Obtenga información sobre el cálculo de INTERSECS(), o Intersecciones() en Tableau, que le permite encontrar intersecciones espaciales a través de campos calculados en el nivel del libro de trabajo, en lugar de en una unión.
Traducido de la página de Tableau Software
Al analizar datos de ubicación, a menudo desea saber qué hay dentro de un límite determinado. Si bien la unión de intersección espacial de Tableau le permite ver todas las combinaciones posibles de ubicaciones en varias fuentes de datos, a veces su pregunta es más rápida y más personal -¡Solo dígame qué hay cerca de esta ubicación aquí!- Hemos introducido un nuevo cálculo llamado INTERSECS() que puede usar para realizar una versión ligera de la unión de intersección espacial directamente en la hoja de trabajo.
Echemos un vistazo a algunos grandes escenarios analíticos que desbloquea el cálculo INTERSECS().
¿Qué hay cerca de este punto de interés?
Cuando desee ver los valores de un Punto De Interés (PDI) a la vez, INTERSECS() facilita la evaluación dinámica de lo que está cerca de su PDI específico. Agregar una acción de parámetro le permite cambiar el PDI sobre la marcha con actualizaciones dinámicas para todos sus análisis locales.
Este es un ejemplo de cómo permitir que un usuario seleccione dinámicamente una escuela, genere una zona de influencia de tamaño variable alrededor del centroide de la escuela usando el cálculo BUFFER() de Tableau y luego use INTERSECS() para identificar otras escuelas dentro de la distancia de zona de influencia. Este tablero actualizará los análisis para cualquier escuela que seleccione el usuario, sin tener que realizar un trabajo de configuración complejo con uniones espaciales entre todas las combinaciones posibles de fuentes de datos. Para ver cómo se hizo esto, consulte el libro de trabajo en Tableau Public.
¿Qué hay cerca de este punto de interés, en todas las fuentes de datos?
El ejemplo anterior analizó las relaciones dentro de una sola fuente de datos: encuentre todas las escuelas que están cerca de otra escuela. Pero, ¿qué sucede si desea conocer las relaciones entre las fuentes de datos? Por ejemplo, tal vez queramos saber acerca de todos los edificios que están cerca de una de las muchas escuelas en Washington DC. Podríamos unir una fuente de datos con ubicaciones de escuelas de DC a nuestro conjunto de datos de ubicaciones de huellas de edificios, pero también podríamos simplemente almacenar la latitud y longitud de las escuelas seleccionadas en parámetros y dejar que esos "hablen" con los puntos en nuestra fuente de datos de edificios. Cualquier fuente de datos en el libro de trabajo puede acceder a un parámetro, por lo que podemos pasar la latitud y la longitud de una escuela seleccionada en nuestra fuente de datos DC School a la fuente de datos DC Buildings, luego crear un búfer y usar INTERSECS() para encontrar todos los edificios dentro de nuestra distancia especificada por el usuario.
Para ver cómo se hizo esto, consulte el libro de trabajo en Tableau Public o siga estos pasos:
1. Cree parámetros (latitud, longitud y una lista de escuelas) que unen todo el libro de trabajo
2. Conjunto de datos de escuelas públicas: use MAKEPOINT() para trazar las ubicaciones de las escuelas
3. Conjunto de datos de edificios: cree una geometría para copiar las ubicaciones de la escuela usando acciones de parámetros en el tablero. Esto es necesario para construir el BUFFER().
4. BUFFER() los Edificios basados en una distancia parametrizada
5. Use INTERSECTS() para encontrar qué edificios están dentro de la distancia de amortiguamiento de la escuela seleccionada
En este tablero, creará lo siguiente:
¿Cómo se comparan mis valores con las ubicaciones adyacentes?
Comparar el valor de una ubicación con los vecinos directos puede proporcionar un interesante punto de datos contextuales. ¿Los valores de esta ubicación son mucho más altos o más bajos que los de la región circundante? Para polígonos, como condados, ¿cómo podemos encontrar estos vecinos? ¡Podemos usar una acción de parámetro y el cálculo INTERSECS() para impulsar análisis del vecindario para una ubicación seleccionada!
Por ejemplo, comparemos la superficie de tierra de una propiedad seleccionada con el área de todas sus propiedades vecinas. En la imagen a continuación, podemos ver esta propiedad en el condado de Hardy, WV no es más grande que todas las propiedades circundantes (gráfico de barras, a la derecha del mapa), pero es más grande que el tamaño promedio de las propiedades que la rodean. Todos los condados de propiedades vecinas combinados tienen una superficie mayor (gráfico de barras apiladas a la derecha). Hay muchas formas de calcular las métricas de comparación, estos son solo dos ejemplos para demostrar. Para ver cómo se hizo esto, consulte el libro de trabajo en Tableau Public.
Validar atributos espaciales (spatial)
Algunas fuentes de datos tienen atributos que enumeran el nombre de geografías relacionadas, pero a veces la ubicación de los datos y el nombre no concuerdan. ¡INTERESECS() se puede usar para validar visualmente! Por ejemplo, la ciudad de Boston proporciona detalles sobre las solicitudes de servicio 311 a través de su portal de datos abiertos. Junto con una latitud y longitud para la solicitud 311, también incluyen atributos que se alinean con geografías como vecindario, distrito policial, etc. fueron asignados correctamente. En este caso, me uní a un conjunto de datos de solicitud de servicio 311 con un archivo de polígono con límites de vecindario. La unión se basa en el nombre del vecindario, no es una unión espacial.
Usando INTERSECS() en la hoja de trabajo, puedo ver cuántos puntos se atribuyen correctamente al vecindario correcto... y, lo que es más importante, cuáles son incorrectos. Eso me permite resolver problemas y volver a limpiar mis datos, o saber qué registros pueden ser sospechosos para usar en otros análisis.
Por ejemplo, aquí están todos los puntos etiquetados como "Roxbury". Si bien el archivo de límites del vecindario también provino del portal de datos abiertos de la ciudad de Boston, las definiciones de los límites no parecen coincidir. Algunos de estos pueden estar relacionados con un cambio en la definición de los límites a lo largo del tiempo, o basados en la confusión de la interpretación humana de los límites del "vecindario", y algunos pueden deberse a errores en las coordenadas (por ejemplo, los puntos más alejados en el distrito financiero). Los puntos blancos son ubicaciones dentro de "Roxbury", mientras que los puntos amarillos son ubicaciones etiquetadas como "Roxbury", pero en realidad son vecindarios adyacentes o cercanos. Para ver cómo se hizo esto, consulte el libro de trabajo en Tableau Public.
La misión de Tableau siempre ha sido responder preguntas sobre datos. A lo largo de los años, se han agregado capacidades espaciales orgánicas para responder preguntas espaciales contextuales. La unión espacial de Tableau, lanzada en 2018, fue uno de los pasos más grandes en esa progresión. Con esta adición reciente, el cálculo Intersects le permite hacer preguntas rápidas y dinámicas en el nivel del libro de trabajo.
Síguenos en LinkedIn para que te enteres de publicaciones como esta y mucho más
Contáctanos para una demostración y una prueba gratuita de
Commentaires