जगहों की अहम जानकारी के डेटा को Data Studio में विज़ुअलाइज़ेशन

खास जानकारी

इस वर्कफ़्लो डायग्राम में दिखाया गया है कि Data Studio, शहर, दिन, और समय के लिए डाइनैमिक पैरामीटर, BigQuery में मौजूद जगहों की अहम जानकारी को भेजता है, ताकि जियोस्पेशल सघनता हीटमैप जनरेट किया जा सके.

इस दस्तावेज़ में, Places Insights और Data Studio का इस्तेमाल करके, डाइनैमिक जियोस्पेशल रिपोर्ट बनाने का तरीका बताया गया है. जगह की जानकारी के डेटा की वैल्यू को अनलॉक करें. इसके लिए, गैर-तकनीकी स्टेकहोल्डर को अपने सवालों के जवाब देने की अनुमति दें. इस गाइड में, स्टैटिक रिपोर्ट को मार्केट के विश्लेषण के लिए इंटरैक्टिव, हीटमैप-स्टाइल वाले टूल में बदलने का तरीका बताया गया है. इसके लिए, हर अनुरोध के लिए एसक्यूएल लिखने की ज़रूरत नहीं होती. जगह की जानकारी के जटिल डेटा का ऐक्सेस चालू करें. इससे डेटा इंजीनियरिंग और कारोबार की अहम जानकारी के बीच का अंतर कम हो जाता है.

इस आर्किटेक्चरल पैटर्न को अपनाने से कई अहम फ़ायदे मिलते हैं:

  • डेटा का विज़ुअल इलस्ट्रेशन: जगहों की अहम जानकारी के डेटा को इंटरैक्टिव मैप और चार्ट में बदलता है. इससे, जगह के हिसाब से घनत्व और रुझानों के बारे में तुरंत पता चलता है.
  • एसक्यूएल के बिना, आसानी से एक्सप्लोर करना: टीम के सदस्यों, जैसे कि मार्केट ऐनलिसिस या रियल एस्टेट प्लानर को पहले से तय किए गए पैरामीटर (उदाहरण के लिए, ड्रॉपडाउन का इस्तेमाल करके "शहर" या "दिन का समय" बदलना) का इस्तेमाल करके, डाइनैमिक तरीके से डेटा फ़िल्टर करने की अनुमति देता है. वे एसक्यूएल की एक भी लाइन लिखे बिना, डेटा एक्सप्लोर कर सकते हैं.
  • आसानी से सहयोग करना: Data Studio की शेयर करने की स्टैंडर्ड सुविधाओं की मदद से, इन इंटरैक्टिव अहम जानकारी को सुरक्षित तरीके से डिस्ट्रिब्यूट किया जा सकता है.

सॉल्यूशन का वर्कफ़्लो

यहां दिया गया वर्कफ़्लो, परफ़ॉर्मेंस के हिसाब से बेहतर रिपोर्टिंग आर्किटेक्चर सेट अप करता है. यह स्टैटिक बेसलाइन से पूरी तरह डाइनैमिक ऐप्लिकेशन पर जाता है. इससे, जटिलता को लागू करने से पहले, डेटा की सटीकता पक्की की जाती है.

ज़रूरी शर्तें

शुरू करने से पहले, Places Insights सेट अप करने के लिए इन निर्देशों का पालन करें. आपके पास Data Studio का ऐक्सेस होना चाहिए. यह बिना किसी शुल्क के उपलब्ध टूल है.

पहला चरण: स्टैटिक जियोस्पेशल बेसलाइन सेट अप करना

इंटरैक्टिविटी लागू करने से पहले, एक बेस क्वेरी सेट अप करें और पक्का करें कि वह Data Studio में सही तरीके से रेंडर हो. Places Insights और BigQuery की जियोस्पेशल सुविधाओं का इस्तेमाल करके, H3 इंडेक्सिंग सिस्टम का इस्तेमाल करके, डेटा को हेक्सागोनल ग्रिड में एग्रीगेट करें. इससे एक क्वेरी आउटपुट मिलेगा, जिसका इस्तेमाल विज़ुअलाइज़ेशन के लिए, Data Studio के फ़िल किए गए मैप कार्ट टाइप के साथ किया जा सकता है.

1.1 डेटा कनेक्ट करना

शुरुआती कनेक्शन सेट अप करने के लिए, इस स्टैटिक क्वेरी का इस्तेमाल करें. यह डेटा पाइपलाइन की पुष्टि करने के लिए, तय जगह (लंदन) और कैटगरी (रेस्टोरेंट) को टारगेट करती है.

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;

स्पेशल एग्रीगेशन के बारे में जानकारी

इस क्वेरी में, Google Cloud BigQuery में सार्वजनिक तौर पर उपलब्ध CARTO Analytics Toolbox (carto-os) का एक फ़ंक्शन इस्तेमाल किया गया है. `H3_FROMGEOGPOINT` फ़ंक्शन, जगह की जानकारी के खास पॉइंट को H3 सेल में बदलता है. यह एक ऐसा सिस्टम है जो दुनिया को हेक्सागोनल ग्रिड सेल में बांटता है.H3_FROMGEOGPOINT

हम इस बदलाव का इस्तेमाल इसलिए करते हैं, क्योंकि Data Studio के फ़िल किए गए मैप को रंगों को रेंडर करने के लिए पॉलीगॉन (आकृतियों) की ज़रूरत होती है. पॉइंट को हेक्सागोनल आकार में बदलकर, हम किसी खास इलाके में कारोबारों के घनत्व को विज़ुअलाइज़ कर सकते हैं. इसके लिए, हज़ारों ओवरलैप होने वाले डॉट प्लॉट करने की ज़रूरत नहीं होती.

एग्रीगेशन थ्रेशोल्ड के बारे में जानकारी

Places Insights की सभी क्वेरी के लिए, WITH AGGREGATION_THRESHOLD क्लॉज़ की ज़रूरत होती है. निजता सुरक्षा के लिए, यह पक्का किया जाता है कि डेटा सिर्फ़ तब दिखे, जब एग्रीगेट की गई संख्या पांच या उससे ज़्यादा हो.

इस विज़ुअलाइज़ेशन के संदर्भ में, अगर किसी H3 ग्रिड सेल में पांच से कम रेस्टोरेंट हैं, तो उस सेल को नतीजों के सेट से पूरी तरह हटा दिया जाता है. साथ ही, वह आपके मैप पर खाली दिखेगी.

इसे Data Studio में लागू करने के लिए:

  1. नई खाली रिपोर्ट बनाएं.
  2. डेटा कनेक्टर के तौर पर BigQuery चुनें.
  3. बाईं ओर दिए गए मेन्यू में, कस्टम क्वेरी चुनें. इसके बाद, बिलिंग प्रोजेक्ट आईडी चुनें.
  4. ऊपर दी गई स्टैटिक बेस क्वेरी को एडिटर में चिपकाएं.
  5. लेगसी एसक्यूएल का इस्तेमाल करें, तारीख की सीमा चालू करें, और व्यूअर का ईमेल पता चालू करें पैरामीटर साफ़ करें.
  6. जोड़ें पर क्लिक करें.

1.2 जियोस्पेशल विज़ुअलाइज़ेशन कॉन्फ़िगर करना

डेटा कनेक्ट होने के बाद, Data Studio को H3 बाउंड्री डेटा को सही तरीके से पहचानने के लिए कॉन्फ़िगर करें:

  1. चार्ट जोड़ें मेन्यू में जाकर, रिपोर्ट कैनवस में फ़िल किया गया मैप विज़ुअलाइज़ेशन जोड़ें.
  2. पक्का करें कि आपका h3_geo फ़ील्ड, जिसमें पॉलीगॉन की ज्यामिति शामिल है, जियोस्पेशल डेटा टाइप पर सेट हो.
    1. कनेक्शन के नाम के बगल में मौजूद, डेटा सोर्स में बदलाव करें (पेंसिल) आइकॉन पर क्लिक करें.
    2. अगर h3_geo को टेक्स्ट (ABC) पर सेट किया गया है, तो ड्रॉप-डाउन मेन्यू का इस्तेमाल करके, जियो > जियोस्पेशल चुनें.
    3. हो गया पर क्लिक करें.
  3. h3_index फ़ील्ड को जगह पर मैप करें. यह यूनीक आइडेंटिफ़ायर के तौर पर काम करता है.
  4. h3_geo फ़ील्ड को जियोस्पेशल फ़ील्ड पर मैप करें. यह पॉलीगॉन की ज्यामिति के तौर पर काम करता है.
  5. restaurant_count फ़ील्ड को मेट्रिक में रंग भरें पर मैप करें.

इससे H3 सेल के हिसाब से, रेस्टोरेंट के घनत्व का मैप रेंडर होगा. गहरा नीला रंग (डिफ़ॉल्ट कलर विकल्प) ऐसी सेल को दिखाता है जिसमें रेस्टोरेंट की संख्या ज़्यादा होती है.

लंदन का भरा हुआ मैप, जिसमें हेक्सागोनल ग्रिड को ओवरले किया गया है. इसमें गहरे नीले रंग की सेल, रेस्टोरेंट की ज़्यादा संख्या को दिखाती हैं. लेजेंड में, घनत्व की संख्या 5 से 1,215 तक दिखाई गई है.

दूसरा चरण: डाइनैमिक पैरामीटर लागू करना

रिपोर्ट को इंटरैक्टिव बनाने के लिए, हम रिपोर्ट में कंट्रोल जोड़ेंगे. इससे उपयोगकर्ता, इनमें से कोई विकल्प चुन सकेगा:

  • स्थानीयता: यह कंट्रोल करता है कि रिपोर्ट किस शहर पर फ़ोकस करती है.
  • हफ़्ते का दिन: यह स्कीमा में मौजूद regular_opening_hours रिकॉर्ड का इस्तेमाल करके, उन दिनों के हिसाब से जगहों को फ़िल्टर करता है जब वे खुली होती हैं.
  • दिन का समय: यह start_time और end_time फ़ील्ड की तुलना करके, जगहों को उनके खुलने के समय के हिसाब से फ़िल्टर करता है.

इसके लिए, उपयोगकर्ता की चुनी गई वैल्यू वाले पैरामीटर को, रनटाइम पर सीधे जगहों की अहम जानकारी की बदली गई क्वेरी में पास किया जाएगा. Data Studio के डेटा सोर्स एडिटर में, आपको इन पैरामीटर को टाइप किए गए वैरिएबल के तौर पर साफ़ तौर पर तय करना होगा.

Data Studio में, संसाधन मेन्यू चुनें. इसके बाद, जोड़े गए डेटा सोर्स मैनेज करें पर क्लिक करें. दिखने वाले पैनल में, पहले जोड़े गए BigQuery कस्टम एसक्यूएल डेटा सोर्स के बगल में मौजूद EDIT को चुनें.

कनेक्शन में बदलाव करें विंडो में, कोई पैरामीटर जोड़ें को चुनें. हम तीन पैरामीटर जोड़ने वाले हैं. इनकी वैल्यू यहां दी गई हैं.

पैरामीटर का नाम डेटा टाइप मान्य वैल्यू वैल्यू की सूची (डेटाबेस से पूरी तरह मेल खानी चाहिए)
p_locality टेक्स्ट वैल्यू की सूची
मान लेबल
London लंदन
Manchester मैनचेस्टर
Birmingham बर्मिंघम
Glasgow ग्लैस्गो
p_day_of_week टेक्स्ट वैल्यू की सूची
मान लेबल
monday सोमवार
tuesday मंगलवार
wednesday बुधवार
thursday गुरुवार
friday शुक्रवार
saturday शनिवार
sunday रविवार
p_hour_of_day टेक्स्ट वैल्यू की सूची
मान लेबल
03:00:00 सुबह 3 बजे से 4 बजे तक
08:00:00 सुबह 8 बजे से 9 बजे तक
19:00:00 शाम 7 बजे से 8 बजे तक

p_hour_of_day पैरामीटर के लिए कॉन्फ़िगरेशन का उदाहरण.

p_hour_of_day पैरामीटर के लिए कॉन्फ़िगरेशन इंटरफ़ेस. इसमें वैल्यू की सूची वाला सेक्शन दिखाया गया है. इसमें समय की स्ट्रिंग को पढ़ने लायक लेबल पर मैप किया गया है.

p_hour_of_day पैरामीटर के लिए, Value कॉलम पर खास ध्यान दें. ऐसा इसलिए, क्योंकि एसक्यूएल क्वेरी में CAST(@p_hour_of_day AS TIME) का इस्तेमाल किया जाता है. इसलिए, Data Studio से पास की गई वैल्यू, HH:MM:SS फ़ॉर्मैट (24-घंटे वाली घड़ी) में होनी चाहिए.

तीनों पैरामीटर सेट अप और सेव करने के बाद, @ सिंटैक्स का इस्तेमाल करके इन वैरिएबल का रेफ़रंस देने के लिए, BigQuery कस्टम एसक्यूएल कनेक्शन में बदलाव करें.

इसके लिए, कनेक्शन में बदलाव करें पर क्लिक करें. इसके बाद, बदली गई यह क्वेरी चिपकाएं:

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;

बदलाव सेव करने के लिए, फिर से कनेक्ट करें पर क्लिक करें. बदली गई क्वेरी में, नए वैरिएबल नोट करें. जैसे, @p_hour_of_day. ये वैरिएबल, उन पैरामीटर के नामों से जुड़े हैं जिन्हें हमने अभी सेट अप किया है.

इन पैरामीटर को एंड यूज़र के लिए दिखाने के लिए, रिपोर्ट कैनवस पर वापस जाएं:

  1. अपनी रिपोर्ट में, ड्रॉप-डाउन सूची वाले तीन कंट्रोल जोड़ें.
  2. हर कंट्रोल के लिए, कंट्रोल फ़ील्ड को नए बनाए गए पैरामीटर के हिसाब से सेट करें:
    • कंट्रोल 1: p_locality
    • कंट्रोल 2: p_day_of_week
    • कंट्रोल 3: p_hour_of_day

आपकी फ़ाइनल रिपोर्ट कुछ इस तरह दिखेगी. ड्रॉप-डाउन कंट्रोल में किसी वैल्यू को बदलने पर, Data Studio, मैप पर विज़ुअलाइज़ करने से पहले, जगहों की अहम जानकारी से अनुरोध किया गया डेटा फ़ेच करेगा.

ग्लास्गो के रेस्टोरेंट का घनत्व दिखाने वाली फ़ाइनल इंटरैक्टिव रिपोर्ट. इसमें सबसे ऊपर तीन ड्रॉप-डाउन फ़िल्टर दिख रहे हैं. दिन के समय का मेन्यू बड़ा किया गया है, ताकि चुनी जा सकने वाली समयावधि दिख सकें.

तीसरा चरण: नतीजे शेयर करना

रिपोर्ट शेयर करने के लिए, Data Studio में मौजूद शेयर करने वाले टूल का इस्तेमाल करें. इससे व्यूअर, ड्रॉप-डाउन सूचियों से चुने गए पैरामीटर के आधार पर, विज़ुअलाइज़ेशन को डाइनैमिक तरीके से अपडेट कर सकेंगे.

नतीजा

इस पैटर्न से, रिपोर्टिंग का एक ऐसा इंटरैक्टिव टूल बनता है जिसे बढ़ाया जा सकता है. यह टूल, Data Studio को जगहों की अहम जानकारी का एग्रीगेट किया गया डेटा दिखाने के लिए, BigQuery की कंप्यूटिंग पावर का इस्तेमाल करता है. इस आर्किटेक्चर की मदद से, रॉ डेटासेट को विज़ुअलाइज़ करने की कोशिश में होने वाली समस्याओं से बचा जा सकता है. साथ ही, एंड-यूज़र को रीयल टाइम में, समय, जगह, और कारोबार के टाइप जैसे अलग-अलग डाइमेंशन में डेटा एक्सप्लोर करने की सुविधा मिलती है. यह एक ऐसा पावरफ़ुल टूल है जिससे गैर-तकनीकी स्टेकहोल्डर को डेटा एक्सप्लोर करने की सुविधा मिलती है.

अगले चरण

Places Insights स्कीमा के अलग-अलग हिस्सों को पैरामीटर के तौर पर इस्तेमाल करके, डाइनैमिक रिपोर्ट के अन्य वर्शन देखें:

  • प्रतिस्पर्धी का डाइनैमिक विश्लेषण: brand नामों के लिए एक पैरामीटर बनाएं. इससे उपयोगकर्ता, मार्केट में अपने प्रतिस्पर्धियों की तुलना में अपनी स्थिति देखने के लिए, हीटमैप को तुरंत बदल सकेंगे. ब्रैंड डेटा की उपलब्धता के बारे में जानने के लिए, जगहों की अहम जानकारी डेटा के बारे में जानकारी देखें.
  • साइट चुनने की इंटरैक्टिव सुविधा: price_level (उदाहरण के लिए, 'मीडियम' बनाम 'एक्सपेंसिव') और कम से कम rating के लिए पैरामीटर जोड़ें. इससे रियल एस्टेट टीमें, खास डेमोग्राफ़िक प्रोफ़ाइल से मेल खाने वाले इलाकों को डाइनैमिक तरीके से फ़िल्टर कर सकेंगी.
  • कस्टम कैचमेंट एरिया: शहर के नाम के हिसाब से फ़िल्टर करने के बजाय, उपयोगकर्ताओं को स्टडी के लिए कस्टम एरिया तय करने की अनुमति दें.
    • रेडियस के आधार पर: तीन न्यूमेरिक पैरामीटर बनाएं: p_latitude, p_longitude, और p_radius_meters. कोऑर्डिनेट, Google Maps Platform के एपीआई से लिए जा सकते हैं. इनमें, Geocoding API भी शामिल है. अपनी क्वेरी में, इन्हें ST_DWITHIN फ़ंक्शन में डालें:
      • ST_DWITHIN(point, ST_GEOGPOINT(@p_longitude, @p_latitude), @p_radius_meters)
    • पॉलीगॉन के आधार पर: बिक्री के इलाकों जैसी जटिल कस्टम शेप के लिए, उपयोगकर्ता आसानी से ज्यामिति का टेक्स्ट नहीं डाल सकते. इसके बजाय, BigQuery में एक लुकअप टेबल बनाएं. इसमें, आपकी शेप की ज्यामिति और एक आसान नाम (उदाहरण के लिए, "ज़ोन A") शामिल हो. Data Studio में, p_zone_name नाम का एक टेक्स्ट पैरामीटर बनाएं. इससे उपयोगकर्ता ज़ोन चुन सकेंगे. साथ ही, ST_CONTAINS फ़ंक्शन के लिए ज्यामिति पाने के लिए, सबक्वेरी का इस्तेमाल करें.

योगदानकर्ता