salonanarchist | leunstoelactivist

CBS Statline is vernieuwd

Voor heel veel mensen vormt Statline de toegang tot de cijfers van het CBS. Het is dan ook best groot nieuws dat Statline compleet is vernieuwd. Voor mensen die moeite hebben met overstappen blijft de oude versie tot na de zomer in de lucht, maar dan moet iedereen eraan geloven. Wat betekent dit?

Er zijn momenteel vier ingangen om toegang te krijgen tot dezelfde gegevens: de ‘gewone’ Statline, het Dataportaal, de API en de Feed.

Statline lijkt vooral gericht op het algemene publiek. Je krijgt tabellen op je scherm te zien en je kan de gegevens als grafiek weergeven. De manier waarop je gegevens selecteert binnen een tabel is veranderd ten opzichte van het ‘oude’ Statline. «Het belangrijkste is dat je ziet dat je de data kunt ‘slepen’,» aldus het CBS.

Het Dataportaal is eigenlijk bedoeld als hulpmiddel voor mensen die de API gebruiken, maar je kan het ook gebruiken om handmatig gegevens te zoeken en te downloaden. Je kan altijd doorklikken naar een voorvertoning in Statline als je de tabel toch op je scherm wil zien.

Enkele verschillen tussen Statline en Dataportaal:

  • In Dataportaal kan je de metadata zoals gegevensbronnen en definities makkelijker downloaden (vroeger zaten die in een aparte tab van je Exceldownload, maar Exceldownloads zijn afgeschaft).
  • Een nadeel van het Dataportaal is dat je geen permanente link krijgt naar een selectie die je hebt toegepast op een tabel. Als je in een rapportage wil verantwoorden welke CBS-cijfers je precies gebruikt hebt, dan is een link naar een tabelselectie in Statline waarschijnlijk de beste oplossing.

Dan zijn er nog de API en de Feed. De API is bedoeld voor mensen die apps bouwen met CBS-gegevens. De Feed is bedoeld voor bulkdownloads. De Feed is denk ik ook handig als je een script schrijft om een analyse of rapportage te maken en je wil als onderdeel van dat script de (meest recente) gegevens downloaden.

Bij het downloaden van gegevens moet je er rekening mee houden dat er twee soorten datasets worden aangeboden, waarbij verschillende termen door elkaar worden gebruikt (ik hoop dat ik alles correct heb geïnterpreteerd):

  • UntypedDataset / Onbewerkte dataset / CSV met statistische symbolen. In deze datasets kan je symbolen tegenkomen zoals een . (gegevens ontbreken), een - (nihil) of X (geheim).
  • TypedDataset / Dataset voor grafische weergave / CSV zonder statistische symbolen. Hierin zijn alle ontbrekende waarden als blank aangegeven en nihil door een 0.

Welk type data je moet downloaden zal afhangen van het doel waarvoor je de gegevens wil gebruiken, maar voor verdere verwerkingen zal het tweede type vaak handiger zijn. Let op: bij Statline krijg je afhankelijk van het type dat je kiest een komma of een punt als scheidingsteken voor decimalen.

Dan nog wat losse punten:

  • In het oude Statline kon je gegevens downloaden als Excelbestand, nu alleen nog als csv. Csv is natuurlijk perfect, alleen soms is het makkelijk om snel een Excel te downloaden en bijvoorbeeld te checken welke sector de afgelopen tien jaar het meest is gegroeid. Nu moet je eerst het tekstbestand importeren in Excel (of bijvoorbeeld Jupyter opstarten).
  • De csv-export volgt niet langer de tabelindeling op je scherm (tenzij je daar expliciet voor kiest in Statline). In plaats daarvan nog maar één regel met kolomlabels, en verder één observatie per regel. Wel zo makkelijk bij de verdere verwerking.
  • Met de Kerncijfers wijken en buurten moet je een beetje oppassen: er zijn spaties toegevoegd aan de waarden voor regioaanduiding en afhankelijk van het type gegevensdownload ook aan sommige andere waarden. Bijvoorbeeld soort regio ‘Wijk     ’, gemiddelde huishoudensgrootte ‘     1.6’. Je zal die waardes dus moeten strippen.

Bij de aankondiging van het nieuwe Statline werd uitgelegd dat de nieuwe techniek het mogelijk maakt om de zoekfunctie in de toekomst te verbeteren. Dat klinkt interessant.

Tenslotte nog een tip voor regelmatige gebruikers van CBS-data: de handleiding CBS Open Data Services geeft meer inzicht in hoe de gegevens georganiseerd zijn. In het Dataportaal vind je een link om de handleiding te downloaden.

De nieuwe Statline is op 2 november 2017 live gegaan. Aanvankelijk zou de oude versie nog zes maanden in de lucht blijven, maar die periode is verlengd.

Doe-het-zelfonderzoek: fietsenrekken en stoplichten

DTV Consultants doet een oproep: help tellen hoeveel fietsen er geparkeerd staan bij woningen en bij voorzieningen als winkels, scholen, en horeca. Die cijfers willen ze gebruiken om de fietsparkeerkencijfers te actualiseren. Deze kencijfers zijn in 2010 vastgesteld en worden door gemeenten als richtlijn gebruikt.

De vraag van DTV is simpel: tel op een druk moment hoeveel fietsen er geparkeerd staan bij een woning of voorziening, vul een excelformulier in en stuur de gegevens op. Het ideale tijdstip om te tellen verschilt per voorziening, maar het is in ieder geval de bedoeling om te tellen bij mooi weer. DTV zoekt zelf het vloeroppervlak erbij. Als het opgegeven aantal fietsen niet reëel lijkt, nemen ze contact op.

Er zit wel een nadeel aan de kencijfers en de manier waarop ze worden vastgesteld. Als er te weinig fietsenrekken zijn zullen minder mensen de fiets pakken. Als je dan fietsen gaat tellen om te bepalen hoeveel fietsenrekken er nodig zijn, hou je het probleem in stand.

Informatie over het fietstelproject van DTV Consultants vind je hier. Het is de bedoeling dat de tellingen worden uitgevoerd in de maand mei.

Genoeg fietsenrekken? Bereken het zelf

Kan je je fiets niet kwijt? Je kan zelf berekenen of er wel genoeg fietsenrekken zijn in je straat - althans, volgens de bestaande normen:

  • Zoek bij het Kadaster op straatnaam plus gemeente. Klik op het V-tje naast ‘Toon bijbehorende adressen’, rechts op de resultatenpagina.
  • Zoek voor alle adressen de gebruiksfunctie op en zoek de bijbehorende norm op. Hier vind je de landelijke normen uit 2010, hier de normen voor Amsterdam. Amsterdam hanteert bijvoorbeeld voor supermarkten een norm van 4,3 fietsenrek per 100 vierkante meter vloeroppervlak. Deze norm geldt voor het deel van de stad waar het meest wordt gefietst, grofweg binnen de ring en ten zuiden van het IJ.
  • In dit geval is de norm gebaseerd op het vloeroppervlak. Dat kan je ook vinden bij het Kadaster. Voor Jodenbreestraat 21, waar de AH zit, is dat bijvoorbeeld 1.730 vierkante meter.
  • Je komt dan op 4,3 * 1.730 / 100 ofwel ongeveer 75 fietsparkeerplekken.
  • Voor woningen is er een norm per woning en een norm per kamer. Als je weet hoeveel kamers een woning heeft, kan je die norm gebruiken. Let op: je moet per woning ook nog 0,5 à 1 fietsparkeerplek toevoegen voor bezoekers.

In de Jodenbreestraat halen ze die 75 plekken misschien nog wel, dat hangt er vanaf hoeveel fietsen je rekent per fietsparkeervak. Bij een filiaal als de Vijzelstraat (zie foto boven dit artikel) wordt de norm duidelijk niet gehaald. Maar dat is ook wel een lastige plek. Misschien moet hier de stoep wat breder en de weg wat smaller.

In de praktijk zal de berekening soms wat ingewikkelder zijn. Het werkt waarschijnlijk het beste als je de straat goed kent. En verder is de norm niet heilig. Als er in theorie genoeg fietsenrekken zijn maar je kan toch je fiets niet kwijt, dan betekent dat misschien dat de norm te laag is.

Stoplichten

Het onderzoek van DTV Consultants is natuurlijk niet het enige voorbeeld waarbij de hulp van het publiek wordt ingeroepen. Denk aan de Fietstelweek waarin duizenden fietsers met een app hun lokatiegegevens beschikbaar hebben gesteld. Die gegevens kan je bijvoorbeeld gebruiken als je wil weten hoe lang fietsers bij een rood licht staan te wachten.

Maar dat kan nog simpeler. Althans, dat hoopt de Britse voetgangersorganisatie Living Streets, zo blijkt uit onderstaande tweet:

RESEARCH: Take a 2 hour random walk in your city/town centre with a stopwatch. Record wait time per signal junction. Need number jncts, average and max wait time. Tweet us results using #waitingfortheman

Hier een van de antwoorden:

Central London. 37 junctions. 53 seconds average. 127 max. #waitingfortheman

Tot nog toe lijken er niet zo heel veel bruikbare reacties te zijn binnengekomen (verder gaan sommige #waitingfortheman-tweets natuurlijk over de Velvet Underground). Maar misschien was het doel vooral om mensen aan het denken - en aan het wandelen - te zetten. Hoe dan ook een leuk project.

Tags: 

De beloningskloof tussen CEO en werknemers

Vanwege een nieuwe bepaling in de Corporate Governance Code zijn beursgenoteerde bedrijven begonnen om hun interne beloningsverhoudingen te publiceren. Deze pay ratios worden vaak opgevat als de kloof tussen de beloning van de CEO en die van andere werknemers.

Wat kan je hiermee? Je kan bijvoorbeeld een Fat Cat Calendar maken. De naam is ontleend aan het Britse verschijnsel Fat Cat Day - de dag waarop CEO’s evenveel verdiend hebben als hun werknemers in een heel jaar.

De kalender laat zien dat de CEO van Heineken op 2 januari om kwart voor vijf ’s middags al meer had verdiend dan zijn werknemers in het hele jaar 2017.

Sommige bedrijven ontbreken op de kalender. Euronext zegt bijvoorbeeld dat het ingewikkeld is om de beloningsverhouding te bereken, omdat ze in verschillende landen actief zijn (maar dat geldt voor meer beursgenoteerde bedrijven). Shell heeft wel een beloningsverhouding berekend, alleen ze publiceren hem niet - ze zeggen alleen hoe hun ratio zich verhoudt tot de ratios van een geselecteerd groepje andere bedrijven.

De beloningsverhouding is geen eenduidig cijfer. Hieronder een verkennende analyse. Zie de paragraaf Method in de Engelstalige versie van dit artikel voor slagen om de arm.

Heineken

Van de bedrijven waar ik naar heb gekeken rapporteert Heineken verreweg de hoogste pay ratio: de CEO kreeg 215 keer zoveel als een gemiddelde werknemer. Ze zeggen dat dit te maken heeft met hun bedrijfsmodel.

Ten eerste is Heineken actief in ‘emerging markets with widely different pay levels and structures compared to the Netherlands and Europe’. Anders gezegd, veel van hun werknemers zitten in lage-lonen landen. Impliciet suggereren ze dat je deze werknemers minder hoeft te betalen dan hun collega’s in Europa.

In de tweede plaats heeft Heineken ‘a large number of breweries and sales forces in-house worldwide, which adds to the variety of pay within the Company’ (de manier waarop Heineken omgaat met verkoopmedewerkers in Afrika ligt onder vuur, maar dat terzijde). Los van de vraag of Heineken zijn brouwers en verkopers genoeg betaalt, hebben ze hier wel een punt.

Veel bedrijven hebben hun laagbetaalde functies simpelweg uitbesteed. Het is een beetje willekeurig om de beloning van de CEO wel te vergelijken met werknemers die in dienst zijn bij het bedrijf, maar niet met de werkers die hun kantoren schoonmaken, hun lunch verzorgen, hun computers repareren en hun producten maken en verkopen.

Ten derde zegt Heineken dat de beloningsverhoudingen nogal wispelturig zijn. Beloningen van CEO’s bestaan immers voor een groot deel uit bonussen, en die gaan op en neer. Dit klopt, maar het probleem hier is niet zozeer de pay ratio, maar de manier waarop de beloning van de CEO is opgebouwd.

Bereken zelf de beloningsverhouding

Volgens de Governance Code moeten beursgenoteerde bedrijven rapporteren wat ‘de verhouding is tussen de beloning van de bestuurders en een door de vennootschap vast te stellen representatieve referentiegroep’. Dat geeft bedrijven flink wat ruimte om zelf te bepalen hoe ze deze verhouding berekenen. Het is dan ook een beetje netelig om de verhoudingsgetallen van verschillende bedrijven onderling te vergelijken.

In de praktijk berekenen veel bedrijven de beloningsverhouding als de verhouding tussen de totale beloning van de CEO en de gemiddelde personeelskosten per fte. Deze gegevens staan normaal gesproken in het jaarverslag, dus je kan zelf ook de beloningsverhouding berekenen.

Voor een aantal bedrijven met een notering aan de Amsterdamse beurs heb ik de beloningsverhouding berekend en deze vergeleken met de verhouding die de bedrijven zelf rapporteren in hun jaarverslag. De grafiek hieronder laat zien hoe mijn berekening zich verhoudt tot de gerapporteerde cijfers.

In veel gevallen komt mijn berekening ongeveer even hoog uit als de beloningsverhouding die het bedrijf heeft gerapporteerd, maar soms ook niet. Daar zijn verschillende oorzaken voor:

  • Sommige CEO’s werden in de loop van 2017 aangesteld en kregen daarom niet de beloning voor een heel jaar. Ik heb daar niet voor gecorrigeerd, dus mijn berekening valt in deze gevallen te laag uit. Een voorbeeld is AkzoNobel, dat correct een hoger verhoudingsgetal rapporteert dan de ratio die ik berekend heb.
  • Randstad heeft waarschijnlijk alleen corporate employees en niet de candidates (uitzendkrachten) gebruikt om de beloningsverhouding te berekenen. Dit zou verklaren waarom ze op een veel kleinere loonkloof uitkomen dan mijn berekening.
  • Andere bedrijven baseren hun berekening ook op een geselecteerde groep werknemers. Aangenomen dat het om relatief goedbetaalde werknemers gaat, zal dit als gevolg hebben dat de loonkloof tussen CEO en werkers kleiner lijkt. Een voorbeeld is OCI, dat alleen werknemers in Europa en Noord-Amerika als referentiegroep gebruikt. Unilever gaat nog een stap verder en vergelijkt de beloning van de CEO met hun verschillende managementlagen (management work levels) in Groot-Brittannië en Nederland. Dit leidt tot een serie verhoudingsgetallen die allemaal een stuk kleiner zijn dan mijn berekening.
  • Enkele bedrijven gebruiken de gemiddelde beloning van de complete Raad van Bestuur in plaats van de beloning van de CEO. Aangenomen dat de CEO meer verdient dan de rest van de bestuurders, zorgt dit er ook voor dat de loonkloof kleiner lijkt. Een voorbeeld is AMG, dat zijn keuze verdedigt door te wijzen op ‘the collective management responsibility of the Management Board members’ (enigszins ironisch is wel dat ‘collectieve verantwoordelijkheid’ blijkbaar geen doorslaggevend argument was toen ze besloten om de CEO 50% meer te betalen dan de overige bestuurders).

Bespreking

De richtlijn om beloningsverhoudingen te publiceren is helaas een mislukte poging tot transparantie. Aangezien bedrijven zelf kunnen kiezen hoe ze de ratio berekenen, is het problematisch om de ratios van bedrijven onderling te vergelijken. Ondertussen heb je de gerapporteerde ratios niet echt nodig, aangezien je zelf een beloningsverhouding kan berekenen met cijfers die toch al in het jaarverslag staan. Daar zitten ook haken en ogen aan, maar de ratios die je op deze manier berekent zijn waarschijnlijk beter onderling vergelijkbaar dan de ratios die de bedrijven naar buiten brengen.

In plaats van voor te schrijven dat bedrijven hun beloningsverhoudingen publiceren, zou het zinvoller zijn om te eisen dat ze op een consistentere en transparantere manier rapporteren over topbeloningen, personeelskosten en werknemersaantallen.

Ondertussen is het een beetje arbitrair om de beloning van de CEO alleen te vergelijken met de eigen werknemers van het bedrijf. Daarmee laat je andere werknemers, zoals uitbestede schoonmakers, buiten beschouwing. Een eerlijke maatstaf voor beloningsverhoudingen zou niet alleen naar de werknemers van het bedrijf moeten kijken.

Je zou de beloning van CEO’s kunnen vergelijken met het mediane inkomen in een land. Een andere optie is de norm die stelt dat CEO’s niet meer mogen verdienen dan twintig keer het minimumloon. Een beperking van deze methodes is natuurlijk dat ze internationale ongelijkheid buiten beschouwing laten.

Van de bedrijven in mijn steekproef heeft Unilever de hoogste CEO-minimumloon ratio (577). Op 1 januari 2017 om kwart over drie ’s middags had de directeur van Unilever al een minimumjaarloon verdiend. Er zijn globaal twee manieren om hier iets aan te doen: je kan de topbeloningen matigen, maar tegelijk kan je natuurlijk ook het minimumloon verhogen.

Zie de Engelstalige versie van dit artikel voor een toelichting op de methode.

Tags: 

Waarom eigenlijk een nieuwsbrief

Of een artikel gelezen wordt is mede afhankelijk van Facebook, dat bepaalt welke berichten in iemands tijdlijn verschijnen. De algoritmes die ze daarbij gebruiken zijn niet neutraal en ze kunnen ervoor zorgen dat relevant nieuws onder de radar blijft. Voor websites is er verder het praktische probleem dat het aantal bezoekers sterk kan dalen als Facebook z’n algoritmes aanpast.

Voor mijn blog maakt het allemaal niet zoveel uit. Voor zover ik kan nagaan komen mensen hier zelden via Facebook, maar meestal via Google, Twitter of rechtsreeks. En Twitter is natuurlijk Facebook niet. Ze manipuleren je timeline, maar daar gaan ze een stuk minder ver in dan Facebook.

Toch kan je maar het beste zo weinig mogelijk afhankelijk zijn van verwijzers als Facebook, Google en Twitter. Daarom ben ik vorige maand een ouderwetse email-nieuwsbrief begonnen. Ik gebruik hem om artikelen op m’n blog aan te kondigen, maar ook om te verwijzen naar interessante dingen die ik elders tegenkom.

Aanmelden kan hier - en je kan je natuurlijk altijd weer afmelden.

De kiezersrevolte in Amsterdam

Veel Amsterdammers hebben op nieuwe partijen gestemd op 21 maart. Het kaartje hieronder laat zien wat voor gevolgen dat had voor de partijen die al in de raad vertegenwoordigd waren. Rode cirkels zijn stembureaus waar de gevestigde partijen verlies leden; de zeldzame groene cirkels laten zien waar ze juist hebben gewonnen. De grootte van de cirkels correspondeert met het aantal procentpunt winst of verlies.

Bijna overal hebben de gevestigde partijen verloren, maar in Centrum en Zuid bleef het verlies beperkt. De kiezersrevolte was het grootst in Nieuw-West, Noord en Zuidoost, gevolgd door delen van West en Oost. Op sommige stembureaus daalde de steun voor de bestaande partijen met 15 tot ruim 30 procentpunt, met een uitschieter naar 43 procentpunt.

Het succes van de nieuwe partijen is in verband gebracht met etnische achtergrond, maar er is ook een sociaal-economische component. De grafiek hieronder laat dat zien. Hier gaat het om resultaten op wijkniveau. Het aandeel van nieuwe partijen (hier gemakshalve opgevat als DENK, FvD, BIJ1 plus ChristenUnie) is groter dan het verlies van oude partijen, omdat de nieuwe partijen ook stemmen hebben gewonnen van partijen die vier jaar geleden de raad niet hebben gehaald.

De nieuwe partijen hebben vooral stemmen gekregen in de minder rijke wijken van Amsterdam, afgemeten aan de gemiddelde woningwaarde. Partijen als VVD en D66 hebben hier niet zoveel last van; die hebben hun aanhang vooral in de rijkere delen van de stad. Voor PvdA en SP ligt dat anders. De grafiek hieronder laat zien wat er met hun aanhang is gebeurd. De grijze cirkels hebben betrekking op 2014; de rode op 2017/2018 (de schaal op de y-as is niet helemaal hetzelfde als hierboven).

In de eerste plaats valt op dat de meeste cirkels naar rechts zijn geschoven: woningen zijn de afgelopen jaren (veel) meer waard geworden. Dit effect is door de bank genomen wat sterker in de rijkere wijken, waardoor het verschil tussen rijke en arme wijken toeneemt.

In 2014 hadden PvdA en SP veel steun in de minder rijke buurten, maar juist daar hebben ze op 21 maart verlies geleden. Inmiddels is hun steun hier nauwelijks nog groter dan in de rijkere buurten. Dit effect is het sterkste bij de PvdA (bij andere linkse partijen als GroenLinks is dit effect niet te zien).

De afgelopen jaren is er toenemende aandacht voor de tweedeling (of driedeling) in Amsterdam. De verkiezingsuitslag van 21 maart kan worden gezien als een uitdrukking van deze ongelijkheid: in de minder rijke wijken buiten het centrum verloren de gevestigde partijen veel stemmen. Nieuwe partijen boekten daar winst.

Winnaar GroenLinks heeft ervoor gekozen om deze nieuwe partijen niet uit te nodigen voor de coalitiebesprekingen. Daar is op zich niets mis mee. Ondertussen zal het nieuwe stadsbestuur wel met een geloofwaardig antwoord moeten komen op de ongelijkheid in de stad. Voor GroenLinks was dit overigens al een speerpunt.

Methode

De uitslagen per stembureau zijn afkomstig van OIS (2014, 2018). Coördinaten van stembureaus zijn grotendeels ontleend aan Open State. Iets om mee op te passen is dat stembureaus uit 2014 niet altijd overenkomen met stembureaus uit 2018, ook al hebben ze hetzelfde nummer. Dit betekent dat een deel van de stembureaus niet kan worden gebruikt bij een vergelijking tussen 2014 en 2018. Waar dit wel het geval is, weet ik niet zeker of altijd precies dezelfde kiezers zijn opgeroepen. Woningwaarde is ontleend aan de Kerncijfers wijken en buurten van het CBS. Wijken zijn gebaseerd op de huidige indeling (zie hier hoe de huidige wijken kunnen worden gekoppeld aan buurten van voor 2016).

Tags: 

Pages