Kateřina Šimečková
Institut geoinformatiky
VŠB – Technická univerzita Ostrava
tř. 17. listopadu
708 33 Ostrava - Poruba
E – mail: kacka@brusperk.cz
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.
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.
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.
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.
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.
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.
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 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.
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.
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.
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.
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.
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.
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 agreg1 až agreg3,
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.
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
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.
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.