Tag: Datos geolocalizados

Cada vez es más común encontrar datos geolocalizados (Ej. redes sociales, móviles, Google, INE, etc.), estos datos añaden nuevas oportunidades de información monetizable que desgraciadamente, en la mayor parte de los casos no se aprovechan. La falta de aprovechamiento se debe a que se suelen utilizar modelos clásicos, que no tienen en cuenta la geolocalización, para intentar explicar e intentar monetizar estos datos.

En este post vamos a mostrar un claro ejemplo de cómo una técnica clásica, no geolocalizada (no tiene en cuenta la localización del dato), puede llevar a una predicción insatisfactoria de los datos geolocalizados, mientras que una tecnica geolocalizada (tiene en cuenta la localización del dato) mejora en gran medida los resultados, permitiendo “insights” que el modelo no localizado no obtendría y como consecuencia, el modelo geolocalizado, permite  una mejor monetización de los resultados

A título de ejemplo hemos realizado un análisis predictivo de la ubicación de segundas viviendas en el sur de España, los resultados son los que se muestran en la Figura-1 y que a continuación se explican.

En la parte superior de la figura 1 pueden observarse los resultados de la aplicación de las técnicas no geolocalizada (parte superior de la figura) y geocalizadas (parte inferior de la figura) para predecir el número de viviendas secundarias en las diferentes secciones censales (zonas en las que se dividen los municipios de las comunidades autónomas españolas) de las comunidades de Andalucía, Extremadura, Murcia y Castilla La Mancha.

geomarketing_oportunidades-geolocalizacio

Figura 1. Contraste de técnicas geolocalizadas y no geolocalizadas en las diferentes secciones censales de Andalucía, Extremadura, Murcia y Castilla La Mancha

Es claro que en la parte inferior de la figura 1 el color de los puntos es bastante más pronunciado que en la superior, detectándose además algunos puntos coloreados para la parte inferior que para la superior carecen de color, (comunidad de Murcia) y por ello se deduce que el modelo geolocalizado es más sensible que el no geolocalizado, ya que éste es capaz de detectar más secciones censales en las que existe un número de viviendas secundarias elevado y lo que denota que el modelo geolocalizado es mucho más efectivo.

Básicamente el modelo geolocalizado da mayor importancia a la información de las zonas más próximas por lo que al incorporar esta información permite identificar mejor las áreas de segundas viviendas ya que estás tienden a situarse en zonas geográficas reducidas.