Mapbox MovementとBig Queryによるサイト選定

データサイエンティストやアナリストは、BigQueryを通じてMapbox Movementデータにアクセスできるようになり、企業はMapbox Movementを顧客の所在地、POS情報、人口統計情報などの重要なビジネスデータとより簡単に組み合わせることができます。このデータを使用することで、ビジネスアナリストは最も重要な場所に関する洞察を得て、これらの洞察を使用して、小売サイトの選択などの高度な地理空間分析を実行できます。

この記事では、BigQuery内でMapbox Movementを使用して、新しいレストランに最適な場所を選択する方法を説明します。まず、商業不動産業者から提供されるものと同様の、レストランの候補地のリストから始めます。各場所について、ランチとディナーの時間帯のMapbox Movementのアクティビティに基づいてスコアリングし、これらの食事に最適な賃貸物件を把握します。

以下のクエリは、潜在的な各場所を調べ、H3 ヘキサゴン で定義され、H3 Hex ID で識別される周辺地域の平均アクティビティインデックスを決定します。都市は地理的に複雑な分析領域であり、ヘキサゴンを使用すると、選択とフィルタリングのための一貫した識別子を保持しながら、同等のサイズと形状でこれらの領域を調べることができます。 
まず、レストランのランチタイムのピークである正午の平日を見てみましょう。調べる曜日と時刻は、ON ステートメントで指定します。

このクエリの結果は、各場所の移動スコアを示しており、バーの高さは全体的な平均移動指数を表しています。 

この分析に基づくと、6 SW 3rd Aveの物件は、サンドイッチやその他のランチメニューを専門とするレストランに最適です。ただし、レストランは通常、夕食時に1平方フィートあたりの収益が大幅に増加するため、時間パラメータを調整して午後6時のアクティビティを調べ、クエリを再実行して結果が変わるかどうかを確認します。更新クエリは次のとおりです。

そして、こちらが結果です。9225 SW Allen Rdの周辺が夕食時に最も混雑することがわかります。

BigQueryのMapbox Movementからの洞察を使用して、新しいレストランに最適な場所として9225 SW Allen Rdを特定しました。この場所は、ディナーサービスの平均アクティビティが最も高く、ランチサービスでも上位3位に入っています。
BigQueryの初心者の方は、基本についてクイックスタートガイドをご覧ください。この投稿からのサンプルデータは、パブリックGoogle Cloud Bucketで入手できるようにしました。これにより、開発者はテーブルを作成し、これらのクエリを以下に示すように正確に実行できます:

• portlandMovementHourly.csv - オレゴン州ポートランド市のMapbox Movement時間別データが含まれています
• restuarantLocations.csv - 不動産業者が提供するものと同様の商業用不動産リストのサンプルが含まれています
  

BigQueryアカウントを作成し、Mapbox Movementデータを使って、ビジネスに最適な場所を特定しましょう。