Howto: Business Analyst介绍

摘要： 商业分析（BA）采用了网络分析、地理编码等技术，是ArcGIS的扩展模块，目前只是桌面扩展，不久将成为ArcGIS Server的扩展。它实现的基础是——翔实的全美国的人口、地址和经济数据，这些数据每年更新，所以使用商业分析必须有两个许可，扩展模块许可和数据许可。顺便提到的是，BA采用了水晶报表，安装时一定要采用英文版，中文版会导致生成报表出错。如果要使用中文数据，ESRI提供了本地化工具包（Localization Toolkit），包含如何集成本地数据的文档。要注意的是，BA没有提供选址功能。 BA分为三部分：第一步数据准备、第二步商业分析、第三步结果处理。数据准备是前期工作，分为如下三个步骤：创建研究区域---->设定商店---->设定客户。商业分析是中心，分为三种：确定贸易区、专业分析、使用模型。内容丰富，将在下文着重讲述。结果处理是可选的后续工作。BA提供了这些工具，来增强商业分析结果的表达效果。最重要的是：地图渲染、报表制作、寻找路径。此外，还有一些移除重叠、创建网格等等小工具。
内容：
本文的核心是详细介绍商业分析。 准备知识 l 霍夫模型: 客户访问商店的可能性，是两地距离、商店吸引力、竞争商店距离和吸引力的函数。P代表可能性，W代表吸引力，D代表距离，i代表商店，j代表客户， 代表指数（1.5--2） l 距离衰减函数：距离越远，客户去商店的可能性越小。 l 泰森多边形/Voronoi 图 Voronoi 图可以理解为对空间的一种分割方式（一个Voronoi 图内的任意一点到本Voronoi 图中心点的距离都小于其到其它Voronoi 图中心点的距离），也可以理解为对空间的一种内插方式（空间中的任何一个未知点的值都可以由距离它最近的已知点（采样点）的值来替代）。Voronoi 图的结构取决于采样点的分布特征，当采样点为规则分布时，其相应的Voronoi 图也呈规则分布，当采样点为不规则分布时，由其所确定的Voronoi 图也为不规则的多边形网。 一、确定贸易区 1． 如果有客户数据，我们采用下面的方式： Ø 客户派生区域：根据客户，生成相应市场。 Ø 市场渗透：根据区域内，客户数与人口数的比较，计算出市场渗透。 Ø 贸易区渗透：贸易区的客户数与总户数的比较（总户数可以为其它基准值）。 Ø 距离衰减区：该方法认为，距离越远，客户访问的可能性越小。对于商店外围的同心环或驾车多边形，计算市场渗透值。报表显示出，相对于人口，客户经过多远到达商店。2． 如果没有客户数据，我们采用下面的方式： Ø 同心环：生成商店为中心的同心环，提取出人口统计学信息。例如，一公里内的总人数？三英里内的户数？五英里内的平均每户收入？ Ø 不重叠环：生成没有重叠区域的同心环。 Ø 数据生成的环：根据商店的规模或销售额生成环。 Ø 开车时间多边形：基于路网数据，根据开车时间生成贸易区。 Ø 阈值环：创建商店周围的环，半径是从商店开始扩展，直到满足设定条件。 Ø 等竞争（泰森多边形）：该方法认为，客户总去最近的商店。其结果能更好地了解自然市场区域。 Ø 霍夫等可能性贸易区：算法与等竞争方法相似，区别在于商店的贸易区边界基于多变量权重。 Ø 网格：建立网格，添加人口数据，找出热点区域。 Ø 地理标准等级：根据标准的几何单位，如省、州，确定贸易区。Ø 子地理：为每个在另一图层边界内的标准几何边界建立贸易区，如在开车时间边界内的街区。 二、专业分析 Ø 客户探查：确定区域，输入现有客户，根据理想的人口统计学特点，生成新客户区。Ø 需求线/蜘蛛图：显示哪些客户去哪些商店，生成直线，显示每个商店的影响区。 Ø 寻找相似：根据已知的运行良好的一个主站点，对一个新的潜在地点进行评分。可以比较5个变量的值，也可以给贸易区分级。 Ø 商店平均中心：新建商店，要考虑潜在客户，例如位置和人口。要创建客户点的平均中心，可以根据客户数，也可以根据权重（销售量、访问量）。 Ø 空间重叠：把A图层的数据，提取到B图层。A可以是街区，包含人口和社会经济信息，B是个生成的贸易区。 三、使用模型 Ø 原始霍夫模型：估算区域的销售潜力，考虑候选位置、竞争位置、销售潜力数据、吸引力字段。销售潜力数据通常是街区或地块图层，它包含销售潜力字段，例如在家具上、衣服上、汽车维修上的支出。吸引力字段显示竞争者对于客户的吸引力，常用GLA表示。（<a>GLA: gross leasable area </a>总可出租面积） Ø 经统计校正的高级霍夫模型：距离可以是直线距离、开车距离或者开车时间。对于每个商店可以选择多个参数（而非一个）。具有校正功能，可以通过观测的购物行为或市场调研来计算模型中合适的指数。结果可以用来： l 估算、定义、分析市场潜力 l 评定新位置的经济影响 l 预报现有商店和大卖场的销售额和潜力 l 评估竞争和环境变化对大卖场的影响 Ø 霍夫模型校正：为了提高预测精度，可用两种方式的模型校正：使用实际客户数据，或使用测量数据。需要下述内容进行校正： l 实际客户数据必须包含研究区域内，每个子区域的家庭样本信息，需要每个现存竞争商店位置的客户信息。客户信息在模型中转为每个子区域的比例。 l 测量数据用来决定研究区域内，每个客户的购物频率，通过出口处的访问，可以获得这个信息。 l 确保样本中充分表现了每个子区域。 l 潜在客户水平通常是一个多边形贸易区，代表子区域中的潜在客户。这也可以是具有相关人口统计数据的点图层，例如街区中心点。 l 竞争商店图层要包括研究区域所有的竞争点。该图层也要包括研究区域内所有的现存商店，因为它们对新商店也会有竞争。通常该图层为BA商店图层。 l 竞争商店位置可以从BA的增加商业列表功能中提取。 l 商店吸引力字段，也称为预期值，通常包括商店的属性有：面积、停车位、广告、营业时间、价格、年限、外观、标记、可达性。 Ø 属性融合：把两个模型（如原始霍夫模型和霍夫模型校正）的输出结果进行属性融合，做进一步分析。




创建时间：2007-09-24
最近更新：2007-09-24


【原文链接】
http://support.esrichina.com.cn/2007/0924/171.html