Curso
Trabalhando com Dados Geoespaciais em Python
4 h
18.1K
De varejo e e-commerce a sustentabilidade ambiental, defesa e desastres naturais, dados geoespaciais são essenciais para enriquecer nossas análises.
Neste post, vamos falar sobre o que é análise de dados geoespaciais, seus benefícios, os tipos de dados geoespaciais e como eles são usados. Por fim, encerramos com um passo a passo de análise geoespacial no Power BI.
O que é análise de dados geoespaciais?
Dados geoespaciais descrevem coisas em termos de sua localização na Terra. Podem ser pessoas, animais, objetos, fenômenos naturais ou resultados de negócios.
A análise de dados geoespaciais vai além de apenas descrever coisas: ela explica onde e por que acontecem. Esse processo envolve coletar, transformar e visualizar dados geoespaciais.
Muitos setores podem usar análise geoespacial, do varejo e e-commerce à sustentabilidade ambiental, e até governos para acompanhar recursos, clima, doenças e defesa.
Benefícios de usar dados geoespaciais em análises
Usar dados geoespaciais em analytics traz muitos benefícios para as organizações. O principal é que esse tipo de dado baseado em localização adiciona um contexto multidimensional ao seu conjunto de dados. A seguir, comentamos os três benefícios mais relevantes da análise geoespacial.
Aprofunde o entendimento de padrões e tendências
Dados geoespaciais facilitam a identificação de padrões e a visualização de tendências em dados por localização quando comparados a outros métodos, como gráficos de barras ou tabelas. Além disso, conseguimos inferir esses padrões e tendências com base em sua proximidade geográfica relativa.
Depois, dá para segmentar e filtrar os dados com base nesses padrões para obter insights ainda mais profundos sobre por que eles acontecem.
Represente melhor o mundo real
Ao visualizar dados geográficos, conseguimos representar melhor o mundo real. Além disso, ter dados em tempo real (ou quase) pode aprimorar muito nosso entendimento dos dados de negócio para embasar decisões.
Por exemplo, suponha que a dona ou o dono de uma loja queira abrir uma nova unidade na região. Ela(e) pode usar dados geoespaciais para responder a perguntas que ajudam a definir o melhor ponto para a loja.
Alguns exemplos dessas perguntas:
- Onde ficam as lojas dos meus concorrentes?
- Como as lojas dos concorrentes estão distribuídas? Elas se concentram em áreas específicas ou são mais espalhadas?
- Onde moram meus clientes-alvo na região?
Crie produtos e soluções mais direcionados
A análise geoespacial ajuda as organizações a visualizar quais locais têm mais sucesso do que outros.
Se uma empresa entende a relação entre seus produtos ou serviços e os locais onde os oferece, ela pode direcionar melhor esses produtos para essas regiões ou criar novas ofertas com histórico de sucesso em um determinado local.
Tipos de dados geoespaciais
Existem dois tipos principais de dados geoespaciais: vetoriais e raster. Além disso, há um terceiro tipo que normalmente acompanha dados geográficos: os atributos.
O tipo de dado com que estamos lidando orienta quais ferramentas usar para analisar e depois visualizar os dados. Vamos discutir cada um desses tipos a seguir.
Um ponto importante: todos os tipos de dados geoespaciais precisam vir acompanhados de informações do sistema de referência de coordenadas (CRS). Essas informações informam ao software que usamos para análise geoespacial onde os dados estão localizados na Terra.
Ao compartilhar dados geoespaciais, se você usar um CRS diferente do de outra pessoa, os dados aparecerão em um lugar geográfico diferente na análise. Infelizmente, CRS foge ao escopo deste artigo (e você verá adiante como o ArcGIS para Power BI simplifica isso). No entanto, temos um curso sobre trabalhar com dados geoespaciais que explora CRS em profundidade, entre outros temas.
Dados vetoriais
Dados vetoriais descrevem as feições de locais geográficos na Terra por meio de pontos, linhas e polígonos.
- Pontos representam locais individuais, como um prédio ou um ponto de referência.
- Linhas são séries de pontos conectados que descrevem coisas como ruas ou riachos.
- Polígonos são séries de pontos conectados que formam uma área fechada, como as fronteiras de um país.
Dados raster
Dados raster são dados em pixels ou grade que descrevem características de uma localização geográfica. Cada pixel pode ter um valor contínuo (como altitude) ou uma classificação categórica (como classes de cobertura do solo). Você talvez já conheça dados baseados em pixels, pois é assim que imagens costumam ser representadas em modelos de machine learning, como em aplicações de visão computacional.
A resolução das imagens digitais usadas em dados raster é essencial porque determina a área do terreno que cada pixel cobre.
Atributos
Atributos são dados descritivos (não espaciais) combinados com outros dados geoespaciais para enriquecer visualizações e análises. Por exemplo, ao lidar com vendas e clientes, esses atributos podem ser informações sobre as compras feitas ou sobre os próprios clientes.
Como os dados geoespaciais são usados?
Uma das aplicações públicas mais recentes da análise geoespacial foi o acompanhamento da COVID-19 no mundo e a avaliação dos impactos ambientais e sociais subsequentes. Isso envolve combinar dados populacionais, atualizações em tempo real, mapas, fatores ambientais (como emissões de CO2) e muito mais.
Por exemplo, o Departamento de Transporte dos EUA realizou uma análise geoespacial de emissões de CO2 no transporte de abril de 2019 a abril de 2020. As visualizações mostram uma queda significativa nas emissões ao longo do tempo, que foi calculada em até 40%. Embora seja possível afirmar um valor como esse, ele não tem o mesmo impacto que a visualização em um mapa.
Mais alguns exemplos de uso de dados geoespaciais:
- Vendas e insights de clientes - visualizar e analisar padrões de comportamento do cliente e entender preferências para melhorar a gestão de estoque, a escolha de localização de lojas e até a definição de pontos ideais para fábricas, centros de distribuição e armazéns.
- Logística e otimização de rotas - no caso de transportadoras, otimizar rotas pode gerar grande economia de tempo e custos, elevando a satisfação do cliente.
- Defesa - otimização de alocação de recursos e previsão de necessidades de manutenção.
- Monitoramento de desastres naturais e condições climáticas - prever e responder a eventos extremos melhora os tempos de resposta e viabiliza alertas de evacuação no momento certo.
- Projeções de população - a taxa de crescimento populacional é essencial para diversos setores, como segurança pública, energia, habitação e telecom. Entender o crescimento populacional é crucial para planejar e gerir recursos com eficiência.
Análise geoespacial no Power BI
Dados geoespaciais podem ser analisados em linguagens populares como R e Python. Além disso, há vários pacotes feitos especificamente para lidar com dados geoespaciais. Confira estes cursos da DataCamp para saber mais:
O ArcGIS para Power BI é uma ferramenta de análise e visualização de dados geoespaciais. O ArcGIS cria mapas a partir de dados geoespaciais e, quando combinado com o Power BI, você consegue montar relatórios poderosos rapidamente para gerar insights e orientar decisões.
Esta seção apresenta o ArcGIS para Power BI e mostra como criar mapas do ArcGIS no Power BI. Se quiser acompanhar, usaremos os dados de anúncios do Airbnb disponíveis no DataLab. Você também vai precisar do Power BI Desktop instalado no seu PC. Para saber como baixar e instalar o Power BI, veja este guia de instalação.
Preparando seus dados
Dados geoespaciais só podem ser visualizados de forma eficaz se as localizações estiverem corretamente geocodificadas. Isso se refere ao processo de transformar a descrição de um local em uma posição reconhecida na Terra.
O ArcGIS para Power BI oferece dois serviços para mapear dados de localização no mapa. O primeiro é o ArcGIS World Geocoding Service, que detecta localizações pontuais (como endereços e cidades). O segundo é o ArcGIS GeoEnrichment Service, que detecta limites (como CEPs e países).
No entanto, também é possível melhorar a precisão dos dados de localização com algumas etapas extras de preparação.
Você pode adicionar informações detalhadas de endereço ao mapa do ArcGIS, como endereço, cidade, estado, província, CEP, país etc. Porém, para isso, a visualização do ArcGIS no Power BI só pode adicionar uma única coluna do seu dataset ao campo Location. Se você tiver colunas separadas para cada elemento do endereço, será preciso combiná-las em uma única coluna.
Você pode criar uma coluna calculada para reunir esses elementos usando uma fórmula como esta:
Column = [Address] & ", " & [City] & ", " & [Country] & ", " & [Postal Code]
Se você não tiver um endereço detalhado, mas apenas dados mais gerais como país ou estado dos EUA, o ArcGIS reconhece essas informações e mapeia um limite mais amplo (semelhante ao tipo polígono dos dados vetoriais mencionados acima).
Uma das formas mais simples e precisas de adicionar informação de localização a um mapa do ArcGIS é usar colunas separadas de longitude e latitude nos respectivos campos das opções de visualização. Se esse tipo de informação estiver disponível no seu dado, é a abordagem recomendada.
Criando um mapa com o ArcGIS para Power BI
O ArcGIS é um visual nativo do Power BI. Você o encontra junto com as outras opções de visualização. Temos um curso de visualização de dados no Power BI caso queira orientações extras e boas práticas.
Clique no ícone do ArcGIS para adicioná-lo ao canvas do Power BI. Nas opções à direita, você verá os tipos de campos compatíveis com esse visual. Adicionamos a coluna de bairro ao campo Location e as colunas de latitude e longitude aos seus respectivos campos. Queremos visualizar os preços dos anúncios do Airbnb em Los Angeles, então adicionamos a coluna de preço ao campo Size.
Isso gera o seguinte resultado:
Além das informações do nosso dataset, adicionamos um cartão de infográfico ao gráfico. Esse recurso do ArcGIS muda dinamicamente com base nos itens visíveis — neste caso, demos zoom em Los Angeles. Como estamos lidando com dados imobiliários, incluímos o valor médio dos imóveis. Isso traz contexto aos preços relativos dos anúncios do Airbnb mostrados no visual.
Pelo tamanho dos círculos, dá para ver que Malibu tem alguns dos anúncios mais caros do Airbnb!
Conclusão
A análise de dados geoespaciais é uma ferramenta poderosa para gerar insights mais profundos e oferece uma camada extra de contexto aos dados. Isso melhora a tomada de decisão nas organizações em vários setores.
Como você viu neste post, usar o ArcGIS com o Power BI simplifica bastante a preparação de dados geoespaciais e permite criar visualizações dinâmicas de forma rápida e prática.
