Power Automate si applica a ogni azione nei flussi di lavoro
Scopri l
Analisi del modello di gravità di Huff in LuckyTemplates
In questo tutorial impareremo come eseguire un'analisi del modello di gravità di Huff in LuckyTemplates. Possiamo utilizzare questa analisi per stimare le vendite potenziali o l'attrattiva di un determinato punto vendita. Di solito lo facciamo nel software del sistema informativo geografico. Tuttavia, possiamo anche farlo in LuckyTemplates e renderlo dinamico.
L'Huff Gravity Analysis presuppone che la superficie in metri quadrati di un negozio di supermercato, divisa per la distanza al quadrato dai potenziali clienti, risulterà in un fattore di attrattiva che si contrappone ad altri negozi. Questo mostrerà anche la probabilità in percentuale per i clienti in visita.
L'ipotesi si basa sul fatto che più metri quadrati ha un negozio, maggiore sarà l'assortimento e la presenza di altri elementi di servizio. Pertanto, il negozio può attirare i clienti a percorrere una distanza maggiore.
In questo esempio è stata utilizzata la distanza in auto (centroide del codice postale fino al negozio).
Possiamo anche usare la distanza in linea retta. Tuttavia, in questo caso, c'è un fiume che separa i confini. Pertanto, una distanza in linea retta non è affidabile.
Idealmente, usiamo aree più piccole come i quartieri. Questo è solo per dimostrazione. Possiamo aggiungere più parametri per influenzare la probabilità come parcheggio, trasporto pubblico e utilizzare la metodologia anche per altre analisi.
Possiamo anche aggiungere un fattore di decadimento della distanza per smorzare l'effetto della distanza. Le persone sono disposte a viaggiare più lontano quando acquistano mobili piuttosto che per la spesa quotidiana.
Sommario
- Dati di analisi del modello di gravità di Huff
- Importazione di dati nell'editor di Power Query
- Analisi del modello di gravità di Huff basata sull'attrattiva
- Probabilità nell'analisi del modello di gravità di Huff
- Analisi di probabilità
- Analisi dinamica della gravità Huff
- Conclusione
Dati di analisi del modello di gravità di Huff
Innanzitutto, diamo un'occhiata ai dati.
In questo foglio di calcolo Excel ci sono sei supermercati.
Ha anche i chilometri che contengono la distanza come una linea retta.
Quindi, c'è una scheda Tempo di viaggio che mostra il tempo di viaggio in minuti.
E questa è la distanza. Lo useremo dato che c'è un fiume tra i confini.
Questo è un poligono di Thiessen creato nel software GIS. Qui è dove possiamo creare un cosiddetto oggetto Thiessen Voronoi per mostrarti la distanza da un punto a ciascuno degli altri oggetti adiacenti.
Importazione di dati nell'editor di Power Query
Innanzitutto, ho importato i dati in Power Query Editor .
Come puoi vedere, ho preso cinque supermercati.
Ci sono anche due set di dati qui denominati Postcodes Areas PQ e Postcodes Areas DAX .
L'ho duplicato in modo da poterti mostrare come farlo nell'editor di Power Query con misure completamente dinamiche.
Per la demo di Power Query ( Postcodes Areas PQ ), ho arrotondato la latitudine e la longitudine. Consiglio sempre che se prendi quattro cifre dietro la virgola, la tua precisione sarà di circa 11 metri, che è di gran lunga sufficiente.
Ho anche calcolato il quadrato di ogni distanza. Questo perché, come ho accennato in precedenza, alla fine utilizzeremo la superficie in metri quadrati e la divideremo per la distanza al quadrato.
Quindi, l'ho unito a un'altra tabella ( tabella della popolazione ) per ottenere la popolazione. Questo per ottenere maggiori informazioni sulla popolazione nelle aree del codice postale.
Per i dati delle misure ( Postcodes Areas DAX ), ho anche fatto la stessa cosa come arrotondare la latitudine e la longitudine e unirli di nuovo con la tabella della popolazione .
Ora, questa è la dashboard di LuckyTemplates dell'analisi del modello di gravità di Huff.
Queste sono le tabelle delle misure che ho suddiviso.
Analisi del modello di gravità di Huff basata sull'attrattiva
Il primo calcolo che ho creato è Attrattività .
L' attrattiva è i metri quadrati del negozio divisi per la distanza al quadrato . Questo negozio ha una superficie di 1.502 metri quadrati.
Questa è la colonna della Distanza al quadrato . In questo esempio, ho preso il . Avrei potuto prendere il o la media, ma non importa visto il contesto.
Ho fatto quel calcolo per tutti e cinque i supermercati.
Quindi, li ho sommati nella misura TotalAT per calcolare il totale.
Probabilità nell'analisi del modello di gravità di Huff
La misura successiva è Probabilità .
La probabilità è semplicemente la probabilità che un evento accada. Per calcolarlo, dovrebbe essere determinato un singolo evento con un singolo risultato. Quindi, identifica il numero totale di risultati che possono verificarsi. Infine, dividi il numero di eventi per il numero di possibili risultati.
Pertanto, in questo calcolo ho diviso l'attrattiva per l'attrattiva totale .
Questi numeri si sommano al cento per cento.
C'è anche una misura della popolazione dal set di dati unito che riassume la popolazione in base alle aree del codice postale.
Quindi, la misura della massima probabilità .
Questa carta lo mostra.
Infine, ho una misura della probabilità del negozio selezionato . Ho usato questa misura per identificare la probabilità di qualsiasi negozio selezionato nella mia selezione.
Parliamo ora di come funziona.
Analisi di probabilità
Mentre mappavo, ho preso i confini come codici postali. Ho preso un codice postale a quattro cifre.
Ecco una tabella con la probabilità del negozio selezionato .
Questa piccola mappa mostra l'effettiva ubicazione dei cinque supermercati.
Posso fare una selezione in base ai codici postali dei negozi dall'affettatrice.
Questa piccola mappa ( 5 Stores Rotterdam ) non filtra la mappa Choropleth (ESRI) a sinistra. Questo ha solo lo scopo di darci un indizio su dove ci troviamo sulla mappa di Choropleth. Inoltre, ci aiuta a vedere successivamente l'impatto sulla mappa principale.
Come puoi vedere, più scuro è il colore, maggiore è la percentuale di probabilità per il negozio selezionato.
Ad esempio, selezionerò questa posizione o supermercato.
Se controllo quest'area sulla mappa, mostrerà la probabilità di quel negozio data la distanza al quadrato. Si noti che questo si basa sulla distanza di guida.
La probabilità massima per questa selezione è rappresentata al 95% su questa carta.
Questa parte mostra i codici postali inclusi e la probabilità di declino. Minore è la percentuale, maggiore è la probabilità che il loro codice postale specifico sia più vicino a un altro supermercato.
Ad esempio, se clicco su questo, mostrerà che la probabilità è 0% .
Ovviamente, le persone in questa zona vivono in cima al supermercato con il codice postale 3011 . Quindi, perché dovrebbero andare in un altro?
Questa parte mostra la superficie effettiva del negozio per riferimento.
D'altra parte, mostra la popolazione totale all'interno della selezione.
Analisi dinamica della gravità Huff
Ora che ho finito con le basi di un'analisi della gravità di Huff, farò un ulteriore passo avanti e discuterò su come posso realizzare questa dinamica.
In questo caso ho creato cinque affettatrici con i metri quadrati iniziali e le opzioni per aumentare la superficie del negozio .
Il resto dei passaggi è abbastanza simile al passaggio precedente. Ora ho molte più misure perché dobbiamo calcolare qualcosa che sia dinamico. Ho smontato i passaggi per renderlo più perspicace.
Analisi dinamica della gravità Huff basata sull'area del negozio
Diamo un'occhiata all'attrattiva del metro quadrato. Selezionerò la misura dell'attrattiva di Supermarket 3011 .
I metri quadrati saranno referenziati dal valore selezionato nell'affettatrice 3011 .
La variabile distsq rappresenta il quadrato della distanza, che proviene dal set di dati DAX delle aree dei codici postali .
In questo calcolo, il valore dei metri quadrati sarà diviso per il valore della distanza al quadrato.
Ancora una volta, l'ho fatto per tutti e cinque i supermercati.
Analisi dinamica della gravità Huff basata sulla distanza
Ho anche calcolato la distanza per questa analisi. Fondamentalmente è solo la somma della colonna della distanza del negozio nel set di dati DAX delle aree dei codici postali .
Il negozio selezionato viene referenziato nel calcolo Distanza PC – Negozio selezionato utilizzando la funzione Dax.
Poi, ho anche un'altra misura di probabilità per l'analisi dinamica della gravità del rumore.
È dinamico perché se cambiamo qualcosa in uno degli slicer, avrà successivamente un impatto sul risultato del calcolo.
Ho eseguito tutti quei passaggi e calcoli per l'analisi dinamica della gravità del soffio. Questo perché sono interessato alla percentuale della popolazione, alla quantità di codici postali e alla distanza inclusa in base alla mia selezione da un'affettatrice personalizzata.
Come puoi vedere, c'è una bella differenza nella popolazione. Questi si basano sulla distanza dal supermercato e sulla popolazione all'interno dei codici postali.
Ad esempio, cambierò i metri quadrati del supermercato 3011 .
Dopo averlo modificato, l'impatto diventerà evidente nei dati. Questo perché è più attraente per le persone entrare in centro e recarsi in questa località data la distanza in auto.
Visualizzazioni dei dati LuckyTemplates - Mappe dinamiche nelle descrizioni dei comandi
Visualizzazione delle mappe delle forme di LuckyTemplates per l'analisi spaziale
Analisi geospaziale - Nuovo corso su LuckyTemplates
Conclusione
L'analisi del modello di gravità di Huff mostra la correlazione tra clientela e distanza dall'ubicazione del negozio. Pertanto, l'attrattiva e la distanza possono eventualmente influenzare la probabilità che un consumatore visiti un determinato negozio.
Questo modello può aiutarti a determinare le previsioni di vendita per le sedi aziendali. Incorporare questa analisi nel tuo modello di business può fornire una grande quantità di informazioni sui potenziali siti.
Ancora una volta, questo è un altro chiaro esempio di ciò che possiamo ottenere con l'analisi e LuckyTemplates trasformando i dati statici in una rappresentazione dinamica.
Dai un'occhiata ai link sottostanti per ulteriori esempi e contenuti correlati.
Saluti!
Paolo
Tecniche di modellazione dei dati per organizzare le misure DAX
Tecniche di modellazione dei dati per organizzare meglio le misure DAX per un flusso di lavoro più efficiente.
Filtro Power Apps: cosè e come si usa?
Scopri come utilizzare la funzione di filtro in Power Apps e come incorporarla nelle formule esistenti all
Come commentare più righe in Python: una guida semplice e veloce
Come commentare più righe in Python: una guida semplice e veloce
Connettori Power Automate: numero, testo e data e ora
Acquisisci familiarità con i connettori Power Automate per la manipolazione di numeri, testo e date/ore.
Budget Vs Actual Vs Last Year - Suggerimenti per la rendicontazione finanziaria
Ora, è molto facile studiare il budget rispetto all
Come salvare e caricare un file RDS in R
Imparerai come salvare e caricare oggetti da un file .rds in R. Questo articolo tratta anche come importare oggetti da R a LuckyTemplates.
Che cosè Power Query e M Language: una panoramica dettagliata
Scopri tutto su Power Query e il linguaggio M per la trasformazione e la preparazione dei dati nel desktop di LuckyTemplates.
Cosè il sé in Python: esempi del mondo reale
Cos'è il sé in Python: esempi del mondo reale
Rivisitazione dei primi N giorni lavorativi: una soluzione per il linguaggio di codifica DAX
In questa esercitazione sul linguaggio di codifica DAX, scopri come usare la funzione GENERATE e come modificare dinamicamente il titolo di una misura.