Location Intelligence: la nueva forma de ver un mapa

15 · 11 · 2016



Se sostiene que el primer mapa del mundo conocido es una pequeña tablilla de Babilonia, realizada en arcilla y de no más de doce centímetros de longitud. Fue creada sobre el 500 a.C y actualmente podemos visitarla en el British Museum de Londres. La verdad es que los babilonios ya hacían mapas desde el 2.300 a.C, muy posiblemente, con la intención de medir distancias entre terrenos para el cobro de impuestos.

Mapa, babiloniaPrimer mapa del mundo conocido

Un mapa es una representación de la realidad que nos ofrece la posibilidad de obtener información y aplicar inteligencia a los datos representados en las localizaciones.

El primer caso de éxito conocido sobre la inteligencia de localización (location intelligence) se remonta a 1.854, cuando se produjo el brote de cólera más violento de Inglaterra en el que unas 700 personas perdieron la vida en menos de una semana en el barrio del Soho de Londres.

John Snow, médico inglés y considerado el padre de la epidemiología moderna, era un apasionado de los mapas y los utilizaba para apoyar muchos de sus artículos y exposiciones. Su consulta estaba situada muy próxima al centro de la epidemia, y como conocedor del entorno y de muchas de las víctimas, decidió comprar un mapa e ir anotando las muertes que se produjeron durante el mes de septiembre. El resultado fue esclarecedor: el mayor volumen de fallecidos se producía en las cercanías de Broad Street.

John Snow había realizado un genial ejercicio de conexión entre incidencia y concentración, pero no sólo quedó ahí; también georreferenció todos los pozos de agua del barrio, y pudo observar que la mayor parte de las víctimas eran cercanas a la bomba de agua de Broad Street.

Gracias a su representación, se pudo detectar el foco causante de la epidemia y evitar la expansión de la enfermedad. Se obtuvo inteligencia sobre datos geolocalizados. ¿Coincidencia? Más bien: location intelligence.

Mapa Cólera. John Snow

Mapa original de John Snow, en el que se marcan con puntos negros cada una de las víctimas por cólera, y con una X la ubicación exacta de los pozos de agua.

 

Location Intelligence

La inteligencia de localización, no sólo consiste en analizar la información de un mapa por sí sola, sino en analizar datos espaciales para identificar relaciones y obtener insights determinantes para resolver problemas particulares.

Más del 80% de los datos, contienen un componente de ubicación que afecta directamente a las decisiones que se puedan llevar a cabo sobre los mismos. Cualquier empresa tiene localizaciones relativas a sus clientes, tiendas, oficinas, dispositivos, flota de vehículos e incluso competencia.

Actualmente, gracias a la introducción del Big Data, podemos nutrir nuestras consultas espaciales con una gran cantidad de información externa. Información que podemos obtener de fuentes públicas o privadas y que tenemos la capacidad de añadirla a nuestra información georrefenciada incluso en tiempo real.

  • Imaginemos: si a la ubicación de nuestros clientes en una área geográfica le añadimos fuentes externas como censos de población, datos demográficos, datos estadísticos u otros datos públicos, podremos obtener un nivel de detalle sin precedentes. De esta forma, tendremos la capacidad de dar respuesta a preguntas del tipo: ¿qué edad tienen? ¿cuál es su nivel económico? ¿en qué áreas se concentran? Todas ellas contarán con un componente de ubicación y podrán ser fácilmente resueltas con la inteligencia de localización.

Esta información sobre las relaciones espaciales que se producen en los datos, nos llevan a tener una mayor comprensión sobre comportamientos, influencias o tendencias que se producen y que podrían estar ocultos en un laberinto de tablas y números.

Utilizando la tecnología de los Sistemas de Información Geográfica (GIS), podremos llegar a comprender y obtener valor sobre la inteligencia de localización. Con un GIS podremos mapear los elementos geográficos obtenidos de los datos de nuestra empresa para obtener patrones y relaciones que de otra forma no serían posibles. Además, podremos añadir información de numerosas fuentes externas. Todo ello, se combina en un cóctel de varias capas de información, con el que obtenemos insights de gran valor.

Pero, ¿y si lo que representamos en un mapa no son fuentes internas o externas de información estadística o demográfica, sino conversaciones que las personas realizan en los diferentes medios digitales?

En un mapa de menciones podemos representar en qué zonas se está hablando sobre una temática concreta, un producto, una marca, un hashtag, una incidencia, etc. Seremos capaces, por ejemplo, de visualizar aquellas conversaciones que tienen un impacto negativo sobre un determinado producto de mi compañía, detectar en qué zonas se produce mayor volumen de conversación de mi marca y, por lo tanto, emprender campañas de marketing sobre ellas o incluso controlar el alcance que ha tenido una campaña y ver su repercusión en los distintos medios digitales.

Universo Digital

A continuación veremos cómo representar en un mapa las conversaciones realizadas en diferentes entornos digitales sobre cinco equipos de fútbol de la liga española.

Para ello, se ha elegido la herramienta que particularmente considero la mejor plataforma de análisis y visualización de datos geolocalizados: CARTO (anteriormente llamada CartoDB).

Para comenzar, a partir de la herramienta de monitorización Brandwatch, se han extraído las menciones realizadas en redes sociales, blogs, foros y medios de cinco equipos de fútbol de la liga española: Real Madrid, Fútbol Club Barcelona, Atlético de Madrid, Real Sociedad y Alavés.

Se han filtrado los datos para que las menciones fuesen en español e inglés, durante el mes de agosto 2016. El periodo corresponde a la mitad de la pretemporada y comienzo de la temporada 2016/2017, incluyendo las dos primeras jornadas de liga (1ª Jornada 20/21 de agosto y 2ª jornada 27/28 agosto).

La elección de los cinco equipos no ha sido aleatoria, sino que se ha basado en el informe de reputación elaborado por Brandwatch sobre los equipos que participan en la liga española atendiendo a distintos criterios analizados: visibilidad social, visibilidad general, sentimiento neto, crecimiento del alcance, engagement y contenido.

Ya tenemos lo fundamental para comenzar con el ejemplo: los datos, (y qué datos).

Más de 1 millón de menciones sobre los cinco equipos, que hacen que el proceso de importación y depuración, sea cuando menos, un trabajo de varias horas de dedicación, y eso contando con que para el Real Madrid y Fútbol Club Barcelona sólo nos hemos quedado con un 10% del total de menciones existentes.

Lo siguiente es determinar la posición de la persona/medio que ha realizado el comentario. Si no poseemos unas coordenadas (longitud y latitud) podemos utilizar su ciudad, país o municipio y con el API de Google Maps aplicar un proceso de georreferenciación que nos proporciona las coordenadas físicas a partir de alguno de esos datos.

Ya con el dataset perfectamente creado (mención + coordenadas) solo queda incorporarlo a CARTO y visualizar el mapa interactivo que mostrará el volumen de conversación real para cada equipo de fútbol a lo largo de los días del mes de agosto 2016.

¡Adelante! podéis jugar con el mapa, hacer zoom, activar/desactivar la barra temporal, etc.

Como podéis ver en el mapa, se representan con un color diferente las menciones de cada uno de los equipos.

En cualquier momento, ayudándonos de la escala temporal que aparece en el margen inferior izquierdo, podemos parar la visualización en un día en concreto, o incluso navegar por el mapa y acercarnos a nuestra comunidad o municipio. Interesante, ¿verdad?

Podemos extraer información muy interesante para cada una de las fechas, por ejemplo, vamos a exponer algunos días en concreto y analizarlo con lo que ocurrió en el universo futbolístico:

 

3 de Agosto

Amistoso: Leicester City – F.C. Barcelona (2-4)

Mapa, CartoDB

Se observa el gran volumen de conversación sobre el Fútbol Club Barcelona en prácticamente todo el mundo.

Pero sigamos con este análisis:

 

4 de Agosto

Amistoso: Real Madrid – Bayern Múnich (1-0)

Mapa, CartoDB

El mapa cambia de color, de quien se habla al día siguiente es del Real Madrid.

 

9 de Agosto

Final Supercopa Europa: Real Madrid – Sevilla (3-2)

Mapa, CartoDB

Se nota que es una final y no un amistoso, el gran volumen de conversación sobre el Real Madrid es notorio en todo el mundo y significativamente superior al del día 4 de agosto.

 

21 de Agosto

Liga española: Real Sociedad – Real Madrid (0-3)

Mapa, CartoDB

Liga española: Atlético de Madrid – Alavés (1-1)

Mapa, CartoDB

En este caso, se observa la interacción de varios equipos, es normal, empezaba la primera jornada de liga y muchos equipos jugaban en el mismo día, incluido también el Barcelona – Betis (6-2) entre otros.

Resulta evidente que el mundo del fútbol no entiende de barreras geográficas, y las conversaciones procedentes de estos cinco equipos de fútbol son extendidas a lo largo de todo el globo terráqueo.

Podemos obtener insights muy claros de este análisis y que probablemente ya conocíamos, como:

  • El mayor volumen de conversación se produce en el mismo día que juega un determinado equipo, diluyéndose según pasan los días.
  • En los partidos más importantes, se observa mayor volumen de conversación y más extendido a lo largo de todo el mundo.
  • Aquellos días en los que juegan varios equipos, se observa interacción de todos ellos, sin existir un claro dominante.

Hemos visto cómo podemos realizar mapas de gran valor a través de información aportada por una herramienta de monitorización de redes sociales, por lo que no sólo nos podemos apoyar de información ya geolocalizada, sino que podemos obtener otro tipo de información aparentemente “plana” y conseguir asignar contenido geográfico para su representación y análisis posterior en un mapa. Sólo dejar salir vuestra alma creativa y pensad en qué tipo de información podéis obtener para resolver un problema concreto, que con técnicas clásicas, no se podría conseguir.

Desde Territorio creativo llevamos tiempo utilizando este tipo de tecnología y aplicándolo cada vez más en diferentes proyectos, en los que se hace necesario la introducción de nuevos tipos de análisis, y que muy seguro, os iremos enseñando en este blog.

Y esto es sólo el inicio del location intelligence. La aparición de nuevas técnicas, software y hardware, hará que vivamos una nueva dimensión de este tipo de análisis, consiguiendo incluso más información, mayor interacción, más accesibilidad a datos y todo ello, muy seguro que con menor tiempo de procesamiento.

Tags:

Me gusta la Tierra y los datos... por esa razón estudié Ingeniería Topográfica especializado en Sistemas de Información Geográfica, y más tarde, máster en Data Science.¿Cuál es mi role en Good Rebels? Juego con los datos para crear maravillosas visualizaciones con ellos. Análisis de datos, automatización de procesos, geomarketing, monitorización y cualquier cosa con mapas…

Comparte +

Ver todos    Subir

Suscríbete a nuestros artículos

Suscríbete a #Rebelthinking y mantente al día de las últimas tendencias digitales, una selección de los mejores artículos de Rebel Thinking, así como nuestros últimos estudios y nuestra newsletter mensual.

He leído y acepto las condiciones de uso y la política de privacidad y cookies