Kurs
Arbeiten mit Geodaten in Python
4 Std.
18.1K
Von Handel und E‑Commerce bis hin zu Nachhaltigkeit, Militär und Naturkatastrophen: Geodaten sind entscheidend, um Analysen mit Kontext anzureichern.
In diesem Beitrag klären wir, was Geodatenanalyse ist, welche Vorteile sie bietet, welche Arten von Geodaten es gibt und wie sie genutzt wird. Zum Schluss zeigen wir Schritt für Schritt eine Geodatenanalyse in Power BI.
Was ist Geodatenanalyse?
Geodaten beschreiben Sachverhalte anhand ihrer Position auf der Erde. Das können Menschen, Tiere, Objekte, Naturphänomene oder Geschäftsergebnisse sein.
Geodatenanalyse geht über die reine Beschreibung hinaus und erklärt auch, wo und warum etwas passiert. Dafür werden Geodaten erhoben, aufbereitet und visualisiert.
Viele Branchen nutzen Geodatenanalyse: vom Einzelhandel über E‑Commerce bis hin zu Umweltmanagement – und sogar Regierungen, um Ressourcen, Wetter, Krankheiten und Verteidigung zu verfolgen.
Vorteile von Geodaten in der Analytics
Der Einsatz von Geodaten in der Analytics bringt Unternehmen zahlreiche Vorteile. Vor allem liefern standortbezogene Daten einen mehrdimensionalen Kontext zu deinen Zahlen. Hier sind drei der wichtigsten Mehrwerte der Geodatenanalyse.
Tiefere Einblicke in Muster und Trends gewinnen
Mit Geodaten lassen sich Muster leichter erkennen und Trends in standortbezogenen Daten besser darstellen als mit Balkendiagrammen oder Tabellen. Zudem können wir Muster und Trends anhand ihrer räumlichen Nähe gut ableiten.
Darauf aufbauend segmentieren und filtern wir die Daten nach diesen Mustern, um noch besser zu verstehen, warum sie auftreten.
Die reale Welt besser abbilden
Durch die Visualisierung geografischer Daten bilden wir die Wirklichkeit treffender ab. Echtzeitdaten (oder nahezu Echtzeit) schärfen zusätzlich unser Verständnis für Geschäftsdaten und unterstützen Entscheidungen.
Angenommen, eine Einzelhändlerin möchte in ihrer Region einen neuen Laden eröffnen. Mit Geodaten beantwortet sie Fragen, die ihr helfen, den besten Standort zu finden.
Beispiele dafür sind:
- Wo liegen die Filialen meiner Wettbewerber?
- Wie sind Wettbewerbsfilialen verteilt? Bilden sie Cluster an bestimmten Orten oder sind sie weiter gestreut?
- Wo wohnen meine Zielkundinnen und -kunden in der Region?
Zielgerichtete Produkte und Lösungen entwickeln
Geodatenanalyse zeigt, welche Standorte erfolgreicher sind als andere.
Versteht ein Unternehmen den Zusammenhang zwischen seinen Angeboten und dem Ort, an dem es sie anbietet, kann es Produkte gezielt in passenden Regionen platzieren oder neue Angebote für Standorte entwickeln, in denen sie nachweislich funktionieren.
Arten von Geodaten
Es gibt zwei Hauptarten von Geodaten: Vektor- und Rasterdaten. Zusätzlich gibt es einen dritten Datentyp, der geografische Daten typischerweise begleitet: Attribute.
Der Datentyp bestimmt, welche Tools wir für Analyse und Visualisierung einsetzen. Im Folgenden gehen wir auf jeden Typ ein.
Wichtig: Alle Geodatentypen müssen mit Informationen zum Koordinatenreferenzsystem (CRS) versehen sein. Das CRS teilt der Software mit, wo sich die Geodaten auf der Erde befinden.
Bei der Weitergabe von Geodaten gilt: Verwendest du ein anderes CRS als jemand anders, erscheinen die Daten bei der Analyse an einer anderen geografischen Position. CRS-Systeme sprengen den Rahmen dieses Artikels (später siehst du, wie ArcGIS für Power BI das vereinfacht). In unserem Kurs Working with Geospatial Data behandeln wir CRS-Systeme jedoch ausführlich – neben weiteren Themen.
Vektordaten
Vektordaten beschreiben Merkmale geografischer Orte auf der Erde mit Punkten, Linien und Polygonen.
- Punkte beschreiben einzelne Orte wie ein Gebäude oder ein Wahrzeichen.
- Linien sind Reihen verbundener Punkte, etwa Straßen oder Flüsse.
- Polygone sind verbundene Punkte, die eine geschlossene Form bilden, zum Beispiel Ländergrenzen.
Rasterdaten
Rasterdaten sind pixel- bzw. gitterbasierte Daten, die Eigenschaften eines geografischen Ortes beschreiben. Jeder Pixel kann einen kontinuierlichen Wert (z. B. Höhenmeter) oder eine kategoriale Klasse (z. B. Landbedeckung) enthalten. Pixelbasierte Datendarstellungen kennst du vielleicht bereits aus dem maschinellen Lernen, etwa in der Bildverarbeitung.
Die Auflösung der digitalen Bilder für Rasterdaten ist entscheidend, denn sie bestimmt, welche Bodenfläche ein Pixel abdeckt.
Attribute
Attribute sind beschreibende (nicht‑räumliche) Daten, die mit anderen Geodaten kombiniert werden, um Visualisierungen und Analysen zu verbessern. Bei Verkaufs- und Kundendaten können Attribute z. B. Informationen zu getätigten Käufen oder zu den Kundinnen und Kunden selbst sein.
Wofür werden Geodaten genutzt?
Eine der jüngsten öffentlichen Anwendungen der Geodatenanalyse war das weltweite Tracking von COVID‑19 und die Bestimmung der daraus folgenden Umwelt- und Sozialauswirkungen. Dafür werden u. a. Bevölkerungsdaten, Echtzeit-Updates, Karten und Umweltfaktoren (wie CO2‑Emissionen) kombiniert.
So hat das US-Verkehrsministerium eine Geodatenanalyse der CO2‑Emissionen aus dem Verkehr von April 2019 bis April 2020 durchgeführt. Die Visualisierungen zeigen einen deutlichen Rückgang der Emissionen, den sie mit bis zu 40% bezifferten. Eine Zahl allein wirkt längst nicht so eindrücklich wie die Darstellung auf einer Karte.
Weitere Beispiele für Geodaten:
- Sales- und Customer-Insights – Muster im Kundenverhalten visualisieren und analysieren, Präferenzen verstehen und dadurch Bestände, Filialstandorte sowie die Wahl optimaler Standorte für Fabriken, Lager und Distributionszentren verbessern.
- Logistik und Routenoptimierung – insbesondere für Kuriere können optimierte Routen enorme Zeit- und Kostenvorteile bringen und so die Kundenzufriedenheit steigern.
- Militär – Ressourcenallokation optimieren und Wartungsbedarfe prognostizieren.
- Überwachung von Naturkatastrophen und Wetterlagen – Extremsituationen vorhersagen und schneller reagieren, inklusive rechtzeitiger Evakuierungswarnungen.
- Prognosen zur Bevölkerungsentwicklung – Wachstumsraten sind zentral für viele Branchen wie Polizei, Energie, Wohnungsbau und Telekommunikation. Ein Verständnis der Bevölkerungsentwicklung ist Grundvoraussetzung für Planung und Ressourcensteuerung.
Geodatenanalyse in Power BI
Geodaten lassen sich in gängigen Programmiersprachen wie R und Python analysieren. Dafür gibt es spezialisierte Pakete. Vertiefe dein Wissen in diesen DataCamp-Kursen:
ArcGIS für Power BI ist ein Tool zur Analyse und Visualisierung von Geodaten. ArcGIS erstellt Karten aus Geodaten, und in Kombination mit Power BI baust du im Handumdrehen aussagekräftige Reports, die Entscheidungen voranbringen.
In diesem Abschnitt lernst du ArcGIS für Power BI kennen und siehst, wie du ArcGIS-Karten in Power BI erstellst. Wenn du mitmachen willst, arbeiten wir mit den Airbnb-Angebotsdaten aus DataLab. Außerdem brauchst du Power BI Desktop auf deinem PC. Wie du Power BI herunterlädst und installierst, erfährst du in dieser Installationsanleitung.
Daten vorbereiten
Geodaten lassen sich nur dann sinnvoll visualisieren, wenn die Orte korrekt geokodiert sind. Das bedeutet, dass eine Ortsbeschreibung in eine auf der Erde eindeutig erkennbare Position übersetzt wird.
ArcGIS für Power BI bietet zwei Dienste, um Standortdaten auf der Karte zu verorten. Der ArcGIS World Geocoding Service erkennt Punktstandorte (z. B. Adressen und Städte). Der ArcGIS GeoEnrichment Service erkennt Flächen (z. B. Postleitzahlengebiete und Länder).
Mit wenigen zusätzlichen Vorbereitungsschritten kannst du die Genauigkeit deiner Standortdaten weiter erhöhen.
Du kannst der ArcGIS-Karte detaillierte Adressinformationen hinzufügen, etwa Adresse, Stadt, Bundesland/Provinz, Postleitzahl, Land usw. In Power BI kann die ArcGIS-Visualisierung jedoch nur eine einzige Spalte in das Location-Feld aufnehmen. Hast du die Adressbestandteile in separaten Spalten, musst du sie zu einer Spalte zusammenführen.
Erstelle dafür eine berechnete Spalte mit einer Formel wie dieser:
Column = [Address] & ", " & [City] & ", " & [Country] & ", " & [Postal Code]
Wenn du keine detaillierten Adressen hast, sondern nur allgemeinere Angaben wie Land oder US-Bundesstaat, kann ArcGIS das ebenfalls erkennen und eine größere Fläche zuordnen (vergleichbar mit dem oben genannten Polygon-Typ der Vektordaten).
Am einfachsten und zugleich am genauesten fügst du Standortinformationen hinzu, indem du Längen- und Breitengrad als separate Spalten in die jeweiligen Felder der Visualisierung einträgst. Wenn diese Angaben in deinen Daten vorhanden sind, solltest du sie bevorzugt nutzen.
Eine Karte mit ArcGIS für Power BI erstellen
ArcGIS ist als Visual in Power BI integriert. Du findest es neben den anderen Visualisierungstypen. Wenn du zusätzlich Tipps zu Visualisierung und Best Practices in Power BI möchtest, schau in unseren Kurs Data Visualization in Power BI.
Klicke auf das ArcGIS-Symbol, um es auf die Power BI-Fläche zu setzen. Rechts in den Optionen siehst du die unterstützten Felder dieses Visuals. Wir fügen die Spalte "neighborhood" dem Feld Location hinzu und tragen die Spalten für Breiten- und Längengrad in die entsprechenden Felder ein. Wir möchten die Preise der Airbnb-Angebote in Los Angeles visualisieren, daher legen wir die Preisspalte auf das Feld Size.
Das ergibt folgendes Bild:
Zusätzlich zu den Informationen aus unserem Datensatz fügen wir dem Diagramm eine Infografik-Karte hinzu. Dieses ArcGIS-Feature passt sich dynamisch an die sichtbaren Elemente an – hier haben wir auf Los Angeles gezoomt. Da wir mit Immobiliendaten arbeiten, haben wir den durchschnittlichen Immobilienwert ergänzt. So erhalten die relativen Preise der Airbnb-Angebote in dieser Ansicht mehr Kontext.
Anhand der Kreisgrößen sehen wir: In Malibu gibt es einige der teuersten Airbnb-Angebote!
Fazit
Geodatenanalyse ist ein starkes Instrument für tiefere Einblicke und liefert eine zusätzliche Kontextschicht für unsere Daten. Das verbessert Entscheidungen in Unternehmen vieler Branchen.
Wie du in diesem Beitrag gesehen hast, vereinfacht ArcGIS mit Power BI die Aufbereitung von Geodaten erheblich und ermöglicht es dir, dynamische Visualisierungen schnell und unkompliziert zu erstellen.