Analyse du modèle de gravité de Huff dans LuckyTemplates

Dans ce didacticiel, nous allons apprendre à effectuer une analyse du modèle de gravité de Huff dans LuckyTemplates. Nous pouvons utiliser cette analyse pour estimer les ventes potentielles ou l'attractivité d'un certain emplacement de magasin. Nous le faisons généralement dans un logiciel de système d'information géographique. Cependant, nous pouvons également le faire dans LuckyTemplates et le rendre dynamique.

L'analyse de gravité de Huff suppose que la surface en mètres carrés d'un magasin de supermarché, divisée par la distance au carré des clients potentiels, se traduira par un facteur d'attractivité qui se démarque des autres magasins. Cela montrera également la probabilité en pourcentage pour les clients en visite.

L'hypothèse est basée sur le fait que plus un magasin a de mètres carrés, plus l'assortiment et la présence d'autres éléments de service seront importants. Ainsi, le magasin peut inciter les clients à parcourir une plus longue distance.

Dans cet exemple, la distance de conduite a été utilisée (centre de code postal jusqu'au magasin).

Nous pouvons également utiliser la distance en ligne droite. Cependant, dans ce cas, il y a une rivière qui sépare les frontières. Ainsi, une distance en ligne droite n'est pas fiable.

Idéalement, nous utilisons des zones plus petites telles que les quartiers. C'est pour la démonstration seulement. Nous pouvons ajouter d'autres paramètres pour influer sur la probabilité, comme l'espace de stationnement, les transports en commun, et utiliser également la méthodologie pour d'autres analyses.

Nous pouvons également ajouter un facteur de décroissance de distance pour atténuer l'effet de distance. Les gens sont prêts à voyager plus loin lorsqu'ils achètent des meubles qu'ils ne le sont pour leurs courses quotidiennes. 

Table des matières

• Données d'analyse du modèle de gravité de Huff
• Importation de données dans l'éditeur Power Query
• Analyse du modèle de gravité de Huff basée sur l'attractivité
• Probabilité dans l'analyse du modèle de gravité de Huff
• Analyse de probabilité
• Analyse dynamique de la gravité de Huff
  • Analyse dynamique de la gravité Huff basée sur la zone de magasin
  • Analyse dynamique de la gravité Huff basée sur la distance
• Conclusion

Données d'analyse du modèle de gravité de Huff

Examinons d'abord les données.

Dans cette feuille de calcul Excel, il y a six supermarchés.

Il a également les kilomètres qui contiennent la distance sous forme de ligne droite.

Ensuite, il y a un onglet Temps de trajet qui affiche le temps de trajet en minutes.

Et celui-ci est la distance. Nous allons l'utiliser étant donné qu'il y a une rivière entre les limites.

Celui-ci est un polygone de Thiessen créé dans un logiciel SIG. C'est là que nous pouvons créer un objet dit Thiessen Voronoi pour vous montrer la distance d'un point à chacun des autres objets adjacents.

Importation de données dans l'éditeur Power Query

Tout d'abord, j'ai importé les données dans Power Query Editor .

Comme vous pouvez le voir, j'ai pris cinq supermarchés.

Il existe également deux ensembles de données nommés Zones de codes postaux PQ et Zones de codes postaux DAX .

J'ai dupliqué ceci afin que je puisse vous montrer comment le faire dans l'éditeur Power Query avec des mesures entièrement dynamiques.

Pour la démo Power Query ( Postcodes Areas PQ ), j'ai arrondi la latitude et la longitude. Je conseille toujours que si vous prenez quatre chiffres derrière la virgule, votre précision sera d'environ 11 mètres, ce qui est de loin suffisant.

J'ai aussi calculé le carré de chaque distance. En effet, comme je l'ai mentionné précédemment, nous allons éventuellement utiliser la surface en mètres carrés et la diviser par la distance au carré.

Ensuite, je l'ai fusionné avec une autre table ( Population table) pour obtenir la population. Il s'agit d'obtenir plus d'informations sur la population dans les zones de code postal.

Pour les données de mesures ( Postcodes Areas DAX ), j'ai également fait la même chose, comme arrondir la latitude et la longitude et les fusionner à nouveau avec la table Population .

Voici maintenant le tableau de bord LuckyTemplates de l'analyse du modèle de gravité de Huff.

Ce sont les tableaux de mesures que j'ai divisés.

Analyse du modèle de gravité de Huff basée sur l'attractivité

Le premier calcul que j'ai créé est Attractivité .

L' attractivité correspond aux mètres carrés du magasin divisés par la distance au carré . Ce magasin a une surface de 1 502 mètres carrés.

C'est la colonne de la distance au carré . Dans cet exemple, j'ai pris le . J'aurais pu prendre le ou la moyenne, mais peu importe vu le contexte.

J'ai fait ce calcul pour les cinq supermarchés.

Ensuite, je les ai additionnés dans la mesure TotalAT pour calculer le total.

Probabilité dans l'analyse du modèle de gravité de Huff

La mesure suivante est la probabilité .

La probabilité est simplement la probabilité qu'un événement se produise. Pour calculer cela, un seul événement avec un seul résultat doit être déterminé. Ensuite, identifiez le nombre total de résultats qui peuvent se produire. Enfin, divisez le nombre d'événements par le nombre de résultats possibles.

Par conséquent, j'ai divisé l'attractivité par l'attractivité totale dans ce calcul. 

Ces chiffres totaliseront cent pour cent.

Il existe également une mesure de la population à partir de l'ensemble de données fusionné qui résume la population en fonction des zones de code postal.

Ensuite, la mesure Max Probability .

Cette carte l'affiche.

Enfin, j'ai une mesure de probabilité de magasin sélectionné . J'ai utilisé cette mesure pour identifier la probabilité de n'importe quel magasin sélectionné dans ma sélection.

Voyons maintenant comment cela fonctionne.

Analyse de probabilité

Pendant que je cartographie, j'ai pris les limites comme codes postaux. J'ai pris un code postal à quatre chiffres.

Voici un tableau avec la probabilité du magasin sélectionné .

Cette petite carte montre l'emplacement réel des cinq supermarchés.

Je peux faire une sélection en fonction des codes postaux des magasins à partir du slicer.

Cette petite carte ( 5 Stores Rotterdam ) ne filtre pas la carte Choroplèthe (ESRI) sur la gauche. Ceci est juste destiné à nous donner un indice où nous nous trouvons sur la carte Choroplèthe. De plus, cela nous aide à voir par la suite l'impact sur la carte principale.

Comme vous pouvez le constater, plus la couleur est foncée, plus le pourcentage de probabilité pour le magasin sélectionné est élevé.

Par exemple, je sélectionnerai cet emplacement ou ce supermarché.

Si je vérifie cette zone sur la carte, elle affichera la probabilité de ce magasin compte tenu de la distance au carré. Notez que cela est basé sur la distance de conduite.

La probabilité maximale pour cette sélection est de 95 % représentée sur cette carte.

Cette partie affiche les codes postaux inclus et la probabilité décroissante. Plus le pourcentage est petit, plus il est probable que leur code postal particulier sera plus proche d'un autre supermarché.

Par exemple, si je clique sur celui-ci, cela montrera que la probabilité est de 0% .

De toute évidence, les habitants de cette zone vivent au-dessus du supermarché sous le code postal 3011 . Alors, pourquoi iraient-ils vers un autre ?

Cette partie montre la surface réelle du magasin à titre de référence.

D'autre part, cela affiche la population totale au sein de la sélection.

Analyse dynamique de la gravité de Huff

Maintenant que j'en ai terminé avec les bases d'une analyse de gravité Huff, je vais aller plus loin et discuter de la façon dont je peux rendre cette dynamique.

Dans ce cas, j'ai créé cinq slicers avec les mètres carrés initiaux et des options pour augmenter la surface du magasin .

Le reste des étapes est assez similaire à l'étape précédente. J'ai maintenant beaucoup plus de mesures parce qu'il faut calculer quelque chose de dynamique. J'ai séparé les étapes pour le rendre plus perspicace.

Analyse dynamique de la gravité Huff basée sur la zone de magasin

Jetons un coup d'œil à l'attractivité du mètre carré. Je sélectionne la mesure Attractivité de Supermarché 3011 .

Les mètres carrés seront référencés à partir de la valeur sélectionnée dans le slicer 3011 .

La variable distsq représente le carré de distance, qui provient du jeu de données Postcodes Areas DAX .

Dans ce calcul, la valeur des mètres carrés sera divisée par la valeur de la distance au carré.

Encore une fois, j'ai fait cela pour les cinq supermarchés.

Analyse dynamique de la gravité Huff basée sur la distance

J'ai également calculé la distance pour cette analyse. Il s'agit essentiellement de la somme de la colonne de distance du magasin dans le jeu de données Postcodes Areas DAX .

Le magasin sélectionné est référencé dans le calcul Distance PC – Magasin sélectionné à l'aide de la fonction Dax.

Ensuite, j'ai aussi une autre mesure de probabilité pour l'analyse dynamique de la gravité Huff.

C'est dynamique car si on change quelque chose dans l'un des slicers, cela aura par la suite un impact sur le résultat du calcul.

J'ai parcouru toutes ces étapes et ces calculs pour l'analyse dynamique de la gravité Huff. En effet, je suis intéressé par le pourcentage de la population, le nombre de codes postaux et la distance incluse en fonction de ma sélection à partir d'un segment personnalisé.

Comme vous pouvez le voir, il y a une grande différence dans la population. Ceux-ci sont basés sur la distance au supermarché et la population dans les codes postaux.

Par exemple, je vais changer les mètres carrés du supermarché 3011 .

En changeant cela, l'impact deviendra évident dans les données. C'est parce qu'il est plus attrayant pour les gens de venir au centre et de se rendre à cet endroit compte tenu de la distance en voiture.

Visualisations de données LuckyTemplates - Cartes dynamiques dans les info-bulles
Visualisation de cartes de formes LuckyTemplates pour l'analyse spatiale
Analyse géospatiale - Nouveau cours sur LuckyTemplates

Conclusion

L'analyse du modèle de gravité de Huff montre la corrélation entre l'achalandage et la distance par rapport à l'emplacement du magasin. Par conséquent, l'attractivité et la distance peuvent éventuellement affecter la probabilité qu'un consommateur visite un certain magasin.

Ce modèle peut vous aider à déterminer les prévisions de ventes pour les sites commerciaux. L'intégration de cette analyse dans votre modèle d'entreprise peut fournir de nombreuses informations sur les sites potentiels.

Encore une fois, c'est un autre exemple clair de ce que nous pouvons réaliser avec l'analyse et LuckyTemplates en transformant des données statiques en une représentation dynamique. 

Consultez les liens ci-dessous pour plus d'exemples et de contenu connexe.

Acclamations!

Paul