Visualisierung: Bestens in Form


DeltaMaster stellt mit der Geo-Analyse ein extrem flexibles Werkzeug bereit, um Geodaten verständlich aufzubereiten und darzustellen. Warum Sie dabei an mehr als an eingefärbte Landkarten denken dürfen, erläutert der heutige Beitrag.

Eine klassische betriebswirtschaftliche Anwendung der Geo-Analyse ist die Visualisierung einer Kennzahl in Abhängigkeit von zugeordneten geographischen Gebieten. Im folgenden Bild sei die Umsatzänderung zum Vorjahr für 2-stellige PLZ-Gebiete mittels der Geo-Analyse dargestellt. Hier haben wir uns die Gegend um Nürnberg mit der Zoomfunktion etwas näher angeschaut:

Typisches Ergebnis der Geo-AnalyseTypisches Ergebnis der Geo-Analyse (Kartenmaterial von OpenStreetMap)

Die Karten liegen bei DeltaMaster als sogenannte Shapefiles vor. Ein Shapefile ist ein sehr verbreitetes Format für Geodaten, das auf mehreren Dateien mit unterschiedlichen Aufgaben aufbaut.

Eine der verwendeten Dateien mit der Endung „shp“ – in unserem Fall heißt sie „DE_PLZ_2.shp“ – enthält unter anderem die Koordinaten der Linienzüge, die ein PLZ2-Gebiet jeweils begrenzen. Der hierfür benötigte Typ Polygon ist wohl der am häufigsten genutzte Typ, ebenso nützlich ist der hier nicht weiter behandelte Typ Punkt, mit welchem sich in einer Karte z. B. Orte anlegen lassen.

Im Fall unserer Karte gehört bereits allein zum PLZ-Gebiet 90 (Nürnberg und Umgebung) ein Polygon mit über 13.000 Eckpunkten, das in Schwarz in der folgenden Grafik abgebildet ist:

Polygon für PLZ-Gebiet 90Polygon für PLZ-Gebiet 90

Die hohe Auflösung ermöglicht ein weiteres, nahezu verlustfreies Hineinzoomen in die Karte. Das rote Polygon zeigt zum Vergleich die noch recht ähnliche Darstellung, die sich ergibt, wenn nur jeder 100-ste Punkt genutzt wird.

95 derartige Polygone liegen bei unserer Karte vor – fast jede mögliche 2er-Kombination taucht also als Postleitzahlgebiet auf (die 11 zum Beispiel gibt es nicht!).

Eine zweite notwendige Datei mit der Endung „dbf“ – also im vorliegenden Fall „DE_PLZ_2.dbf“ – enthält nun zu jedem der 95 Polygone ein Attribut zur eindeutigen Identifikation und zum Abgleich mit dem Datenmodell. Das Attribut heißt hier plz und ist einfach die zugehörige zweistellige Postleitzahl des Polygons. Übrigens lässt sich eine „dbf“-Datei mit Excel öffnen und der Inhalt einsehen. Es können auch weitere Attribute mit zusätzlichen Angaben vorliegen, die beispielsweise in Hintergrundkarten angezeigt werden können.

Ein weiteres Ass, mit dem DeltaMaster auftrumpfen kann, ist die Möglichkeit, über das Datenmodell des Anwenders zu aggregieren. Hierfür muss kein eigenes Kartenmaterial bereitgestellt werden, denn die benötigte Karte kann unter Ausnutzung der Hierarchie des Modells aus der bereits vorhandenen detaillierten Karte generiert werden.

Angenommen, die PLZ-Gebiete lassen sich zu vier Regionen Nord, Süd, West und Ost zusammenfassen, dann kann auch für diese Gebiete eine passende Darstellung erzeugt werden:

Ergebnis der Geo-Analyse für RegionenErgebnis der Geo-Analyse für Regionen (Kartenmaterial von OpenStreetMap)

Innere Grenzen der nun allgemeineren Darstellung werden nicht mehr angezeigt. Hier wurden übrigens die zweistelligen PLZ-Zahlen zur Hintergrundkarte hinzugefügt, um die kleinteiligen Gebiete ohne jeglichen Beitrag zum Umsatz identifizieren zu können.

Sicherlich stellen bereits fertig konfektionierte geographische Shapefile-Pakete (sowohl kommerziell angeboten, als auch frei verfügbar!) die Hauptquelle verwendeter Karten dar.

Man könnte sich nun noch lange mit Analysemöglichkeiten wie etwa dem Drill-Down, der das simultane Zeigen unterschiedlich detaillierter Karten ermöglicht, oder dem Platzieren von Markern an Ortspositionen – etwa zur Verdeutlichung des Sitzes von Großkunden – beschäftigen.

Nun wollen wir aber einmal schauen, welche Möglichkeiten Shapefiles im Zusammenspiel mit der Aggregation über das Datenmodell prinzipiell noch bieten könnten.

Eine mögliche Anwendung verwendet als Kartenmaterial für die unterste Ebene ein „Karopapier“. Hier entsprechen die Polygone der „shp“-Datei simplen Quadraten, die ihrerseits auf einem Gitter angeordnet sind. Beispielsweise stelle das folgende Gitter den Plan einer Abteilung in einem Kaufhaus dar, mit Gängen und sonstigem toten Raum in Weiß und Platz für bestückbare Regale in Hellblau:

Regalplan einer KaufhausabteilungRegalplan einer Kaufhausabteilung

Im Datenmodell kann man nun diese Bausteine benutzen und Bereiche definieren, die vom gleichen Produkt besetzt werden sollen.

Es kann zum Beispiel eine Analyse aufgesetzt werden, die den Umsatz pro Fläche zum Inhalt hat. Dabei wird angenommen, dass jedes Produkt an verschiedenen, meist benachbarten Bereichen platziert wurde und die angegebene Kennzahl drückt aus, wie sich der erzielte Umsatz pro Fläche zum allgemeinen Umsatz/Fläche-Wert dieses Produkts über alle Platzierungen hinweg verhält.

Eine blau gefärbte Fläche zeigt somit an, dass ein Produkt an dieser Stelle bevorzugt entnommen wird:

Relativer Umsatzvorteil einer PlatzierungRelativer Umsatzvorteil einer Platzierung

Das Produkt, das etwa das Regal rechts oben belegt, erzielt an anderer Stelle einen deutlich höheren Umsatz pro belegter Fläche.

Für Standortprobleme bietet sich ein hexagonales Gitter an. Dieses erlaubt einerseits, durch die Vereinigung von Sechsecken Einzugsgebiete zu approximieren, die sonst gerne mit Kreisflächen beschrieben werden. Darüberhinaus besitzt es den Vorteil, dass alle Flächen gleich groß sind und somit keine optische Betonung großer Flächen auftritt.

Im folgenden fiktiven Beispiel sei angenommen, dass wir eine Möbelhauskette betrachten und die Effekte eines von der Konkurrenz geplanten, zwischen Witzenhausen und Heiligenstadt gelegenen Möbelhauses simulieren möchten (wir unterstellen dem Management wohlwollend vorausschauendes Handeln und siedeln das störende Ereignis in der Zukunft an!). Gezeigt werden die vorhergesagten Änderungen der eigenen Umsätze. Grundlage der Simulation waren die über eine Kundenkarte gewonnenen Daten über die Wohnsitze unserer eigenen Kunden:

Umsatzeffekt durch KonkurrenzfilialeUmsatzeffekt durch Konkurrenzfiliale

Mögliche Anwendungen der Geo-Analyse sind somit (noch) vielfältiger, als es zunächst scheinen mag.

Spielen Flächen bei Optimierungsproblemen eine Rolle, können diese durch Polygone dargestellt oder zumindest angenähert und schlussendlich in Shapefiles konvertiert werden.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.