Tag: Geomarketing

0
  • La Escuela de Organización Industrial (EOI) organiza en su sede de Andalucía en Sevilla una mesa redonda sobre “Big Data e Inteligencia Geoespacial”
  • ITELLIGENT estará presente en esta mesa redonda para hablar sobre “Inteligencia geoespacial en campañas electorales”.

El próximo mes de abril la Escuela de Organización Industrial organiza una jornada sobre Big Data e Inteligencia Geoespacial en el Campus EOI de Sevilla en la que se abordarán casos de uso relacionados con el enriquecimiento de los datos para que la organizaciones puedan tomar decisiones en base a la información que éstos les aporta. Gran parte de los datos que se generan están geolocalizados, tanto en redes sociales, direcciones IP, correo postal, GPS,  conexiones de dispositivos móviles, informacion geotageada por LN, etc. Además de este tipo de datos geolozalizados, también contamos con bases de datos espaciales como los aportados por la SEC de España. Por este motivo, el objetivo de esta jornada es compartir ejemplos de las posibilidades que se abren al integrar datos de múltiples fuentes dentro de Sistemas de Información Geoespacial con el fin de facilitar la toma de decisiones de negocio, el análisis de mercado, la selección de las mejores localizaciones de establecimientos comerciales, el análisis turísticos, etc.

En base a esto, nuestro compañero Mario Rivas, ingeniero de I+D+i en ITELLIGENT, participará en esta mesa redonda para abordar conceptos y soluciones inteligentes para establecer estrategias de campaña en procesos electorales así como soluciones para optimizar el desarrollo de una campaña electoral en base a la información geoespacial y sociodemográfica a través de un Sistema de Información Geográfica (SIG).

Inscripcion-evento-big-data-eoi

Mesa redonda: Big Data e Inteligencia Geoespacial

Lugar: Campus EOI Sevilla, Calle Leonardo da Vinci, 12. Parque Científico y Tecnológico Cartuja. Sevilla.

Fecha: Miércoles, 4 de abril de 2018

Hora: De 18:30 a 19:45 horas.

Ponentes:

Juan Ignacio de Arcos Rus, Director Académico “Programa Big Data & Business Analytics” de EOI Andalucía.

Mario Rivas, Ingeniero I+D en ITELLIGENT

Pedro Pérez Alcántara, CIO de Sunntics

Programa:

18.30h: Apertura

18.35h: Mesa Redonda: Big Data e Inteligencia Geoespacial. Modera Juan Ignacio de Arcos Rus,  Director del “Programa Big Data & Business Analytics” de EOI Andalucía.

  • “Inteligencia geoespacial en el proceso electoral”,  por Mario Rivas de ITELLIGENT.
  • “Business Location Intelligence”, por  Juan Pedro Pérez Alcántara de Sunntics.

19.25h: Cierre y conclusiones.

 

En la actualidad, muchas compañías invierten parte de su presupuesto en realizar estudios de mercado para tomar decisiones en sus estrategias de marketing y averiguar cómo es, cómo consume y qué necesita su cliente potencial. Estos estudios de mercado, en ocasiones, se basan en encuestas en las que se abordan preguntas del tipo, qué productos compramos, con qué frecuencia, cuándo y dónde… o cuestiones relacionadas con nuestra situación económica, edad, estado civil, tipo de vivienda, gastos de consumo, etc. Toda esta información sobre el consumidor es almacenada para conocer las condiciones socio-demográficas y económicas del mercado o determinar si un determinado perfil de persona será un cliente potencial. Además de este tipo de información, los datos geográficos también son parte integrante de los estudios de mercados actuales, ya que son necesarios para evaluar los esfuerzos de marketing realizados en puntos estratégicos de una ciudad, región o país.

El análisis conjunto de los datos demográficos, económicos y geográficos posibilita estudios de mercado para rentabilizar las estrategias de marketing. El análisis de este tipo de datos se puede llevar a cabo a través del Geomarketing. Tal como su propio nombre indica, Geomarketing es una confluencia entre geografía y marketing. Se trata de un sistema integrado de información -datos de diversa índole-, métodos estadísticos y representaciones gráficas orientados a dar respuestas a cuestiones de marketing de forma rápida y sencilla.

¿Cómo se estructura un sistema de Geomarketing? (Coro Chasco, 2010)

1.Las fuentes de información que integra un sistema de Geomarketing son:

  • Datos internos de la empresa relacionados con ventas, datos de clientes, datos de facturación, datos de consumo, etc.
  • Datos externos de la empresa relacionados con censos, directorios, alquileres y ventas de infraestructuras, centros comerciales, bares, hospitales, servicios públicos, etc.

metodos-de-geomarketing_coro-chasco

2.Cartografía digital: representar gráficamente divisiones censales, municipales, entidades de población, callejeros, etc.

3.Integración de los datos en el sistetam. Tras la recopilación de la información y el diseño de la cartografía digital, debemos codificar los datos extraídos, agrupar direcciones, estimar datos no existentes, depurar la información poco relevante y calcular los indicadores.

4.Análisis estadístico-gráfico. Realizar análisis exploratorio de datos espaciales, análisis de correlación y regresión de datos territoriales, análisis de flujos e interacción espacial, etc.

Como resultado de este sistema exponemos, a modo de ejemplo práctico, una imagen de nuestra herramienta netGeomarketing en la que se muestran datos de tiendas geolocalizadas y su área de influencia:

Para qué sirve una plataforma de geomarketing

Frente a la estrategia de negocio sirve para:

  • Tomar decisiones en función de la localización de su mercado en un área geográfica
  • Planificar la estrategia de expansión
  • Optimizar una red comercial, red de puntos de venta o red de distribución.
  • Determinar zonas de influencia y cobertura geográfica.
  • Evaluar perfiles de población (targets o clientes)
  • Averiguar puntos calientes de ventas (hot ubiety)
  • Dar respuesta a ¿tengo el número correcto de establecimientos?
  • Detectar y evaluar dónde se encuentra la competencia así como calcular su cobertura y área de influencia.

Frente a la segmentación de mercado, te permite:

  • Identificar de los clientes más rentables
  • Analizar la procedencia geográfica de los clientes potenciales, saber dónde se encuentran
  • Averiguar cómo es tu target o cliente potencial a través de datos sociodemográfico, comportamientos de consumo u otros aspectos.
  • Descubrir dónde y cómo llegar a tus clientes para llevar a cabo acciones de marketing.

Un claro ejemplo de este tipo de plataformas es netGeomarketing de ITELLIGENT. Este sistema te permite detectar zonas estratégicas en una ciudad, región, país, etc., establecer una segmentación del mercado, descubrir dónde se encuentran tu público objetivo o averiguar cómo es el perfil sociodemográfico de clientes potenciales, entre otras funcionalidades. netGeomarketing te facilitar la toma de decisiones tanto en la creación de un nuevo negocio como en la apertura de nuevos establecimientos, determinar áreas de cobertura y de influencia, detectar dónde se encuentra tu competencia y optimizar tu estrategia de marketing.

A continuación, exponemos tres ejemplos de geomarketing. 

Caso práctico Geomarketing: clasificación de zonas por cada target detectado.

Caso práctico Geomarketing: evaluación de geolocalizaciones de interés

Elecciones 26J, campos de batalla y remansos de paz

Cada vez es más común encontrar datos geolocalizados (Ej. redes sociales, móviles, Google, INE, etc.), estos datos añaden nuevas oportunidades de información monetizable que desgraciadamente, en la mayor parte de los casos no se aprovechan. La falta de aprovechamiento se debe a que se suelen utilizar modelos clásicos, que no tienen en cuenta la geolocalización, para intentar explicar e intentar monetizar estos datos.

En este post vamos a mostrar un claro ejemplo de cómo una técnica clásica, no geolocalizada (no tiene en cuenta la localización del dato), puede llevar a una predicción insatisfactoria de los datos geolocalizados, mientras que una tecnica geolocalizada (tiene en cuenta la localización del dato) mejora en gran medida los resultados, permitiendo “insights” que el modelo no localizado no obtendría y como consecuencia, el modelo geolocalizado, permite  una mejor monetización de los resultados

A título de ejemplo hemos realizado un análisis predictivo de la ubicación de segundas viviendas en el sur de España, los resultados son los que se muestran en la Figura-1 y que a continuación se explican.

En la parte superior de la figura 1 pueden observarse los resultados de la aplicación de las técnicas no geolocalizada (parte superior de la figura) y geocalizadas (parte inferior de la figura) para predecir el número de viviendas secundarias en las diferentes secciones censales (zonas en las que se dividen los municipios de las comunidades autónomas españolas) de las comunidades de Andalucía, Extremadura, Murcia y Castilla La Mancha.

geomarketing_oportunidades-geolocalizacio

Figura 1. Contraste de técnicas geolocalizadas y no geolocalizadas en las diferentes secciones censales de Andalucía, Extremadura, Murcia y Castilla La Mancha

Es claro que en la parte inferior de la figura 1 el color de los puntos es bastante más pronunciado que en la superior, detectándose además algunos puntos coloreados para la parte inferior que para la superior carecen de color, (comunidad de Murcia) y por ello se deduce que el modelo geolocalizado es más sensible que el no geolocalizado, ya que éste es capaz de detectar más secciones censales en las que existe un número de viviendas secundarias elevado y lo que denota que el modelo geolocalizado es mucho más efectivo.

Básicamente el modelo geolocalizado da mayor importancia a la información de las zonas más próximas por lo que al incorporar esta información permite identificar mejor las áreas de segundas viviendas ya que estás tienden a situarse en zonas geográficas reducidas.

Transporte_movilidad_accesibilidad_bus

Conceptos como la movilidad, por el hecho de usarse a menudo, no dejan de ser abstractos para el colectivo. Si bien las ciudades activan cada cierto tiempo planes de movilidad, en la mayoría de ocasiones y salvo honrosas excepciones, no cumplen de manera eficiente su cometido. Uno de los errores más comunes en los planes de movilidad urbana es la confusión entre los conceptos de movilidad y accesibilidad.

Esto suele apreciarse en las acciones de mejora de la movilidad, ya que enfocan la accesibilidad como un simple factor que facilita en lo posible los desplazamientos, independientemente de la lógica de la planificación urbana o el estudio de posibles modificaciones futuras. Dicha confusión junto con otros errores, hacen que, salvo excepciones, los planes de movilidad  no alcancen los resultados deseados.

Es por ello importante acotar los términos de Movilidad  y Accesibilidad:

  • Movilidad: Conjunto de desplazamientos tanto de personas como de mercancías en un entorno físico. Se realizan por diferentes medios, vehículos, a pie, bicicleta, etc. y en diferentes franjas horarias. El objetivo de los mismos es salvar las distancias con los lugares que satisfacen nuestros deseos o necesidades, todo ello facilitado por la accesibilidad.
  • Accesibilidad: El objetivo que, en sí, persigue la movilidad a través de los medios de transporte. Además de los medios de transporte, la accesibilidad se ve influida también por factores como el desarrollo urbano o la distribución de los servicios.

Big Data en la movilidad

Ante la búsqueda de soluciones a los problemas, el primer paso es conocer y comprender los comportamientos de la población. Hasta el momento, respecto a la movilidad, los datos con los que se elaboraban los informes surgían de opiniones extraídas a través de encuestas, paneles de propuestas ciudadanas o información muy limitada a través de conteos puntuales en diversas localizaciones.

La digitalización y el análisis Big Data, permiten trabajar con grandes volúmenes de datos actualizados. Los dispositivos móviles, comparten y generan información, datos que viajan a antenas geolocalizadas. El buen procesamiento de ingentes cantidades de datos nos ofrecerá una visión detallada de la movilidad como nunca hasta ahora, con la que podremos sacar conclusiones muy ajustadas a la realidad.

El 90% de nuestro tiempo lo pasamos en compañía de dispositivos móviles, todo ello genera una huella digital. Podríamos pensar que el uso de los datos que vamos generando vulnera nuestra intimidad, aunque dichos datos en un primer momento  sean individuales, lo que realmente interesa es procesarlos de forma que describan los movimientos de multitudes y no de individuos.

Algunos ejemplos de sus aplicaciones:

Partamos de un ejemplo preciso para comprender mejor cómo se ha venido recopilando la información para intervenciones en movilidad hasta el momento, y qué oportunidades nos ofrecen las nuevas tecnologías.

La literaria ciudad de Zalacaín el Aventurero, Villa de Urbía, ha pasado en pocas décadas de ser un tranquilo pueblo vasco, a una próspera ciudad de tamaño medio. Su crecimiento rápido y desordenado, junto a su especial orografía, han desembocado en importantes problemas de tráfico. La Gerencia de Urbanismo desea implementar varias acciones para mejorar la circulación del tráfico rodado. La primera de ellas será un plan de optimización de sus líneas de autobuses. Modificar las líneas de su red de transporte público con el objetivo de aumentar su cuota de uso y paliar, en gran medida, sus problemas de tráfico, adaptando los itinerarios a las necesidades actuales.

Hasta el momento, independientemente del presupuesto y la ambición de los planes, los informes básicamente se fundamentan en encuestas a los usuarios con sus opiniones, en el nivel de tráfico en determinados lugares y durante un cierto tiempo o en el volúmen de ocupación de las diferentes líneas. La ocupación de las lineas ofrece número de usuarios y en qué paradas se suben, pero nunca qué tramos de esa línea poseen más viajeros. En definitiva, datos que aportan una información muy determinada y en torno a un grupo poblacional pequeño con respecto al que se desea influir.

Actualmente, Urbía cuenta con una poderosa herramienta para la mejora en su movilidad. Los dispositivos móviles, que junto a los sensores y herramientas de geomarketing generarán una visión de la situación de la movilidad imposible de obtener antes. Cada persona que posee un dispositivo móvil transmite información sobre sus movimientos y cuándo los efectúa. Por ejemplo, los datos móviles permiten saber si 50 empleados de una empresa, usuarios de bus, caminan en demasía hasta la parada de bus más cercana a las oficinas. Como solución se podría colocar una marquesina más próxima y con una frecuencia de paradas que se ajuste a esa necesidad. Dicha mejora se puede ver no sólo transformada en una simple facilidad para usuarios, sino que podría fomentar el uso del transporte público a otros empleados que hacían uso del transporte privado, por no ser satisfactoria la situación del transporte público respecto de sus necesidades.

La S.D Urbía ha ascendido a Primera División, con lo que la afluencia de público al estadio Municipal Tellagorri aumentará. Si se trabaja de una manera clásica, se contará con la ayuda de datos como la capacidad del estadio, asistencia media esperada y estimaciones sobre los espectadores que pueden acudir en transporte público y privado en las horas punta, etc. Gracias a los dispositivos móviles y sensores interconectados podemos responder con gran precisión a el ¿Cuántos?, ¿Desde dónde?, ¿Cómo? y ¿A qué hora? se dirigen al estadio. Información fundamental en la aplicación de operaciones especiales de llegada y de salida, en los días de partido, inclusive dependiendo de las condiciones meteorológicas o del rival.

En las instalaciones que ofrecen servicios públicos, la localización de los mismos es fundamental para favorecer o no la accesibilidad en una ciudad. La capacidad de las nuevas herramientas otorgará de manera mucho más certera diferentes puntuaciones sobre la idoneidad de la ubicación entre las posibles, mucho más ajustadas con respecto de antiguos métodos.

¿De dónde proceden los datos?

El Big Data puede obtenerse mediante datos móviles generados por los ciudadanos, datos agregados de la red y/o sensores. Todos estos datos nos permiten:

  • Trabajar con datos objetivos, masivos y anónimos.
  • Obtener tendencias y comportamientos grupales no individuales.
  • La información es captada, no declarada.
  • Información sobre la frecuencias de los mismos.
  • Procedencias.
  • Conclusiones relevantes.

Todos estos datos se exportan y extrapolan a soportes visuales, mapas y gráficos, que ofrecen comportamientos reales y fiables de la población estudiada, a partir de los cuales se trabaja con mapas activos de la situación de la movilidad urbana y se establecen políticas de mejora y transformación, siempre en la búsqueda de ciudades más sostenibles y habitables. Actualmente no se podría decir que se trabaja con datos en tiempo real, pero si en plazos de tiempo muy cortos aunque se avanza para que pronto sea una realidad.

Todas estas aplicaciones del Big Data son también extrapolables a la empresa privada como eficaz herramienta para sectores como la gestión turística, la seguridad pública, el control de riesgos financiero, el sector inmobiliario, las consultorías de negocios o la macroestadística.