Huff-Gravitationsmodellanalyse in LuckyTemplates

In diesem Tutorial erfahren Sie, wie Sie eine Huff- Gravity-Modellanalyse in LuckyTemplates durchführen. Mithilfe dieser Analyse können wir das Umsatzpotenzial bzw. die Attraktivität eines bestimmten Filialstandorts abschätzen. Normalerweise tun wir dies in der Geoinformationssystem-Software. Wir können es aber auch in LuckyTemplates machen und dynamisch gestalten.

Bei der Huff-Gravity-Analyse wird davon ausgegangen, dass die Fläche in Quadratmetern eines Supermarktgeschäfts geteilt durch die Entfernung zum Quadrat zu potenziellen Kunden einen Attraktivitätsfaktor ergibt, der sich von anderen Geschäften abhebt. Hier wird auch die Wahrscheinlichkeit für Kundenbesuche in Prozent angezeigt.

Die Annahme basiert auf der Tatsache, dass je mehr Quadratmeter ein Geschäft hat, desto größer ist das Sortiment und die Präsenz anderer Serviceelemente. So kann das Geschäft Kunden dazu verleiten, eine längere Anreise zu unternehmen.

In diesem Beispiel wurde die Fahrstrecke verwendet (Postleitzahlschwerpunkt zum Geschäft).

Wir können auch die geradlinige Entfernung verwenden. In diesem Fall trennt jedoch ein Fluss die Grenzen. Daher ist eine geradlinige Entfernung nicht zuverlässig.

Idealerweise nutzen wir kleinere Flächen wie etwa Quartiere. Dies dient nur zur Demonstration. Wir können weitere Parameter hinzufügen, um die Wahrscheinlichkeit zu beeinflussen, z. B. Parkplatz, öffentliche Verkehrsmittel, und die Methodik auch für andere Analysen verwenden.

Wir können auch einen Abstandsabfallfaktor hinzufügen , um den Abstandseffekt zu dämpfen. Menschen sind bereit, für den Möbeleinkauf weiter zu reisen als für den täglichen Einkauf. 

Inhaltsverzeichnis

• Analysedaten des Huff-Schwerkraftmodells
• Importieren von Daten im Power Query-Editor
• Huff-Schwerkraftmodellanalyse basierend auf Attraktivität
• Wahrscheinlichkeit in der Huff-Schwerkraftmodellanalyse
• Wahrscheinlichkeitsanalyse
• Dynamische Huff-Schwerkraftanalyse
  • Dynamische Huff-Schwerkraftanalyse basierend auf der Ladenfläche
  • Dynamische Huff-Schwerkraftanalyse basierend auf der Entfernung
• Abschluss

Analysedaten des Huff-Schwerkraftmodells

Schauen wir uns zunächst die Daten an.

In dieser Excel-Tabelle gibt es sechs Supermärkte.

Es enthält auch die Kilometer , die die Entfernung als gerade Linie enthalten.

Dann gibt es eine Registerkarte „Reisezeit“ , auf der die Reisezeit in Minuten angezeigt wird.

Und das hier ist die Distanz. Wir werden dies nutzen, da sich zwischen den Grenzen ein Fluss befindet.

Dies ist ein Thiessen-Polygon, das in einer GIS-Software erstellt wurde. Hier können wir ein sogenanntes Thiessen-Voronoi- Objekt erstellen, um Ihnen die Entfernung von einem Punkt zu jedem der anderen benachbarten Objekte anzuzeigen.

Importieren von Daten im Power Query-Editor

Zuerst habe ich die Daten in den Power Query Editor importiert .

Wie Sie sehen, habe ich fünf Supermärkte mitgenommen.

Es gibt hier auch zwei Datensätze mit den Namen „ Postcodes Areas PQ“ und „Postcodes Areas DAX“ .

Ich habe dies dupliziert, damit ich Ihnen zeigen kann, wie man es im Power Query-Editor mit vollständig dynamischen Kennzahlen macht.

Für die Power Query-Demo ( Postcodes Areas PQ ) habe ich den Breiten- und Längengrad gerundet. Ich rate immer, wenn Sie vier Ziffern hinter dem Komma eingeben, beträgt Ihre Genauigkeit etwa 11 Meter, was bei weitem ausreicht.

Ich habe auch das Quadrat jeder Entfernung berechnet. Das liegt daran, dass wir, wie ich bereits erwähnt habe, irgendwann die Fläche in Quadratmetern verwenden und sie durch die Entfernung zum Quadrat dividieren werden.

Dann habe ich es mit einer anderen Tabelle ( Bevölkerungstabelle ) zusammengeführt, um die Bevölkerung zu erhalten. Dadurch sollen mehr Erkenntnisse über die Bevölkerung in den Postleitzahlgebieten gewonnen werden.

Für die Messdaten ( Postcodes Areas DAX ) habe ich das Gleiche auch getan, z. B. den Breiten- und Längengrad gerundet und sie erneut mit der Bevölkerungstabelle zusammengeführt .

Dies ist nun das LuckyTemplates-Dashboard der Huff Gravity Model Analysis.

Dies sind die Maßtabellen, die ich aufgeteilt habe.

Huff-Schwerkraftmodellanalyse basierend auf Attraktivität

Die erste Berechnung, die ich erstellt habe, ist Attraktivität .

Die Attraktivität ist die Quadratmeterzahl des Geschäfts dividiert durch die quadrierte Entfernung . Dieses Geschäft hat eine Fläche von 1.502 Quadratmetern.

Dies ist die Spalte der quadrierten Distanz . In diesem Beispiel habe ich die genommen . oder den Durchschnitt nehmen können , aber angesichts des Kontexts spielt das keine Rolle.

Ich habe diese Berechnung für alle fünf Supermärkte durchgeführt.

Dann habe ich sie im TotalAT -Maß addiert, um die Gesamtsumme zu berechnen.

Wahrscheinlichkeit in der Huff-Schwerkraftmodellanalyse

Das nächste Maß ist die Wahrscheinlichkeit .

Unter Wahrscheinlichkeit versteht man einfach, wie wahrscheinlich es ist, dass ein Ereignis eintritt. Um dies zu berechnen, sollte ein einzelnes Ereignis mit einem einzigen Ergebnis ermittelt werden. Ermitteln Sie dann die Gesamtzahl der Ergebnisse, die auftreten können. Teilen Sie abschließend die Anzahl der Ereignisse durch die Anzahl der möglichen Ergebnisse.

Deshalb habe ich in dieser Berechnung  die Attraktivität durch die Gesamtattraktivität dividiert.

Diese Zahlen summieren sich zu hundert Prozent.

Es gibt auch ein Bevölkerungsmaß aus dem zusammengeführten Datensatz, das die Bevölkerung basierend auf Postleitzahlgebieten zusammenfasst.

Dann das maximale Wahrscheinlichkeitsmaß .

Diese Karte zeigt das.

Zuletzt habe ich ein Maß für die Wahrscheinlichkeit des ausgewählten Geschäfts . Ich habe dieses Maß verwendet, um die Wahrscheinlichkeit eines ausgewählten Geschäfts in meiner Auswahl zu ermitteln.

Lassen Sie uns nun besprechen, wie es funktioniert.

Wahrscheinlichkeitsanalyse

Bei der Kartierung habe ich die Grenzen als Postleitzahlen verwendet. Ich habe eine vierstellige Postleitzahl genommen.

Hier ist eine Tabelle mit der Wahrscheinlichkeit des ausgewählten Stores .

Diese kleine Karte zeigt die tatsächlichen Standorte der fünf Supermärkte.

Ich kann eine Auswahl basierend auf den Postleitzahlen der Geschäfte im Slicer treffen.

Diese kleine Karte ( 5 Stores Rotterdam ) filtert nicht die Choropleth-Karte (ESRI) auf der linken Seite. Dies soll uns nur einen Hinweis geben, wo wir uns auf der Choropleth-Karte befinden. Darüber hinaus hilft es uns, die Auswirkungen später auf der Hauptkarte zu erkennen.

Wie Sie sehen können, ist die Wahrscheinlichkeit für das ausgewählte Geschäft umso höher, je dunkler die Farbe ist .

Ich wähle zum Beispiel diesen Ort oder Supermarkt aus.

Wenn ich mir diesen Bereich auf der Karte anschaue, wird die Wahrscheinlichkeit dieses Geschäfts anhand der Entfernung zum Quadrat angezeigt. Beachten Sie, dass dies auf der Fahrstrecke basiert.

Die maximale Wahrscheinlichkeit für diese Auswahl beträgt auf dieser Karte 95 %.

In diesem Teil werden die enthaltenen Postleitzahlen und die abnehmende Wahrscheinlichkeit angezeigt. Je kleiner der Prozentsatz, desto wahrscheinlicher ist es, dass ihre jeweilige Postleitzahl näher an einem anderen Supermarkt liegt.

Wenn ich zum Beispiel darauf klicke, wird mir angezeigt, dass die Wahrscheinlichkeit 0 % beträgt .

Offensichtlich wohnen die Menschen in dieser Gegend über dem Supermarkt unter der Postleitzahl 3011 . Warum sollten sie also zu einem anderen gehen?

Dieser Teil zeigt die tatsächliche Ladenfläche als Referenz.

Andererseits wird hier die Gesamtpopulation innerhalb der Auswahl angezeigt.

Dynamische Huff-Schwerkraftanalyse

Nachdem ich nun mit den Grundlagen einer Huff-Schwerkraftanalyse fertig bin, gehe ich einen Schritt weiter und bespreche, wie ich diese dynamisch gestalten kann.

In diesem Fall habe ich fünf Slicer mit den anfänglichen Quadratmetern und Optionen zur Vergrößerung der Ladenfläche erstellt .

Die restlichen Schritte sind dem vorherigen Schritt ziemlich ähnlich. Ich habe jetzt viel mehr Maße, weil wir etwas Dynamisches berechnen müssen. Ich habe die Schritte auseinander genommen, um es aufschlussreicher zu machen.

Dynamische Huff-Schwerkraftanalyse basierend auf der Ladenfläche

Werfen wir einen Blick auf die Quadratmeterattraktivität. Ich wähle das Maß „Attraktivität“ von Supermarkt 3011 aus .

Die Quadratmeter werden vom ausgewählten Wert im 3011- Slicer referenziert.

Die distsq- Variable stellt das Distanzquadrat dar, das aus dem DAX-Datensatz „Postcodes Areas“ stammt .

Bei dieser Berechnung wird der Quadratmeterwert durch den Quadratwert der Entfernung geteilt.

Das habe ich wiederum für alle fünf Supermärkte gemacht.

Dynamische Huff-Schwerkraftanalyse basierend auf der Entfernung

Für diese Analyse habe ich auch die Entfernung berechnet. Es handelt sich im Grunde nur um die Summe der Entfernungsspalte des Geschäfts im DAX-Datensatz „Postcodes Areas“ .

Die ausgewählte Filiale wird in der Berechnung „ Distanz PC – ausgewählte Filiale“ mithilfe der Dax-Funktion referenziert.

Dann habe ich auch ein weiteres Wahrscheinlichkeitsmaß für die dynamische Huff-Schwerkraftanalyse.

Es ist dynamisch, denn wenn wir in einem der Slicer etwas ändern, hat dies anschließend Auswirkungen auf das Ergebnis der Berechnung.

Ich habe alle diese Schritte und Berechnungen für die dynamische Huff-Schwerkraftanalyse durchlaufen. Das liegt daran, dass ich mich für den Prozentsatz der Bevölkerung, die Anzahl der Postleitzahlen und die enthaltene Entfernung auf der Grundlage meiner Auswahl aus einem benutzerdefinierten Slicer interessiere.

Wie Sie sehen, gibt es große Unterschiede in der Bevölkerung. Diese basieren auf der Entfernung zum Supermarkt und der Bevölkerung innerhalb der Postleitzahlen.

Als Beispiel ändere ich die Quadratmeter des Supermarkts 3011 .

Wenn Sie dies ändern, werden die Auswirkungen in den Daten deutlich. Dies liegt daran, dass es aufgrund der Entfernung mit dem Auto für Menschen attraktiver ist, ins Zentrum zu kommen und zu diesem Ort zu gelangen.

Datenvisualisierungen LuckyTemplates – Dynamische Karten in Tooltips
LuckyTemplates-Shape-Map-Visualisierung für die räumliche Analyse
Geodatenanalyse – Neuer Kurs auf LuckyTemplates

Abschluss

Die Analyse des Huff-Gravitationsmodells zeigt den Zusammenhang zwischen der Kundenzahl und der Entfernung vom Standort des Geschäfts. Daher können Attraktivität und Entfernung möglicherweise einen Einfluss auf die Wahrscheinlichkeit haben, dass ein Verbraucher ein bestimmtes Geschäft besucht.

Mithilfe dieses Modells können Sie Umsatzprognosen für Unternehmensstandorte ermitteln. Wenn Sie diese Analyse in Ihr Geschäftsmodell integrieren, können Sie zahlreiche Informationen über potenzielle Standorte erhalten.

Auch dies ist ein weiteres klares Beispiel dafür, was wir mit Analyse und LuckyTemplates erreichen können, indem wir statische Daten in eine dynamische Darstellung umwandeln. 

Weitere Beispiele und verwandte Inhalte finden Sie unter den folgenden Links.

Beifall!

Paul