Python における Self とは: 実際の例
Python における Self とは: 実際の例
LuckyTemplates でのハフ重力モデル分析
このチュートリアルでは、LuckyTemplates でハフ重力モデル分析を行う方法を学習します。この分析を使用して、特定の店舗の潜在的な売上や魅力を推定できます。通常、これは地理情報システム ソフトウェアで行います。ただし、LuckyTemplates でこれを実行して動的にすることもできます。
ハフ重力分析では、スーパーマーケットの店舗の面積 (平方メートル) を潜在顧客までの距離の 2 乗で割った値が、他の店舗と比べて引き立つ魅力係数となると仮定しています。これにより、訪問顧客の確率もパーセンテージとして表示されます。
この仮定は、店舗の面積が増えるほど、他のサービス要素の品揃えや存在が増えるという事実に基づいています。したがって、店舗はより長い距離を移動する顧客を呼び込む可能性があります。
この例では、走行距離 (店舗までの郵便番号重心) が使用されています。
直線距離を使用することもできます。ただし、この場合、境界を隔てる川があります。したがって、直線距離は信頼できません。
理想的には、近所などの小さなエリアを使用します。これはデモンストレーションのみを目的としています。駐車スペースや公共交通機関など、確率に影響を与えるパラメータを追加したり、他の分析にもこの方法論を使用したりできます。
距離減衰係数を追加して、距離の影響を弱めることもできます。人々は、日常の食料品を買うときよりも、家具を買うときに遠くまで出かける覚悟ができています。
目次
ハフ重力モデル解析データ
まずはデータを見てみましょう。
この Excel スプレッドシートには、6 つのスーパーマーケットがあります。
距離を直線として含むキロメートルもあります。
次に、移動時間を分単位で表示する [移動時間] タブがあります。
そして、これが距離です。境界の間に川があるという事実を考慮して、これを使用します。
これはGIS ソフトウェアで作成されたティーセン ポリゴンです。ここで、いわゆるティーセン ボロノイオブジェクトを作成して、ある点から他の隣接する各オブジェクトまでの距離を表示できます。
Power Query エディターでのデータのインポート
まず、データをPower Query エディターにインポートしました。
ご覧のとおり、スーパーマーケットを5つ利用しました。
ここには、 Postcodes Areas PQおよびPostcodes Areas DAXという名前の 2 つのデータ セットもあります。
これを複製したので、Power Query エディターで完全に動的なメジャーを使用してこれを行う方法を示します。
Power Query のデモ ( Postcodes Areas PQ ) では、緯度と経度を四捨五入しました。私がいつもアドバイスしているのは、コンマの後ろに 4 桁を入力すると、精度は約 11 メートルになり、これで十分です。
また、すべての距離の二乗も計算しました。これは、前に述べたように、最終的にはサーフェスを平方メートル単位で使用し、それを距離の 2 乗で割ることになるためです。
次に、それを別のテーブル (人口テーブル) とマージして、人口を取得しました。これは、郵便番号地域の人口についてより多くの洞察を得ることが目的です。
メジャー データ ( Postcodes Areas DAX ) についても、緯度と経度を四捨五入するなどの同じ操作を行って、人口テーブルと再度マージしました。
さて、これはハフ重力モデル分析の LuckyTemplates ダッシュボードです。
これらは私が分割した測定テーブルです。
魅力度に基づくハフ重力モデル解析
私が作成した最初の計算はAttractivenessです。
魅力度は、店舗の平方メートルを二乗距離で割ったものです。店舗面積は1,502平方メートル。
これは二乗距離の列です。取得しました。または平均を取ることもできましたが、文脈を考えるとそれはあまり重要ではありません。
5つのスーパーマーケットすべてについてその計算をしました。
次に、それらをTotalATメジャーで合計して合計を計算しました。
ハフ重力モデル解析における確率
次の尺度は確率です。
確率とは、単に出来事が起こる可能性のことです。それを計算するには、単一の結果を持つ単一のイベントを決定する必要があります。次に、発生する可能性のある結果の合計数を特定します。最後に、イベントの数を考えられる結果の数で割ります。
したがって、この計算では魅力度を魅力度の合計で割りました。
これらの数値を合計すると 100 パーセントになります。
結合されたデータセットからは、郵便番号地域に基づいて人口を合計する人口メジャーもあります。
次に、最大確率の測定です。
このカードはそれを表しています。
最後に、選択されたストアの確率を測定します。この尺度を使用して、選択した店舗の確率を特定しました。
では、その仕組みについて説明しましょう。
確率分析
地図を作成するときに、境界線を郵便番号として捉えました。4桁の郵便番号を取得しました。
これは、選択されたストアの確率を示す表です。
この小さな地図は 5 つのスーパーマーケットの実際の位置を示しています。
スライサーからの店舗の郵便番号に基づいて選択できます。
この小さなマップ ( 5 Stores Rotterdam ) は、左側の Choropleth マップ (ESRI) をフィルタリングしていません。これは、私たちがコロプレスの地図上のどこにいるのかを示すことを目的としています。さらに、メイン マップへの影響を後で確認するのにも役立ちます。
ご覧のとおり、色が濃いほど、 選択したストアの確率%が高くなります。
たとえば、この場所やスーパーマーケットを選択します。
このエリアを地図上で確認すると、距離の二乗からその店舗が存在する確率が表示されます。なお、これは走行距離によるものです。
この選択の最大確率は、このカードに 95% 表示されます。
この部分には、含まれる郵便番号と減少確率が表示されます。パーセンテージが小さいほど、特定の郵便番号が別のスーパーマーケットに近い可能性が高くなります。
たとえば、これをクリックすると、確率が0%であることが表示されます。
明らかに、この地域の人々は郵便番号3011のスーパーマーケットの上に住んでいます。では、なぜ彼らは別の場所に行くのでしょうか？
この部分は参考のために実際の店舗の表面を示しています。
一方、これは選択範囲内の総人口を表示します。
動的ハフ重力解析
ハフ重力解析の基本は完了したので、さらに一歩進んで、これを動的に行う方法について説明します。
この場合、初期平方メートルと店舗面積を増やすためのオプションを備えた 5 つのスライサーを作成しました。
残りの手順は前の手順とほぼ同じです。動的なものを計算する必要があるため、より多くのメジャーが必要になりました。より洞察力を高めるために、ステップを分割しました。
店舗面積に基づく動的ハフ重力解析
平方メートルの魅力を見てみましょう。スーパーマーケット 3011の魅力度の尺度を選択します。
平方メートルは、3011スライサーで選択した値から参照されます。
distsq変数は、 Postcodes Areas DAXデータセットからの距離平方を表します 。
この計算では、平方メートルの値が距離の二乗の値で除算されます。
繰り返しますが、5 つのスーパーマーケットすべてに対してそれを行いました。
距離に基づく動的ハフ重力解析
この分析のために距離も計算しました。これは基本的に、 Postcodes Areas DAXデータセット内の店舗の距離列の合計にすぎません 。
選択したストアは、 Dax 関数を使用したDistance PC – Selected Storeの計算で参照されます。
次に、動的ハフ重力解析用の別の確率尺度も用意しました。
スライサーの 1 つで何かを変更すると、その後の計算結果に影響を与えるため、これは動的です。
動的ハフ重力解析のためのすべての手順と計算を実行しました。これは、カスタマイズ��れたスライサーからの選択に基づいて、人口の割合、郵便番号の量、および含まれる距離に興味があるためです。
ご覧のとおり、人口にかなりの差があります。これらは、スーパーマーケットまでの距離と郵便番号内の人口に基づいています。
例として、スーパーマーケット 3011の平方メートルを変更します。
それを変更すると、その影響がデータで明らかになります。車の移動距離を考えると、中心部に来てこの場所に行く方が人々にとって魅力的だからです。
データ視覚化 LuckyTemplates – ツールチップの動的マップ
LuckyTemplates 空間分析用の形状マップ視覚化
地理空間分析 – LuckyTemplates の新しいコース
結論
ハフ重力モデル分析は、ご愛顧と店舗の場所からの距離との相関関係を示します。したがって、魅力度と距離は、消費者が特定の店舗を訪問する確率に影響を与える可能性があります。
このモデルは、事業所の売上予測を決定するのに役立ちます。この分析をビジネス モデルに組み込むと、潜在的なサイトに関する大量の情報が得られます。
繰り返しになりますが、これは、静的データを動的表現に変換することによって、分析と LuckyTemplates で何を達成できるかを示すもう 1 つの明確な例です。
その他の例や関連コンテンツについては、以下のリンクをご覧ください。
乾杯！
ポール
RでRDSファイルを保存してロードする方法
R の .rds ファイルからオブジェクトを保存および読み込む方法を学習します。このブログでは、R から LuckyTemplates にオブジェクトをインポートする方法についても説明します。
最初の N 営業日の再考 – DAX コーディング言語ソリューション
この DAX コーディング言語チュートリアルでは、GENERATE 関数の使用方法とメジャー タイトルを動的に変更する方法を学びます。
LuckyTemplates のマルチスレッド動的ビジュアル手法を使用したインサイトのショーケース
このチュートリアルでは、マルチスレッド動的ビジュアル手法を使用して、レポート内の動的データ視覚化から洞察を作成する方法について説明します。
LuckyTemplates のフィルター コンテキストの概要
この記事では、フィルター コンテキストについて説明します。フィルター コンテキストは、LuckyTemplates ユーザーが最初に学習する必要がある主要なトピックの 1 つです。
LuckyTemplates Online Service でアプリを使用する際の最良のヒント
LuckyTemplates Apps オンライン サービスが、さまざまなソースから生成されたさまざまなレポートや分析情報の管理にどのように役立つかを示したいと思います。
時間の経過に伴う利益率の変化を分析する – LuckyTemplates と DAX を使用した分析
LuckyTemplates でのメジャー分岐や DAX 数式の結合などの手法を使用して、利益率の変化を計算する方法を学びます。
DAX Studio でのデータ キャッシュのマテリアライゼーションのアイデア
このチュートリアルでは、データ キャッシュの具体化のアイデアと、それが結果を提供する際の DAX のパフォーマンスにどのように影響するかについて説明します。
LuckyTemplates を使用したビジネス レポート
これまで Excel を使用している場合は、ビジネス レポートのニーズに合わせて LuckyTemplates の使用を開始するのに最適な時期です。
LuckyTemplates ゲートウェイとは何ですか? 知っておくべきことすべて
LuckyTemplates ゲートウェイとは何ですか? 知っておくべきことすべて