Hallo.
Mein Name Ist Rauben Schnitzer, Und Heute I wollen Zu Aktie a Geschichte
um a Projekt Ich habe gewesen Arbeiten An In Mein klein Stadt In Massachusetts.
Bei Die Anfang, Krank Punkt aus Das Die Folien
Und Die JMP Daten Tisch Sind hoch An Die Entdeckung Webseite
Und da ist a neu akademisch Fall Studie An Das sehr Thema Das Wille Sei veröffentlicht.
Es ist nicht bereits veröffentlicht. Es Wille Sei veröffentlicht sehr bald.
Was Ich bin Hoffnung Zu Tun In 30 Minuten Ist ausgeben am meisten von unser Zeit mit a JMP Demo,
Aber du bist gehen Zu brauchen manche Kontext Und Hintergrund.
I wollen Zu bieten a wenig bisschen von a Szenario,
geben Du a Sinn von Die Problem Das Ich bin versuchen Zu lösen,
Und sprechen um Die Forschung Strategie
Und Dann erhalten hinein Die Demo Und wickeln hoch mit manche Schlussfolgerungen.
I live In a Stadt angerufen Sharon, welche Ist ein archetypisch Neu England Stadt.
Hier Du sehen a Bild von unser Talent Center.
Es War integriert In 1765, so an alt Gemeinschaft.
Wie viele Neu England Gemeinschaften Die Gesetzgebung Funktion von Die Stadt,
wird verwaltet von Die jährlich Stadt treffen In welche irgendjemand dürfen kommen Und sprechen.
M emorialisiert In Die normannisch Rockwell Bilder.
Aus Die Start, Wir haben gebraucht ein offene Stadt treffen
Und Die Führungskraft Funktion Ist getragen aus von a dreiköpfig Planke
bekannt als Der Gemeinderat.
Aber seit normannisch Rockwells Tag, städtisch Regierung hat werden
technologisch gesehen finanziell, rechtlich mehr Komplex,
sogar für Die am meisten grundlegend Dienstleistungen Das a Stadt bietet.
Teilnahme bei Die Stadt treffen hat Wirklich schwanden.
Um a Jahr Und a Hälfte vor,
Der Gemeinderat erstellt a Governance Studie Ausschuss, von welche Ich bin a Mitglied.
Wir Sind Ärzte Und Anwälte
Und Buchhalter Und Lehrer
Und Marketing Menschen, lokal Geschäft Menschen.
Ich bin Die Einwohner Statistiken Kerl.
Im Laufe der Zeit, Die Bevölkerung von Die Stadt hat sich weiterentwickelt, es ist gewachsen .
Es ist mehr vielfältig als Es War 100 Jahre vor.
Wir haben gegangen aus ein agrarisch Herstellung Gemeinschaft
Zu a Schlafzimmer Gemeinschaft für Die Stadt von Boston.
Viele von Fachleute Arbeiten In Krankenhäuser Und Universitäten Gesetz Firmen In Die Stadt.
Menschen neigen nicht Zu live Und arbeiten In Die Stadt,
Und Das hat impactsq An Teilnahme In Stadt Regierungsführung.
Der Aufladung Zu Die Governance Studie Ausschuss
Ist finden Wege Zu Schub Bürger Engagement.
wir haben gewesen tun unser fällig Fleiß.
Wir haben gewesen recherchieren, wir haben befragt Bewohner
wir haben lesen Die Literatur, wir haben interviewt Stadt Beamte.
Eins Teil von unser Forschung, Und Das ist Was Das sprechen Ist um,
Ist Wir gesucht Zu erreichen aus Zu Städte wie Sharon
Zu finden aus Was Sind Sie tun, was ist ihre Erfahrung.
Da ist manche vergleichend Forschung.
Dort Sind 350 Städte In Massachusetts.
Wir haben Zeit Einschränkungen,
Und Also war Suche für a Weg Zu identifizieren a eher klein Nummer von Gemeinschaften
Das Sind ähnlich Zu uns.
Wir tat es nicht wollen Zu neu erfinden Die Rad,
Aber Wir Gedanke Das Modernisierung Es manche würde Sei a Gut Idee.
Der Fahren Frage bedeckt In Das Forschung
Ist welche Städte Sind ähnlich Zu Das Stadt.
A wenig bisschen um Sharon.
Wir sitzen In Südosten Massachusetts.
Wir Sind nicht zu weit aus Plymouth,
welche Ist Wo Die 1620 Mai Blume Landung passiert.
Das Gemeinschaft War ursprünglich besiedelt von Wampanoag Völker.
Europäer angekommen In 163 7.
War um halb zwischen Boston Und Vorsehung.
Für Die Sport Fans aus Dort,
Wir Sind nächste Tür Zu Wo Die Neu England Patrioten spielen Fußball.
Bevölkerung um 18.500 welche Ist ganz Durchschnitt In Massachusetts.
Wir haben Großartig Prozentsatz von Die Wähler von Die Bevölkerung Sind eingetragen Wähler.
Noch aus von alle diese Menschen, Wir erhalten 2% für a Stadt treffen.
Am meisten kürzlich In Mai von 2022.
Das War Die Szene Und a viel von Das Ist COVID verwandt.
Dort War soziale Abstand halten Regeln In Wirkung, Aber sich herausstellen Ist niedrig,
teilweise Weil von COVID,
teilweise Weil von Faktoren Das Wir nicht voll verstehen.
Eins Aufgabe für Die Governance Studie Gemeinschaft Ist Zu halten
andere Alternativen Zu Stadt treffen,
oder Optimierungen Und Verbesserungen bei Bürgerversammlungen.
Unter Zustand Gesetz In ein offene Stadt treffen
Zu teilnehmen, Du haben Zu Sei In Die Zimmer.
Es ist übertragen An lokal Fernsehen,
Aber Du haben Zu Sei gegenwärtig Zu sprechen oder Zu Abstimmung.
Zustand Gesetz Auch sagt da ist drei Wege Zu laufen lokal Regierung.
74 % von Die Gemeinschaften Die groß mehrheitlich Tun Was Sharon tut.
offene Stadt treffen einmal oder zweimal a Jahr.
A klein Nummer haben was ist angerufen Vertreter Stadt treffen In welche
Wähler wählen ihre Nachbarn, Vielleicht a wenige hundert von ihnen,
Zu teilnehmen Und Abstimmung In Stadt treffen.
Traditionell Städte haben hatte klein Räte
mit a Bürgermeister oder Administrator von manche Art.
Zunehmend Das ist Sein angenommen von Städte, Und Also war Suche hinein Das.
Für Das sprechen, Die Aufgabe Ist identifizieren Peer Städte,
Das Wir dürfen Dann Wir könnte Dann Interview Und konsultieren mit Und erreichen aus Zu ihnen.
I erwähnt manche von Die Zustand legal Einschränkungen.
Eins andere Zwang Ist Die Stadt Bretter,
wie a Regierung Studie Ausschuss, haben Zu haben offen Besprechungen.
Irgendetwas Wir Tun Und entscheiden Und absichtlich um hat Zu Sei In öffentlich,
welche Ist a Gut Ding.
Wir haben NEIN Budget.
Wir haben manche wunderbar Personal In Die Stadt Saal, Aber Sie Sind
beschäftigt tun andere Dinge als Also.
Daten Verfügbarkeit War a gemischt Geschichte.
Eine Menge von Daten verfügbar um Eigenschaften von Gemeinschaften.
War Wirklich interessiert In Wie viele Menschen teilnehmen In lokal Regierung
Und da ist NEIN zentralisiert Daten um Das,
also wir benötigt Zu Jagd für Proxys.
Wir Auch hatte NEIN Fähigkeit Zu zwingen Leute In andere Städte
Zu treffen mit uns, beraten uns, oder Aktie Daten mit uns.
War Betrieb In a Thema Bereich Das Ist stark regiert von Tradition.
Menschen Wirklich spalten Zu Das normannisch Rockwell-Zoll.
Wir kam hoch mit a drei- Bühne planen.
Als a Ausschuss, Wir Brainstorming Variablen, sagen Warum Tun Menschen teilnehmen?
Warum nicht Menschen teilnehmen?
Warum Sind anders Städte anders?
I Dann griff manche Daten aus Wähler sich herausstellen In a jüngste landesweit Wahl
Zu verwenden als a Proxy für Bürger Engagement.
Ran manche Modelle In JMP
Zu identifizieren diese Variablen Das erscheinen Zu haben Vorhersage Wert.
Der Ausschuss Dann besprochen Und Es wurden weitere Variablen hinzugefügt.
Das Sie Gedanke war wichtig An Die Stadt treffen Dimension.
Das generiert 20 Prädiktor Spalten
welche I wusste War weit mehr als I gesucht Zu handeln mit.
I konsultiert Mein Gehirn Vertrauen manche akademisch Kollegen besonders Danke gehen Zu,
Mein Stevens Und Ruth Bescheiden bei Knabbern
WHO empfohlen Mich An Rektor Komponenten Analyse,
welche Krank Notiz Das Die Anfang War nicht Teil von Mein Komfort Zone,
also ich erzählt ihr a wenig bisschen um Das.
Dann I lief Cluster Analyse.
Das ist das hauptsächlich Ereignis Heute.
Menschen An Die Ausschuss verstanden
Das Wir wahrscheinlich wollen Zu Sei reden Zu Städte von vergleichbar Größe,
Aber da ist mehr Zu Ähnlichkeit als Größe.
Da ist mehr Zu Ähnlichkeit als Sein a geographische Nachbar.
Teil von Die arbeiten beteiligt
Anweisung Die Ausschuss a wenig bisschen An Cluster Analyse.
Nur In Fall jemand Aufpassen tut es nicht haben viel Hintergrund In Das,
Hier ist Wie I tat Es.
I sagte Also,
Wir dürfen sehen bei Bevölkerung Und etwas anders bei Die Dasselbe Zeit.
und vielleicht obwohl Das etwas anders hat ein Auswirkungen An Teilnahme.
In Das Fall, Die Y Achse War a einzel Familie Eigentum Steuer Rechnungen.
Du dürfen sehen Das da ist a Bündel von Städte ähnlich In Größe Zu Sharon,
Aber welche könnte haben sehr anders Steuer Auswirkungen.
Der Idee Und Cluster Analyse,
Wenn Du Sind gehen Zu arbeiten In zwei Abmessungen
wählen zwei Attribute Das Du denken Sind relevant Zu dein Abfrage,
verbreiten Die Städte aus An diese zwei Abmessungen
Und Dann Identifizierung ein vernünftiger Nummer von Städte
Das Sind vernünftigerweise ähnlich Zu Sharon.
Das ist a groß Idee In Cluster Analyse.
Glücklicherweise war nicht beschränkt Zu zwei Attribute oder zwei Abmessungen.
Wir dürfen haben mehr als Das.
mit Das, I denken Du Jetzt wissen genug Zu folgen Die Demo.
Wo war gehen hinein Das Demo,
I hatte benutzt versammelt Daten aus a Vielfalt von Zustand Und öffentlich verfügbar Quellen.
Gebraucht Abfrage Bauherr Zu bauen a groß Daten Tisch
inspiziert für Ausreißer Und fehlen Daten.
Der ein echter Ausreißer Ist Die Stadt von Boston,
welche Ist Nur einzigartig.
T Hut ausgeschlossen aus alle Die Analyse.
A wenig bisschen von fehlen Das, Aber Nichts schrecklich.
Ich bin gehen Zu Sei Das heißt, es ist nichts anderes als das, was man erwarten würde. Du a JMP Projekt.
Lassen Mich schalten Getriebe, bewegen hinein Die Demo Und I Hoffnung Das I Tun Das korrekt.
Was war Suche bei Ist Mein Daten Tisch von 351 Städte Und Städte.
Der Erste mehrere Spalten Sind Identifikation,
Größe von Der Gemeinderat,
ihre Gesetzgebung Option Name von Gemeinschaft.
Der nächste 20 Spalten Sind unser Prädiktoren.
Nur um runden uns a bisschen,
Wenn Wir sehen bei manche Basic beschreibend von Die Gemeinschaften
Städte In Massachusetts neigen Zu Sei An Die klein Größe.
Der Medium Ist nur 10.000 Menschen.
Sharon Ist ganz nahe Die bedeuten Gemeinschaft Größe.
Bedingungen von Gesetzgebung Funktion, 74 % verwenden offen- Stadt Besprechungen
also wir Sind In Gut Unternehmen,
Und In Bedingungen von Die Größe von Der Auswahlgremium welche Ist,
ein anderer Ding, Die Governance Ausschuss Ist Suche bei Nur um 50/ 50.
Hälfte von Die Stadt mit a Wählen Planke haben drei Mitglieder Hälfte haben fünf.
Wir haben bekommen diese 20 Prädiktoren.
Eins Ausgabe Das kommt hoch ziemlich früh In Die Analyse ist die Linearität.
Hier I haben fünf
Variablen Das alle sprechen Zu Die Größe Und Die elektrisch, Die Größe von Die Stadt.
Du dürfen sehen Das Dort sind einige sehr stark Korrelationen.
Wir im Allgemeinen Apropos,
nicht wollen Zu handeln mit Also ein Großteil der Linearität.
Eins Weg aus Ist Rektor Komponenten Analyse.
Bei Das Punkt, nicht ganz bereit Zu springen hinein Clustering,
Aber wollen Zu nehmen diese 20 Spalten Und destillieren ihnen runter,
sparen als viel Information als möglich,
Aber reduzieren Die Redundanz Und Kollinearität über Spalten.
Zu Tun Das,
Hauptkomponenten Analyse Ist ein exzellent Option.
I nicht haben Die Fähigkeit Heute Zu geben a voll Absturz Kurs
In Rektor Komponenten Analyse,
Aber Wir dürfen sehen Das Wir haben Variablen Das erscheinen Zu Sei
überlappend In Bedingungen von ihre Nachricht.
Wir Auch dürfen sehen Das
Wann Du geben a PCA 20 Spalten Es anfänglich kommt hoch mit 20 Komponenten.
Der Erste wenige von welche erscheinen Zu erfassen am meisten von Die Variabilität.
Wir haben Zu machen a Entscheidung um
Wie viele Rektor Komponenten Zu verwenden Und Was Sie darstellen.
Für Das, Die Bildschirm Handlung Ist hilfreich
Und war Suche für a Knick oder ein Ellbogen In Die Handlung.
Das scheint Zu passieren irgendwo runter Hier, um 4, 5, 6 Komponenten.
Wenn Wir konsultieren Die
Laden Matrix Zu sehen Wie
anders Variablen assoziieren laden hinein anders Komponenten
Wir dürfen beginnen Zu subjektiv zuordnen Bedeutung Zu Die Komponenten.
Krank schneiden Zu Die Verfolgungsjagd.
Wir ausgewählt sechs Rektor Komponenten
als Sein informativ für Die Zwecke von Cluster Analyse,
Und kam hoch mit manche Interpretationen Das gemacht Sinn Zu uns.
Dinge wie Wie groß Ist Die Stadt?
Wie wohlhabend Ist Die Stadt?
Wie schnell Ist Es Anbau?
Jetzt war bereit für Clustering.
Zurück zu JMP.
Dort Sind zwei Basic Ansätze Zu Clustering.
Du könnte denken von ihnen als a Spitze- runter Und a unten- hoch.
Beide von ihnen nehmen Die roh Daten, standardisieren Es,
Und Dann berechnen Euklidisch Entfernungen für jede Paar von Zeilen In Die Daten Tisch
für jede Paar von Gemeinschaften.
Nehmen hinein Konto sechs Faktoren,
sechs Prinzip Komponenten.
Größe, Wohlstand, Ausbildung, Dinge wie Das,
welche eins Sind ähnlich Zu Sharon
In hierarchisch Clustering?
Der Bericht beginnt uns aus mit a blendend Graph Das mit 350 Zeilen,
Das Ist hart Zu interpretieren.
Lass uns beginnen Also kommen zurück Zu Es.
Beginnen mit etwas Das ist a wenig Einfacher Zu interpretieren,
welche Ist Die Cluster Zusammenfassung.
In Die hierarchisch Verfahren, JMP hat gefunden für uns 16 Cluster.
I dürfen erzählen Du Weil I erreicht
Das Sharon Wendungen aus Zu Sei In Cluster 15.
Sharon Und 23 andere Städte.
Für Beispiel,
Wenn Du Scan runter Die Wohlstand Spalte, Wir sehen Das,
wieder diese Sind standardisiert Ergebnisse
diese Sind Die am meisten wohlhabend Städte In Die Zustand.
Wenn Wir kommen über Hier Zu Die Wachstum Spalte,
Und Das Ist weitgehend Wachstum In Die Gehäuse Einheiten Und Bevölkerung.
Der am wenigsten Wachstum, In Tatsache, manche Negativ Wachstum.
Wenn Wir kommen zurück hoch Hier.
Jetzt, haben sah bei Die Cluster Zusammenfassung,
alle von Die Cluster haben gewesen identifiziert Und farbig.
JMP gibt uns a schneiden Punkt.
Wenn Wir Zoom In An Cluster 15.
Lasst uns das ein bisschen größer machen.
Sharon Ist Hier In Die Center.
Es ist nächste Euklidisch Nachbar ist Winchester,
welche Ist um ein Std fahren.
Wir Jetzt haben a vorläufig Liste von Städte Zu konsultieren mit.
Alle Rechts, Also Das ist a Absturz Kurs In Die hierarchisches Clustering.
Krank bewegen aus Zu Die K-Means.
Hierarchisch Ist unten hoch.
Wir Start mit 350 Person Städte als Cluster.
Wir abfragen Die Distanz Matrix, alle Die parallelisiert Entfernungen,
finden diese zwei Städte Das Sind nächste Zu jede andere,
Sie bilden a Cluster.
Wir nehmen Die bedeuten Distanz von Das Cluster.
Jetzt war entweder Suche für Die nächste zwei nächste Städte
oder Die nächste Stadt Das ist am nächsten Zu Das Cluster
und iterativ Verfahren für Die Baum bis
Wir haben eins gigantisch Cluster von 350 Städte.
Mit KM eans Clustering.
Wir umdrehen Die Verfahren.
Wir Start mit 350 Städte In eins Cluster
Und Dann beginnen Schneiden Und teilen In mehrere Abmessungen.
In Das Ansatz, Dasselbe Dienstprogramm Und Entfernungen, Dasselbe Distanz Matrix,
Wir Ende hoch mit Sharon Sein In Cluster Nummer 4,
mit a voll Kompliment von 33 Städte.
Wir automatisch erhalten a Cluster bedeutet Bild.
Wieder, sehr wohlhabend niedrig Wachstum,
nicht unbedingt Die am niedrigsten Aber niedrig Wachstum wieder.
Wir erhalten leicht anders Ergebnisse.
I denken In Die Interesse von Zeit, I Wille zeigen Du eins andere Graph.
Da ist verschieden Dinge Zu sehen bei,
Aber Lass uns sehen bei Die parallel koordinieren Blöcke.
Was Ist dieses Werkzeug?
Wir haben 16 Cluster,
Und von Die Weg In K-Means,
es ist hoch Zu Die Benutzer Zu angeben Die Nummer von Cluster.
I wählte 16 als a beginnend Punkt Weil Das ist Was hierarchisch gab uns.
H Auch Wir Sind, Cluster vier.
Der dunkel braun Linie Ist Sharon.
Hier Wir sehen Die sechs Eigenschaften Die sechs Rektor Komponenten.
F oder Beispiel, Wenn Wir vergleichen,
Wie Ist Cluster 4 anders aus Cluster 3 Lass uns sagen, oder Cluster 5,
Vielleicht ähnlich In Größen.
Cluster fünf, weniger wohlhabend.
Eigentum Werte Sind a wenig untere.
Dauerhaft Bevölkerung bezieht sich Zu
ihre Gemeinschaften mit Universitäten Krankenhäuser, Gefängnisse, Also vorwärts
Urlaub Häuser, Wintergäste WHO verlassen für Die Winter.
Städte abweichen In Bedingungen von ihre permanent Bevölkerungen In Cluster drei, viel untere.
Hier ist Wo Wir finden unser Universität Städte.
I Nur geplatzt hoch Die Stadt von Shirley, Massachusetts
als Die Staat größte
maximal Sicherheit Gefängnis.
I nicht wissen Wenn Wir halten diese Leute permanent Residenz oder nicht, Aber beliebig Ereignis.
Wir haben Erledigt zwei anders Clustering Methoden.
Lass uns nehmen a sehen bei Wie Die Ergebnisse vergleichen.
I gespeichert innerhalb jede Clustering Verfahren,
Die Cluster Aufgaben für jede Stadt, erstellt binär Variablen.
Sind Du In Die Dasselbe Cluster als Sharon oder Sind Du In a anders Cluster?
I Auch, Nur als ein beiseite,
JMP hat viele von wunderbar gebaut In geographische Karten.
Es tut nicht haben a gebaut- In Karte Das heißt, es ist nichts anderes als das, was man erwarten würde.
Gemeinde Grenzen innerhalb Die Zustand von Massachusetts.
Aber Es Wendungen aus Das mit JMP
es ist ziemlich einfach Zu erstellen a neu geographische Karte.
I War fähig Zu Tun Das ohne sehr viel arbeiten bei alle.
Hier Sind Die Ergebnisse von hierarchisch Clustering, Cluster 15.
Sharon Ist Hier.
Es ist ähnlich Städte Sind In Blau.
I War erfreut Zu sehen Das Mein wenig winzig Heimatstadt von Marbleh Kopf
Ist ähnlich Zu Die Ort I verschoben Zu.
Hierarchisch Clustering 15 ergibt diese 24 Städte.
K-Means-Clustering Und manche mehr Städte, Aber da ist ein schrecklich viel von überlappen.
I Auch, Nur aus von Neugier,
sehen Zu identifizieren Die 33 Städte, die etwa 10 % des Staates ausmachen
Das Ist am meisten ähnlich wie Sharon.
Das Ist a größer Gruppe.
Wieder, ein schrecklich viel von Wiederholungen.
A viel von Wiederholungen.
Das zuletzt Ansatz Auch gab uns manche andere Vorteile.
I wollen Zu Jetzt Schicht zurück Zu Steckdose Und sprechen um manche von diese.
O Ist zuletzt Punkt vor Ich bin fertig Die Demo.
Wir war Auch neugierig Zu fragen...
Meistens unser Ziel War, WHO soll Wir Interview?
WHO soll Wir Anruf In Zu treffen öffentlich mit unser Ausschuss?
Aber während war bei Es,
Lass uns sehen Was unser Gleichaltrige Tun In Bedingungen von Regierungsführung.
landesweit
offene Stadt treffen- OTM— dominiert 74 % Und Dort Ist NEIN dominant vierte Größe.
Wenn Wir sehen bei wer ist In unser Cluster
lassen Mich verwenden K-Means, Weil es ist a wenig bisschen größer Gruppe.
Das 74%,
Sprünge hoch Zu 85% mit Zeit treffen.
Von a zwei Zu eins Marge,
Städte haben fünfköpfig Wählen Boards.
Jetzt, Das ist nicht endgültig als Zu Kanal Mein Mutter.
Wenn alle Die andere Städte sprang aus Die Reich Zustand Gebäude,
Wir würde nicht unbedingt wollen Zu springen aus.
Aber es ist interessant Zu Notiz Das Die Städte am meisten ähnlich Zu Sharon
favorisieren Die fünfköpfig Planke
Und Sind sogar mehr geneigt Zu offen- Stadt treffen.
Mit Das, lassen Mich
erhalten zurück Zu manche Schlussfolgerungen.
Na und tat Wir lernen?
Eins Ding Wir gelernt War Die geographische Nähe Ist nicht informativ In diese Karten,
keiner von Die angrenzend Städte kam hoch Blau.
Unser am meisten ähnlich Gemeinschaften Sind nicht unser nächste Tür Nachbarn.
Als I Nur vermerkt
offene Stadt treffen In fünf- Mitglied Bretter Wirklich überwiegen.
Also Was tat Wir Tun?
Das arbeiten Genau genommen passiert mehrere Monate vor.
Wir war fähig Zu priorisieren unser Öffentlichkeitsarbeit
beginnen Kontaktaufnahme diese Städte am meisten ähnlich Zu uns.
Viele war äußerst Kooperative Und geteilt a viel von Information Und Daten.
Wir Auch tat es nicht wollen Zu annehmen Das offene Stadt treffen
War Die nur Weg Zu halten,
also wir gesucht Zu sprechen Zu Menschen mit Vertreter oder Räte.
Diese Euklidisch Entfernungen wurde lehrreich In Bedingungen von,
Okay, keiner von unser sofort Nachbarn, am nächsten Nachbarn
verwenden Stadt Rat oder Vertreter Stadt treffen.
Aber welche RTM Stadt, welche Rat Stadt Ist am meisten wie uns?
Und wir kontaktiert diese Leute als Also.
W e ging aus haben Zu überlegen Öffentlichkeitsarbeit Zu 350 Städte
In a beschränkt Menge von Zeit und ohne Geld und Personal,
zur gezielten Probenahme Verfahren.
Dann Weil Stadt Beamte sprechen Zu eins ein anderer
Und Sie Sind professionell aktiv,
Das geführt uns Zu andere Interviewpartner.
Mit Das, I denken Das ist um Mein Zeit.
I Hoffnung Das hat gewesen interessant Und konstruktiv.
Dank Du für Kommen
Und I Hoffnung Du genießen Die ausruhen von Die Programm.
