlandschaft geschaffen werden, welche ebenfalls die Möglichkeit bietet, ähnliche Firmen durch eine Suchabfrage zu finden. Abschliessend kann gesagt werden, dass die entwickelte Visualisierung einen breiten Überblick verschafft, wobei jedoch ein saubereres Datenset mehr Möglichkeiten für verschiedene Gruppierungen und kreativere Visualisierungen geboten hätte.
PDF File Download
Export BibTeX