Det här arbetet utförs på uppdrag av CGI Östergötland. De har i dagsläget inget effektivt eller smidigt sätt att presentera mål och resultat från sina kundundersökningar. CGI önskar kunna filtrera data från undersökningarna och sedan visualisera dem på olika sätt. De önskar även reducera mängden manuellt arbete kring framställning av statistik. Man vill ha ett användarvänligt system för ändamålet. Syftet med arbetet är att implementera en fungerande prototyp av en dashboard enligt ovanstående önskemål. Arbetet utgick från ett Excel-ark med data som CGI tillhandahöll. NodeJs användes som backend, medans JavaScript, Ajax, HTML och Css användes som frontend, med Google Charts som visualiseringsverktyg. Dagbok fördes för att underlätta arbetsprocessen. En enklare hemsida med stapeldiagram implementerades, baserat på data från Excel-arket. Successiv utveckling av sökfunktionalitet, dynamisk färgsättning av diagram beroende på resultat i f.h. till mål och trenddiagram för att visualisera utveckling över tid. Diagram och mätare implementerades för att visualisera hur viktiga frågor besvarats av kunden. Vid eventuell vidareutveckling av produkten rekommenderas att reducera mängden av data som skickas mellan backend och frontend. Om man önskar lägga till ytterligare funktionalitet på dashboarden bör man även se över uppbyggnaden av HTML-sidan. Vidare borde man undersöka kompatibiliteten mellan Internet Explorer och Google Charts.

Visualisering av statistik är ett tydligt sätt att presentera data som annars kan ses som svår att tyda och analysera. Med hjälp av visualiseringar på webben kan man nå ut till många och det är ett smidigt sätt att ta med sig och dela med sig av information. Denna rapport bygger på ett experiment där olika JavaScriptbibliotek jämförs baserat på tiden det tar att rita ut diagram av olika storlekar och typer. Linjediagram, punktdiagram och stapeldiagram skapas med de olika biblioteken. Vilka bibliotek som jämförs väljs ut utifrån ett antal kriterier och Chart.js, Google Charts och Plotly.js är de som uppfyller alla krav. Undersökningar där utritningstiden mäts genomförs och resultaten visar att Chart.js är snabbast på att rita ut diagram i de flesta mätningarna. Det finns signifikanta skillnader mellan alla diagrammätningar förutom mellan Linjediagram 2 skapat med Chart.js och Linjediagram 2 skapat med Plotly.js samt Plotly.js Stapeldiagram 1 och Plotly.js Stapeldiagram 5. Mätningarna visar också att diagram som baseras på större datamängd, i de flesta fall, också har längre utritningstid än diagram baserade på mindre datamängd.

Webbserver-loggar är kraftfullt att använda för att spåra användning och förstå användares beteenden, men växer snabbt i storlek och kan vara svåra att tyda i textformat. Med hjälp av visualisering kan förståelse för data skapas. Diagram är vanligast att använda och interaktivitet är ett stort hjälpmedel för att skapa mer meningsfulla grafiska representationer. Vid skapade av diagram kan JavaScript-bibliotek användas och två välanvända och populära bibliotek är D3.js och Google Charts. På grund av en ökning av webbaserad visualisering och lättillgängligheten med analyseringsverktyg online, kommer renderingstider vid visualisering av loggdata analyseras i kombination med visualisering baserat på JavaScript-bibliotek. Ett tekniskt experiment genomförs för att ta reda på vilket bibliotek som har snabbast renderingstid. För att studien ska åstadkomma ett brett resultat utförs experiment vid både initial och interaktiv rendering av diagram med loggdata och varierande faktorer. Resultatet indikerar på att D3.js erhåller snabbast renderingstider i samtliga fallen.

The master thesis is focused on the information system of broker company. Analyze its strengths and weaknesses, describes suggest changes, including the implementation of improvements in project management and describes recommendations and visions for the future.

Loggdata från webbservrar innehåller värdefull information om användares beteenden på en webbplats, och reflekterar i stort hur användare känner om webbplatsen. Genom att analysera loggdata går det att få en bra bild av användarupplevelsen, vilket i sin tur kan vägleda i förbättring av webbplatsen. För att underlätta dataanalys används interaktiv datavisualisering i form av till exempeldiagram, men visualiseringsverktyg behöver kunna användas flexibelt och i snabbtakt för att kunna vara praktiska. Problemet med att visualisera och analysera loggdata är dock att denna typ av data ständigt fortsätter att växa i storlek. Och vid visualisering av stora dataset kan renderingstiden påverkas. Tre JavaScript-bibliotek för visualisering jämförs utifrån renderingstider, dessa är D3.js, Google Charts och Chart.js. Ett tekniskt experiment utförs där de tre biblioteken jämförs mot varandra både vad gäller initial och interaktiv renderingstid. Resultatet tyder på att D3.js är mest lämpat för interaktiv visualisering av loggdata när det kommer till renderingstid.

Pandemier är något som dyker upp lite då och då. Att kunna visualisera data öppnar möjligheten att hitta intressanta mönster och agera på dem. Geografiska visualiseringar har en förmåga att på ett tydligare sätt bilda förståelse om vad som presenteras och människor har det lättare att resonera och lära sig på ett mer effektivt sätt i en visuell miljö gentemot en textuell- eller numerisk miljö. Arbetet utför en jämförelse mellan de två JavaScriptramverken React och Vue.js. Ramverken använder sig utav Google Charts för att rendera grafer, och en mätning utförs för att ta reda på renderingstid mellan de olika ramverken. Arbetet innehåller även en användarstudie för att ta reda på hur användare tycker att stapeldiagram och GeoCharts fungerar beroende på olika sammanhang. / <p>Det finns övrigt digitalt material (t.ex. film-, bild- eller ljudfiler) eller modeller/artefakter tillhörande examensarbetet som ska skickas till arkivet.</p>

Presented diploma thesis is focused on the implementation of Wireless M-Bus protocol to embedded device RaspberryPi with expansion board UniPi. The protocol is implemented in Python with Wireless M-Bus devices communicating via IQRF transceiver connected to the UART bus. The theoretical part is focused on an overview of embedded devices for the IoT, the possibility of their expansion. Further, the UniPi expansion board and Wireless M-Bus transceiver are detailed. First part of the thesis focuses on the Wireless M-bus layers, which provides a basic knowledge for understanding the practical part. The theoretical part concludes overview of captured devices including a description of their data units. In the practical part is the implementation of the sample application for receriving data from a Wireless M-Bus sensors. The application is able to read data from devices transmitting encrypted communication.