Cours
Travailler avec des données géospatiales en Python
4 h
18.1K
De la distribution et l'e-commerce à la durabilité environnementale, au secteur militaire et à la gestion des catastrophes naturelles, les données géospatiales sont essentielles pour enrichir nos analyses.
Dans cet article, nous définissons l'analyse de données géospatiales, ses bénéfices, les différents types de données, et leurs usages. Nous terminerons par un pas-à-pas d'une analyse géospatiale dans Power BI.
Qu'est-ce que l'analyse de données géospatiales ?
Les données géospatiales décrivent des éléments en fonction de leur localisation sur Terre : personnes, animaux, objets, phénomènes naturels ou résultats business.
L'analyse géospatiale va au-delà de la simple description : elle explique aussi où et pourquoi les événements surviennent. Elle implique la collecte, la transformation et la visualisation de données géospatiales.
De nombreux secteurs y recourent : distribution, e-commerce, environnement, mais aussi pouvoirs publics pour le suivi des ressources, de la météo, des épidémies ou de la défense.
Les avantages de l'usage des données géospatiales en analytique
Intégrer la dimension géographique à vos analyses offre de nombreux atouts. Surtout, ce type de données contextualise vos jeux de données en apportant une dimension supplémentaire. Voici trois bénéfices majeurs.
Approfondir la compréhension des motifs et tendances
Par rapport à d'autres représentations (histogrammes, tableaux), les données géospatiales facilitent l'identification des motifs et la visualisation des tendances liées à la localisation. On peut en outre les interpréter aisément selon leur proximité géographique.
On peut ensuite segmenter et filtrer les données selon ces motifs pour dégager des insights encore plus fins sur leurs causes potentielles.
Mieux représenter le monde réel
La visualisation géographique permet de coller davantage à la réalité. Disposer de données en temps réel (ou quasi réel) améliore significativement la compréhension des indicateurs business et oriente la prise de décision.
Exemple : un commerçant qui souhaite ouvrir une nouvelle boutique peut mobiliser des données géospatiales pour choisir l'emplacement idéal.
Quelques questions clés :
- Où sont situées les boutiques de mes concurrents ?
- Comment leurs points de vente sont-ils répartis ? En grappes autour de certains lieux, ou de manière diffuse ?
- Où habitent mes clients cibles dans la zone ?
Développer des produits et solutions ciblés
L'analyse géospatiale met en évidence les localisations les plus performantes.
Lorsqu'une entreprise comprend le lien entre ses produits ou services et leur zone de distribution, elle peut mieux cibler ses offres ou développer de nouveaux produits à fort potentiel sur un territoire donné.
Les types de données géospatiales
On distingue deux grandes familles : les données vectorielles et les données matricielles (raster). Un troisième type accompagne généralement les données géographiques : les attributs.
La nature des données conditionne les outils d'analyse et de visualisation à utiliser. Détaillons chaque type.
Autre point clé : tous les jeux de données géospatiales doivent être assortis d'un système de référence de coordonnées (CRS). Il indique au logiciel où se situent les données sur Terre.
Lors d'un partage, si vous n'utilisez pas le même CRS que votre interlocuteur, vos données apparaîtront à un autre endroit à l'analyse. Le sujet dépasse le cadre de cet article (vous verrez plus loin comment ArcGIS for Power BI nous simplifie la vie). Pour aller plus loin, suivez notre cours sur le travail avec des données géospatiales, où les CRS sont abordés en profondeur.
Données vectorielles
Elles décrivent des entités géographiques à l'aide de points, lignes et polygones.
- Les points représentent des localisations ponctuelles (bâtiment, repère).
- Les lignes sont une succession de points reliant, par exemple, routes ou cours d'eau.
- Les polygones sont une suite de points formant une zone fermée (frontières d'un pays, par exemple).
Données raster
Les données raster sont des grilles de pixels décrivant des caractéristiques géographiques. Chaque pixel peut porter une valeur continue (altitude) ou une classe catégorielle (types d'occupation des sols). Vous connaissez sans doute déjà ce format, très courant pour les images utilisées en apprentissage automatique, notamment en vision par ordinateur.
La résolution des images numériques est déterminante : elle fixe la surface au sol couverte par chaque pixel.
Attributs
Les attributs sont des données descriptives (non spatiales) associées aux données géospatiales pour enrichir visualisations et analyses. Avec des données clients et ventes, il peut s'agir d'informations sur les achats réalisés ou sur le profil client.
Quels usages pour les données géospatiales ?
Parmi les applications récentes les plus visibles : le suivi mondial de la COVID-19 et l'analyse de ses impacts environnementaux et sociétaux, combinant données de population, mises à jour en temps réel, cartes, facteurs environnementaux (comme les émissions de CO2), etc.
Par exemple, le département américain des Transports a réalisé une analyse géospatiale des émissions de CO2 liées aux transports d'avril 2019 à avril 2020. Les visualisations montrent une baisse marquée, jusqu'à 40 %. Énoncer ce chiffre est utile, mais son impact est bien plus fort lorsqu'il est cartographié.
Autres exemples d'usage :
- Ventes et connaissance client : visualiser et analyser les comportements pour optimiser l'assortiment, le choix d'implantation des magasins, ou encore l'emplacement des usines, entrepôts et hubs logistiques.
- Logistique et optimisation d'itinéraires : pour les transporteurs, l'optimisation des tournées génère d'importants gains de temps et de coûts, à la clé : une meilleure satisfaction client.
- Militaire : optimisation de l'allocation des ressources et prévision des besoins de maintenance.
- Suivi des catastrophes naturelles et aléas météo : prévoir et réagir aux phénomènes extrêmes améliore les délais d'intervention et permet des alertes d'évacuation en temps utile.
- Projection de population : le rythme de croissance démographique est crucial pour de nombreux secteurs (sécurité, énergie, logement, télécoms). Le comprendre est clé pour planifier et gérer efficacement les ressources.
Analyse géospatiale dans Power BI
On peut analyser des données géospatiales avec des langages comme R et Python, grâce à des bibliothèques spécialisées. Pour approfondir, découvrez ces cours DataCamp :
ArcGIS for Power BI est un outil d'analyse et de visualisation géospatiales. ArcGIS sert à créer des cartes à partir de données géographiques et, combiné à Power BI, permet de construire rapidement des rapports puissants pour générer des insights et guider la décision.
Dans cette section, nous vous présentons ArcGIS for Power BI et la création de cartes ArcGIS dans Power BI. Pour suivre pas à pas, nous utiliserons les données d'annonces Airbnb disponibles sur DataLab. Vous aurez besoin de Power BI Desktop installé sur votre PC. Pour l'installation, consultez ce guide.
Préparer vos données
Une visualisation géospatiale n'est efficace que si les localisations sont correctement géocodées, c'est-à-dire transformées en positions reconnues sur Terre.
ArcGIS for Power BI propose deux services pour apparier vos données à la carte : ArcGIS World Geocoding Service (localisations ponctuelles : adresses, villes) et ArcGIS GeoEnrichment Service (frontières : codes postaux, pays).
Vous pouvez toutefois améliorer la précision avec quelques étapes de préparation supplémentaires.
Il est possible d'ajouter des détails d'adresse (adresse, ville, état/région, code postal, pays, etc.). Mais la visualisation ArcGIS dans Power BI ne peut placer qu'une seule colonne dans le champ Location. Si votre adresse est décomposée en plusieurs colonnes, vous devrez les concaténer en une seule.
Créez une colonne calculée pour combiner ces éléments avec une formule du type :
Column = [Address] & ", " & [City] & ", " & [Country] & ", " & [Postal Code]
Si vous ne disposez que d'informations générales (pays, État américain), ArcGIS saura les reconnaître et tracer une limite plus large (analogue aux polygones des données vectorielles précitées).
La méthode la plus simple et la plus précise consiste à fournir des colonnes de longitude et latitude et à les placer dans les champs dédiés de la visualisation. Dès que possible, préférez cette option.
Créer une carte avec ArcGIS for Power BI
ArcGIS est un visuel intégré à Power BI, parmi les options de visualisation. Pour des bonnes pratiques de data visualisation dans Power BI, consultez notre cours data visualization in Power BI.
Cliquez sur l'icône ArcGIS pour l'ajouter au canevas Power BI. Dans le panneau de droite, vous verrez les champs pris en charge. Ajoutez la colonne neighborhood au champ Location, puis les colonnes latitude et longitude à leurs champs respectifs. Pour visualiser les prix des annonces Airbnb à Los Angeles, ajoutez la colonne price au champ Size.
Vous obtenez le résultat suivant :
Au-delà des informations de notre jeu de données, nous ajoutons une carte d'infographie supplémentaire : une fonctionnalité ArcGIS qui s'adapte dynamiquement à la zone affichée ; ici, nous avons zoomé sur Los Angeles. Comme il s'agit de données immobilières, nous avons ajouté la valeur moyenne des biens : de quoi contextualiser les prix relatifs des annonces Airbnb visibles sur la carte.
À la taille des cercles, on voit que Malibu compte parmi les annonces Airbnb les plus onéreuses !
Conclusion
L'analyse géospatiale est un puissant levier pour dégager des insights plus profonds et apporter une couche de contexte supplémentaire à vos données. Elle améliore la prise de décision dans de nombreux secteurs.
Comme vous l'avez vu, utiliser ArcGIS avec Power BI simplifie grandement la préparation des données géospatiales et permet de créer des visualisations dynamiques rapidement et facilement.