המחשה ויזואלית של נתוני Places Insights ב-Data Studio

סקירה כללית

תרשים של תהליך עבודה שממחיש את שליחת הפרמטרים הדינמיים של העיר, היום והשעה מ-Data Studio אל 'תובנות לגבי מקומות' ב-BigQuery כדי ליצור מפת חום של צפיפות גיאו-מרחבית.

במאמר הזה מוסבר איך ליצור דוחות גיאוגרפיים דינמיים באמצעות Places Insights ו-Data Studio. כדי לרתום את הערך של נתוני המיקום, צריך לאפשר לבעלי עניין שאינם טכניים לקבל תשובות לשאלות שלהם. במדריך הזה נסביר איך להפוך דוחות סטטיים לכלים אינטראקטיביים לניתוח שוק, בסגנון מפת חום, בלי שתצטרכו לכתוב SQL לכל בקשה. הפעלת גישה לנתוני מיקום מורכבים, כדי לגשר על הפער בין הנדסת נתונים לבין בינה עסקית.

אימוץ דפוס ארכיטקטוני זה פותח כמה יתרונות מרכזיים:

  • המחשה חזותית של נתונים: הופכת את נתוני Places Insights לתרשימים ולמפות אינטראקטיביות שמציגים באופן מיידי את הצפיפות המרחבית ואת המגמות.
  • ניתוח פשוט ללא SQL: מאפשר לחברי צוות, כמו אנליסטים של שוק או מתכנני נדל"ן, לסנן נתונים באופן דינמי באמצעות פרמטרים מוגדרים מראש (לדוגמה, שינוי של 'עיר' או 'שעה ביום' באמצעות תפריטים נפתחים). הם יכולים לבדוק את הנתונים בלי לכתוב אפילו שורה אחת של SQL.
  • שיתוף פעולה חלק: תכונות השיתוף הרגילות של Data Studio מאפשרות לכם להפיץ את התובנות האינטראקטיביות האלה בצורה מאובטחת.

תהליך העבודה של הפתרון

תהליך העבודה הבא יוצר ארכיטקטורת דיווח יעילה. הוא עובר מבסיס סטטי לאפליקציה דינמית לחלוטין, וכך מבטיח שהנתונים יהיו נכונים לפני שמוסיפים מורכבות.

דרישות מוקדמות

לפני שמתחילים, פועלים לפי ההוראות האלה כדי להגדיר את התובנות לגבי מקומות. תצטרכו גישה ל-Data Studio, שהוא כלי חינמי.

שלב 1: יוצרים בסיס גיאוגרפי סטטי

לפני שמוסיפים אינטראקטיביות, צריך ליצור שאילתת בסיס ולוודא שהיא מוצגת בצורה נכונה ב-Data Studio. אפשר להשתמש ב-Places Insights וביכולות הגיאו-מרחביות של BigQuery כדי לצבור נתונים ברשתות משושים באמצעות מערכת האינדקס H3. הפעולה הזו תיצור פלט של שאילתה שאפשר להשתמש בו עם סוג התרשים 'מפה עם מילוי' ב-Data Studio לצורך ויזואליזציה.

‫1.1 קישור נתונים

כדי ליצור את החיבור הראשוני, משתמשים בשאילתה הסטטית הבאה. הוא מטרגט מיקום קבוע (לונדון) וקטגוריה (מסעדות) כדי לאמת את צינור הנתונים.

SELECT
  h3_index,
  `carto-os.carto.H3_BOUNDARY`(h3_index) AS h3_geo,
  restaurant_count
FROM (
  SELECT WITH AGGREGATION_THRESHOLD
    `carto-os.carto.H3_FROMGEOGPOINT`(point, 8) AS h3_index,
    COUNT(*) AS restaurant_count
  FROM
    -- Note: Change 'gb' to your target country code (e.g., 'us')
    `places_insights___gb.places`
  WHERE
    'London' IN UNNEST(locality_names)
    AND 'restaurant' IN UNNEST(types)
  GROUP BY
    h3_index
)
ORDER BY
  restaurant_count DESC;

הערה לגבי צבירה מרחבית

השאילתה הזו משתמשת בפונקציה מתוך CARTO Analytics Toolbox ‏ (carto-os) שזמין לציבור ב-Google Cloud BigQuery. הפונקציה H3_FROMGEOGPOINT ממירה נקודות מיקום ספציפיות לתאי H3, מערכת שמחלקת את העולם לתאים משושים ברשת.

אנחנו משתמשים בהמרה הזו כי כדי להציג צבעים במפה עם מילוי ב-Data Studio, צריך מצולעים (צורות). המרת הנקודות לצורות משושה מאפשרת לנו להמחיש את צפיפות העסקים באזור מסוים, במקום לשרטט אלפי נקודות חופפות.

הערה לגבי הסף לצבירת נתונים

כל השאילתות של Places Insights מחייבות את פסוקית WITH AGGREGATION_THRESHOLD. ההגנה על הפרטיות מבטיחה שהנתונים יוחזרו רק אם הספירה המצטברת היא 5 או יותר.

בהקשר של ההמחשה הזו, אם תא ברשת H3 מכיל פחות מ-5 מסעדות, התא הזה מושמט לחלוטין מקבוצת התוצאות ויופיע ריק במפה.

כדי להטמיע את זה ב-Data Studio:

  1. יוצרים דוח ריק חדש.
  2. בוחרים באפשרות BigQuery כמחבר הנתונים.
  3. בתפריט הימני, בוחרים באפשרות שאילתה בהתאמה אישית ובוחרים את מזהה פרויקט לחיוב.
  4. מדביקים את שאילתת הבסיס הסטטית שלמעלה בעורך.
  5. מבטלים את הסימון של הפרמטרים SQL מדור קודם,‏ טווח תאריכים ו-כתובת אימייל של הצופה.
  6. לוחצים על הוספה.

‫1.2 הגדרת המחשה של נתונים גיאו-מרחביים

אחרי שמקשרים את הנתונים, מגדירים את Data Studio כך שיזהה את נתוני הגבול של H3 בצורה נכונה:

  1. בתפריט הוספת תרשים, מוסיפים את הוויזואליזציה מפה עם צבעים לאזור העריכה של הדוח.
  2. מוודאים שהשדה h3_geo שמכיל את גיאומטריית המצולע מוגדר לסוג הנתונים גיאו-מרחבי.
    1. לוחצים על סמל עריכת מקור הנתונים (עיפרון) לצד שם החיבור.
    2. אם h3_geo מוגדר לטקסט (ABC), משתמשים בתפריט הנפתח כדי לבחור באפשרות גיאוגרפיה > גיאוגרפיה מרחבית.
    3. לוחצים על סיום.
  3. ממפים את השדה h3_index אל Location (שמשמש כמזהה הייחודי).
  4. ממפים את השדה h3_geo אל Geospatial Field (שמשמש כגיאומטריה של הפוליגון).
  5. ממפים את השדה restaurant_count אל מדד הצבע.

המערכת תיצור מפה של צפיפות המסעדות לפי תא H3. הגוון הכחול הכהה יותר (אפשרות הצבע שמוגדרת כברירת מחדל) מציין תא עם מספר גבוה יותר של מסעדות.

מפה מלאה של לונדון עם רשת משושים, שבה תאים כחולים כהים יותר מציינים ריכוז גבוה יותר של מסעדות. במקרא מצוינים ערכי הצפיפות בטווח של 5 עד 1,215.

שלב 2: הטמעה של פרמטרים דינמיים

כדי שהדוח יהיה אינטראקטיבי, נוסיף לו אמצעי בקרה שיאפשרו למשתמש לבחור מבין האפשרויות הבאות:

  • יישוב: מאפשר לשלוט בעיר שמוצגת בדוח.
  • יום בשבוע: סינון מקומות לפי היום שבו הם פתוחים, על סמך רשומת regular_opening_hours בסכימה.
  • שעה ביום: מסנן מקומות לפי שעות הפעילות שלהם על ידי השוואה לשדות start_time ו-end_time.

כדי לעשות זאת, תעבירו פרמטרים שהמשתמש בחר ישירות לשאילתת Places Insights שעברה שינוי בזמן הריצה. בכלי לעריכת מקורות נתונים ב-Data Studio, צריך להגדיר את הפרמטרים האלה במפורש כמשתנים מוקלדים.

ב-Data Studio, בוחרים בתפריט Resource ואז לוחצים על Manage added data sources. בחלונית שמופיעה, בוחרים באפשרות EDIT לצד מקור הנתונים של BigQuery Custom SQL שהוספנו קודם.

בחלון 'עריכת חיבור', לוחצים על הוספת פרמטר. אנחנו נוסיף שלושה פרמטרים עם הערכים שמופיעים בהמשך.

שם פרמטר סוג הנתונים ערכים מותרים רשימת ערכים (חייבת להיות זהה לערכים במסד הנתונים)
p_locality טקסט רשימת ערכים
ערך תווית
London לונדון
Manchester מנצ'סטר
Birmingham Birmingham
Glasgow גלזגו
p_day_of_week טקסט רשימת ערכים
ערך תווית
monday שני
tuesday שלישי
wednesday רביעי
thursday חמישי
friday שישי
saturday שבת
sunday ראשון
p_hour_of_day טקסט רשימת ערכים
ערך תווית
03:00:00 ‫3:00 עד 4:00
08:00:00 ‫8:00 עד 9:00
19:00:00 ‫19:00 עד 20:00

הגדרה לדוגמה של הפרמטר p_hour_of_day.

ממשק ההגדרה של הפרמטר p_hour_of_day שבו מוצג הקטע של רשימת הערכים, שבו מחרוזות של שעות ממופות לתוויות קריאות.

לגבי הפרמטר p_hour_of_day, חשוב לשים לב לעמודה Value. מכיוון שבשאילתת ה-SQL נעשה שימוש בפונקציה CAST(@p_hour_of_day AS TIME), הערכים שמועברים מ-Data Studio צריכים להיות בפורמט HH:MM:SS (שעון 24 שעות).

אחרי שמגדירים ושומרים את שלושת הפרמטרים, משנים את החיבור של SQL מותאם אישית ב-BigQuery כדי להפנות למשתנים האלה באמצעות התחביר @.

כדי לעשות את זה, לוחצים על 'עריכת החיבור' ומדביקים את השאילתה ששונתה בהמשך:

SELECT
  h3_index,
  `carto-os.carto.H3_BOUNDARY`(h3_index) AS h3_geo,
  restaurant_count
FROM (
  SELECT WITH AGGREGATION_THRESHOLD
    `carto-os.carto.H3_FROMGEOGPOINT`(point, 8) AS h3_index,
    COUNT(*) AS restaurant_count
  FROM
    `places_insights___gb.places`
  WHERE
    -- Dynamic locality filter based on parameter
    @p_locality IN UNNEST(locality_names)
    AND 'restaurant' IN UNNEST(types)
    AND business_status = 'OPERATIONAL'
    AND EXISTS (
      SELECT 1
      FROM UNNEST(
        CASE @p_day_of_week
          WHEN 'monday' THEN regular_opening_hours.monday
          WHEN 'tuesday' THEN regular_opening_hours.tuesday
          WHEN 'wednesday' THEN regular_opening_hours.wednesday
          WHEN 'thursday' THEN regular_opening_hours.thursday
          WHEN 'friday' THEN regular_opening_hours.friday
          WHEN 'saturday' THEN regular_opening_hours.saturday
          WHEN 'sunday' THEN regular_opening_hours.sunday
        END
      ) AS hours
      WHERE hours.start_time <= CAST(@p_hour_of_day AS TIME)
        AND hours.end_time >= TIME_ADD(CAST(@p_hour_of_day AS TIME), INTERVAL 1 HOUR)
    )
  GROUP BY
    h3_index
)
ORDER BY
  restaurant_count DESC;

לוחצים על 'חיבור מחדש' כדי לשמור את העריכה. בשורה של השאילתה ששיניתם, שימו לב למשתנים החדשים, כמו @p_hour_of_day, שמתאימים לשמות הפרמטרים שהגדרנו.

כדי לחשוף את הפרמטרים האלה למשתמש הקצה, חוזרים לאזור העריכה של הדוח:

  1. מוסיפים לדוח שלושה אמצעי בקרה מסוג תפריט נפתח.
  2. לכל אמצעי בקרה, מגדירים את שדה אמצעי הבקרה כך שיתאים לפרמטרים החדשים שיצרתם:
    • פקד 1: p_locality
    • שליטה 2: p_day_of_week
    • בקרה 3: p_hour_of_day

הדוח הסופי אמור להיראות כך. שינוי ערך באחד מהרכיבים של התפריט הנפתח יגרום ל-Data Studio לאחזר את הנתונים המבוקשים מ-Places Insights לפני הצגתם במפה.

הדוח האינטראקטיבי הסופי שבו מוצגת מפת צפיפות של מסעדות בגלאזגו, עם שלושה מסננים נפתחים בחלק העליון. תפריט השעות ביום מורחב ומוצגים בו טווחי זמן שאפשר לבחור.

שלב 3: משתפים את התוצאות

משתמשים בכלי השיתוף המובנה ב-Data Studio כדי לשתף את הדוח. הפעולה הזו תאפשר לצופים לעדכן באופן דינמי את הוויזואליזציה על סמך הפרמטרים שהם בוחרים מתוך התפריטים הנפתחים.

סיכום

הדפוס הזה יוצר כלי דיווח אינטראקטיבי וניתן להרחבה, שממנף את כוח המחשוב של BigQuery כדי להציג נתונים מצטברים של 'תובנות לגבי מקומות' ב-Data Studio. הארכיטקטורה הזו מאפשרת להימנע מהבעיות שמתעוררות כשמנסים להציג נתונים חזותיים של מערכי נתונים גדולים וגולמיים, ומספקת למשתמשי הקצה את הגמישות לחקור נתונים במאפיינים שונים, כמו זמן, מיקום וסוג העסק, כמעט בזמן אמת. זהו כלי רב עוצמה שמאפשר לבעלי עניין לא טכניים לבחון את הנתונים בצורה גמישה.

השלבים הבאים

כדי לבדוק וריאציות אחרות של דוחות דינמיים, אפשר להגדיר פרמטרים לחלקים שונים בסכימה של Places Insights:

  • ניתוח דינמי של מתחרים: יוצרים פרמטר לשמות של brand כדי לאפשר למשתמשים להחליף באופן מיידי את מפת החום בין מתחרים שונים ולראות את מידת החדירה היחסית שלהם לשוק. מידע על זמינות נתוני המותג מופיע במאמר מידע על נתוני תובנות לגבי מקומות.
  • בחירת אתרים אינטראקטיבית: מוסיפים פרמטרים ל-price_level (לדוגמה, 'בינוני' לעומת 'יקר') ול-rating כדי לאפשר לצוותי נדל"ן לסנן באופן דינמי אזורים שתואמים לפרופילים דמוגרפיים ספציפיים.
  • אזורי השפעה מותאמים אישית: במקום לסנן לפי שם העיר, אפשר למשתמשים להגדיר אזורי מחקר מותאמים אישית.
    • על בסיס רדיוס: יוצרים שלושה פרמטרים מספריים: p_latitude,‏ p_longitude ו-p_radius_meters. אפשר לקבל קואורדינטות מממשקי API של Google Maps Platform, כולל Geocoding API. בשליחה של השאילתה, צריך להוסיף את הערכים הבאים לפונקציה ST_DWITHIN:
      • ST_DWITHIN(point, ST_GEOGPOINT(@p_longitude, @p_latitude), @p_radius_meters)
    • על בסיס מצולעים: עבור צורות מותאמות אישית מורכבות (כמו אזורי מכירות), המשתמשים לא יכולים להזין בקלות טקסט גיאומטרי. במקום זאת, אפשר ליצור טבלת בדיקה ב-BigQuery שמכילה את הגיאומטריות של הצורות ושם ידידותי (למשל, 'אזור א'). יוצרים פרמטר טקסט p_zone_name ב-Data Studio כדי לאפשר למשתמשים לבחור את האזור, ומשתמשים בשאילתת משנה כדי לאחזר את הגיאומטריה של הפונקציה ST_CONTAINS.

תורמים