Alla människor uppfattar och registrerar data. Hur data visualiseras kommer påverka hur enkelt vi människor förstår informationen. Detta projekt undersöker hur ett system ska utvecklas för att en datavisualisering av betalingnstider enkelt ska presenteras på en webbsida. Olika idéer och designer av webbsidan framställdes och analyserades. Fokuset är på hur data ska visas i olika diagram och tabeller. En utvecklingsmiljö formades med en databas och slumpgenererad data för att testa systemet för applikationen. Resultatet blev en färdig webbapplikation som hämtar data från en databas med SQL-frågor. Därefter mellanlagras den användbara data i JSON-filer och sedan visualiseras statistiken på en webbapplikation med hjälp av JavaScript biblioteket Chart.js. Webbsidan utvärderades med användbarhetstester som visade på att det fanns otydligheter i topp- och bottenlistor samt en sökfunktion. Användbarhetstesterna visade även att webbsidan var mycket strukturerad och att det var enkelt att hitta och extrahera information. / All individuals perceive and register data. How data is visualized will affect how easily we humans understand the information. This project investigates how a system should be developed to present a data visualization of payment deadlines easily on a website. Various ideas and designs for the webpage were created and analyzed. The focus is on how data should be displayed in different charts and tables. A development environment was set up with a database and randomly generated data to test the system for the application. The result was a completed web application that retrieves data from a database using SQL queries. The useful data is then cached in JSON-files and the statistics are visualized on a website using the JavaScript library Chart.js. The usability of the website was evaluated through usability testing, which revealed ambiguities in the top and bottom lists as well as a search function. The usability tests also showed that the website was highly structured and it was easy to find and extract information.

Under pandemin COVID-19 har hemsidor skapats som är specifikt framtagna för att visualisera COVID-19 datan. Visualisering av COVID-19 datan kan resultera i en lång väntetid eftersom att det är flera megabytes av data som ska hämtas från en databas. Väntetiden som skapas av att hämta COVID-19 datan från en databas kan resultera i att hemsidan uppfattas som oresponsiv och ur funktion. Därför genomförs experimentet för att komma fram till vilken databas som har kortast hämtningstid när det kommer till COVID-19 data. I experimentet jämförs databaserna MySQL och MongoDB med fokus på hämtningstider vid hämtning av COVID-19 data. Resultatet av experimentet visar att MySQL är databasen med kortast hämtningstider vid hämtning av COVID-19 data. Utifrån hur experimentet genomfördes finns det även många möjligheter för framtida arbeten. Speciellt för att experimentera runt till exempel andra webbläsare och att använda sig av en extern server för att se omändringarna gör skillnad. / <p>Det finns övrigt digitalt material (t.ex. film-, bild- eller ljudfiler) eller modeller/artefakter tillhörande examensarbetet som ska skickas till arkivet.</p>

Undersökningen jämför databashanterarna MySQL och MongoDB svarstid vid hämtning av data i en webbapplikation. Denna jämförelse mellan databashanterarna kommer att avgöra vilken av dessa databaser som har en kortare svarstid för att hämta Kronofogdens data. Längden på svarstiden hos webbapplikationer är väsentlig eftersom den påverkar användarens nöjdhet. En webbapplikation har utvecklats i denna undersökning, för att presentera Kronofogdens data och detta genomfördes med hjälp av chart.js JavaScript biblioteket. Ett testskript utvecklades för att mäta den tid det tar att skicka en begäran till databasen och visa den hämtade datan. I denna undersökning genomfördes totalt fem tester för MySQL och MongoDB. Slutsatsen som drogs är att MySQL har den snabbaste hämtningstiden på alla tester. Framtida arbete kan bland annat öka mängden data från megabyte till gigabyte, samt att använda olika webbläsare vid mätningen för att se om resultaten varierar.

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.

Syftet med denna studie är att undersöka vilken av databaserna MySQL och MongoDB som utför hämtning av fordonsrelaterade skulder data på kortaste tiden. För att undersöka prestanda gällande hämtningstiden utvecklades en webbapplikation som visualiserar datan i form av diagram med hjälp av Javascript biblioteket Chart.js. Experimentet genomfördes fem gånger med olika mängder data och mätningspunkter för att se hur det kan påverka svarstiden hos databasen. Resultaten visade att MySQL var snabbare än MongoDB oavsett datamängden eller mätningspunkter. Framtida arbete kan bland annat hämta data slumpmässigt från databaserna och öka mängden data till en stor del samt användning av olika webbläsare för att undvika bias i studien.

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.