Kam kráčíš, člověče? Jak probíhá analýza mobilitních dat v CleverMaps. | Mňamka #349

Pravděpodobně nikdy v historii nebylo snazší zjistit informaci o počtu obyvatel v téměř libovolném místě. Analytici dnes disponují údaji ze sčítání obyvatel, které se koná v pravidelných intervalech, státy vytvářejí více či méně otevřené registry, ve kterých jsou aktuální informace na dosah ruky, a také některá větší města již začala provádět vlastní průzkumy, aby měla stálý přehled o své populaci. Fakt, že lidé někde bydlí, ale nemusí nutně znamenat, že je tam v průběhu dne najdete. Páni kurýři by mohli vyprávět. I přesto, že koronavirus s našimi cestovatelskými zvyky docela zamával, firmy, včetně těch největších typu Tesla nebo Apple, již zjišťují, že i když je v nouzi přechod na plný home office možný, v běžném provozu své zaměstnance raději vidí v kanceláři. Pro váš byznys to znamená jediné - pokud chce být dostupný lidem, musí být tam, kde se lidé přes den zdržují. A to rozhodně nemusí být místo, na kterém bydlí.

Lidé cestují. Ale jak moc?

Odpověď na otázku, kolik času strávíte v běžném pracovním týdnu v místě svého bydliště, necháme na každém z vás. Data ale hovoří jasně. Již dle sčítání obyvatel v roce 2011 vyjíždělo denně z místa svého obvyklého bydliště za prací či vzděláním více než 2,8 milionu osob a dá se předpokládat, že toto číslo bude v údajích ze sčítání obyvatel v loňském roce minimálně stejně vysoké. Pouze metro v Praze pak denně přepraví v průměru zhruba jeden milion lidí. Díky tomu se může stát, že v obci, kde běžně žije 5 000 obyvatel, se může ve 14 hodin zdržovat pouze 2 000 lidí, zatímco o pár kilometrů dále se může v části města s trvale žijícími 2 000 obyvateli nacházet o stovky procent lidí více. Mobilitní data nám tyto přesuny umožňují mapovat a odhalovat tak místa, kde má váš byznys největší šanci uspět.

Obr. 1: Nárůst populace ve 14:00 v centru Pardubic.

Data jsou základ

Podobná analýza se neobejde bez kvalitních podkladových dat. V tomto případě je poskytuje společnost T-Mobile, která získává data o přítomnosti svých zákazníků asociované k základní převodové stanici (dále jen BTS). Každá BTS pokrývá určité území, a na tomto území sbírá informace o počtu zařízení, které se na něm v danou chvíli vyskytují. Pokud je zařízení v dané lokalitě souvisle monitorováno alespoň po dobu pěti minut, je takové zařízení vyhodnoceno jako přítomné a následně zahrnuto do zpracovávaných dat. Díky požadované výsledné granularitě, kterou je Uber H3 grid úrovně 9 (hexagon o hraně cca 174 m), je následně provedena agregace sesbíraných dat z vysílačů na tuto úroveň.

Přepočet dat je proveden dle metodologie společnosti T-Mobile a kromě naměřených dat do něj vstupuje také digitální model terénu, hustota zástavby apod. Data obsahují kromě prostorového rozlišení také časovou a demografickou složku. V CleverMaps běžně pracujeme se zobrazením dat na úrovni hodiny, a také s filtrováním mezi pracovním a víkendovým dnem, aby si uživatel mohl jednoduše zobrazit rozdíly v pohybu obyvatel v průběhu týdne. Parametr demografie pak navíc umožňuje filtrovat uživatele dle pohlaví a věkové skupiny, do které spadají.

Obr. 2: Vizualizace úbytku obyvatel v okolí Pardubic ve mezi 14:00-15:00.

Na detailu záleží

Data o mobilitě obyvatel mohou být skvělým sluhou, ale potřebují svého pána. Po sběru dat totiž přichází část neméně náročná, analýza a vizualizace výsledků. Pánem mobilitních dat ale s pomocí CleverMaps může být kdokoliv z vás. Díky zobrazení v logickém datovém modelu jsou totiž všechny výsledky analýz doslova na dosah ruky. Nezáleží, zda chcete modelovat úbytek/nárůst počtu obyvatel mezi kraji, obcemi či uvnitř měst - CleverMaps všechny tyto analýzy umožňuje provádět za pomoci jediného tlačítka pro změnu granularity v levém horním rohu aplikace. Údaje o počtu obyvatel v daném místě a čase je možné zobrazit na čtyřech úrovních hexagonálního gridu a také na všech úrovních administrativního členění - od krajů až po základní sídelní jednotky.

CleverMaps navíc umožňuje aplikovat na data širokou škálu filtrů, které Vám mohou analýzu dále ulehčit. Zajímá Vás například pohyb ve městech s počtem obyvatel přesahujícím 10 000 v kraji Vysočina? V CleverMaps je výběr těchto měst hračka. Vzápětí se pomocí tlačítka granularity můžete přepnout na detail daného města, ať už je to v podobě gridu či základních sídelních jednotek, vyberete si časové období a případně část populace, kterou chcete analyzovat, a během pár kliknutí se můžete podívat například na to, kde se přes den zdržuje nejvíce lidí v obci Humpolec a o kolik lidí se v průběhu dne zvýší počet lidí v centru města a jeho bezprostředním okolí.

Obr. 3: Vizualizace centra Humpolce podle pohybu obyvatel.

Už vím, kam lidi kráčí. Jak toho využít?

Nyní už víme, že díky mobilitním datům od T-Mobile a jejich vizualizaci v CleverMaps je uživatel schopen během několika málo minut modelovat počet lidí v zastavěných oblastech v libovolném čase. Jakým způsobem lze ale podobnou informaci zužitkovat ve prospěch vašeho byznysu?

Představme si například, že některá z poboček vašeho byznysu nemá očekávanou návštěvnost a rozhodnete se ji přesunout na lukrativnější místo. Existuje několik možností, jak k takové relokalizaci přistoupit. Historicky jsme pro analýzu potenciálně vhodné lokality používali nástroje jako index expozice, detailní demografii na úrovni stavebních objektů nebo vzdálenosti od poboček konkurence. Mobilitní data mohou ale do výpočtu vnést zcela nové světlo. Díky nim totiž při určování potenciálu lokality můžeme zohlednit také počet přítomných obyvatel v průběhu otevírací doby a vy tak můžete umístit svou pobočku právě tam, kde bude lidem skutečně “na očích”. Samotná mobilitní data pak lze kombinovat s dalšími datovými zdroji jako například Sčítáním dopravy ŘSD z roku 2020, díky kterému umí CleverMaps mapovat pohyb obyvatel nejen v zastavěných oblastech, ale také na silničních tazích. V naší mapové aplikaci pak všechna data můžete pohodlně zobrazit ve formě administrativních jednotek či hexagonových gridů a rychle vyhodnotit, zda bude daná lokalita správným krokem pro vaše podnikání.

Obr. 4: Vizualizace potenciálu k relokaci pobočky.

Síla dat na dosah ruky

Způsobů využití mobilitních dat je určitě mnohem více a ne se všemi musíme nutně přijít sami. Každý zákazník je unikátní a bude ho zajímat něco jiného. Pokud si myslíte, že by mobilitní data mohla pomoct i vašemu byznysu, neváhejte se obrátit na CleverMaps, nebo kolegy z BizzTreat. Rádi s vámi probereme vhodná řešení a třeba právě to bude klíčem k tomu, jak objevit nový obchodní potenciál ve vašem okolí.

Reference:

https://www.statistikaamy.cz/2013/12/19/sldb-2011-v-dojizdce-vedla-praha/

https://www.ceskenoviny.cz/zpravy/prazske-metro-nyni-vyuziva-v-prumeru-milion-cestujicich-denne/2211228

Máte k článku nějaké otázky nebo podněty? Napište mi.

František Pavlíček

datový analytik v CleverMaps
LinkedIn

Keboola a Kai PromtLab | Mňamka #524

Keboola a Kai PromtLab | Mňamka #524

Objavte PromptLab, sofistikované riešenie od Kebooly a Kai PromtLab na zlepšenie interakcií s umelou inteligenciou. V tomto článku sa dozviete, ako PromptLab využíva technológiu Streamlit na automatické prispôsobovanie výziev za účelom dosiahnutia lepšej jasnosti a presnosti vo vašich projektoch. Oboznámte sa s intuitívnym rozhraním, ktoré vám umožní porovnávať výsledky a optimalizovať pracovné postupy.

Základní pojmy v datovém modelování | Mňamka #457

Základní pojmy v datovém modelování | Mňamka #457

Co je to datový model? Jaký je rozdíl mezi konceptuálním a logickým modelem? A k čemu slouží proces tzv. normalizace? Bez datového modelování se dnes v BI obejdete už jen stěží, Kuba si o něm proto připravil krátkou minisérii, ve které si vše probereme od úplných základů. V prvním díle se seznámíme s nejdůležitějšími pojmy, které byste v této souvislosti měli znát, a na jednoduchém příkladu z oblasti sales si ukážeme, jak takový datový model vlastně vypadá. Tak pojďme na to!

MAQL II. - MAQL Reuse factů & Nesting metrik | Mňamka #454

MAQL II. - MAQL Reuse factů & Nesting metrik | Mňamka #454

Proč se vyplatí recyklovat metriky v MAQL? Máme tady pokračování naší krátké minisérie o dotazovacím jazyku MAQL od Péti. V minulém díle jsme si osvětlili základní rozdíl mezi SQL a MAQL a dnes se zaměříme na výhody metrik vytvořených pomocí MAQL a jejich recyklaci. Funguje to přitom podobně jako v případě klasické recyklace surovin. Pokud ji dělat nebudete, ušetříte si možná půl minutky práce, v budoucnu se vám to ale může velmi nepříjemně vrátit. Tak se na to pojďte podívat!