Geospatiale analyse is nu nog eenvoudiger dankzij twee nieuwe ruimtelijke functies: MakePoint en MakeLine

Voor mensen die hun locatiedata willen begrijpen en ruimtelijke patronen willen zien, voegt Tableau twee ruimtelijke functies toe waarmee je gemakkelijker dan ooit je locatiedata kunt analyseren.

Locatiedata bestaan in vele vormen en indelingen. Een van de meest voorkomende indelingen is de indeling met afzonderlijke velden met breedte- en lengtegraadwaarden. Deze data kunnen zich bevinden in een Excel-bestand, CSV of een andere soort datatabel. Deze waarden kunnen van alles vertegenwoordigen: de positie van een fysieke locatie, een object, een wifihotspot, dieren in het wild of letterlijk al het andere op de planeet.

Voor mensen die hun locatiedata willen begrijpen en ruimtelijke patronen willen zien, voegt Tableau twee ruimtelijke functies toe waarmee je gemakkelijker dan ooit je locatiedata kunt analyseren. De ruimtelijke functies worden MakePoint en MakeLine genoemd. Deze namen spreken voor zich, maar in de volgende paragrafen wil ik je laten zien wat je nu allemaal kunt doen met kaarten in Tableau.

Lengte- en breedtegraadvelden gebruiken in een ruimtelijke join om politie-incidenten in kaart te brengen met MakePoint

Laten we beginnen met MakePoint, een functie waarmee je breedte- en lengtegraadvelden kunt samenvoegen in een ruimtelijke join. In een ruimtelijke join kun je punten en polygonen gebruiken om datasets samen te voegen op basis van hun ruimtelijke relatie. En MakePoint is de functie waarmee je die punten kunt maken! Je kunt deze functie ook beschouwen als een hulpmiddel om niet-ruimtelijke databronnen, zoals tekstbestanden en Excel-tabellen, om te zetten in ruimtelijke databronnen waarmee je ruimtelijke data kunt aggregeren.

In dit voorbeeld ga ik de open data van de stad San Francisco verkennen om de criminaliteit per buurt te bekijken. In de eerste plaats heb ik data.sfgov.org bezocht en heb ik een vormbestand over buurten en de data van het recentste incidentenrapport gedownload als CSV-bestand. De dataset van incidenten omvat breedte- en lengtegraadvelden en een aantal andere categorieën, zoals politiedistrict en type incident. Mijn vragen zijn: in welke buurt zijn de meest incidenten gemeld en in welke buurten is het risico van diefstal het grootst? Kijk eens hoe gemakkelijk het is om deze vragen nu te beantwoorden. Ik kan een verbinding maken met het vormbestand en dan een verbinding toevoegen aan het CSV-bestand. Vervolgens gebruik ik MakePoint in een join-berekening, waarbij ik intersecties kan gebruiken om de ruimtelijke join te voltooien.

Nu de data zijn samengevoegd, kan ik Number of Records gebruiken om te visualiseren in welke buurt de meeste incidenten zijn en met een filter kan ik mijn vraag over diefstal beantwoorden.

Bron: https://data.sfgov.org

Herkomstplaatsen en bestemmingen van vliegroutes verbinden met behulp van MakeLine

De tweede functie die we aan Tableau hebben toegevoegd, heet MakeLine. Deze functie is handig wanneer je de verbinding tussen twee punten op een kaart wilt visualiseren. Als je een herkomst-bestemmingskaart wilt maken of werkt met datasets van ophaal- en afleverpunten, dan kun je MakeLine gebruiken om de punten eenvoudig te verbinden. Met MakeLine hoef je geen rijen met data te repliceren of bewerkingen vooraf uit te voeren, zolang je de lengtegraad en breedtegraad voor het begin en het einde van je data plaatst. Vliegroutes zijn een goed gebruiksscenario voor het werken met herkomst en bestemming. Je moet de lengte- en breedtegraad van de stad of het vliegveld van vertrek en de lengte- en breedtegraad van de stad of het vliegveld van aankomst weten. Mijn dataset bevat een aantal routes tussen grote steden in Azië en met behulp van MakeLine kan ik nu de vliegroutes visualiseren.
Nadat ik het berekende veld heb gemaakt, kan ik dat veld gewoon op het canvas plaatsen en klaar is Kees. MakeLine genereert geodetische lijnen, die als kromme lijnen worden weergegeven wanneer je locaties verbindt die ver uit elkaar liggen op aarde. Bij het werken met data op een lokale/stedelijke schaal, zoals ophaal- en inleverlocaties voor gedeelde fietsen, zie je rechte lijnen.

Haal meer uit je locatiedata om verborgen ruimtelijke patronen te ontdekken. Met ruimtelijke berekeningen wordt geospatiale analyse eenvoudig en hoef je je data niet voor te bereiden en vorm te geven. Ruimtelijke functies zijn een van de bouwstenen in Tableau en we zijn erg benieuwd wat jij ermee gaat bouwen. Leden van de Tableau-community hebben al enkele voorbeelden laten zien. Marc Reid heeft een interactief dashboard gebouwd om vluchten uit verschillende herkomststeden te bekijken.
Jeffrey Shaffer laat zich inspireren door de community om een dataverkenning van gedeelde ritten te bouwen met behulp van setacties, vectorkaarten en ruimtelijke berekeningen.

Blijf de ontwikkeling van onze bètaversie van 2019.3 volgen, want we verwachten dat er binnenkort meer ruimtelijke functies uitkomen voor vroegtijdig testen. Ga ondertussen gewoon door met het maken van mooie kaarten!