Tenemos a nuestro alcance muchas herramientas de acceso libre para hacer Geomarketing. Hoy revisamos Google Fusion Tables y comprobamos:
-
Data cleansing: como siempre, preparar los datos es la labor más costosa
-
Visualización interesante: formato condicional del señalizador (“pushpin”) y polígonos en función de condiciones numéricas y zonas de influencia (buffer) .Aunque a mejorar.
-
“Heatmaps”: mapas de calor con posibilidad de sobreponderar.
En anteriores entregas:
Hacer Geomarketing lowcost #1 Recursos públicos : revisamos el «Nomecalles» de la Comunidad de Madrid y sus variables sociodemográficas.
Hacer Geomarketing lowcost #2 Mapping Sheets: aplicamos la app de Google a un listado de excel.
Hacer Geomarketing lowcost #3 Geocodificacion con Excel: partíamos de un listado de clientes con sus direcciones y queríamos geocodificarlas para mostrarlas en Google Maps importando el fichero.
Hoy vengo con una opción más: «Google Fusion Tables» y un caso práctico incluyendo:
- Data cleansing
- Cambio de coordenadas de geográficas a decimales legibles por Google.
Empezaremos por lo sencillo, instalar la herramienta a partir de Google Drive: nuevo-más-conectar más herramientas-Tablas dinámicas (experimental)-conectar
Una vez conectado, volvemos a nuevo-más-tablas dinámicas de Google
En el menú que nos sale, le indicamos importar tabla y en examinar, buscaré el fichero resultante del anterior post (Hacer Geomarketing lowcost #3 Geocodificacion con Excel )
El nombre del archivo nos quedará a la derecha del botón examinar y continuaremos pulsando “next” (1 en el siguiente cuadro).
En el siguiente menú visualizaremos los datos, nos preguntarán en qué fila de la hoja de cálculo está el encabezado de la tabla.
Aquí viene el primer “truco”: importa la primera hoja del excel
“Next”, “Next” (en el siguiente menú no hay opciones interesantes, salvo un tic para permitir o no que otra persona disponga de esos datos).
Finalmente veremos el resultado del Google Fusion Tables:
Visualizamos el contenido de la tabla, con las direcciones y las coordenadas (1) y en la pestaña “Map of Coordenadas” vemos dibujados los mapas. Aparentemente parece más directo que la anterior opción. Pero aquí podemos hacer más cosas.
Voy a proponerme el tratamiento de una base de datos pública.
Encuentro uno interesante sobre las estaciones de control del aire del Ayuntamiento de Madrid. Me resulta útil, porque en vez de estaciones, pueden ser oficinas y en el fichero hay un campo cualitativo de la estación, que en negocios, podría ser niveles de cumplimiento.
El fichero procede de: http://datos.madrid.es/egob/catalogo/212629-0-estaciones-control-aire.xls
Y la pinta que tiene es:
La localización está en formato grados minutos y segundos y Google Maps reconoce las coordenadas en formato decimal, debemos hacer la conversión.
Vamos a hacer la conversión en Excel:
Vamos a descomponer las coordenadas de grados minutos y segundos a 3 columnas distintas. Echamos un ojo a los datos y vemos que más o menos guardan un patrón común.
OJO: que las coordenadas geográficas van longitud y latitud y Google al revés, por lo que calculo en las columnas H-J latitud y en las K-M longitud.
Ya tenemos los grados, minutos y segundos cada uno en una columna y ahora pasamos a formato decimal:
Por eso concatenar la latitud con la longitud, pero antes sustituyendo la coma decimal por el punto.
No me funcionó cambiar en opciones de excel cambiar el decimal coma por punto.
Como ya tenemos las coordenadas en el formato adecuado continuamos.
Ya dije antes que la hoja que importa es la primera, por lo que hay que preparar esa hoja con la información indispensable y tomar ciertas precauciones:
- Que el Excel tenga formato xlsx
- Que en la primera fila estén los encabezados
- Que los encabezados no tengan acentos, caracteres raros o espacios: usa el “_”
Aún así te pueden pasar cosas como esta, que siendo estaciones de medición del municipio de Madrid tengas puntos por todo el mundo:
Como vemos, está haciendo un “Map of segundos” luego está dibujando las coordenadas como si estuvieran en el campo “segundos” y está en coordenadas_fin. Sin embargo, no te da la posibilidad de seleccionarlo.
Preparo la primera hoja de la manera más limpia, con la dirección coordenadas y el tipo de estación y repito la exportación.
Cuando el programa detecta que hay coordenadas o campos numéricos se pone a calcular el mapa. En ese proceso, si está cogiendo mal las coordenadas, podemos modificarlo indicando la correcta “location column”
Una vez pintados los puntos, podemos cambiar el formato y dar algunos retoques interesantes en Configure map-Feature map –change feature styles
Ahí puedes cambiar el señalizador por un pushpin de distinto tamaño y color. Y lo más interesante: formatos condicionales en función de valores: points-market icon-buckets, que por defento viene así:
Lo interesante es tener un campo que nos de la medida cualitativa de nuestros puntos de interés. En este caso, tenemos el tipo_estación,
UT Urbana de tráfico -> color amarillo
UF Urbana de fondo -> color azul
S Suburbana -> color verde
En cualquier otra circunstancia puede haber un campo de cualificación de tiendas, o de semáforos de oportunidades de venta o cualquier caso que nos cualifique nuestros puntos geográficos.
Después de hacer varias pruebas, estos formatos condicionales se tienen que hacer con variables numéricas, por lo que previamente, antes de importar hay que hacer un cambio de escala:
1 Urbana de tráfico -> color amarillo
2 Urbana de fondo -> color azul
3 Suburbana -> color verde
Por defecto, el menú sale como en la situación (1), si pulsamos “use this range” cambia a los valores que contiene el campo y ya personalizamos “pushpin” y colores.
Esta función da un valor añadido en la visualización.
Aunque aún podemos tener algún dato raro:
Hay un punto extraño que está en Inglaterra, seleccionándolo vemos que no tiene coordenadas. Haremos un segundo repaso a la base de datos y veo que hay datos no coherentes (celdas amarillas):
La limpieza vendría por los datos de las celdas en amarillo, ya que contienen caracteres que no se convierten en coordenadas. Esto es debido a que las celdas a las que hacen referencia las fórmulas tienen una longitud de caracteres distinta a las anteriores y no reconoce bien la fórmula “extrae”.
Solo habría que retocar las posiciones donde empezar a extraer: por ejemplo en la celda E14 sólo debemos coger 4 caracteres a partir de la 9ª posición.
Si no queremos volver a repetir todo el proceso con quitar los casos raros valdría:
Filter-coordenadas_fin (nuestro campo de coordenadas sobre el que vamos a filtrar) –seleccionamos el valor sin datos – exclude selections y ya tenemos nuestro mapa caracterizado:
Otra de las funcionalidades importantes de Google Fusion Tables son los mapas de calor definiendo influencias.
En Configure map – heatmap:
Radius: es el tamaño del área (buffer) medido en pixeles, aunque no le he encontrado mucha utilidad salvo la visual, porque no he visto traducción a metros.
Opacity: es lo claro u oscuro que queremos ver el área de influencia
Weight: es si queremos darle peso por alguna variable, tipo volumen de ventas. En nuestro caso no tenemos nada, salvo el tipo_estación que toma valor 1,2,3 de forma discreta no porque el 3 tenga más intensidad que el 1, o le demos mayor importancia en el estudio
Aún así, podemos ver, que dándole peso con el tipo_estación, vemos más intensos los que tomaban valor 3, naranja los 2 y amarillo los 1. Pensando en variables de ventas u objetivos, veríamos aquellas oficinas que están mejor en cumplimiento.
Espero que haya sido de tu agrado: compártelo y agradecido por tus comentarios.
Te invito a visitarme más a menudo suscribiéndote
Me gusta esto:
Me gusta Cargando...
www.formacionenmarketing.com 