At the time of writing this article, there are 315 datasets that are
assumed to be compatible with od_table().
Interactive overview
Since some of the metadata contained in the OGD JSON files is only available in german, the following overview uses german labels. Click on the individual table cells to get more information.
CLI usage
To get a simplified viersion of this summary, use the
od_list() function. It uses webscraping techniques to get
dataset ids and german labels based on the contents of https://data.statistik.gv.at/web/catalog.jsp.
all_datasets <- od_list()
all_datasets# A data frame: 328 × 3
category id label
<chr> <chr> <chr>
1 Arbeit OGD_konjunkturmonitor_KonMon_1 Konjunkturmonitor
2 Arbeit OGD_aest_erv_statw_haupt_ERV_STAT… Registerbasierte Erwerbsverlä…
3 Arbeit OGD_veste309_Veste309_1 Verdienststrukturerhebung 201…
4 Arbeit OGD_veste307_Veste307_1 Verdienststrukturerhebung 201…
5 Arbeit OGD_veste305_Veste305_1 Verdienststrukturerhebung 201…
6 Arbeit OGD_veste303_Veste203_1 Verdienststrukturerhebung 201…
7 Arbeit OGD_veste301_Veste301_1 Verdienststrukturerhebung 201…
8 Arbeit OGD_aeapp_biber_abschl_ext_BIBER_… BibEr Monitoring 2021 - Bildu…
9 Bevölkerung OGD_rate_kalwobez_GEST_KALWOCHE_S… Altersstandardisierte Sterber…
10 Bevölkerung OGD_rate_kalwo_GEST_KALWOCHE_STR_… Altersstandardisierte Sterber…
# … with 318 more rowsOverview via json
If you identify an interesting dataset, consider downloading the metadata json to get more details. The json contains links to further metadata including a link to data.statistik.gv.at.
(id <- all_datasets$id[2])#> [1] "OGD_aest_erv_statw_haupt_ERV_STATWECHSEL_1"
json <- od_json(id)
json#> Registerbasierte Erwerbsverläufe – Statuswechsel 2010 bis 2021 nach
#> Arbeitsmarkstatus vor und nach dem Statuswechsel
#>
#> Die Registerbasierten Erwerbsverläufe sind eine Vollerhebung von
#> Erwerbskarrieren, die mittels Auswertung der für die Registerzählung
#> bzw. Abgestimmte Erwerbsstatistik nutzbar gemachten Verwaltungs- und
#> Registerdaten durchgeführt wird. Dabei entstehen nicht nur
#> überschneidungsfreie, sondern auch lückenlose Erwerbskarrieren für
#> alle Personen, die in einer der verwendeten Datenquellen irgendwann
#> einmal vorgekommen sind – auch wenn sie niemals einen Hauptwohnsitz
#> in Österreich hatten. Die Konzepte der Abgestimmten Erwerbsstatistik
#> wurden dabei soweit wie möglich übernommen. In diesem Datensatz
#> werden die Übergänge von einem Arbeitsmarktstatus zu einem anderen
#> (Statuswechsel) von Personen ab 15 Jahren im Zeitraum von 2010 bis
#> 2021 dargestellt. Hierbei werden Wechsel innerhalb einer
#> Erwerbstätigkeit bei dem:der selben Dienstgeber:in – also
#> beispielsweise um einen Wechsel von Lehrling zu Angestellte:r oder
#> um einen Wechsel von Vollzeit auf Teilzeit – ausgeschlossen.
#>
#> Measures: Anzahl Statuswechsel
#> Fields: Jahr, Arbeitsmarktstatus vor dem Statuswechsel (Ebene +3),
#> Arbeitsmarktstatus nach dem Statuswechsel (Ebene +3), Alter (Ebene +4),
#> Geschlecht
#> Updated: 2022-11-17 09:35:58
#> Tags: Registerbasiert, Erwerbsverläufe, Statuswechsel, Erwerbstätigkeit,
#> Erwerbskarriere, Beschäftigungsaufnahmen, Beschäftigungsbeendigungen
#> Categories: Arbeit, BevölkerungThis output is generated from
OGD_aest_erv_statw_haupt_ERV_STATWECHSEL_1.json
and shows a summary of the available metatata. Other parts of the
metadata can be extracted with $ using the keys from the
json specification.
json$extras$update_frequency#> [1] "jährlich"Showcase
The population dataset measures the austrian population for 2115 different regions.
od_table("OGD_bevstandjbab2002_BevStand_2020")$tabulate()# A STATcubeR tibble: 392,144 x 5
`Time section` Sex Commune (aggregation by politi…¹ Age in single …² Number
* <date> <fct> <fct> <fct> <int>
1 2020-01-01 male Eisenstadt <10101> under 1 year old 77
2 2020-01-01 male Eisenstadt <10101> 1 year old 75
3 2020-01-01 male Eisenstadt <10101> 2 years old 70
4 2020-01-01 male Eisenstadt <10101> 3 years old 83
5 2020-01-01 male Eisenstadt <10101> 4 years old 67
6 2020-01-01 male Eisenstadt <10101> 5 years old 56
7 2020-01-01 male Eisenstadt <10101> 6 years old 75
8 2020-01-01 male Eisenstadt <10101> 7 years old 73
9 2020-01-01 male Eisenstadt <10101> 8 years old 74
10 2020-01-01 male Eisenstadt <10101> 9 years old 86
# … with 392,134 more rows, and abbreviated variable names
# ¹`Commune (aggregation by political district)`, ²`Age in single years`The hospitalizations dataset is a timeseries from 2009 to 2019 for 115 different medical procedures.
od_table("OGD_krankenbewegungen_ex_LEISTUNGEN_1")$tabulate()# A STATcubeR tibble: 91,898 x 6
`Year of discharge` Sex `Age (four classes)` NUTS-2 region (place of resi…¹
* <date> <fct> <fct> <fct>
1 2009-01-01 male Up to 14 years old Non-Austria
2 2009-01-01 male Up to 14 years old Non-Austria
3 2009-01-01 male Up to 14 years old Non-Austria
4 2009-01-01 male Up to 14 years old Non-Austria
5 2009-01-01 male Up to 14 years old Non-Austria
6 2009-01-01 male Up to 14 years old Non-Austria
7 2009-01-01 male Up to 14 years old Non-Austria
8 2009-01-01 male Up to 14 years old Non-Austria
9 2009-01-01 male Up to 14 years old Non-Austria
10 2009-01-01 male Up to 14 years old Non-Austria
# … with 91,888 more rows, 2 more variables:
# `Medical procedures - subchapters` <fct>, `Medical procedures` <int>, and
# abbreviated variable name ¹`NUTS-2 region (place of residence)`The structure of earnings dataset showcases average earnings by four different classifications. See the tabulation article for some usage examples with this dataset.
od_table("OGD_veste309_Veste309_1")$tabulate()# A STATcubeR tibble: 72 x 9
Sex Citizen…¹ `Region (NUTS2)` `Form of employment` Arith…²
* <fct> <fct> <fct> <fct> <dbl>
1 Sum total Total Total "Total" 17.6
2 Sum total Total Total "Standard employment " 19.0
3 Sum total Total Total "Non-standard employment (tot… 15.2
4 Sum total Total Total "Non-standard employment: par… 15.9
5 Sum total Total Total "Non-standard employment: fix… 16.8
6 Sum total Total Total "Non-standard employment: mar… 12
7 Sum total Total Total "Non-standard employment: tem… 14.0
8 Sum total Total AT11 Burgenland "Total" 15.7
9 Sum total Total AT12 Lower Austria "Total" 16.4
10 Sum total Total AT13 Vienna "Total" 19.2
# … with 62 more rows, 4 more variables: `1st quartile` <dbl>,
# `2nd quartile (median)` <dbl>, `3rd quartile` <dbl>,
# `Number of employees` <dbl>, and abbreviated variable names ¹Citizenship,
# ²`Arithmetic mean`The household forecast contains predictions about the number of private households by 4 household characteristics from 2011 to 2080.
od_table("OGD_f1741_HH_Proj_2")$tabulate()# A STATcubeR tibble: 17,640 x 7
Alter des Haushaltsv…¹ Time Province (NUTS 2-E…² Type of household <…³
* <fct> <date> <fct> <fct>
1 15 to 24 years old 2011-01-01 Burgenland <AT11> One-person household
2 15 to 24 years old 2011-01-01 Burgenland <AT11> One-person household
3 15 to 24 years old 2011-01-01 Burgenland <AT11> Multi-person household
4 15 to 24 years old 2011-01-01 Burgenland <AT11> Multi-person household
5 15 to 24 years old 2011-01-01 Carinthia <AT21> One-person household
6 15 to 24 years old 2011-01-01 Carinthia <AT21> One-person household
7 15 to 24 years old 2011-01-01 Carinthia <AT21> Multi-person household
8 15 to 24 years old 2011-01-01 Carinthia <AT21> Multi-person household
9 15 to 24 years old 2011-01-01 Lower Austria <AT12> One-person household
10 15 to 24 years old 2011-01-01 Lower Austria <AT12> One-person household
# … with 17,630 more rows, 3 more variables:
# `Sex of household reference person <2>` <fct>,
# `Private households at the end of the year` <int>,
# `Annual average of private households` <int>, and abbreviated variable
# names ¹`Alter des Haushaltsvorstandes in 10-Jahresgruppen`,
# ²`Province (NUTS 2-Einheit) <9>`, ³`Type of household <2>`The GRP dataset contains GRP for all NUTS-3 regions between 2000 and 2019.
od_table("OGD_vgrrgr104_RGR104_1")$tabulate()# A STATcubeR tibble: 964 x 6
Time `NUTS-3` Gross re…¹ Gross…² Gross…³ Chang…⁴
* <date> <fct> <dbl> <dbl> <dbl> <dbl>
1 2000-01-01 Mittelburgenland <AT111> 597 15700 0 0
2 2000-01-01 Nordburgenland <AT112> 2641 19200 0 0
3 2000-01-01 Südburgenland <AT113> 1559 15500 0 0
4 2000-01-01 Mostviertel-Eisenwurzen <AT121> 4778 20400 0 0
5 2000-01-01 Niederösterreich-Süd <AT122> 4714 19000 0 0
6 2000-01-01 Sankt Pölten <AT123> 3647 26000 0 0
7 2000-01-01 Waldviertel <AT124> 3947 16700 0 0
8 2000-01-01 Weinviertel <AT125> 1722 13300 0 0
9 2000-01-01 Wiener Umland-Nordteil <AT126> 4841 18900 0 0
10 2000-01-01 Wiener Umland-Südteil <AT127> 9886 33800 0 0
# … with 954 more rows, and abbreviated variable names
# ¹`Gross regional product; current prices in million Euro`,
# ²`Gross regional product per inhabitant`,
# ³`Gross regional product per person employed`,
# ⁴`Change in % to previous year prices`