Places Insights 數據分析視覺化

總覽

本文說明如何使用 Places Insights 和數據分析，建構動態地理空間報表。讓非技術相關人員也能自行解答問題，發揮位置資料的價值。本指南說明如何將靜態報表轉換為互動式熱視圖樣式工具，用於市場分析，而不必為每項要求編寫 SQL。開放存取複雜的位置資料，消除資料工程和商業智慧之間的落差。

採用這種架構模式可帶來幾項主要優點：

• 資料視覺化：將 Places Insights 資料轉換為互動式地圖和圖表，立即呈現空間密度和趨勢。
• 不需 SQL 即可輕鬆探索：團隊成員 (例如市場分析師或房地產規劃師) 可使用預先定義的參數，動態篩選資料 (例如使用下拉式選單變更「城市」或「時段」)。他們不必編寫任何一行 SQL，就能探索資料。
• 順暢協作：標準數據分析共用功能可讓您安全地發布這些互動式洞察資料。

解決方案工作流程

下列工作流程可建立高效能的報表架構。從靜態基準轉變為完全動態的應用程式，確保在引入複雜性之前資料正確無誤。

必要條件

開始之前，請按照這些操作說明設定 Places Insights。您需要存取數據分析，這是一項免付費工具。

步驟 1：建立靜態地理空間基準

在導入互動功能之前，請先建立基本查詢，並確認查詢在數據分析中正確顯示。使用 Places Insights 和 BigQuery 的地理空間功能，透過 H3 索引系統將資料匯總至六角形網格。這會產生查詢輸出內容，可與數據分析的填色地圖圖表類型搭配使用，以便進行視覺化。

1.1 連結資料

使用下列靜態查詢建立初始連線。它會指定固定位置 (倫敦) 和類別 (餐廳)，以驗證資料管道。

SELECT
  h3_index,
  `carto-os.carto.H3_BOUNDARY`(h3_index) AS h3_geo,
  restaurant_count
FROM (
  SELECT WITH AGGREGATION_THRESHOLD
    `carto-os.carto.H3_FROMGEOGPOINT`(point, 8) AS h3_index,
    COUNT(*) AS restaurant_count
  FROM
    -- Note: Change 'gb' to your target country code (e.g., 'us')
    `places_insights___gb.places`
  WHERE
    'London' IN UNNEST(locality_names)
    AND 'restaurant' IN UNNEST(types)
  GROUP BY
    h3_index
)
ORDER BY
  restaurant_count DESC;

空間匯總注意事項

這項查詢會使用 CARTO Analytics Toolbox (carto-os) 的函式，該函式可在 Google Cloud BigQuery 中公開取得。H3_FROMGEOGPOINT 函式會將特定位置點轉換為 H3 儲存格，這個系統會將世界劃分為六角形網格儲存格。

我們之所以使用這項轉換，是因為數據分析的區域分布圖需要多邊形 (形狀) 才能顯示顏色。將點轉換為六邊形後，就能以視覺化方式呈現特定區域的商家密度，不必繪製數千個重疊的點。

匯總門檻注意事項

所有 Places Insights 查詢都必須包含 WITH AGGREGATION_THRESHOLD 子句。這項隱私保護措施可確保只有在匯總計數為 5 以上時，系統才會傳回資料。

在這個圖表的情境中，如果 H3 網格儲存格包含的餐廳少於 5 間，該儲存格就會從結果集中完全省略，並在地圖上顯示為空白。

如要在數據分析中實作這項功能，請按照下列步驟操作：

1. 建立新的空白報表。
2. 選取「BigQuery」BigQuery做為資料連接器。
3. 從左側選單中選擇「CUSTOM QUERY」(自訂查詢)，然後選取帳單專案 ID。
4. 將上方的靜態基本查詢貼到編輯器。
5. 清除「Use Legacy SQL」(使用舊版 SQL)、「Enable date range」(啟用日期範圍) 和「Enable viewer email address」(啟用檢視者電子郵件地址) 參數。
6. 按一下 [新增]。

1.2 設定地理空間視覺化

連結資料後，請設定數據分析，正確辨識 H3 邊界資料：

1. 在「Add a chart」(新增圖表) 選單中，將「Filled Map」(填色地圖) 圖表新增至報表畫布。
2. 請確認包含多邊形幾何圖形的 h3_geo 欄位已設為「地理空間」資料類型。
   1. 按一下連結名稱旁的「Edit data source」(編輯資料來源) (鉛筆) 圖示。
   2. 如果 h3_geo 設為「Text」(文字) (ABC)，請使用下拉式選單依序選取「Geo」(地理) >「Geospatial」(地理空間)，
   3. 按一下「完成」。
3. 將 h3_index 欄位對應至「Location」 (做為專屬 ID)。
4. 將 h3_geo 欄位對應至「Geospatial Field」(地理空間欄位) (做為多邊形幾何圖形)。
5. 將 restaurant_count 欄位對應至「顏色指標」。

這會依 H3 單元格顯示餐廳密度地圖。深藍色 (預設顏色選項) 代表餐廳數量較多的儲存格。

步驟 2：導入動態參數

為了讓報表具有互動性，我們會在報表中加入控制項，讓使用者從下列選項中選取：

• 地區：控制報表著重的城市。
• 星期幾：根據營業日篩選地點，使用結構定義中的 regular_opening_hours 記錄。
• 時段：根據營業時間篩選地點，方法是比較 start_time 和 end_time 欄位。

為此，您會在執行階段，將使用者選取的參數直接傳遞至修改後的 Places Insights 查詢。在數據分析的資料來源編輯器中，您必須明確將這些參數定義為類型變數。

在數據分析中，選取「Resource」(資源) 選單，然後按一下「Manage added data sources」(管理已新增的資料來源)。在顯示的面板中，選取先前新增的 BigQuery 自訂 SQL 資料來源旁的 EDIT。

在「編輯連線」視窗中，選取「新增參數」。我們要新增三個參數，值如下。

p_hour_of_day 參數的設定範例。

對於 p_hour_of_day 參數，請密切注意 Value 欄。由於 SQL 查詢使用 CAST(@p_hour_of_day AS TIME)，因此從數據分析傳遞的值必須嚴格採用 HH:MM:SS 格式 (24 小時制)。

設定並儲存這三個參數後，請修改 BigQuery 自訂 SQL 連線，使用 @ 語法參照這些變數。

方法是點選「編輯連線」，然後貼上下列修改後的查詢：

SELECT
  h3_index,
  `carto-os.carto.H3_BOUNDARY`(h3_index) AS h3_geo,
  restaurant_count
FROM (
  SELECT WITH AGGREGATION_THRESHOLD
    `carto-os.carto.H3_FROMGEOGPOINT`(point, 8) AS h3_index,
    COUNT(*) AS restaurant_count
  FROM
    `places_insights___gb.places`
  WHERE
    -- Dynamic locality filter based on parameter
    @p_locality IN UNNEST(locality_names)
    AND 'restaurant' IN UNNEST(types)
    AND business_status = 'OPERATIONAL'
    AND EXISTS (
      SELECT 1
      FROM UNNEST(
        CASE @p_day_of_week
          WHEN 'monday' THEN regular_opening_hours.monday
          WHEN 'tuesday' THEN regular_opening_hours.tuesday
          WHEN 'wednesday' THEN regular_opening_hours.wednesday
          WHEN 'thursday' THEN regular_opening_hours.thursday
          WHEN 'friday' THEN regular_opening_hours.friday
          WHEN 'saturday' THEN regular_opening_hours.saturday
          WHEN 'sunday' THEN regular_opening_hours.sunday
        END
      ) AS hours
      WHERE hours.start_time <= CAST(@p_hour_of_day AS TIME)
        AND hours.end_time >= TIME_ADD(CAST(@p_hour_of_day AS TIME), INTERVAL 1 HOUR)
    )
  GROUP BY
    h3_index
)
ORDER BY
  restaurant_count DESC;

按一下「重新連結」即可儲存編輯內容。在修改後的查詢中，請注意新的變數，例如 @p_hour_of_day，這些變數與我們剛才設定的參數名稱相關。

返回報表畫布，向使用者顯示這些參數：

1. 在報表中新增三個「下拉式選單」控制項。
2. 針對每個控制項，將「控制項欄位」設為對應至新建立的參數：
   • 控制組 1：p_locality
   • 控制項 2：p_day_of_week
   • 控制項 3：p_hour_of_day

最終報表應如下所示。變更其中一個下拉式選單控制項的值，會觸發數據分析從 Places Insights 擷取要求的資料，然後在地圖上以圖表呈現。

步驟 3：分享結果

使用數據分析內建的共用工具分享報表。這樣一來，檢視者就能根據從下拉式選單中選取的參數，動態更新圖表。

結論

這個模式會建立可擴充的互動式報表工具，運用 BigQuery 的運算能力，將匯總的 Places Insights 資料提供給數據分析。這個架構可避免嘗試以視覺化方式呈現大量原始資料集的缺點，並讓使用者能靈活地以近乎即時的方式，探索不同維度的資料，例如時間、位置和業務類型。這項強大工具可讓不具技術背景的利害關係人靈活探索資料。

後續步驟

您可以將 Places Insights 結構定義的不同部分參數化，探索其他動態報表變化版本：

• 動態競爭對手分析：為brand名稱建立參數，讓使用者能立即切換不同競爭對手的熱視圖，查看他們在市場中的相對飽和度。如要瞭解品牌資料可用性，請參閱「關於 Places Insights 資料」。
• 互動式地點選擇：新增 price_level 參數 (例如「中等」與「昂貴」) 和最低 rating，讓房地產團隊能動態篩選符合特定客層特徵的區域。
• 自訂涵蓋範圍：不依城市名稱篩選，而是讓使用者定義自訂研究區域。
  • 半徑：建立三個數值參數：p_latitude、p_longitude 和 p_radius_meters。您可以透過 Google Maps Platform API (包括 Geocoding API) 取得座標。在查詢中，將這些值插入 ST_DWITHIN 函式：
    • ST_DWITHIN(point, ST_GEOGPOINT(@p_longitude, @p_latitude), @p_radius_meters)
  • 多邊形：如果是複雜的自訂形狀 (例如銷售區域)，使用者無法輕易輸入幾何圖形文字。請改為在 BigQuery 中建立對照表，其中包含形狀幾何圖形和易記名稱 (例如「Zone A」)。在數據分析中建立文字參數 p_zone_name，讓使用者選取區域，並使用子查詢擷取 ST_CONTAINS 函式的幾何圖形。

貢獻者

• David Szajngarten | 開發人員關係工程師
• Henrik Valve | DevX 工程師