Zakres danych
- Pilotaż: województwo pomorskie (123 gminy wg TERYT). Tytuł serwisu mówi o Polsce — to cel docelowy; obecnie mapa i benchmark obejmują wycinek pomorski.
- Źródło taryf: decyzje taryfowe PGW Wody Polskie (BIP, 11 RZGW) — dokumenty PDF, ekstrakcja automatyczna + OCR + kontrola QA. Rejestry podmiotów: KRS/REGON (przez wewnętrzne API rejestrowe).
- Ceny taryfowe są netto; wartości brutto = netto × 1,08 (VAT 8%).
Cena referencyjna gminy (kanon)
Jedna funkcja liczy cenę we wszystkich widokach (mapa, panel gminy, ranking, benchmark, wyszukiwarka) — ta sama gmina zawsze pokazuje tę samą liczbę.
- Grupa gospodarstw domowych: dokładny kod
W1 (woda) / S1/K1 (ścieki); gdy brak — warianty (GRUPA-1, opis „gospodarstwa domowe”), a w ostateczności najniższy numer numerowanej rodziny grup (W2, GRUPA-II…) z pominięciem grup przemysłowych.
- Okres obowiązujący dziś: z wieloletnich decyzji bierzemy stawkę okresu obejmującego bieżącą datę.
- Cena łączna = woda + ścieki grupy domowej. Gdy w danych jest tylko jeden składnik, prezentujemy go z jawną etykietą „tylko woda”/„tylko ścieki” — nigdy jako cenę łączną.
Bramki jakości (kiedy NIE pokazujemy ceny)
- Seria niestabilna: cena grupy skacze >1,8× między sąsiednimi okresami decyzji — to ślad błędu ekstrakcji (sklejone strumienie danych), grupa jest odrzucana.
- Odwrócona W1: pierwsza grupa znacząco droższa niż mediana pozostałych grup wody — prawdopodobnie pomylone przypisanie cen; W1 odpada, wybór spada na kolejną grupę domową.
- Pod-grupy (
S-1.1.1) nie zastępują odrzuconej grupy głównej — miałyby inną (zwykle przemysłową) cenę.
- Zakres realności: koszyk woda+ścieki 3–26 zł/m³ netto; pojedynczy składnik 1–30. Poza zakresem = podejrzenie błędu ekstrakcji, cena nie jest prezentowana.
- Zasada nadrzędna: brak ceny jest lepszy niż zła cena. Gmina „szara” na mapie może mieć taryfę — ale nie przeszła bramek jakości.
Operatorzy
- Nazwy operatorów pochodzą z decyzji taryfowych (OCR) i są weryfikowane w rejestrach (KRS/REGON). Operator bez potwierdzenia rejestrowego ma status „nieustalony”/„do potwierdzenia” — dane taryfowe są prawdziwe, tożsamość podmiotu w trakcie ustalania.
- Duplikaty rekordów operatorów (warianty pisowni z OCR) są scalane automatycznie tylko przy jednoznaczności; dwie różne nazwy rejestrowe pozostają odrębne do ręcznej weryfikacji.
Benchmark i statystyki
- Mediana/percentyle liczone wyłącznie z cen, które przeszły bramki jakości, na pełnych koszykach (woda+ścieki).
- Ranking i benchmark używają tej samej ceny kanonicznej co mapa. Ramy porównań: Ofwat APR / ERSAR / EBC — jako inspiracja metodyczna prezentacji, nie certyfikacja.
- Mediany per-komponent: obok mediany łącznej liczymy osobno medianę wody i medianę ścieków sektora — fundament dekompozycji „dlaczego drogi”.
- Charakterystyka rozkładu: kwartyle Q1/Q3, rozstęp międzykwartylowy (IQR = szerokość środkowych 50% operatorów), rozstęp całkowity, odchylenie standardowe i współczynnik zmienności (CV = odchylenie std / średnia, w %). CV pozwala porównać rozproszenie taryf między różnymi rynkami; CV powyżej 35% oznacza rynek silnie niejednorodny.
Warstwa analityczna (profil operatora)
Profil operatora nie prezentuje samych liczb, lecz wnioski — zdania prawdziwe tylko dla danego operatora, ze wskazaniem kierunku i przyczyny.
- Dekompozycja pozycji cenowej: nadwyżkę operatora nad medianą sektora rozbijamy na wodę i ścieki. „Wkład” składnika = jego udział w nadwyżce łącznej
(cena_składnika − mediana_składnika) / (cena_łączna − mediana_łączna). Odpowiada na pytanie „za co konkretnie operator jest drogi”: np. droższy o 121%, ale głównie przez wodę (+35% vs mediana), gdy ścieki są poniżej mediany.
- Pozycja sektorowa: ranga (1 = najdroższy), percentyl i ćwiartka rozkładu (najdroższa/powyżej mediany/poniżej mediany/najtańsza) względem wszystkich wiarygodnych operatorów wycinka.
- Tempo taryfy (CAGR): składana roczna stopa wzrostu ceny liczona z pierwszego i ostatniego punktu serii historycznej:
(cena_koniec / cena_start)^(1/lata) − 1. Dla operatora bierzemy CAGR najszybciej rosnącej serii.
- Korelacja cena ↔ presja infrastrukturalna: regresja liniowa (najmniejsze kwadraty) ceny względem syntetycznej presji BDL. Operator daleko od linii trendu (|rezyduum| > 3,5 modified z-score na medianie i MAD, standard Iglewicz-Hoaglin) = anomalia: „drogi mimo umiarkowanej presji” lub „tani mimo wysokiej presji”. Uwaga metodyczna: w pilotażu pomorskim korelacja jest słaba (r ≈ −0,19) — presja infrastrukturalna słabo tłumaczy poziom taryf.
- Luki w danych: puste filary (finanse, część domen scorecard) prezentujemy jawnie z kategorią przyczyny — brak źródła / brak integracji / do ekstrakcji — nigdy jako wynik zerowy.
Zasada: jednostkowe u operatora, zbiorcze w benchmarku
Profil operatora pokazuje wyłącznie informacje o tym podmiocie (jego cena, pozycja, dynamika, dekompozycja). Dane zbiorcze — ranking wielu operatorów, rozkłady całego sektora, porównania w skali — należą do widoku Benchmark. Sekcje opisujące kondycję gmin lub całej bazy nie zaśmiecają profilu firmy.
Zastrzeżenia
Serwis informacyjny — nie zastępuje oficjalnej taryfy operatora. Każda karta gminy linkuje do źródłowej decyzji (PDF) na BIP Wód Polskich; przy cytowaniu weryfikuj u źródła. Błędy danych można zgłaszać na adres w stopce.