Our biggest-ever sale. 60% off AI & data skills
Buy Now

Perakende ve e-ticaretten çevresel sürdürülebilirliğe, askeri alandan doğal afetlere kadar coğrafi veriler, veri analizlerimizi zenginleştirmek için kritik öneme sahiptir.
Bu yazıda, coğrafi veri analizinin ne olduğunu, faydalarını, coğrafi verinin türlerini ve nasıl kullanıldığını ele alıyoruz. Son olarak Power BI'da coğrafi veri analizine ilişkin adım adım bir uygulama ile bitiriyoruz.
Coğrafi veriler, şeyleri Dünya üzerindeki konumları açısından tanımlar. Bunlar insanlar, hayvanlar, nesneler, doğal olaylar veya iş sonuçları olabilir.
Coğrafi veri analizi, yalnızca şeyleri betimlemenin ötesine geçer ve bunların nerede ve neden meydana geldiğini de açıklar. Bu süreç, coğrafi verilerin toplanmasını, dönüştürülmesini ve görselleştirilmesini içerir.
Perakende ve e-ticaretten çevresel istikrara ve hatta hükümetlerin kaynaklar, hava durumu, hastalık ve savunmayı izlemesine kadar birçok sektör coğrafi veri analizinden yararlanabilir.
Analitiklerde coğrafi veri kullanmak kuruluşlara birçok fayda sağlar. En önemlisi, bu tür konum tabanlı veriler, verilerinize çok boyutlu bir bağlam kazandırır. Coğrafi veri analizinin en önemli üç faydasını ele alıyoruz.
Coğrafi veriler, konum tabanlı verilerdeki desenleri belirlemeyi ve eğilimleri görselleştirmeyi çubuk grafikler veya tablolar gibi diğer yöntemlere kıyasla kolaylaştırır. Ayrıca, bu desen ve eğilimleri göreli coğrafi yakınlıklarına dayanarak daha kolay çıkarabiliriz.
Ardından, neden ortaya çıktıklarına dair daha derin içgörüler elde etmek için verileri bu desenlere göre segmentlere ayırabilir ve filtreleyebiliriz.
Coğrafi verileri görselleştirerek gerçek dünyayı daha iyi temsil edebiliriz. Ayrıca, gerçek zamanlı verilere (veya gerçeğe yakın zamana) sahip olmak, iş verilerini anlama düzeyimizi önemli ölçüde artırarak karar almayı destekleyebilir.
Örneğin, bir perakende işletme sahibi bölgesinde yeni bir mağaza açmak istesin. Mağazası için en iyi yeri belirlemesine yardımcı olacak soruları yanıtlamak üzere coğrafi verileri kullanabilir.
Bu sorulardan bazı örnekler şunlardır:
Coğrafi veri analizi, kuruluşların hangi konumların diğerlerine kıyasla daha başarılı olduğunu görselleştirmesine yardımcı olur.
Bir işletme, sunduğu ürün veya hizmetlerle bunları sunduğu konum arasındaki ilişkiyi anlarsa, bu ürünleri o konumlara hedefleyebilir veya belirli bir konumda başarı geçmişi kanıtlanmış yeni ürünler geliştirebilir.
İki ana coğrafi veri türü vardır: vektör ve raster veriler. Ayrıca, coğrafi verilerle genellikle birlikte bulunan üçüncü bir veri türü daha vardır: öznitelikler.
Ele aldığımız veri türü, verileri analiz etmek ve ardından görselleştirmek için hangi araçları kullanmamız gerektiğini belirler. Aşağıda bu veri türlerinin her birini tartışacağız.
Ek bir not olarak, tüm coğrafi veri türlerinin koordinat referans sistemi (CRS) bilgileriyle birlikte gelmesi gerektiğini belirtelim. Bu CRS bilgileri, coğrafi veri analizini yapmak için kullandığımız yazılıma, coğrafi verilerin Dünya üzerinde nerede bulunduğunu söyler.
Coğrafi verileri paylaşırken, siz başkalarından farklı bir CRS sistemi kullanırsanız analiz edildiğinde veriler farklı bir coğrafi konumda görünecektir. Ne yazık ki CRS sistemleri bu makalenin kapsamı dışındadır (ve birazdan ArcGIS for Power BI'ın bunu bizim için nasıl basitleştirdiğini göreceksiniz). Ancak, CRS sistemlerini diğer konularla birlikte ayrıntılı olarak inceleyen bir coğrafi verilerle çalışma kursumuz var.
Vektör verileri, Dünya üzerindeki coğrafi konumların özelliklerini noktalar, çizgiler ve poligonlar kullanarak açıklar.
Raster verileri, coğrafi konum özelliklerini tanımlayan piksel veya ızgara tabanlı verilerdir. Her piksel ya sürekli bir değeri (örneğin yükselti değeri) ya da kategorik bir sınıflandırmayı (örneğin arazi örtüsü sınıflandırmaları) temsil edebilir. Piksel tabanlı veri türlerine zaten aşina olabilirsiniz; çünkü görüntüler, bilgisayarlı görü uygulamaları gibi makine öğrenmesi modellerinde genellikle bu şekilde temsil edilir.
Raster verilerde kullanılan dijital görüntülerin çözünürlüğü önemlidir; çünkü her pikselin yer düzleminde kapladığı alanı belirler.
Öznitelikler, görselleştirme ve analitiği güçlendirmek için diğer coğrafi verilerle birleştirilen betimleyici (mekânsal olmayan) verilerdir. Örneğin satış ve müşteri verileriyle çalışırken bu öznitelikler, müşterilerin yaptığı satın alımlara veya müşterilerin kendilerine ilişkin bilgiler olabilir.
Coğrafi veri analizinin en güncel halka açık uygulamalarından biri, dünyadaki COVID-19'un izlenmesi ve COVID-19'un çevresel ve sosyal etkilerinin belirlenmesidir. Bu, nüfus verileri, gerçek zamanlı güncellemeler, haritalar, çevresel faktörler (ör. CO2 salımları) ve benzerlerinin bir kombinasyonunu içerir.
Örneğin, ABD Ulaştırma Bakanlığı, Nisan 2019'dan Nisan 2020'ye kadar ulaşımdan kaynaklanan CO2 emisyonlarının coğrafi veri analizini gerçekleştirdi. Görselleştirmeleri zaman içinde CO2 emisyonlarında önemli bir düşüş olduğunu gösteriyor; bunu yüzde 40'a kadar hesapladılar. Böyle bir değeri ifade etmek mümkün olsa da, bir haritadaki görselleştirmenin etkisiyle aynı değildir.
İşte birkaç başka coğrafi veri örneği:
Coğrafi veriler, R ve Python gibi popüler programlama dillerinde analiz edilebilir. Ayrıca, özellikle coğrafi verileri işlemek için tasarlanmış çeşitli paketler vardır. Bunlar hakkında daha fazla bilgi edinmek için şu DataCamp kurslarına göz atın:
ArcGIS for Power BI, coğrafi veri analizi ve görselleştirmesi için bir araçtır. ArcGIS, coğrafi verilerden haritalar oluşturmak için bir araçtır; ancak Power BI ile birleştirildiğinde, içgörüler üretmek ve karar almayı yönlendirmek için hızlıca güçlü raporlar oluşturabilirsiniz.
Bu bölümde ArcGIS for Power BI'a giriş yapacak ve Power BI'da ArcGIS haritalarının nasıl oluşturulacağını göstereceğiz. Bu bölümü adım adım takip etmek isterseniz, DataLab'de bulunan Airbnb ilan verilerini inceleyeceğiz. Ayrıca PC'nize Power BI Desktop kurulu olmalıdır. Power BI'ı nasıl indirip kuracağınız hakkında daha fazla bilgi için bu kurulum rehberine bakın.
Coğrafi veriler yalnızca, verilerdeki konumlar doğru şekilde coğrafi kodlandığında etkili biçimde görselleştirilebilir. Bu, bir konumun tanımının Dünya üzerindeki tanınan bir konuma dönüştürülmesi sürecini ifade eder.
ArcGIS for Power BI, konum verilerini haritadaki bir konuma eşlemek için iki hizmet sunar. İlki, adresler ve şehirler gibi nokta konumlarını algılayan ArcGIS World Geocoding Service'tir. İkincisi ise posta kodları ve ülkeler gibi sınır konumlarını algılayan ArcGIS GeoEnrichment Service'tir.
Ancak, birkaç ek veri hazırlama adımıyla konum verilerinizin doğruluğunu artırmanız da mümkündür.
ArcGIS haritasına bir adres, şehir, eyalet, il, posta kodu, ülke vb. gibi ayrıntılı adres bilgileri ekleyebilirsiniz. Ancak bunu başarmak için, Power BI'daki ArcGIS görselleştirmesi veri kümenizden yalnızca tek bir sütunu Konum alanına ekleyebilir. Verilerinizde bu adres bilgilerinin her bir öğesi için ayrı sütunlar varsa, bunları tek bir sütunda birleştirmeniz gerekir.
Şu gibi bir formülle bu öğelerin her birini birleştiren hesaplanan bir sütun oluşturabilirsiniz:
Column = [Address] & ", " & [City] & ", " & [Country] & ", " & [Postal Code]
Ayrıntılı adres bilgileriniz yoksa, bunun yerine ülke veya ABD eyaleti gibi daha genel verileriniz varsa, ArcGIS bu bilgileri tanıyabilir ve daha geniş bir sınırı eşleyebilir (bu, yukarıda bahsedilen vektör verilerindeki poligon veri türüne benzer).
Bir ArcGIS haritasına konum bilgisi eklemenin en kolay ve en doğru yollarından biri, görselleştirme seçeneklerindeki ilgili alanlara eklenen ayrı boylam ve enlem sütunlarını kullanmaktır. Verilerinizde mevcutsa bu tür bilgileri kullanmanız önerilir.
ArcGIS, Power BI'da yerleşik bir görseldir. Diğer tüm görselleştirme seçenekleri arasında bulabilirsiniz. Power BI'da verileri nasıl görselleştireceğiniz ve en iyi uygulamalar konusunda ekstra rehberlik isterseniz bir Power BI'da veri görselleştirme kursumuz var.

ArcGIS simgesine tıklayarak onu Power BI tuvaline ekleyin. Sağ taraftaki seçeneklerde, bu görselin desteklediği alan türlerini göreceksiniz. Konum alanına mahalle sütununu, ilgili alanlarına da enlem ve boylam sütunlarını ekliyoruz. Los Angeles'taki Airbnb ilanlarının fiyatlarını görselleştirmek istediğimiz için fiyat sütununu Boyut alanına ekliyoruz.
Bu, aşağıdaki sonucu üretir:

Veri kümesindeki bilgilere ek olarak, grafiğe fazladan bir infografik kartı ekliyoruz. Bu, ArcGIS tarafından sunulan bir özelliktir ve görebildiğimiz öğelere göre dinamik olarak değişir — bu durumda Los Angeles'a yakınlaştırdık. Mülk verileriyle ilgilendiğimiz için ortalama konut değerini ekledik. Bu, bu görselde gördüğümüz Airbnb ilanlarının göreli fiyatlarına bağlam kazandırır.
Çemberlerin boyutuna bakarak, Malibu'nun en pahalı Airbnb ilanlarından bazılarına sahip olduğunu görebiliyoruz!
Coğrafi veri analizi, daha derin içgörüler üretmek için güçlü bir araçtır ve verilerimize ek bir bağlam katmanı sunar. Bu da birçok sektörde kuruluşların karar alma süreçlerini iyileştirir.
Bu yazıda gördüğünüz gibi, Power BI ile ArcGIS kullanmak coğrafi verilerin hazırlanmasını büyük ölçüde basitleştirir ve dinamik görselleştirmeleri hızlı ve kolay bir şekilde oluşturmanıza olanak tanır.

blog
blog
Eğitim
Veri Görselleştirme Kursları
Kurs
Veri Bilimi çalışmalarınızda Python ile mekansal veriyi nasıl entegre edeceğinizi öğrenin.
Kurs
Uzamsal verileri okumayı, keşfetmeyi ve işlemeyi öğrenin, ardından becerilerinizi kullanarak R ile bilgilendirici haritalar oluşturun.
Kurs
Create etkileyici coğrafi veri görselleştirmeleri: Python ile geopandas ve folium haritalarını kullanmayı öğrenin.