😌 🧑‍🤝‍🧑 🕜 शाखा खोलने और नक्शे पर परिणामों की कल्पना करने के लिए सबसे अच्छी जगह का चयन कैसे करें ↗️ ♣️ 🌙

एक नई शाखा के लिए जगह चुनना एक जिम्मेदार निर्णय है। गलतियां महंगी हो सकती हैं, खासकर पूंजी प्रधान उद्योगों में। अक्सर, ऐसे निर्णय प्रबंधन विशेषज्ञों द्वारा किए जाते हैं: शहर, उद्योग, पिछले अनुभव के ज्ञान के आधार पर।

इस लेख में मैं इस बारे में बात करूंगा कि इस तरह के निर्णय लेने में एनालिटिक्स कैसे मदद कर सकता है। आबादी, अचल संपत्ति की कीमतों के बारे में जानकारी कैसे एकत्र करें और इंटरैक्टिव विज़ुअलाइज़ेशन बनाएं। क्या ग्राहकों की संख्या शाखा की दूरी पर निर्भर करती है, जिस वर्ष घर बनाया गया था, और संपत्ति का मूल्य।

शहर की आबादी घर के लिए सटीक

नक्शा बनाने के लिए कोड

#    import pandas as pd from folium.plugins import HeatMap import folium #  df = pd.read_csv('people_spb.csv') filial = pd.read_csv('filial.csv') competitor = pd.read_csv('competitors.csv') #  hmap = folium.Map(location=[59.95, 30.15], zoom_start=11) #    people = folium.FeatureGroup(name = ' ') hm = HeatMap( list(zip(df.lat.values, df.lng.values, df['People'])), min_opacity = .1, max_val = df['People'].max(), radius = 15, blur = 25, max_zoom = 1 ) people.add_child(hm) #    filial_markers = folium.FeatureGroup(name = ' ') for index, row in filial.iterrows(): folium.Marker( location = [row['lat'], row['lng']], popup = row['Name'], icon = folium.Icon(color='blue', icon='cloud') ).add_to(filial_markers) #    competitor_markers = folium.FeatureGroup(name = ' ') for index, row in competitor.iterrows(): folium.Marker( location = [row['lat'], row['lng']], popup = row['Name'], icon = folium.Icon(color='red') ).add_to(competitor_markers) #    hmap.add_child(people) hmap.add_child(filial_markers) hmap.add_child(competitor_markers) #   folium.LayerControl(collapsed=False).add_to(hmap) #    html  hmap.save('people_spb.html')

घर की आबादी का आकलन करने के लिए, हमने आवास और सांप्रदायिक सेवाओं में सुधार के आंकड़ों का उपयोग किया। इस पोर्टल पर आप प्रत्येक घर पर जानकारी प्राप्त कर सकते हैं: निर्माण का वर्ष, रहने का क्षेत्र, आवासीय परिसर की संख्या। प्रत्येक घर की आबादी का अनुमान अपार्टमेंट और कुल रहने की जगह की संख्या पर आधारित था: कुछ घरों और नगरपालिका जिलों के लिए मामूली अंतर के साथ प्रति अपार्टमेंट लगभग 3 लोग।

ऊपर सेंट पीटर्सबर्ग में जनसंख्या घनत्व के साथ एक गर्मी का नक्शा है। आंतरिक उपयोग के लिए हमारे कार्ड में ग्राहकों की घनत्व के साथ एक अलग परत भी है। यह सफेद धब्बों के लिए अधिक सुविधाजनक है - कम कवरेज वाले स्थान।

ग्राहक के पते

व्यवसाय की बारीकियों के कारण, हमारे डेटाबेस में लगभग सभी ग्राहकों के लिए पते थे। केवल प्रत्येक पते के लिए भौगोलिक निर्देशांक खोजना आवश्यक था: जियोकोडिंग या जियोकोडिंग। निर्देशांक प्राप्त करने के लिए, मैंने अजगर के लिए जियोकोडर पैकेज का उपयोग किया। जियोकोडिंग के दौरान निम्नलिखित समस्याएं हुईं:

कुछ पते गलत हैं, उदाहरण के लिए, मामला या पत्र भ्रमित है। इस स्थिति में, जियोकोडिंग ग्राहक को बालवाड़ी या कार्यालय भवन में "डाल" सकता है। इस तरह के मामलों के लिए, मुझे एक प्रक्रिया लिखनी थी जो समन्वय को 200 मीटर के भीतर निकटतम आवासीय भवन में बदल देती थी।
ग्राहकों की असामान्य रूप से उच्च संख्या के साथ अंक: शहर का केंद्र, एक बड़ी सड़क के बीच, जिले के बीच में। इस तरह के निर्देशांक गलत तरीके से भरे पते के साथ प्राप्त किए गए थे और समग्र चित्र को विकृत कर सकते थे, इसलिए, मॉडलिंग से पहले, उन्हें हटा दिया गया था

नतीजतन, हमें 93% ग्राहकों के लिए घर के सटीक निर्देशांक मिले। अब आप ऐसा नक्शा बना सकते हैं:

सेंट पीटर्सबर्ग के हिस्से के लिए मानचित्र पर यादृच्छिक डेटा प्लॉट किया जाता है।

नक्शा बनाने के लिए कोड

 import pandas as pd import folium from folium.plugins import MarkerCluster #  df = pd.read_csv('data.csv') cmap = folium.Map(location=[59.95525, 30.2923], zoom_start=13) m = MarkerCluster() for i, row in df.iterrows(): mc.add_child(folium.Marker(location=[row.lat,row.lng])) cmap.add_child(mc) cmap.save(folder+"marker_map.html")

इस तरह के मानचित्र परिकल्पनाओं के परीक्षण के लिए एक सुविधाजनक उपकरण बन गए। उदाहरण के लिए, व्यवसाय की एक परिकल्पना थी कि कुछ प्रकार के घरों (सोवियत जन इमारतों: जहाजों, 504 श्रृंखला, ख्रुश्चेव, आदि) में हमारे ग्राहक नहीं होंगे। यह पता चला कि यह पूरी तरह सच नहीं है। हां, ऐसे घरों में आबादी से ग्राहकों का अनुपात कम है। लेकिन उन्हें ध्यान में रखा जाना चाहिए क्योंकि शहर में बहुत सारे ऐसे घर हैं और परिणामस्वरूप वे क्लाइंट प्रवाह का 20% तक प्रदान करते हैं।

नगरपालिका जिलों की सीमाएँ

आप नगरपालिका जिले द्वारा पिछले अनुभाग से जनसंख्या और ग्राहक डेटा को पुनर्व्यवस्थित कर सकते हैं और इसे मैप कर सकते हैं। यदि आप जानकारी विंडो और अनुकूलित रंग जोड़ते हैं, तो यह बहुत जानकारीपूर्ण है। हब पर पहले से ही एक उत्कृष्ट लेख है , जहां कदम बताते हैं कि ऐसे कार्ड कैसे बनाएं।

संपत्ति का मूल्य

संपत्ति की कीमतें निर्धारित करना एक चुनौतीपूर्ण काम है। पहले चरण में, हम 2018 की शुरुआत से अचल संपत्ति की बिक्री के लिए सभी विज्ञापन प्राप्त करने में कामयाब रहे - यह लगभग 700 हजार रिकॉर्ड है।

प्रत्येक घर के लिए, प्रति वर्ग मीटर की लागत की गणना विज्ञापनों के मध्य के रूप में की गई थी। बिना विज्ञापनों के 20% घरों के लिए, हमने वर्ग की लागत का अनुमान लगाया है। मॉडल का उपयोग कर रहा हूँ। मुख्य कारक प्रति वर्ग मीटर की कीमत है। मी 15 निकटतम घर। इसी समय, समान विशेषताओं वाले घरों को अधिक वजन मिला: निर्माण का वर्ष, निवासियों की संख्या, परियोजना का प्रकार। परीक्षण सेट पर मॉडल की औसत त्रुटि 9.5% थी, जो हमारे अध्ययन के लिए काफी स्वीकार्य है। खासकर जब आप विचार करते हैं कि एक घर में भी वर्ग मीटर की लागत। एम। बहुत भिन्न हो सकते हैं: फर्श, मरम्मत, क्षेत्र और अन्य कारक।

घर से शाखा की दूरी

4 विभागों के लिए ग्राफ विभाग की दूरी पर घर में ग्राहकों के अनुपात की निर्भरता को दर्शाता है। कुछ शाखाओं में मजबूत छलांग होती है, जो अन्य कारकों (घर की आयु, अचल संपत्ति की कीमत) के प्रभाव का सुझाव देती है।

घर पर आयु

दिलचस्प यह है कि जिस वर्ष घर बनाया गया था और ग्राहकों के अनुपात के बीच संबंध था।

आगे मॉडलिंग के लिए, घर की उम्र को 5 सार्थक श्रेणियों में विभाजित किया गया:

अवधि	विवरण
1700-1960	ओल्ड फाउंडेशन और स्टालिन
1960-1990	बड़े पैमाने पर सोवियत विकास की अवधि
1990-2000	पुराने क्वार्टरों, कई ईंट घरों में बिंदु इमारतें
2000-2010	आर्थिक सुधार की अवधि। अच्छी जगहों पर बहुत सारे आवास बनाए जा रहे हैं।
2010-2018	कम अच्छी तरह से स्थित और दूरदराज के क्षेत्रों में बड़े पैमाने पर विकास

मूल्य प्रति वर्ग। मीटर।

ग्राहक के शेयर के साथ मूल्य का संबंध है। लेकिन ग्राहकों के अनुपात और घर की उम्र के बीच संबंध कमजोर है। शायद इसका कारण यह है कि घर की उम्र निवासियों की उम्र के साथ संबंधित है। और किसी व्यक्ति की आयु चिकित्सा सेवाओं के अनुरोधों की आवृत्ति को बहुत प्रभावित करती है।

मॉडल विवरण

इसके बाद, यह विश्लेषण एक पूर्ण मॉडल में विकसित हुआ, जहां इनपुट पर निर्देशांक की आपूर्ति की जाती है, और आउटपुट पर नए ग्राहकों से मिलने की संख्या प्राप्त होती है। लेख स्वैच्छिक निकला, इसलिए मैं मॉडल के बारे में संक्षेप में बात करूंगा।

परिणामों की व्याख्या में आसानी के लिए, रैखिक प्रतिगमन को मॉडल के रूप में चुना गया था। लक्ष्य चर घर में ग्राहकों का अनुपात है, कारक: निकटतम कार्यालय के लिए दूरी का लघुगणक, आवास की लागत, जिस वर्ष घर बनाया गया था। सभी तीन कारक महत्वपूर्ण निकले और मॉडल में प्रवेश किया।

इस तरह के एक मॉडल में नए निर्देशांक को प्रतिस्थापित करना (यानी, निकटतम शाखा में दूरी का कारक बदलना), आउटपुट पर हमें पूरे नेटवर्क के लिए नए ग्राहकों की संख्या मिलती है। यदि हम इस संख्या से घटाते हैं तो पहले जितने ग्राहक थे, हमें एक शुद्ध प्रभाव मिलेगा।

समस्या का ऐसा विवरण सुविधाजनक है कि नए स्थानों को वर्तमान शाखाओं के स्थान को ध्यान में रखते हुए चुना गया है। यही है, इसके अलावा विभिन्न विभागों के बीच "नरभक्षण" कारक को ध्यान में रखना आवश्यक नहीं है।

पूरे शहर के लिए इष्टतम बिंदुओं की खोज प्रत्येक 500 मीटर के निर्देशांक की एक सरल गणना द्वारा की गई थी। कई शाखाओं को खोलने के प्रभाव की गणना करने के लिए, अंक क्रमिक रूप से निर्धारित किए गए थे।

परिणाम

हम दीवार के नक्शे को बदलने में कामयाब रहे, जिस पर हमने मैन्युअल रूप से जिलों की सीमाओं को चित्रित किया और सुविधाजनक इंटरेक्टिव मानचित्रों पर कुछ पढ़ा। नगरपालिका जिलों के हजारों पतों को मैन्युअल रूप से सही करने और मिलान करने से कर्मचारियों को छुटकारा। डेटा को समृद्ध करें और प्रत्येक घर में नगरपालिका जिले के स्तर से जाएं।

यह प्लेसमेंट के लिए कई बहुत ही आशाजनक और गैर-स्पष्ट स्थानों की पहचान करने के लिए निकला। एक मॉडल बनाएं जो स्वचालित रूप से और निष्पक्ष रूप से विभिन्न बिंदुओं की तुलना करता है।

जब व्यापार लाइनें "भू-निर्भर" और "भू-स्वतंत्र" में विभाजित हो जाती हैं तो दिलचस्प परिणाम प्राप्त होते हैं। पूर्व को नई शाखाओं का हिस्सा होना चाहिए, बाद को वर्तमान स्थानों के ढांचे के भीतर विकसित किया जा सकता है। (लेख में प्रस्तुत नहीं) ।

शाखा खोलने और नक्शे पर परिणामों की कल्पना करने के लिए सबसे अच्छी जगह का चयन कैसे करें