Posouzení RSO ČSÚ a UIR-ADR pro lokalizaci subjektů a pro analýzu nezaměstnanosti

Kateřina Šimečková
Institut geoinformatiky
VŠB – Technická univerzita Ostrava 
tř. 17. listopadu
708 33 Ostrava - Poruba
E – mail: kacka@brusperk.cz

Abstract

This dissertation focuses on the possibilities how to take advantage of the Register of Cenzus Districts for object localisation of job applicants in labour offices. The first part of this work suggests and evaluates the connection among The Territorial Identification Register of Objects, addresses, and The Register of Cenzus Districts. The second part concentrates on connecting The Register of Cenzus Districts with  labour office databases. Another important phase of this work was the agregation of these data into cells for the reason of applicants´ personal data protection. This also includes the visualisation of the agregation results.

Abstrakt

Tato diplomová práce se zabývá možnostmi využití registru sčítacích obvodů pro prostorovou lokalizaci uchazečů o zaměstnání na úřadech práce. Prvním úkolem práce bylo navrhnout a vyhodnotit propojení mezi Územně identifikačním registrem objektů a adres a Registrem sčítacích obvodů. Druhý úkol spočíval v propojení Registru sčítacích obvodů s daty exportovanými z evidence úřadu práce. Důležitou fázi práce byla rovněž agregace těchto dat do buněk z důvodu ochrany osobních údajů o uchazečích. Součástí práce bylo také výsledky agregace vhodným způsobem vizualizovat.

Úvod

Důležitou roli v boji s nezaměstnaností hrají ÚP s realizací politiky zaměstnanosti. Pro jejich rozhodování a přijetí konkrétních opatření v této oblasti je nezbytné poznat situaci a vývoj na trhu práce. K tomu jsou v ČR dlouhodobě zpracovávány analýzy a prognózy. Vloží-li se do analýz prostorová složka, lze provádět prostorové analýzy, které berou v úvahu prostorové umístění hodnot a jevů v daném území. Prostorové analýzy je možno využít při řešení modelových situací na trhu práce. Mohou také napomoci při vhodném uplatnění nástrojů politiky zaměstnanosti. Výstupy takových analýz, zejména grafická část, jsou velice názorné. Prostorové analýzy umožňují geografické informační systémy zaměřené na ukládání, správu, analýzu a následnou prezentaci dat.

Nezaměstnanost

Příčiny existence nezaměstnanosti v tržních ekonomikách jsou jedním z nejspornějších a nejdiskutovanějších témat ekonomické teorie. Příčiny nezaměstnanosti jsou různé, mohou to být nízké mzdy, zrušení odvětví, krach podniku, nedostatečná odbornost pracovníka, nechtění pracovníka po rekvalifikaci, poranění pracovníka. Nezaměstnanost není jen ekonomickým problémem, ale i sociálním nebo zdravotním. Obzvlášť sociální dopady nezaměstnanosti jako jsou psychické zatížení, destrukce etických hodnot mohou být značně tíživé v případě dlouhodobé nezaměstnanosti. Závažnost dlouhodobé nezaměstnanosti vyplývá jednak z kumulace jednotlivých dopadů v čase, jednak z toho, že během několika prvních měsíců přestávají být poskytovány nebo se snižují podpory v nezaměstnanosti, vyčerpají se úspory, apod.

UIR-ADR

Registr byl vybudován v letech 1997 – 1999 za spolupráce obecních úřadů, Ministerstva pro místní rozvoj, Ministerstva vnitra, Českého úřadu zeměměřického a katastrálního, Českého statistického úřadu a České pošty s.p. Analyticky i realizačně se na registru podílí firma OKsystem s.r.o.  Registr byl původně určen pro potřeby informačních systémů MPSV. Po svém dokončení byl uvolněn i pro ostatní zájemce a rychle se rozšířil mezi desítky uživatelů ze státní správy i mimo ni. V současné době je správcem registru MPSV.

RSO ČSÚ

Registr sčítacích obvodů je tvořen relativně samostatnými databázemi sčítacích obvodů, ulic a veřejných prostranství, stavebních objektů a bytů. Tyto databáze tvoří soustavu prostorových identifikací a lokalizací v dané hierarchii, která podchycuje jejich vzájemné vazby a skladebnost. Registr sčítacích obvodů vznikl na základě potřeb státní statistické služby pro výběrová     a plošná šetření v sociálních statistikách. Jeho realizace byla zahájena v roce 1997 na základě úvodního projektu z roku 1994 a v letech 1998 až 2000 byl registr rozšířen o geografická data. Především byl vytvořen pro účely SLDB 2001.

Propojení UIR-ADR a RSO

RSO v databázi stavebních objektů eviduje u jednotlivých stavebních objektů mimo jiné, také souřadnice X a Y v souřadnicovém systému S – JTSK. Propojením obou registrů bylo dosaženo lokalizace objektů evidovaných v UIR-ADR pomocí souřadnic X a Y. Propojení obou registrů jsem provedla pomocí dotazů jazyka SQL v prostředí programového produktu Microsoft Access.

Realizace propojení

Realizace propojení se prováděla mezi tabulkami OBEC, COBCE, OKRES, OBJEKT, ULICE a ADRESA z UIR-ADR a tabulkou OBCZ z RSO. Propojení registrů jsem provedla ve dvou variantách:

Varianta 1 – propojení pomocí kombinace kódu části obce, typu domovního čísla a jeho hodnotou.

Pro případ, že by se nepodařilo propojení dle varianty 1, byla navrhnuta varianta 2.

Varianta 2 – propojení pomocí kombinace kódu ulice, typu domovního čísla a jeho hodnotou.

Propojení jsem prováděla v rámci celého MSK a následně pro jednotlivé okresy. Podrobněji jsem se pak zabývala okresem Bruntál. Provedla jsem propojení zvláště pro tento okres, což umožnilo následně vyhodnotit úspěšnost pro dílčí administrativní jednotky v rámci tohoto okresu.

Vyhodnocení úspěšnosti propojení

Po propojení obou registrů jsem porovnala počty propojených záznamů pro jednotlivé okresy v Moravskoslezském kraji a pro tento kraj celkově. Výsledky i s procentuálním vyjádřením propojení k jednotlivým registrům jsou uvedeny v tabulce č.1.

Zájmové území

Počet z UIR-ADR

Počet z RSO

Počet propojených záznamů

Úspěšnost propojení k UIR-ADR [%]

Úspěšnost propojení k RSO  [%]

okr. Bruntál

23 594

22 941

22421

95,0

97,7

okr. Frýdek – Místek

58 484

56 001

55 601

95,1

99,3

okr. Karviná

34 828

30 775

29 744

85,4

96,6

okr. Nový Jičín

34 443

34 091

33 122

96,2

97,2

okr. Opava

40 729

40 549

36 996

90,8

91,2

okr. Ostrava – město

27 221

27 257

26 216

96,3

96,2

MSK celkem

219 299

211 614

204 100

93,1

96,4

Tabulka č. 1 Úspěšnost propojení mezi RSO a UIR-ADR pro MSK, varianta 1

Nejlepší úspěšnost propojení vzhledem k UIR-ADR je v okrese Ostrava – město a vzhledem k RSO v okrese Frýdek – Místek. V okrese Bruntál, kterému se budu podrobněji věnovat, je úspěšnost propojení vzhledem k oběma registrům dobrá (95% a více). Provedla jsem zhodnocení pro jednotlivé obce, respektive části obcí v rámci tohoto okresu. Nejvyšší úspěšnost propojení vztažená k oběma registrům je v částech obcí Karlov, Dolní Povelice, Dubnice, Karlovec a Kněžpole a to 100 %. Naopak nejnižší úspěšnost propojení vzhledem k UIR-ADR je v částech obcí Albrechtice u Rýmařova, Slezský Kočov, Damašek nebo Milotice nad Opavou a to pod 60 %. Velký extrém tvoří Harrachov s pouhými 9 % úspěšnosti propojení vzhledem k oběma registrům. To je dáno zřejmě nepřesnou evidencí typu domovního čísla v obou registrech. Této části obce jsem se podrobněji věnovala v následující kapitole.

Nejnižší úspěšnost propojení vyhodnocená k UIR-ADR je pro obce Moravskoslezský Kočov, Malá Morávka, dále Karlova Studánka, Nové Heřminovy. Nízká úspěšnost propojení je způsobena zřejmě chybnou evidencí některých záznamů. Co se týče úspěšnosti propojení vzhledem k RSO, je situace nejhorší pro obec Slezské Pavlovice a to 82,14 %. Dále pak pro Valšov, Dolní Moravice a to pod 90 %. Celkově lze konstatovat, že úspěšnost propojení obou registrů pro okres Bruntál je vyšší vztažená k RSO než vztažená k UIR-ADR.

Vyhodnocení úspěšnosti propojení

Z hlediska nízké úspěšnosti propojení části obce Harrachov, jsem se rozhodla provést terénní průzkum. V RSO je evidováno 43 objektů pro část obce Harrachov, v registru UIR-ADR 44 objektů. Úspěšně se propojily pouze 4 záznamy o objektech.

Propojení registrů je úspěšné v případě, jestliže si hodnoty atributů, pomocí nichž se propojení realizuje, odpovídají v obou registrech. Pokud tomu tak není, nemohou se záznamy propojit. Jako největší problém nízké úspěšnosti propojení se jeví neadekvátní evidence objektů s typem domovního čísla 2 (tedy s číslem evidenčním) a hodnotami domovního čísla  v jednotlivých registrech. V RSO jsou tyto hodnoty domovního čísla výrazně vyšší než           v UIR-ADR.

Po konzultaci se stavebním odborem na Městském úřadě v Rýmařově jsem dospěla k závěru, že RSO má ve své evidenci hodnoty domovních čísel odpovídajících číslům orientačním. V registru se ale číslo orientační neeviduje, pouze číslo evidenční nebo popisné. Zřejmě došlo k nedorozumění a záměně hodnot domovních čísel evidenčních hodnotami domovních čísel orientačních. 

Na základě   podrobného zkoumání situace v části obce Harrachov lze usuzovat, že v tomto případě je lepší stav evidence v UIR-ADR.

Lokalizace uchazečů o zaměstnání a jejich agregace

Druhá část diplomové práce byla zaměřena na propojení dat z ÚP Bruntál s RSO. Tím bylo dosaženo lokalizace uchazečů o zaměstnání pomocí souřadnic X a Y. Z důvodu ochrany osobních údajů bylo nutné provést vhodnou agregaci dat o uchazečích. Zvolila jsem pravidelné pravoúhlé sítě, které umožňují získat přesnější představu o rozložení sledovaného jevu v území. Pro doplnění byly údaje agregovány do administrativních celků jednotlivých obcí a do jednotlivých sčítacích obvodů.

Data z ÚP

Uchazeči o zaměstnání jsou vedeni na ÚP v  informačním systému Okprace, který byl zpracován firmou Oksystem s.r.o. IS Okprace vede evidenci dat o uchazečích o zaměstnání na jednotlivých ÚP.

Z evidence uchazečů o zaměstnání byly vybrány data týkající se adresy uchazečů, dále pak data důležitá pro sledování situace na trhu práce. Data týkající se adresy byla důležitá pro lokalizaci jednotlivých uchazečů v území. Pro určení některých ukazatelů trhu práce byla vybrána data týkající se vzdělání, věku a délky evidence uchazečů. Vzhledem k diplomové práci od ing. Chrobáka týkající se rovněž lokalizace uchazečů o zaměstnání, ale v okrese Karviná a Frýdek-Místek, kontaktovala jsem ÚP v Karviné. Zde byl napsán a vyzkoušen script pro vyexportování požadovaných údajů z IS Okprace, a následně poslán na ÚP v Bruntále. Odtud mi byla zaslána data ve formátu .dbf.

Příprava čtvercové sítě

Nejdříve jsem si orientačně zjistila rozměry v osách x a y pro okres Bruntál. Na základě získaných hodnot jsem navrhla pravidelné sítě tří odlišných velikostí buněk, a to 200m, 500m a 1000m. Příprava čtvercové sítě spočívala ve vlastním vytvoření polygonových vrstev představujících sítě. Pak jsem připravila tabulku v databázi, v níž byly definovány parametry jednotlivých sítí. Čtvercové sítě jsem vytvořila pomocí programového produktu ArcInfo, který umožňuje generovat pravoúhlé sítě. Pro generování sítě jsem použila modul GENERATE, jenž umožňuje generovat libovolné pravoúhlé sítě usazené do libovolných souřadnic, s libovolnou velikostí buňky a s daným počtem sloupců a řádků. Do modulu GENERATE se zadávají souřadnice X, Y počátku, souřadnice koncového bodu sítě ve směru Y, dále rozměr buňky (výška a šířka), a nakonec počet řad a počet sloupců.

Modul GENERATE vygeneruje pouze jednotlivé linie představující pravoúhlou síť. Pro potřeby další práce jsem pomocí příkazu BUILD vybudovala ve všech třech vrstvách polygonovou topologii. Tímto jsem mimo jiné získala i jedinečné identifikátory jednotlivých buněk sítí. Příkaz BUILD vytvoří tabulku PAT, jejímiž standardními atributy jsou AREA, PERIMETER, COVER_ a COVER_ID. Atribut COVER_ je vnitřní číslo polygonu (buňky) přiřazené produktem ARC/INFO. V mnou použitých pravoúhlých sítích tento atribut nabýval hodnot od 2 do n+1, kde n je počet buněk v síti. Číslování buněk provádí příkaz od levého horního rohu, směrem doprava a po řádcích dolů [1].

 V databázi jsem vytvořila tabulku VLSITI. V této tabulce jsem pro jednotlivé sítě definovala počátek sítě (souřadnice levého horního rohu), velikost buňky, počet řad a počet sloupců.

Realizace propojení a vlastní agregace

Před vlastním procesem propojení a agregace dat jsem nejdřív doplnila a upravila dotazy SQL od ing. Chrobáka pro svou práci.  Vstupními daty vstupujícími do této fáze jsou tabulky OBCZ, UCH_OKR a databáze obsahující tabulku s parametry sítí. Z tabulky OBCZ se vyberou záznamy pro daný okres a vytvoří se nová tabulka CAST1. Tabulky ČÁST1 a UCH_OKR se vzájemně propojí pomocí atributů týkajících se adresy uchazečů o zaměstnání. Propojení jsem provedla dle varianty 1.

Varianta 1: propojení přes kombinaci atributů kódu části obce, typu domovního čísla a hodnoty domovního čísla.

V případě, že by se nepodařilo propojení variantou 1, byla navržena varianta 2.

Varianta 2: propojení přes kombinaci atributů kódu ulice, typu domovního čísla a hodnoty domovního čísla.

Vyzkoušela jsem i propojení variantou 2. Ze záznamů propojených pomocí 2. varianty byly vybrány záznamy, které se nepropojily pomocí 1. varianty. V tomto případě se žádné záznamy nevybraly, tzn. že k propojení stačila pouze varianta 1. 

V průběhu procesu propojení se vytvoří nová tabulka VYSL_PRP, kde jsou jednotliví uchazeči o zaměstnání jednoznačně lokalizováni v souřadnicovém systému S-JTSK pomocí souřadnic X a Y. Nad prostorově lokalizovanými uchazeči jsem provedla výpočet identifikátoru čtvercové buňky, do které uchazeč náleží. Do tohoto výpočtu vstupuje mimo tabulku VYSL_PRP ještě tabulka VLSITI, kde jsou definovány parametry jednotlivých sítí. Takto přiřazené uchazeče do jednotlivých buněk sítě jsem agregovala pro tyto jednotlivé buňky. Agregaci jsem provedla pro celkový počet uchazečů dlouhodobě nezaměstnaných, pro jednotlivé kategorie vzdělání, pro uchazeče ve věku 50 a více let, pro uchazeče evidované déle než 6, resp. 12 měsíců a pro uchazeče požadující primárně práci s nejnižší kvalifikací. Agregované údaje jsem vložila do nově vytvořených tabulek pro jednotlivé rozměry buněk,   a to AGR1000, AGR500 a AGR200. Tabulky byly vytvořeny pomocí vytvářecích dotazů agreg1agreg3, jenž jsou popsány v Příloze 6. Nakonec jsem provedla agregaci uchazečů do jednotlivých obcí a do jednotlivých sčítacích obvodů v rámci okresu Bruntál. Údaje jsem vložila do nově vytvořených tabulek AGROBCE a AGRSO.

Agregace dat pro vizualizaci

Do nově vytvořené databáze jsem importovala tabulky s agregovanými daty z ÚP. Zároveň jsem do databáze propojila tabulky sit1000, sit500 a sit200 představující jednotlivé sítě jako externí datové zdroje. Stručné schéma je uvedeno na obrázku č.1.

 


 

 

 

 

 

 

 

Obr č. 1 Schéma výsledné agregace dat pro vizualizaci

Vizualizace a interpretace získaných dat

Zpracovaná data z ÚP jsem následně vizualizovala pomocí metody kartogramů. Kartogram je jednoduchá tématická mapa, ve které pro každý areál interpretujeme, zpravidla pomocí barvy nebo sítě, jednu, výjimečně několik relativních hodnot, vztažených k ploše [6]. Kartogramy umožňují prostorové vyhodnocení srovnatelných relativních hodnot.

K vizualizaci agregovaných dat z ÚP jsem použila kartogramy používající hranice administrativních jednotek, dále hranice sčítacích obvodů a nakonec kartogramy s hranicemi geometrickými, konkrétně obrysy čtverců. Vizualizace se týkala dat z ÚP a ČSÚ, která byla propojená a agregována, dále ukazatelů popisující situaci na trhu práce, a nakonec dat určených pro mapový podklad. Ze získaných dat jsem provedla výpočty ukazatelů trhu práce, které byly značně omezeny. Toto omezení bylo dáno faktem, že data obsahovala pouze uchazeče, kteří nemohou dlouhodobě najít žádnou práci. Nepodařilo se ani získat data týkající se struktury obyvatelstva. Z těchto důvodů nebylo možno vypočíst některé zajímavé ukazatele charakterizující trh práce.

V průběhu realizace propojení a následné agregace dat jsem narazila na dvě skutečnosti. První z nich je, že ÚP nevede v evidenci uchazečů o zaměstnání celý šestimístný kód části obce. Bylo nutné tyto kódy sjednotit před vlastním propojením záznamů. Druhá skutečnost je, že od 1.1.2005 obce Moravský Beroun, Huzová a Norberčany nově spadají do Olomouckého kraje. Úřad práce v Bruntále v době, kdy se prováděl export dat, již nevedl žádné záznamy     v evidenci uchazečů o práci spadající do těchto tří obcí. Z tohoto důvodu se tyto obce nenachází ve výsledku propojení.

 Nejprve jsem provedla vizualizaci pomocí kartogramů s geometrickými hranicemi, tyto hranice byly tvořeny stranami jednotlivých čtverců, ve kterých byla data agregována. Vizualizovaná data musí splňovat požadavek na ochranu osobních údajů. Např. ve čtverci o straně 200 m se nachází tři uchazeči (čtverec bude přiřazen do skupiny s určitým počtem uchazečů), ve čtverci se nachází pouze jeden objekt, je zřejmé, že v daném objektu je někdo nezaměstnaný. Ve větších obcích tento problém většinou nehrozí, protože hustota zástavby je větší, jeden objekt zpravidla obsahuje větší množství bytových jednotek. Takže i kdyby byl ve čtverci jen jeden uchazeč, nedalo by se přesně určit o koho se jedná, což je v souladu s požadavky na ochranu osobních dat. V menších obcích při použití velkého měřítka a podrobného mapového podkladu byl tento požadavek narušen. Z tohoto důvodu jsem tyto oblasti nepoužívala k vizualizaci, ale zaměřila jsem se na obce s počtem obyvatel nad 9 tisíc.

Hustota zástavby v okrese Bruntál je zobrazena v Příloze 8. S ohledem na získaná data byli ukazatelé podílu uchazečů vztaženi k dlouhodobě nezaměstnaným. Ukazatel podíl uchazečů s neúplným nebo základním vzděláním k celkovému počtu dlouhodobě nezaměstnaných zahrnuje uchazeče s kategoriemi vzdělání A, B a C. Ukazatel podíl uchazečů požadující primárně práci s nejnižší kvalifikací k celkovému počtu dlouhodobě nezaměstnaných zahrnuje uchazeče pro pomocné a nekvalifikované práce s klasifikací zaměstnání číslo 9. Jedná se o skupiny uchazečů, které mají značně omezenou nabídku pracovních míst na trhu práce, právě z důvodu jejich nízké kvalifikace. Ukazatel podíl uchazečů starších 50 let k celkovému počtu dlouhodobě nezaměstnaných zahrnuje uchazeče, kteří mají problém najít práci z důvodu vyššího věku.

Vybrané ukazatele včetně míry nezaměstnanosti jsem následně vizualizovala pomocí kartogramů s geografickými hranicemi. Tyto hranice byly tvořeny administrativními hranicemi jednotlivých obcí nacházejících se v zájmovém území. Vizualizovala jsem podíl uchazečů s neúplným nebo základním vzděláním, zobrazeno v Příloze 15 a počet uchazečů dlouhodobě nezaměstnaných, zobrazeno v Příloze 16.

Nakonec jsem vizualizovala ukazatele pomocí kartogramů s geografickými hranicemi, kde  hranice byly tvořeny hranicemi sčítacích obvodů. Sčítací obvod je nejmenším územním obvodem skladebným do KU, ZSJ a části obce. Pomocí této metody kartogramu jsem vizualizovala podíl uchazečů evidovaných 6 měsíců k celkovému počtu dlouhodobě nezaměstnaných, zobrazeno v Příloze 14, a dále podíl uchazečů starších 50 let, zobrazeno v Příloze 22.

Sledování vývoje jednotlivých ukazatelů v čase

Vývoj jednotlivých ukazatelů byl sledován a porovnáván ve třech časových řezech a to k 31.12.2003, 30.6.2004 a 31.12.2004. Metodou kartogramu jsem vizualizovala míru nezaměstnanosti. Z Příloh 11 a 13 je patrné, že míra nezaměstnanosti ve většině obcí dosahuje velmi vysokých hodnot,  a to vyšších než 20 %. Jedná se o obce v severní a jihozápadní části okresu. V Příloze 12, kde míra nezaměstnanosti je vztažena k 30.6.2004, je výrazný pokles zřejmě v důsledku sezónních prací. Ukazatel podíl uchazečů s neúplným nebo základním vzděláním k celkovému počtu uchazečů se od 31.12.2003 postupně snižuje. Tendenci snižování má také ukazatel podíl uchazečů požadující primárně práci s nejnižším vzděláním k celkovému počtu dlouhodobě nezaměstnaných. Ukazatel podíl uchazečů starších 50-ti let k celkovému počtu dlouhodobě nezaměstnaných se v průběhu roku výrazně nezměnil, zobrazeno v Příloze 21. Z Příloh 18 a 19 je zřejmý vysoký podíl uchazečů evidovaných 6 měsíců k datu 31.12.2003 a 30.6.2004 ve všech obcích okresu Bruntál. Tento podíl uchazečů se snížil na konci roku 2004, zobrazeno v Příloze 20.

Porovnání výsledků vizualizace pomocí kartogramů s geografickými a geometrickými hranicemi.

Metoda využívající kartogramů s geografickými hranicemi vizualizovaný jev zobrazí konstantně na celém území (administrativní) jednotky a zastírá tím vnitřní diferenciaci v území. Navíc výsledný vjem je silně ovlivněn nevyrovnaností použitých jednotek. Rozdíly ve velikosti výměry jednotlivých obcí způsobí nežádoucí zvýraznění plošně rozsáhlých obcí [2]. V zájmovém území se tento aspekt projevil především v západní části okresu Bruntál. Ale celkově lze konstatovat, že jednotlivé obce jsou poměrně stejně rozsáhlé. Nevyrovnanost územních jednotek je patrná z kartogramu uvedeného v Příloze 15. Kartogramy s geografickými hranicemi sčítacích obvodů zobrazují vizualizovaný jev lépe, ale pouze v hustě osídlených částech obcí jako je uvedeno v Příloze 14. Druhým aspektem je vnitřní nehomogenita územích jednotek [2]. Osídlení není konstantní na celé ploše obce. Obec je podstatně hustěji osídlena v intravilánu a směrem k okraji obce se hustota snižuje. V extravilánu je osídlení minimální. Administrativní členění ale vymezuje obec jako celek, tedy i s extravilánem. Tato nehomogenita je nejvíce patrná z Přílohy 17. Vliv této nehomogenity v rámci území částečně eliminuje metoda kartogramů s geometrickými hranicemi. Za geometrické hranice jsou použity strany plošně skladebných geometrických obrazců, nejčastěji pravoúhelníků. Výhodou použití metody kartogramů s geometrickými hranicemi je jejich konstantní velikost, nezávislost na čase a s tím spojená nezávislost na administrativním přičlenění [2].

Porovnáním Přílohy 15 a 17, tedy vizualizovaného ukazatele podílu uchazečů s neúplným nebo základním k celkovému počtu dlouhodobě nezaměstnaných, lze pozorovat výše uvedená specifika. Např. u obce Malá Morávka nabývá ukazatel hodnoty větší než  40 %. Obec, na kartogramu v Příloze 15, upoutá pozornost svou velikostí, vzbudí dojem významnosti. Po prohlédnutí Přílohy 17 zjistíme, že tomu tak není. Tento ukazatel je z celé plochy prezentován velmi nízkým počtem čtverců. Takové rozmístění jevů odpovídá skutečnému stavu.

V Přílohách 21 a 22 je vizualizován podíl uchazečů starších 50 let k celkovému počtu dlouhodobě nezaměstnaných v obci Krnov. V Příloze 21 je patrná horší situace ve východní části obce. V této části ve většině čtverců je zastoupení uchazečů starších 50 let větší než 45 %. Ve srovnání s Přílohou 22, kde je ukazatel vizualizován pomocí kartogramu s hranicemi sčítacích obvodů, jeví se situace poněkud odlišně. Sčítací obvody zahrnují ve východní části podíl uchazečů do 40 %. Soustředíme-li se na střed města, zjistíme, že sčítací obvody jsou menší než velikost stran čtverců. Z toho lze usuzovat, že sčítací obvody jsou srovnatelné s geometrickými hranicemi. A to především ve velmi hustě osídlených obcích. V Příloze 23 je pro zajímavost zobrazen podíl uchazečů požadující primárně práci s nejnižší kvalifikací k celkovému počtu dlouhodobě nezaměstnaných v obi Krnov pro čtverce 200 x 200 m.

Výhodou metody kartogramu s geometrickými hranicemi je možnost vizualizace většího detailu území a následné podrobnější vyhodnocení stavu. Aby výsledný efekt odpovídal požadavkům, musí být zvolen vhodný rozměr sítě s ohledem na velikost zkoumaného území  a na jeho hustotu osídlení.  Při vizualizaci oblasti ve větších detailech je nutno brát ohled na zákon O ochraně osobních údajů, aby nedošlo k jeho porušení, především v málo osídlených částech. Tyto oblasti lze v tomto případech nahradit metodou vizualizace pomocí kartogramu s hranicemi sčítacích obvodů. Metoda vizualizace pomocí kartogramu s administrativními hranicemi je vhodná především pro vizualizaci ukazatelů v menším měřítku pro uzemní celky většího rozsahu, např. okresy v rámci celé ČR.

Závěr

Práce se zabývá možnostmi využití RSO k lokalizaci uchazečů o zaměstnání na Úřadu práce. První část práce se zabývá návrhem a realizací propojení registrů RSO a UIR-ADR. Úspěšnost propojení byla vyhodnocena v rámci Moravskoslezského kraje. Detailnější vyhodnocení bylo provedeno pro okres Bruntál. Z toho vyplývá, že nejnižší úspěšnost propojení, a to pouhých 9 %, byla v části obce Harrachov. Po porovnání registrů se stavebním úřadem v Rýmařově bylo již zřejmé, že si v registrech neodpovídají hodnoty atributů typu domovního čísla a hodnoty domovního čísla. Na první část práce navazovala část druhá, která se zabývala propojením RSO a dat z evidence uchazečů na ÚP. Údaje o uchazečích o zaměstnání byly převzaty z databáze ÚP v Bruntále s respektováním zákona č. 101/2000 Sb. O ochraně osobních údajů. Z toho důvodu bylo nutno zvolit vhodnou metodu zpracování těchto dat tak, aby nedošlo k porušení tohoto zákona. Ke zpracování údajů z Úřadu práce Bruntál bylo proto použito metody agregace údajů do čtvercových buněk. K propojení datových zdrojů a pro následnou agregaci údajů o uchazečích byla vytvořena posloupnost SQL dotazů v programovém produktu MS Access. Jednotlivé dotazy postupně vybíraly, propojovaly a agregovaly data o uchazečích na ÚP. Úspěšnost propojení dat z ÚP a RSO byla 99,5 %.

Základním získaným údajem byl počet dlouhodobě nezaměstnaných v každé buňce sítě. Dále to byly počty uchazečů s jednotlivým dosaženým vzděláním, počty uchazečů starších 50-ti let, počty uchazečů evidovaných 6, respektive 12 měsíců a počty uchazečů požadující primárně práci s nejnižší kvalifikací. Z těchto údajů byly vypočteny některé ukazatele trhu práce vztahující se k dlouhodobě nezaměstnaným. Z důvodu nedostupnosti aktuálních demografických dat nebylo možné vypočíst ukazatele trhu práce vztahující se na ekonomicky aktivní obyvatelstvo. Vizualizace agregovaných údajů i vypočtených ukazatelů trhu práce byla provedena pomocí metody kartogramů. A to jak s geometrickými, tak i geografickými hranicemi (hranice administrativních jednotek a hranice sčítacích obvodů). Součástí řešení bylo sledování vývoje jednotlivých ukazatelů ve třech časových řezech a srovnání tří způsobů vizualizace.

Po srovnání vývoje jednotlivých ukazatelů v čase lze konstatovat, že v okrese Bruntál se v průběhu roku zvýšil počet dlouhodobě nezaměstnaných. S ohledem na tuto skutečnost, se zvýšil počet uchazečů starších 50 let. U uchazečů evidovaných 6 měsíců dochází k postupnému nárůstu. Rovněž došlo ke snížení skupiny uchazečů, kteří mají značně omezenou nabídku pracovních míst na trhu práce, z důvodu jejich nízké kvalifikace.

Po srovnání všech tří metod mohu říci, že pro potřeby vizualizace ukazatelů na úrovní jednotlivých obcí se jeví jako vhodnější metoda s geometrickými hranicemi tvořenými stranami čtvercových sítí. Jednotlivé čtverce jsou konstantní jak velikostí, tak v čase. Umožňuje detailnější zobrazení území. Tato metoda je v určitých případech srovnatelná s metodou s hranicemi sčítacích obvodů. Metoda s administrativními hranicemi obcí není zcela vhodná. Jednotlivé ukazatele jsou vizualizované konstantně pro celou administrativní jednotku a ne tam, kde se tito uchazeči ve skutečnosti vyskytují.

Literatura

  1. Chrobák, P. Využití registru sčítacích obvodů ČSÚ pro lokalizaci subjektů na úřadech práce. Ostrava: Institut geoinformatiky, VŠB – TUO, 2004. 60 s. Diplomová práce, vedoucí Horák, J.
  2. Horák, J. Prostorové analýzy s aplikacemi na trhu práce. Ostrava : Institut geoinformatiky, VŠB – TUO, 2002. 143 s. Habilitační práce
  3. Jurečka, V. Základy ekonomie. 1. vyd. Ostrava : VŠB – TUO, 1999. 260 s. ISBN 80-7078-660-4
  4. Helísek, M. Makroekonomie: základní kurs. 1 vyd. Praha : Melandrium, 2000. 320 s. ISBN 80-86175-10-3
  5. Holman, R. Ekonomie. 1 vyd. Praha : C.H. Beck, 1999. 726 s. ISBN 80-7179-255-1
  6. Voženílek, V. Aplikovaná kartografie I: Tematické mapy. 2 vyd. Olomouc : Univerzita Palackého v Olomouci, 2001. 187 s. ISBN 80-244-0270-X
  7. Bartošková, J. Integrace České republiky do Evropské unie v oblasti politiky zaměstnanosti. Praha : Institut sociologických studií, Univerzita Karlova, 2002. 151 s. Diplomová práce, vedoucí Čabanová, B.
  8. Frait, J., Zedníček, R. Makroekonomie pro základní a středně pokročilý kurs. 1 vyd. Ostrava : Mc PROM, s.r.o, 1995. 181 s.
  9. Informace o registru UIR-ADR. [online]. MPSV ČR, 24.04.2003 [cit. 2004-04-06]. Dostupné na: http://forms.mpsv.cz/uir/popis/popis.jsp
  10. Územně identifikační registr objektů a adres. [online]. [cit. 2004-04-06]. Dostupné na WWW: http://www.oksystem.cz/vyvoj/uir-adr.htm
  11. Popis dat struktury 4.2 poskytovaných uživatelům. Oksystem spol.s r.o. 29 s.
  12. Standard ISVS k prostorové identifikaci 008/04.02. [online]. Ministerstvo informatiky ČR. [cit. 2004-12-06]. Dostupné na WWW: <http://www.micr.cz/scripts/delail.php?id=460>
  13. Registr sčítacích obvodů. [online]. Veřejná správa. Týdenník vlády české republiky. č. 51-52/2000. [cit. 2004-04-06]. Dostupné na WWW: http://www.mvcr.cz/casopisy/s/2000/51_52/scitani2.html
  14. Registr sčítacích obvodů – nový produkt ČSÚ. [online]. Český statistický úřad, 2004. [cit. 2004-04-06]. Dostupné na WWW: http://www.czso.cz/csu/redakce.nsf/i/registr_scitacich_obvodu_novy_produkt_csu
  15. Metodika. [online]. Český statistický úřad, 2005. [cit. 2005-01-20]. Dostupné na WWW: http://www.czso.cz/csu/redakce.nsf/i/metodika_rso
  16. Základní informace o ÚP. [online]. Úřad práce v Mělníku. [cit. 2005-03-20]. Dostupné na: http://me.uradprace.cz/
  17. Nezaměstnanost – typologie, pojmy, kriteria. [online]. [cit. 2005-03-20]. Dostupné na WWW: http://fse1.ujep.cz/materialy/KSP_pleskot_NJSPkonspekty2.pdf
  18. Klasifikace zaměstnání. [online]. Český statistický úřad, 2005. [cit. 2005-03-20]. Dostupné na WWW: http://www.czso.cz/csu/klasifik.nsf/i/klasifikace_zamestnani_(kzam_r)
  19. Zákon o zaměstnanosti. [online]. Český, 2005. [cit. 2005-04-14]. Dostupné na WWW: <http://www.sagit.cz/pages/sbirkatxt.asp?zdroj=sb04435&cd=3&typ=r>
  20. Zákon o ochraně osobních údajů. [online]. Český, 2005. [cit. 2005-04-14]. Dostupné na WWW: < http://www.czso.cz/sldb/sldb.nsf/i/zakon_o_ochrane_osobnich_udaju_ >