SharePoint의 계산된 열 | 개요
SharePoint에서 계산된 열의 중요성과 목록에서 자동 계산 및 데이터 수집을 수행하는 방법을 알아보세요.
이 자습서에서는 LuckyTemplates에서 Huff Gravity Model 분석을 수행하는 방법을 알아봅니다 . 이 분석을 사용하여 특정 매장 위치의 잠재적 매출 또는 매력을 추정할 수 있습니다. 우리는 일반적으로 지리 정보 시스템 소프트웨어에서 이 작업을 수행합니다. 그러나 LuckyTemplates에서도 이를 수행하고 동적으로 만들 수 있습니다.
Huff Gravity Analysis는 슈퍼마켓 매장의 표면적을 잠재 고객과의 거리의 제곱으로 나눈 값이 다른 매장과 차별화되는 매력 요인이 될 것이라고 가정합니다. 이것은 또한 방문 고객에 대한 확률을 백분율로 표시합니다.
이 가정은 매장의 면적이 넓을수록 다른 서비스 요소의 구색과 존재가 더 커진다는 사실에 근거합니다 . 따라서 매장은 더 먼 거리를 여행하도록 고객을 유치할 수 있습니다.
이 예에서는 주행 거리가 사용되었습니다(우편번호 중심은 상점까지).
직선 거리를 사용할 수도 있습니다. 그러나 이 경우 경계를 구분하는 강이 있습니다. 따라서 직선 거리는 신뢰할 수 없습니다.
이상적으로는 이웃과 같은 더 작은 영역을 사용합니다. 이것은 데모용입니다. 주차 공간, 대중 교통과 같은 확률에 영향을 미치는 더 많은 매개 변수를 추가하고 다른 분석에도 방법론을 사용할 수 있습니다.
또한 거리 효과를 약화시키기 위해 거리 감쇠 요소를 추가할 수 있습니다. 사람들은 일상적인 식료품보다 가구를 쇼핑할 때 더 멀리 여행할 준비가 되어 있습니다.
목차
허프 중력 모델 분석 데이터
먼저 데이터를 살펴보겠습니다.
이 Excel 스프레드시트에는 6개의 슈퍼마켓이 있습니다.
거리를 직선으로 포함하는 킬로미터 도 있습니다 .
그런 다음 이동 시간을 분 단위로 표시하는 이동 시간 탭이 있습니다 .
그리고 이것은 거리입니다. 우리는 경계 사이에 강이 있다는 사실을 고려하여 이것을 사용할 것입니다.
이것은 GIS 소프트웨어에서 생성된 Thiessen 다각형 입니다. 여기에서 소위 Thiessen Voronoi 객체를 생성하여 점에서 인접한 다른 객체 각각까지의 거리를 표시할 수 있습니다.
Power Query 편집기에서 데이터 가져오기
먼저 데이터를 Power Query Editor 로 가져왔습니다 .
보시다시피 저는 5개의 슈퍼마켓을 이용했습니다.
여기에는 Postcodes Areas PQ 및 Postcodes Areas DAX 라는 두 개의 데이터 세트도 있습니다 .
완전 동적 측정을 사용하여 Power Query 편집기에서 수행하는 방법을 보여줄 수 있도록 이것을 복제했습니다.
파워 쿼리 데모( Postcodes Areas PQ )의 경우 위도와 경도를 반올림했습니다. 저는 항상 쉼표 뒤의 네 자리 숫자를 취하면 정확도가 약 11미터가 될 것이라고 조언합니다. 이 정도면 충분합니다.
나는 또한 모든 거리의 제곱을 계산했습니다. 이전에 언급했듯이 우리는 결국 평방 미터 단위의 표면을 사용하고 이를 거리의 제곱으로 나눌 것이기 때문입니다.
그런 다음 인구를 얻기 위해 다른 테이블( 인구 테이블) 과 병합했습니다 . 이것은 우편 번호 지역의 인구에 대해 더 많은 통찰력을 얻기 위한 것입니다.
측정 데이터( Postcodes Areas DAX )의 경우 위도와 경도를 반올림하는 것과 같은 동일한 작업을 수행하고 Population 테이블과 다시 병합했습니다.
이제 이것은 Huff Gravity Model Analysis의 LuckyTemplates 대시보드입니다.
이것은 제가 분할한 측정 테이블입니다.
매력에 기반한 허프 중력 모델 분석
내가 만든 첫 번째 계산은 매력 입니다 .
매력 도 는 매장의 평방 미터를 제곱 거리 로 나눈 값입니다 . 이 매장의 면적은 1,502 제곱미터입니다.
이것은 제곱 거리 의 열입니다 . 사용했습니다 . 나 평균을 취할 수도 있었지만 상황에 따라 크게 중요하지 않습니다.
나는 다섯 개의 슈퍼마켓 모두에 대해 그 계산을 했다.
그런 다음 합계를 계산하기 위해 TotalAT 측정 값에 추가했습니다 .
허프 중력 모델 분석의 확률
다음 측정은 Probability 입니다 .
확률은 단순히 이벤트가 발생할 가능성입니다. 이를 계산하려면 단일 결과가 있는 단일 이벤트를 결정해야 합니다. 그런 다음 발생할 수 있는 총 결과 수를 식별합니다. 마지막으로 사건의 수를 가능한 결과의 수로 나눕니다.
따라서 이 계산에서 매력도를 총 매력 도로 나누었습니다.
이 수치를 합하면 100퍼센트가 됩니다.
병합된 데이터 세트의 인구 측정값 도 우편번호 영역을 기준으로 인구를 합산합니다.
그런 다음 최대 확률 측정.
이 카드가 그것을 보여주고 있습니다.
마지막으로 선택한 매장 확률 측정 값이 있습니다 . 이 측정값을 사용하여 내 선택 항목에서 선택한 매장의 확률을 식별했습니다.
이제 어떻게 작동하는지 논의해 봅시다.
확률 분석
지도를 작성할 때 경계를 우편번호로 사용했습니다. 네 자리 우편번호를 찍었습니다.
다음은 선택된 상점의 확률이 포함된 표입니다 .
이 작은 지도는 5개 슈퍼마켓의 실제 위치를 보여줍니다.
슬라이서에서 매장의 우편 번호를 기준으로 선택할 수 있습니다.
이 작은 맵( 5 Stores Rotterdam )은 왼쪽에 있는 Choropleth 맵(ESRI)을 필터링하지 않습니다. 이것은 Choropleth 맵에서 우리가 어디에 있는지에 대한 단서를 제공하기 위한 것입니다. 또한 이후에 메인 맵에 미치는 영향을 확인하는 데 도움이 됩니다.
보시 다시피 색상이 어두울 수록 선택한 매장의 확률 % 가 높아집니다.
예를 들어 이 위치나 슈퍼마켓을 선택하겠습니다.
지도에서 이 지역을 확인하면 거리의 제곱으로 해당 매장의 확률이 표시됩니다. 이는 주행 거리를 기준으로 합니다.
이 선택에 대한 최대 확률은 이 카드에 표시된 95%입니다.
이 부분은 포함된 우편번호와 감소 확률을 표시합니다. 백분율이 작을수록 특정 우편 번호가 다른 슈퍼마켓에 더 가까울 가능성이 높습니다.
예를 들어 이 항목을 클릭하면 확률이 0% 로 표시됩니다 .
분명히 이 지역의 사람들은 우편번호 3011 로 슈퍼마켓 꼭대기에 살고 있습니다 . 그래서 그들은 왜 다른 곳으로 가겠습니까?
이 부분은 참고용으로 실제 매장 표면을 보여줍니다.
반면에 이것은 선택 항목 내의 전체 인구를 표시합니다.
동적 허프 중력 분석
Huff Gravity Analysis의 기본 사항을 완료했으므로 이제 한 단계 더 나아가 이를 동적으로 만드는 방법에 대해 논의하겠습니다.
이 경우 초기 평방 미터와 매장 면적을 늘리는 옵션으로 5개의 슬라이서를 만들었습니다 .
나머지 단계는 이전 단계와 매우 유사합니다. 역동적인 것을 계산해야 하기 때문에 이제 훨씬 더 많은 측정값을 갖게 되었습니다. 나는 그것을 더 통찰력있게 만들기 위해 단계를 분리했습니다.
점포 면적에 따른 동적 허프 중력 분석
제곱미터의 매력을 살펴보자. Supermarket 3011 의 매력도 측정을 선택하겠습니다 .
평방 미터는 3011 슬라이서 에서 선택한 값에서 참조됩니다 .
distsq 변수는 Postcodes Areas DAX 데이터 세트에서 가져온 거리 제곱을 나타냅니다 .
이 계산에서 평방 미터 값은 거리 제곱 값으로 나눕니다.
다시 말하지만, 저는 다섯 개의 슈퍼마켓 모두에 대해 그렇게 했습니다.
거리에 따른 동적 허프 중력 분석
이 분석을 위해 거리도 계산했습니다. 기본적으로 Postcodes Areas DAX 데이터 세트 에 있는 매장 거리 열의 합계입니다 .
Dax 기능을 사용하여 Distance PC – Selected Store 계산 에서 참조됩니다 .
그런 다음 동적 허프 중력 분석을 위한 또 다른 확률 측정도 있습니다.
슬라이서 중 하나에서 무언가를 변경하면 이후에 계산 결과에 영향을 미치기 때문에 동적입니다.
동적 허프 중력 분석을 위해 모든 단계와 계산을 거쳤습니다. 사용자 지정 슬라이서에서 선택한 항목에 따라 인구 비율, 우편 번호, 포함된 거리에 관심이 있기 때문입니다.
보시다시피 인구수 차이가 꽤 납니다. 이들은 슈퍼마켓까지의 거리와 우편번호 내의 인구를 기반으로 합니다.
예를 들어 슈퍼마켓 3011 의 평방 미터를 변경하겠습니다 .
이를 변경하면 데이터에서 그 영향이 분명해집니다. 주행 거리를 감안할 때 사람들이 중앙으로 들어와 이 위치로 이동하는 것이 더 매력적이기 때문입니다.
데이터 시각화 LuckyTemplates – 도구 설명의 동적 맵
공간 분석을 위한 LuckyTemplates 셰이프 맵 시각화
지리 공간 분석 – LuckyTemplates의 새로운 과정
결론
Huff Gravity Model 분석은 후원과 매장 위치로부터의 거리 사이의 상관 관계를 보여줍니다. 따라서 매력도와 거리는 소비자가 특정 매장을 방문할 확률에 영향을 미칠 수 있습니다.
이 모델은 비즈니스 위치에 대한 판매 예측을 결정하는 데 도움이 될 수 있습니다. 이 분석을 비즈니스 모델에 통합하면 잠재적 사이트에 대한 많은 정보를 제공할 수 있습니다.
다시 말하지만 이것은 정적 데이터를 동적 표현으로 전환하여 분석 및 LuckyTemplates로 달성할 수 있는 또 다른 명확한 예입니다.
더 많은 예제와 관련 콘텐츠를 보려면 아래 링크를 확인하십시오.
건배!
폴
SharePoint에서 계산된 열의 중요성과 목록에서 자동 계산 및 데이터 수집을 수행하는 방법을 알아보세요.
컬렉션 변수를 사용하여 Power Apps에서 변수 만드는 방법 및 유용한 팁에 대해 알아보세요.
Microsoft Flow HTTP 트리거가 수행할 수 있는 작업과 Microsoft Power Automate의 예를 사용하여 이를 사용하는 방법을 알아보고 이해하십시오!
Power Automate 흐름 및 용도에 대해 자세히 알아보세요. 다양한 작업 및 시나리오에 사용할 수 있는 다양한 유형의 흐름에 대해 설명합니다.
조건이 충족되지 않는 경우 흐름에서 작업을 종료하는 Power Automate 종료 작업 컨트롤을 올바르게 사용하는 방법을 알아봅니다.
PowerApps 실행 기능에 대해 자세히 알아보고 자신의 앱에서 바로 웹사이트, 전화, 이메일 및 기타 앱과 같은 기타 서비스를 실행하십시오.
타사 애플리케이션 통합과 관련하여 Power Automate의 HTTP 요청이 작동하는 방식을 배우고 이해합니다.
Power Automate Desktop에서 Send Mouse Click을 사용하는 방법을 알아보고 이것이 어떤 이점을 제공하고 흐름 성능을 개선하는지 알아보십시오.
PowerApps 변수의 작동 방식, 다양한 종류, 각 변수가 앱에 기여할 수 있는 사항을 알아보세요.
이 자습서에서는 Power Automate를 사용하여 웹 또는 데스크톱에서 작업을 자동화하는 방법을 알려줍니다. 데스크톱 흐름 예약에 대한 포괄적인 가이드를 제공합니다.