Project explanation

Die «Früherkennung Sicherheit der Lebensmittel» (FRESIL) des BLV hat zum Ziel, potenzielle Gefahren von Lebensmitteln für die Gesundheit der Konsumentinnen und Konsumenten zu identifizieren und zu beurteilen. Dazu werden Informationen aus verschiedenen Quellen ge-sammelt, bewertet und Massnahmen daraus abgeleitet. Diese betreffen in erster Linie das BLV, sind aber auch für die kantonalen Vollzugsbehörden und die Lebensmittelwirtschaft von Nutzen.

Die Früherkennung Sicherheit der Lebensmittel erstellt verschiedene Produkte. Diese umfas-sen Einträge in die Datenbank ADURA, einen Newsletter namens SEISMO-Info, Briefing let-ters, Signale und Berichte. Es ist für Nutzer nicht einfach rasch zu erkennen, welche Themen aus Sicht der Früherkennung jeweils von Bedeutung und ggf. weiter zu verfolgen sind. Details liegen an unterschiedlichen Orten (Datenbank, Newsletter, interne Dokumente) vor; es exis-tiert zurzeit kein Gesamtüberblick.

Vor diesem Hintergrund möchte das BLV ein automatisiertes Dashboard erstellen, das einen Überblick über die Tendenzen und wichtigen Themen im Bereich der Früherkennung gibt und die Visualisierung attraktiver und verständlicher macht. In einem zweiten Schritt soll es auch in die Website integriert werden, um auf neue Publikationen hinzuweisen. All dies wür-de die Transparenz über die Aktivitäten in der Früherkennung erhöhen und damit das Ver-trauen stärken.

Directory Structure

• assets/: Contains all the js and css scripts needed to run the dashboard

• data_prep/: Contains all the scripts for data preparation and analysis.

• csv-files-filtered/: Directory that stores the filtered data generated by the data_prep/data_filt.py script.

• figure_data/: Directory that contains other statistics files generated from the filtered CSV files using the figure_data.py script. Those files are used for some of the visualization.

• images/: contains all the static images found in the dashboard

• archive/: Directory containing early tests for the dashboard

• archive/python-test/: Directory that includes a test Dash application.

• archive/d3/: Directory that contains drafts of the visualizations used in the main app.

Running the Application Locally

To run the application on your local machine, follow these steps:

1. Clone the directory and ensure that you have the initial data stored locally.
2. Execute the data_prep/data_filt.py script on the initial data to obtain the filtered data.
3. Run the data_prep/figure_data.py script to generate the statistical files.
4. Start a local server, for exemple by running the command python -m http.server.
5. Open your web browser and go to your localhosts server page.
6. You should now be able to access and use the application.