La analítica de datos para la recuperación de Turismo post pandemia. – Investigación Datlas

En los dos últimos años el sector turístico ha dado un giro drástico y muchas de aquellas cosas que hacíamos para disfrutar del tiempo libre, no son tan sencillas en el mundo COVID. Una de ellas, que sin duda es de la que más echamos de menos, es viajar y hacer turismo.

** Te puede interesar: Conocer el tamaño del PIB TURÍSTICO por ESTADO de la República para México

Este cambio ha tenido para el sector turístico un impacto negativo y ha dejado cifras demoledoras. Debido a la pandemia, los ingresos de 2020 en el sector turismo cayeron más de 77%, con casi menos de 90 millones de turistas internacionales y un gasto inferior en un 80%, respecto a 2019.

Ante esta situación para Datlas es importante tener una debida recopilación todos los datos que genera un hotel o cualquier otro tipo de empresa turística y sacarles el máximo resultado, obteniendo respuestas sobre el debido manejo para obtener una respuesta satisfactoria y cuáles deberán ser los pasos a seguir a cerca del negocio, se convierte en imprescindible. Se trata de una ventaja competitiva que reducirá la incertidumbre al mínimo y permitirá a las empresas de este sector tan castigado tener un mejor resultado.

*** Te puede interesar : «Desarrollando un Dahsboard de Inteligencia Turística»

¿Qué es el análisis de datos?

El análisis de datos es el conjunto de herramientas informáticas que permiten manipular, gestionar y transformar datos, independientemente de su volumen, con el objetivo de obtener respuestas objetivas y eficaces. La tecnología nos proporciona herramientas que simplifican el proceso y ofrecen información útil y efectiva.

El análisis de datos en el sector turístico.

El análisis de datos y el uso de herramientas para el tratamiento del sector turístico se ha convertido en los últimos años en un gran aliado de la transformación digital de las empresas. Si, además, incorporamos el factor pandemia a la problemática a la que nos presentamos en el tiempo COVID, un sector clave de la economía es el turismo por ello necesita reaccionar pronto y rápido.

El análisis de datos nos permite transformar los datos en información útil para las empresas del sector turístico y les permite obtener respuestas objetivas que sirvan como cimientos para definir y optimizar sus estrategias de ventas.

** Te puede interesar: Análisis de AIRBNB: Monterrey VS. Mérida

¿Qué beneficios aporta el análisis de datos al sector turístico?

El principal atractivo del análisis de datos está en su capacidad de predecir comportamientos, expectativas y necesidades futuras de los consumidores, permitiendo a las empresas tomar decisiones de negocio más inteligentes y seguras. Como lo son:

  • Detectar tendencias
  • Conocer al cliente
  • Agilizar la toma de decisiones
  • Optimizar procesos
  • Atraer y fidelizar clientes
  • Desarrollar productos y servicios personalizados

El análisis de datos es uno de los grandes proyectos públicos en transformación digital, esto se hace posible gracias al análisis masivo de datos, dotando de soluciones tecnológicas.

Todo ese ecosistema de información genera un destino turístico inteligente en el que la comunicación y la publicidad se reducen al máximo y se transforman en información útil. En ese sentido, los destinos inteligentes conectan y centralizan toda clase de soluciones digitales, desde mapas, audioguías y puntos de interés turístico basados en la geolocalización y la realidad aumentada, hasta aplicaciones móviles con horarios y opciones de transporte o webs que visualizan la información en tiempo real.

Equipo Datlas

– Keep it Weird-

La evaluación de terrenos y propiedades a partir de mapas de inteligencia – Investigación DATLAS

Adquirir, comprar  o vender, un bien inmueble en México es una tarea complicada, sobre todo a la hora de determinar el costo de evaluación que pudiera llegar a tener.

En Datlas asumimos el reto de ayudar a arquitectos, contratistas y desarrollos inmobiliarios a facilitar esta tarea a partir de los mapas de inteligencia. A través de los mapas de inteligencia podemos asumir diferentes retos y tareas, entre ellas facilitar la evaluación de propiedades, con base en información de datos socioeconómicos, demográficos y comerciales que permitan generar un análisis de evaluación comercial.

En esta columna explicaremos algunos casos de uso sobre la evaluación de terrenos y propiedades.

** También te puede interesar: ¿Por qué deberías de realizar un análisis de entorno?

La meta que tenemos como Datlas en este tipo de proyectos es facilitar la información que ayude a la evaluación de diferentes puntos en las ciudades que los usuarios determinen.

I) ¿Cómo se lleva a cabo esta evaluación?

Recordemos que una de las claves de éxito para cualquier empresa o giro de negocio es la ubicación y en el caso de los bienes raíces no es la excepción, se toman en cuenta diferentes factores como son: Factores sociales, económicos, políticos y físicos, los cuales determinan el valor de una propiedad de acuerdo al uso que se le quiera dar (comercial o vivienda)

Al trabajar con desarrollos o arquitectos, se selecciona la ciudad en la cual se llevará a cabo esta colaboración. Cada mapa se personaliza de acuerdo a las necesidades que los usuarios determinen, y se complementa con información interna de cada uno de ellos en caso de tenerla.

La evaluación de un terreno o propiedad puede llevar varias horas, o días de inversión de tiempo, para la investigación del tipo de población, nivel socioeconómico, número de hogares, escuelas, centros comerciales, etc.  

** Te puede interesar: El santo grial de analytics, «Location, Location y Location»

La ventaja al trabajar con los mapas de inteligencia que Datlas ofrece es ahorro de tiempo, dinero y esfuerzo que se puede llevar al realizar estas investigaciones, ya que con un par un par de clicks obtienes la información en cuestión de segundos, lo que permitirá agilizar actividades y priorizar propuestas para clientes finales.

Te invitamos a conocer cómo funciona nuestro sistema de LAURA. Análisis de entorno, en dónde investigaciones de mercado con métodos tradicionales podrían tardar +30 días, Con Laura en un par de días tendrás el resultado de análisis de entorno de cualquier coordenada urbana en México

Equipo Datlas

– Keep it Weird –

5 puntos importantes por las que deberías realizar un Análisis de Entorno antes de abrir una nueva sucursal – COLUMNA DE OPINIÓN DATLAS

Durante los últimos meses en Datlas nos hemos encontrado con una inquietud de parte de las empresas que están en proceso de apertura, expansión o transformación a un modelo de negocio como franquicia y es responder a la pregunta: ¿Estoy en la mejor ubicación?

Para responder esta pregunta hemos desarrollado diferentes soluciones que pueden ir desde el encontrar la mejor zona, (de lo que ya hemos hablado anteriormente y puedes revisarlo con más detalles en nuestro blog: ¿Cómo encontrar la mejor ubicación para tu primera tienda?) hasta el hecho de ya tener una ubicación potencial y queremos validarla.

Para esto hemos desarrollado una Inteligencia Artificial llamada Laura que se encarga de hacer un análisis de entorno (Análisis de mercado con Inteligencia Artificial) que nos entrega información de contexto para tomar la mejor decisión.

En este blog te compartiremos 5 puntos importantes que deberías tomar en cuenta antes de abrir tu sucursal

1.-El contexto demográfico del Estado y la ciudad dónde voy a abrir

Si bien podría parecer que lo que importa es la ubicación, muchas veces no tomamos en cuenta el contexto de la ciudad: la cantidad de población, sexo, edad, origen, ocupación, etc.. Aunque pueda parecer información general, esto tiene un impacto en el mercado que deseamos ocupar, tal vez deseamos abrir un negocio para el tipo de población inadecuado a la región. Por ejemplo, si quisiéramos abrir una tienda de videojuegos en una ciudad donde el mayor porcentaje de población es mayor a los 50 años, tendríamos un mercado reducido.

2.- De la ubicación, ¿qué existe alrededor?

En Datlas siempre tomamos como referencia 3 radios de influencia alrededor de una ubicación: 5 km, 3 km y 1 km. Tomando en cuenta que es el tipo de mercado que podría visitar la ubicación ya sea en vehículo, transporte o a pie.

Con estos tres rangos podemos saber qué tipo de población predomina en la zona, los generadores de tráfico cercanos y giros de negocios para determinar insights que nos permitan tomar decisiones inteligentes de acuerdo a los datos obtenidos.

3.-Nivel Socioeconómico

Conforme obtenemos más información del entorno, podemos profundizar en conocer más a nuestro público potencial de la zona. Generar un entendimiento del NSE nos permite hacer recomendaciones respecto a precios, productos o accionables comerciales adecuados para la ubicación de la sucursal.

4.-Competidores en la zona

Este dato es importante tomarlo en cuenta no por miedo a entrar a un mercado competido, sino para generar estrategias de marketing o comerciales que tengan un valor agregado diferente a lo que existe en la zona. Por ejemplo, si voy a abrir una cafetería nueva y dentro de mi zona hay otras 10, ¿qué puedo hacer para abrirme mercado y ocupar un lugar en la zona? Tomando en cuenta los datos anteriores, podemos generar promociones adecuadas al tipo de población que existe y tomar una ventaja al resto de negocios que no cuenten con este tipo de análisis.

5.-Tráfico de la zona

Por último, una vez que sabemos el tipo de población, negocios, generadores de tráfico y NSE, ¿qué tanto tráfico hay en la ubicación?

Con esto podemos generar un promedio de visitas diaria o determinar en qué zona deberíamos colocar anuncios para atraer más clientes.

Abrir una nueva sucursal es todo un reto y queremos cometer lo menos errores posibles, por eso en Datlas hemos pensado en soluciones que ayuden tanto a emprendedores como a grandes franquicias a tomar las mejores decisiones de forma ágil e inteligente. El Análisis de entorno nos ofrece datos que se pueden utilizar para hacer estrategias de acuerdo al giro de negocio que se desea abrir, la ubicación y el entorno.

¡Te invitamos a entrar a nuestra sección de Reportes Laura y consultar el Demo de Análisis de entorno!

EQUIPO DATLAS

– KEEP IT WEIRD –

Monitoreo de impacto ambiental con ciencia de datos – Investigación DATLAS

Uno de los casos de éxito más interesantes que hemos realizado en Datlas, ha sido el proyecto que realizamos en conjunto con Pronatura. Esta agencia es el grupo de conservación ambiental más grande de todo México.

El proyecto estaba localizado en la ciudad de Armería, Colima, en una comunidad con diversas parcelas donde se realizaría la intervención. Dicha intervención iba a ser por parte de «Sembrando Vida» y «Pronatura» y consistía en otorgar plantas a los ejidatarios participantes en el programa para combatir los cambios climáticos extremos.

*** También te puede interesar ¿Escasez de agua en Nuevo León?

¿Qué se quería lograr?

El principal objetivo de este proyecto era evaluar si el apoyo que se estaba otorgando estaba funcionando o no para seguir conservando los cultivos. Otro de los objetivos era crear una plataforma o un sistema de recopilación de datos que ayudara a obtener una base limpia. Finalmente, el desarrollar un tablero para visualizar y monitorear todos estos datos que estarían llegando.

¿Cuáles fueron los retos?

Uno de los retos más importantes fue el hecho de crear una base de datos virtual a partir de más de 300 archivos pdf, con diversas técnicas de recopilación y análisis esto fue posible. Una vez teniendo nuestra base de datos quedaba en nosotros mapear todas estas parcelas y unir los datos recopilados de los documentos a cada una de ellas. Otro de los retos, fue el hecho de que toda esta recopilación de datos iba a ser posible mediante encuestas de google forms, y se capacitó a dos ejidatarios para que pudieran realizar este trabajo. Gracias a estas encuestas pudimos recibir los datos de valor necesarios para trabajar con el desarrollo de herramientas de monitoreo y mapeo de este programa social.

Un proceso duro, pero redituable

El proceso fue complejo para el desarrollo de una base de datos uniforme que pudiésemos usar para plasmar la información en nuestra plataforma. Sin embargo, notamos que todo ese trabajo al final rindió frutos y pasando al momento de elaborar los tableros nos fue más eficiente.
A continuación se les comparte un resumen del proceso que se realizó:
– Se diagnosticaron las fuentes de datos, se realizó una limpieza y clasificación de la información​.

– Se capturaron de forma manual algunos de los documentos para generar la base de datos 1.0 en formato tabular​.

– La base de datos 1.0 contenía información de 179 parcelas, aunque posteriormente el proyecto se enfocó en monitorear solo 127 de ellas.​

– Se creó un identificador único (ID) por parcela, para habilitar el monitoreo de una misma parcela a través de las distintas plataformas.

– Se desarrollaron 3 encuestas para recopilación de información directamente en campo​.

– Se enriqueció la base de datos con información de las encuestas.

Visualizaciones del monitoreo

¿Qué valor agregado otorgamos? Datlas fue parte clave para este «monitoreo ambiental» debido a que nos encargamos de realizar un Dashboard para obtener una mejor visualización de los datos recopilados, además de usar nuestra plataforma de mapas de inteligencia para mapear cada una de estas parcelas y el impacto ambiental sobre ellas. Tanto el mapa como el Dashboard están actualmente habilitados para su visualización, destacando que el Dashboard de Monitoreo ambiental está público para que quien esté leyendo esto pueda ingresar sin problema.

*** Te puede interesar «Nuestra experiencia desarrollando Dashboards en POWER BI»

 

Dashboard de monitreo
Mapa de inteligencia

¿Qué hallazgos obtuvimos gracias al monitoreo?

  • Las 127 parcelas monitoreadas emplean a 217 personas siembran 15 tipos de cultivos distintos.
  • La inversión inicial de Sembrando Vida en plantas para estas parcelas fue de $4.75 millones de pesos.
  • 9 de cada 10 parcelas fueron afectadas por altas temperaturas, pero 8 de cada 10 parcelas pudieron combatir los impactos gracias al proyecto.
  • 8 de cada 10 parcelas fueron afectadas por inundaciones, pero 6 de cada 10 parcelas pudieron combatir los impactos gracias al proyecto.
  • 6 de cada 10 parcelas reportaron perdidas de cultivos. El valor económico de las perdidas asciende aproximadamente a $1.04 millones de pesos.

¿Cuál fue el ROI de este proyecto con Datlas?

Gracias a este proyecto se consiguieron distintos resultados importantes.

– Monitoreo de 127 parcelas con un total de 217 empleados y 15 distintos tipos de cultivo.
– Monitoreo de una inversión inicial en cultivos valuada en $4,750,000 pesos mexicanos.
– Disminuir las pérdidas de cultivo por altas temperaturas y/o inundaciones en un 40%.
– Ahorros en recuperación de cultivos.

Fue todo un reto realizar este proyecto pero sin duda uno de los más gratificantes tanto para Datlas como para Pronatura. Este caso es el claro ejemplo de que la ciencia de datos se puede aplicar de cierta manera a la rama que se desea, lo importante es sacarle ese potencial.

¡Te invitamos a entrar a nuestra sección de DASHBOARDS y consultar el Dashbaord de Monitoreo Armería!

– Equipo Datlas –

Keep it weird

¿QUÉ ES UN GEOHASH Y PARA QUE SIRVE? – INVESTIGACIÓN DATLAS

La utilidad de un mapa es inmensa, estos tienen un sinfín de posibilidades.

En Datlas usamos mapas todos los días con el propósito de brindarles soluciones a nuestros clientes. En algunos casos estos mapas son hechos a la medida, mediante el servicio de personalización de plataformas que ofrecemos, estos mapas albergan la inteligencia comercial que puede hacer la diferencia en este mundo de competitividad económica.

¿Pero que tienen de especial estos mapas?

La respuesta depende de cuáles son tus necesidades, ¿Tu compañía busca expanderse mediante el modelo de franquicias?, ¿Buscan segmentar los puntos de venta? o ¿Qué tal un análisis RFM?

El punto es que el mapa que desarrollamos para ti y el que desarrollamos para otro cliente es muy diferente porque las necesidades son distintas, lo que nos lleva a que los datos georreferenciados de los mapas son distintos.

Al trabajar con un universo tan grande de información, nos topamos con datos que están georreferenciados de multiples maneras.

¿Qué es la georreferenciación?

Es una técnica de posicionamiento espacial donde ubicamos en el mapa un objeto[1].

Si nos queremos poner técnicos, la georreferenciación es el posicionamiento espacial de una entidad en una localización geográfica única y bien definida mediante el uso de un sistema de coordenadas y datum específicos.

Al final, todo esto se traduce a poner un punto en el mapa.

Tipos de georreferenciación

Ya sabemos que el mapa es la representación geográfica de un lugar y las coordenadas son la dirección para llegar a cualquiera de estos lugares.

Puntos

Un punto es un objeto de cero dimensiones ubicado en el mapa mediante las coordenadas latitud y longitud.

Estos puntos son de gran utilidad para ubicar negocios en un mapa, o los puntos de venta o incluso puntos que se mueven en el tiempo, como un auto o camión.

** Te invitamos a leer la siguiente columna: AIRBNB En la zona metropolitana de Monterrey – DATLAS COLUMNA DE INVESTIGACIÓN para ver un uso practico del analisis de puntos.

Líneas

El siguiente nivel son las líneas, podemos pensar en las líneas como un conjunto de puntos. Estas son de gran utilidad para mapear objetos como curvas de nivel para topografía, las calles de una ciudad, líneas de metro, limites municipales o de colonias, etc.

Polígonos

Por último tenemos el polígono, estos son un conjunto de líneas utilizadas para representar la superficie, son figuras geométricas irregulares que pueden ajustarse al perímetro o frontera geográfica del elemento que representan.

Multiples fuentes

Ya vimos que los datos pueden ser georreferenciados de diferentes maneras, pero también es importante considerar que cuando creamos un mapa le agregamos información de múltiples fuentes.

Estas fuentes pueden ser del orden público, como datos del INEGI u otras fuentes gubernamentales o pueden ser privados como datos propios de tu empresa.

Al agrupar datos de distintas características y de distintas fuentes se crea un reto. ¿Qué pasa cuando queremos calcular una metrica para una ubicación, cuando esta ubicación tiene datos en agregado de un municipio y de un AGEB?

Estos datos están a diferente “tamaño” uno siendo el municipio que en una zona urbana puede ser mucho más extenso que un AGEB.

** Si te interesa saber mas sobre los AGEBs y de la utilidad que proporcionan, te invitamos a leer la columna: ¿QUÉ ES UN AGEB Y PARA QUE SIRVE? – INVESTIGACIÓN DATLAS

Existen muchas técnicas para analizar los datos en estas situaciones, una de ellas es mediante el uso de geohashes.

¿Qué es un Geohash?

Un geohash es un sistema de geocódigos del dominio público creado por Gustavo Niemeyer[2] en el 2008 en donde se codifica la ubicación geográfica en un texto corto de letras y números.

¿Como se utiliza este sistema?

El mundo se divide en 32 células mediante el uso de una cuadricula, estas están diferenciadas con una letra o un número. En el caso de México, podemos ver que casi todo el país se encuentra ubicado en el geohash “9”, a excepción de Yucatán y Quintana Roo que residen en el geohash “d”.

A este nivel de resolución la utilidad de este sistema de geocodigos es limitada, pero la utilidad de este sistema incrementa al hacerle “zoom” al mapa.

El beneficio de este sistema es que se puede hacer zoom al mapa o aumentar la resolución, al hacer esto podemos ver que se van agregando dígitos al código.

Este mecanismo de aumento de resolución se puede hacer hasta tener un código de 12 dígitos lo cual representaría un cuadro geográfico de tan solo 3.7cm por 1.9cm, sin duda un espacio muy pequeño.

Para un uso más práctico, encontremos el geohash donde se encuentra el Ángel de la Independencia en la Ciudad de México a 8 y 9 niveles.

En 8 niveles podemos observar la siguiente cuadricula, donde se encuentra el Ángel de la independencia, y en el geohash azul al centro de la imagen de 9 niveles, que tan solo mide 4.80 metros por 4.80 metros.

¿Qué tamaño tienen los Geohashes?

Como definimos antes, al crecer el nivel de caracteres que tiene el código del geohash, disminuye el tamaño que representa ese espacio.

El tamaño de cada uno de los 12 niveles que encontramos en este geocódigo es el siguiente:

¿Qué beneficios tiene usar este sistema?

Existen múltiples beneficios de poner en práctica el uso de geohashes en tu organización, el primero es que dado que podemos generar códigos de un tamaño tan pequeño, es difícil que aun que nuestra base de datos de ubicaciones sea extensa, se repita la ubicación del algunos de los geohashes, esto significa que podemos utilizarlos para identificar a cada uno de nuestras ubicaciones, esto se conoce como geotagging.

Otro beneficio es el del bajo costo computacional al utilizar este sistema para hacer consultas a un geo-servidor.

Cuando hacemos consultas a un geo-servidor podemos tener una situación donde sea muy grande la carga computacional, imagínate que le pedimos al servidor que nos de todos los puntos que estén en nuestra base de datos en un área de 1km de radio de una ubicación, la consulta va a ser muy grande dado que se tienen que calcular distancias entre la ubicación y los puntos de la base de datos. Si por otro lado tenemos todos nuestros puntos geohashados podemos hacer una consulta más siempre, algo así como: Tráeme todos los puntos que estén en este geohash. ¿Quieres hace más grande el área de consulta? Entonces tráeme todos los puntos que empiecen con algunos dígitos en su geohash.

Otros dos beneficios de usar este sistema son, primero la curva de aprendizaje amigable, al leer esta coluna ya tienes los básicos para empezar a usarlo. Y por último el costo, dado que nuestro amigo Gustavo Niemeyer [@] creo este sistema y lo coloco en el dominio público es gratis.

¿Como pongo en práctica el geohashing?

Para hacer uso de este sistema primero necesitamos coordenadas, te invito a abrir una hoja en Excel y hacer las siguientes columnas, id, nombre, latitud, longitud y geohash.

Coloca el nombre de tres ubicaciones que gustes y busca sus coordenadas en Google Maps[3].

El siguiente paso es buscar el geohash de estas tres ubicaciones, para eso podemos poner en práctica nuestras habilidades de código mediante el uso de bibliotecas como “Geohash 1.0” para el lenguaje de programación Python[4].

Pero en este caso haremos uso de unas páginas de internet muy utiles, la primera: https://geohash.tools/ donde podemos colocar nuestro primer set de coordenadas.

Esta herramienta nos da como resultado el geohash a 6 niveles de nuestras coordenadas. Un poco amplio el espacio, intentemos ahora con otra herramienta, la página: https://www.movable-type.co.uk/scripts/geohash.html y coloquemos las coordenadas de nuestra segunda ubicación, en este caso solicitemos el nivel a 7 caracteres.

Y por último repitamos el ejercicio en la misma página solicitando la tercera ubicación a un nivel de 8 caracteres.

Al concluir los tres ejercicios, tu tabla debe de estar completa.

Nota como la longitud de tu geohash fue subiendo de caracteres, pero al mismo tiempo el espacio representado por cada código fue disminuyendo.

Hasta aqui la columna de hoy ¿Qué otras aplicaciones has escuchado con Geohashes? Únete a la conversación en @DatlasMX y aprende más de geohashes en Datlas Academy.

Equipo Datlas

– Keep it weird-


Referencias bibiliograficas:

[1] https://es.wikipedia.org/wiki/Georreferenciaci%C3%B3n

[2] https://web.archive.org/web/20080305223755/http://blog.labix.org/#post-85

[3] https://www.google.com/maps

[4] https://pypi.org/project/Geohash/

Algoritmo de vocación de ubicación ¿Qué negocio abro en esta zona? ¿Por qué? – Columna de Investigación Datlas

A juzgar por el título, pareciera que el tema de este blog es equivalente a algo sumamente técnico y difícil de comprender, que si bien nos adentraremos en conceptos y hallazgos técnicos, intentaremos hacerlo de la manera más lenta y digerible posible, hasta llegar al punto donde alguien con conocimientos nulos en el tema, se pueda llevar varios aprendizajes interesantes.

Ejemplo de datos georeferenciados. Incrementos de COVID-19 en EUA (izquierda), y ubicaciones de KFC (derecha), con algunas de sus similitudes en círculos.

Y es que hasta este punto, sabrán que uno de los muchos servicios que ofrece Datlas como empresa de analítica, es el análisis espacial, o análisis a través de puntos georeferenciados, que en español, no es más que el análisis a partir de datos que podemos ver en un mapa. Un ejemplo de datos georeferenciados es la imagen anterior, podemos ver los casos de COVID con su % de cambio, o las ubicaciones de locales de KFC del lado derecho, sin embargo, los datos georeferenciados van mucho más allá, podemos ver el tráfico de la ruta que tomamos al trabajo, las zonas más seguras de una ciudad, o los usuarios de alguna red social como instagram o facebook según sus preferencias.

** También te puede interesar leer nuestra columna: Análisis de Detección de Incendios y Vegetación : Caso de Uso Sierra de Santiago, Nuevo León, México – Manuales Datlas

Antes de pasar a lo que serían los varios casos de uso donde hemos logrado hallazgos interesantes a partir de datos georeferenciados, o lo que propone la división de R&D de Datlas, hay que introducir un concepto muy importante que hasta forma parte del título de esta columna: los polígonos.

Los choques y siniestros representados como puntos (izquierda), las líneas que dividen cada código postal (medio), y códigos postales (derecha).

Como hemos visto, es fácil imaginar los ejemplos del párrafo anterior como puntos en un mapa, pero no todos los datos espaciales se comportan como tal. Así como podemos ver un dato como un punto, que no es más que un dato cualquiera con coordendadas (como lo son los choques y siniestros en mty), también podemos ver datos que forman por completo una línea (las calles que dividen los códigos postales), o polígonos (el área que cubren los códigos postales coloreados por incidencia de choques).

** También te puede interesar leer nuestra columna: No te sientes al frente si vas en un carro blanco por gonzalitos (Caso de ANÁLISIS DE CHOQUES PARA NUEVO LEÓN, MÉXICO)

Es a partir de estos polígonos como nosotros muchas veces llegamos a hallazgos muy interesantes, pues ya sea que podamos dividir un mapa por AGEBs, códigos postales, municipios, o estados, entre otros, podemos llenar este mismo mapa con bases de datos que ya tienen estas variables, si no me creen, ¿no se les viene a la mente las veces que les han preguntado su código postal o municipio en una encuesta?, (sin contar las veces que nuestro celular recopila esta información sin preguntarnos), y ¿qué se puede hacer con esta información? Pues la respuesta está en los ejemplos siguientes. Todas las capas a continuación son elaboradas por el equipo de Datlas, y contamos con un mapa demo donde podrán utilizar algunas de ellas de manera gratuita.

Caso número 1: Nivel Socioecónómico (NSE)

Mapa de Datlas que incluye los 7 NSE (AB, C+, C,…, E), siendo AB el más alto (con mejor calidad de vida).

Ya existe un blog al respecto donde vemos cómo se puede dividir la calidad de vida en 7 niveles, que significa cada uno y que perspectiva nos da de la desigualdad del país a partir de una cifra llamada Nivel Socioeconómico, sin embargo, ahí solo hacemos una pequeña mención a la capa que tiene Datlas del NSE, y no tanto al análisis que podemos obtener a partir de esta.

** También te puede interesar leer nuestra columna: «La clase media: Los que no son pobres ni son Carlos Slim» ¿En realidad existe la clase media? (Una revisión de desigualdad social en México y niveles socioeconómicos para Nuevo León)

Gracias a que sabemos el contexto social que viven las personas en las diferentes zonas de una ciudad, podríamos generar las siguientes hipótesis:

  • La mayoría de mis clientes son de cierto NSE.
  • Puedo segmentar mis promociones según el poder adquisitivo de la zona y hacer más ventas.
  • Cierto NSE impide la entrada a más competencia.
  • Existen más negocios de cierto giro en cierto NSE.
  • Si mi punto de venta o local se encuentra en cierto NSE, se incrementa en cierto % mis ventas.

O si bien queremos comparar como nos afecta cierta competencia ya sea para bien o para mal a nuestro negocio, podríamos hacer un sencillo ejercicio de A/B testing, donde escogemos dos zonas, una con mucha competencia, y otra con poca, pero que ambas zonas estén en el mismo NSE. De esta manera bajo el supuesto de que los clientes tienen preferencias de consumo muy parecidads, podríamos repetir varias veces el ejercicio y llegar a la conclusión de que las zonas con mayor competencia afectan de cierta manera a nuestro negocio.

Caso número 2: Polígonos urbanos por categoría social

Capa de Datlas de polígonos urbanos por categoría social

Esta capa al igual que muchas hechas por Datlas, busca ver el contexto social de cierta zona de interés en cualquier parte de la república. Sin embargo, ahora nuestro objetivo no es conocer el poder adquisitivo de la zona o su calidad de vida, más bien, la categoría social de los habitantes. Si nosotros como buenos conocedores de nuestro negocio sabemos que la mayoría de nuestros clientes son niños, padres de familia, solteros, o adultos mayores, podríamos mapear el porcentaje de cada uno de ellos según nuestra zona de interés.

De esta manera podríamos generar las siguientes hipótesis:

  • La mayoría de mis ventas son empleadas en cierta categoría social.
  • La mayoría de mis clientes se ubican en zonas con niños a pesar de que nuestro negocio no es para niños.
  • Un barrio familiar, pero cerca de un barrio donde en su mayoría hay solteros, no vende igual que uno familiar cerca de uno donde la mayoría hay adultos mayores.
  • Si mi punto de venta o local se encuentra en cierta categoría social, se incrementa en cierto % mis ventas.

Caso número 3: Uso de suelo habitacional

Capa de Datlas de polígonos urbanos por uso de suelo habitacional

Nuestro tercer caso de uso de polígonos de vocación es de nuestros favoritos, pues de igualmanera nos da un contexto enorme de dónde se ubican nuestros locales o puntos de venta, gracias a que nos dice si los establecimientos en un polígono son en su mayoría comerciales, escolares, industriales, residenciales, o de usos mixtos.

De esta manera podríamos generar las siguientes hipótesis:

  • La mayoría de mis ventas son empleadas en cierta giro de negocio.
  • Abrir un local donde el barrio es en su mayoría comercial, es mucho más difícil que en uno residencial.
  • Si mi punto de venta o local se encuentra en cierta categoría de uso habitacional, se incrementa en cierto % mis ventas.

Anexos

Herramientas del mapa

Fuera de lo que se puede lograr con solo ver los mapas de Datlas a simple vista, las diferentes herramientas de nuestra plataforma, permiten descargar la información en un excel de lo que serían diferentes fuentes de información para nuestro análisis.

Las herramientas pueden ser la selección de polígonos de interés con ciertas figuras predeterminadas o una que nosotros de manera personalizada eligamos de que parte del mapa queremos descargar dicha información. Así como utilizar otra base de mapas, obtener distancas, o navegar por el street view de nuestras zonas de interés.

Estadística espacial

Para la creación de algunas capas se utilizaron cálculos de estadística descriptiva a partir de los datos hechos por la encuesta del Censo 2020 del INEGI, entre muchas otras fuentes de datos privados y públicos. Sin embargo, existen diferentes enfoques de análisis espacial muy sonados como son la autocorrelación espacial, que nos dice que si un polígono es de cierto NSE o tiene tantos crímenes reportados (una variable de interés), los polígonos vecinos tienen cierta probabilidad de ser de un NSE parecido o tener una cantidad de crímenes parecidos.

Si están familiarizados con las regresiones lineales y parecidos, existen modelos estadísticos como el GWR (Geographically Weighted Regression), que tienen en común una matriz de vecinos inmediatos. Esta matriz nos dice si un polígono es vecino de otro, y gracias a ella podemos asumir que el error se distribuye iid a pesar de la autocorrelación espacial.

Hasta aquí la columna de hoy, si esto les despertó al menos un poco de interés, existe mucha literatura de lo que se ha logrado gracias al análisis espacial. Les recordamos que contamos con las capas mencionadas en este blog, más otras igual de interesantes o personalizadas, y existe una versión demo donde podrán jugar con algunas de ellas.


Equipo Datlas

– Keep it weird-

Estándares de calidad para Datos (Data quality standards) – Investigación Datlas

Los sistemas de datos y analítica avanzada son cada vez más complejos. Nuevas herramientas, formatos, técnicas y métodos son implementados para descifrar hallazgos de una manera más automatizada acercándonos cada vez más a la verdadera analítica prescriptiva. Además, MIT estima que una mala calidad de datos puede representar entre el 15%-25% de costos sobre los ingresos de una compañía. (Fuente: https://sloanreview.mit.edu/article/seizing-opportunity-in-data-quality/) Pero, volviendo a los fundamentales, o como dicen en inglés «Back to basics» ¿Cómo podríamos monitorear que estos procesos funcionen con calidad? ¿Cómo asegurarme que todos los proyectos de analítica en mi organización tengan un mínimo nivel de calidad?

En esta columna revisaremos los principios de calidad de los datos y compartiremos algunas prácticas básicas que en el equipo Datlas hemos aprendido durante la trayectoria de varios proyectos. Esta columna te interesará si lideras o buscas liderar iniciativas de analítica en tu organización.

I) ¿Qué son los estándares de calidad?

Según el libro de «Managing Data Quality» la calidad de los datos se puede definir como: El efecto fundamental de la calidad de los datos es que los datos correctos estén disponibles en el momento correcto para los usuarios correctos, para tomar la decisión correcta y lograr el resultado correcto. Esto se puede ampliar considerando que los datos de buena calidad son seguros, legales y se procesan de manera justa, correcta y segura .

Cuando nos referimos a calidad de datos tenemos en cuenta el método, la organización y la habilitación de sistemas que nos permitan generar una base sostenible de calidad de datos durante el tiempo

II) ¿Cuáles son los términos más importantes en calidad de datos?

  • Proveedores de datos: Los creadores de fuentes de datos
  • Recipientes de datos: Recipientes dinámicos y estáticos de fuentes de información
  • Fuentes primarias: Referencias de primera mano de información, también conocidos como los datos que provienen de la fuente original
  • Fuentes secundarias: Referencias de segunda mano, que un intermediario integro, alteró, agrego o modificó para fines de desarrollo de métricas

** También te puede interesar: «Arquitectura de proyectos de datos» . Liga: https://blogdatlas.wordpress.com/2021/02/08/arquitectura-de-proyectos-de-datos-data-warehouses-vs-data-lake-vs-data-mart-datlas-manuales/

III) ¿Cuáles son las dimensiones de calidad de los datos?

  • Que los datos no estén incompletos, es decir que el nivel de cobertura sea cercano al 100%. Ejemplo si estamos hablando de una base de datos transaccional de una gran cadena comercial ¿ A la fecha del corte, cuánta información tenemos disponible?
  • Qué existe integridad entre la relación de los datos
  • Los datos disponibles son lo más actualizados posibles. Y son vigentes para los escenarios de análisis que requiere la organización
  • Cumplimiento de la estructura de datos, de acuerdo a los parámetros establecidos. Ejemplo que todos los campos temporales sean consistentes en todo el sistema. Si se registran a nivel minuto-segundo, que así sea. Si la semana comienza en domingo, que sea así para todos los sistemas
  • Disponibilidad de los datos cuando se requieren. Es decir, que la fuente permita tener información de manera oportuna
  • Que las herramientas disponibles para registrar datos sean las correctas. Buenos métodos y registros en las unidades que el sistema lo requiere. Recomendable que existan registros de identificadores únicos
  • Finalmente, pero no menos importante, que los datos sean consistentes entre sistemas . Es decir, que entre áreas y equipos tengan los mismos estándares de consultas para que , por ejemplo, todos tengan la misma venta

IV) 10 Consejos prácticos para mantener calidad de los datos

En materia práctica ¿Qué podemos utilizar? En nuestra investigación queremos citar y complementar los consejos de Talend.

1) Hay que volver a la calidad de los datos una prioridad

2) Establece buenas métricas de calidad de datos con base a las dimensiones establecidas

3) Profundiza en investigar las fallas en la calidad de los datos

4) Invierte en entrenamiento interno

5) Establece, implementa y monitorea buenas guías de gobernanza de datos

6) Genera procesos de auditoría buscando: Bases de datos incompletos, faltantes, datos erróneos, inconsistencias, datos viejos, entre otros

7) Asigna un administrador de calidad de datos en cada departamento

8) Declara y gestiona una fuente única de referencia de datos

9) Automatiza los flujos de datos de buena calidad

10) Impulsa el uso de la nube y la cultura de trabajo colaborativo con «plantillas y glosarios» de datos

V) Sobre el ISO relacionado a la calidad de los datos

Finalmente y, en cumplimiento a los estándares con la que muchas compañías trabajan, se puede poner en práctica lo que dice el compendio «Data quality — Part 61: Data quality management: Process reference model».

** También te puede interesar: Metodologías para preparar tus bases de datos. Liga: https://blogdatlas.wordpress.com/2020/07/09/4-pasos-para-preparar-tus-bases-de-datos-para-analisis/

Hasta aqui la columna de hoy . Y tu ¿Qué prácticas de calidad de datos tienes en tu día a día o con tu equipo? ¿Quién monitorea la calidad de información y que los hallazgos en sus análisis vengan de buenas fuentes?

Comparte tu conocimiento con la comunidad en redes con @datlasmx

Ahora puedes revivir gratuitamente el SIMPOSIUM DE DATLAS ACADEMY donde tuvimos a expertas y expertos de corporativos en México charlando de sus grandes proyectos

Equipo Datlas

– Keep it weird –

Fuentes:

Análisis de Detección de Incendios y Vegetación : Caso de Uso Sierra de Santiago, Nuevo León, México – Manuales Datlas

Ante el incendio que se registro hace algunas semanas en la Sierra de Santiago en Nuevo León nos hemos dado a la tarea a desarrollar un ejercicio con una herramienta la cual permite identificar ciertos análisis de capas tales como índices de detección de incendio, vegetación, penetración atmosférica entre otros esto por medio de capturas vía satélite.

Durante este blog te presentaremos esta herramienta llamada LandViewer que nos ha ayudado a realizar este ejercicio, así como también un caso de uso el cual nos va a permitir sensibilizar la dimensión de lo qué es un incendio forestal y el cómo más de 2,000 hectáreas afectadas repercuten en la calidad de aire de una ciudad.

LandViewer – Herramienta de Análisis Satelital

Esta herramienta es una aplicación online la cuál nos permite navegar en cualquier parte del mundo y visualizar imágenes satelitales con capas como agricultura, vegetación, cobertura forestal, detección de incendios y muchas más.

Esta herramienta es creada por EOS Data Analytics y reúne imágenes por parte de los satélites Landsat-7, Landsat-8, Sentinel-2 y Modis para hacer posible cualquier tipo de análisis por medio de un interfaz en su página web.

Te puede interesar este estudio de escasez de agua en presas para Nuevo León, México:

Caso de Uso – Sierra de Santiago Nuevo León, México

¿Qué sabemos de este incendio?

El pasado 14 de marzo inicio un incendio en la Sierra de Santiago a las afueras de la Ciudad de Monterrey a causas de la poca conciencia de quemas de basura en la comunidades rurales, este incendio logro contenerse al 90% el 3 de abril afectando más de 2,000 hectáreas de vegetación.

De esta manera el interés de poder hacer un análisis por capturas satelitales surgió de un tweet por parte del Astronauta Thomas H. Marshburn el cual mostro imágenes de la Sierra Madre Oriental específicamente en la Ciudad de Monterrey.

Eso sucedió un 11 de febrero, un mes después aproximadamente se desató el incendio en la Sierra de Santiago y en Datlas nos hicimos la pregunta ¿Y por que no realizar un análisis satelital de lo sucedido en Santiago por medio de LandViewer?

Te puede interesar también ¿Cómo hacer isocronas en QGIS?

¿Qué nos permite identificar LandViewer a partir del incendio?

De primera identificamos a la Ciudad de Monterrey Nuevo León y en la parte de abajo podemos percatarnos del Municipio de Santiago, del lado derecho LandViewer nos permite activar una considerable cantidad de análisis en cuestión de vegetación, drenaje, índices de incendios y otros más.

Captura Satelital al 30 de marzo de 2022

Hallazgos LandViewer

Por medio de la capa «Penetración Atmosférica» podemos identificar la Sierra de Santiago de color azul e identificando una parte del incendio en varias marcas color rojo.

«El Índice de Diferencia Normalizada de la Vegetación o NDVI (Normalized Differential Vegetation Index) es a menudo usado para monitorear las sequías, para monitorear y predecir la producción agrícola, para ayudar a la predicción de zonas susceptibles de incendios y para los mapas de desertización.»

Así de esta manera citamos lo que LandViewer es posible identificar en la siguiente capa y es que encontramos una oportunidad de visualizar las zonas susceptibilidad de incendios en la Sierra como tal.

En la capa de nubosidad podemos visualizar la parte de abajo del mapa que la Sierra se encuentra en un tono más rojizo esto afecta tanto a su alrededor como a la Ciudad de Monterrey como tal.

Conclusión

La concientización de lo que estamos haciendo con nuestra Ciudad y el cómo podemos identificar estas áreas de oportunidad de zonas de riesgo de incendio, a partir de conocer el dimensionamiento de la vegetación en zonas rurales son oportunidades que nos dan esta y más herramientas de análisis de datos.

Afortunadamente la Sierra de Santiago estos últimos días se ha contenido y ha arrojado aire limpio, del que nuestra ciudad respira, siendo los cerros pulmones de la Ciudad que debemos cuidar con medidas de precaución y concientización.

Análisis 9 abril 2022 «Fuego Activo» vs 24 abril 2022 «Contención de Incendio». Observa la nubosidad de la ciudad con respecto a la captura más reciente con aire más limpio después de la contención.

¿Quieres aprender acerca de esta y otras herramientas de análisis de datos?

Equipo Datlas

– Keep it weird –

TOP 5 BENEFICIOS: Gestión de Proyectos – Manuales Datlas

La gestión de proyectos se refiere al uso de conocimientos, técnicas y habilidades para cumplir con el objetivo previamente pactado en la reunión de trabajo. El objetivo de la gestión de proyectos es garantizar que el resultado final se realice dentro de las fechas y presupuesto del tiempo establecido al inicio del proyecto.

En este blog se detallan las cinco ventajas de aplicar la gestión de proyectos en tu empresa o negocio. Además de mencionar aquellas nuevas maneras de trabajar que han revolucionado la cultura de trabajo en los últimos años y fases con las que cuenta un proyecto.

Este blog se acompaña de tres secciones:

I. Metodologías de Trabajo

II. Fases de la Gestión

III. TOP 5 BENEFICIOS

En las siguientes secciones conocerás más acerca de la gestión de proyectos.

I. Metodologías de Trabajo

Para consultar más información acerca de los nuevos métodos de trabajo que se están implementando actualmente, visita este blog para que no te quedes atrás y conozcas más del tema…

II. Fases de la Gestión

Hay 5 fases clave de la gestión de proyectos que pueden resultar muy útiles para simplificar tu próximo proyecto y para brindarle a tu equipo un plan organizado. Estas fases incluyen el inicio, la planificación, la ejecución, el desempeño y el cierre.

¿Por qué es tan importante conocer estas cinco fases? Si logras comprender el ciclo de vida de la gestión de proyectos, podrás implementar mejores prácticas dentro del equipo de trabajo.

III. TOP 5 BENEFICIOS

No todas las empresas o equipos cuentan con un proceso formal para la gestión de proyectos. Independientemente de que formes parte de una organización multinacional o una empresa emergente (start-up) de rápido crecimiento, es probable que la gestión formal de proyectos no sea algo que sea adaptado con agilidad. Sin embargo, resulta cada vez más difícil organizarte y colaborar con tus compañeros de equipo.

Tomando en cuenta lo anterior se mencionarán el TOP 5 BENEFICIOS de adaptar la gestión de proyectos a tu equipo de trabajo:

1.Resolución de problemas

Un proyecto puede tener dificultades o problemas en su curso, pero para eso existe exactamente la gestión. La misma que permite mitigar esos problemas a través de estrategias planteadas y aprobadas por el director del proyecto.

2. Ahorra tiempo y dinero

El tiempo es el recurso más valioso que tiene el ser humano, conscientes de esto una planificación adecuada, se asegura que el trabajo se envíe a tiempo y dentro del presupuesto. Al utilizar métodos de gestión de proyectos, se hace más eficiente la manera de trabajo de tal forma que evites caer en costos mayores debido a que no tuviste una clara trayectoria del proyecto desde el principio.

3. Toma de decisiones

Llevar un registro claro de cómo avanza el proyecto, ayuda a comprender de mejor forma en qué se gastan los recursos. Igualmente coopera mediante las prioridades a tomar; Cuando en el transcurso del camino se desvía el objetivo del proyecto.

Una buena gestión de proyectos permite anticiparse a los problemas. Antes que se conviertan en tales; Para tomar decisiones más inteligentes basadas en datos concretos.

4. Comunicación efectiva

En todo proyecto se necesita que sus integrantes estén conscientes de los objetivos que tiene LA EMPRESA y hacia donde está el verdadero norte.

Trabajar en conjunto siempre puede ser difícil. Sin embargo, con procesos de gestión de proyectos más eficientes, puede reducir la complejidad de la colaboración y trabajo mutuo.

A través de las vías de comunicación, plataformas digitales y plan de trabajo.

Esto permite tener en claro cuáles son los roles y responsabilidades de cada uno de los miembros del equipo. Incluso cuando se trabaja con equipos externos o departamentos.

5. Diagnostica e identifica bondades y amenazas

A partir de la medición de sus KPI (Medición de recursos incluidos en el logro de objetivos). Se puede crear y hacer un seguimiento de los puntos de referencia personalizados; Para analizar cómo se encuentra laborando el equipo de trabajo proyecto tras proyecto.

Debido a que un proyecto no puede ser deliberado permite buscar los beneficios y prohibiciones para ponerse en marcha y esto es importante para que un proyecto tenga éxito. Porque les permitirá saber en qué aspectos pueden encontrar problemas y en cuales puedan dar soluciones o estrategias para que el proyecto siga su rumbo.

Para finalizar, gracias por tu tiempo de lectura, espero te haya aportado algo a tu conocimiento, ¡si te gustó el contenido sigue nuestras redes sociales para mayor aprendizaje!

Equipo Datlas

– Keep it weird-

¿Conviene actualmente abrir una juguetería? – Caso de uso DATLAS (Especial día del niño)

La era digital ha revolucionado muchas cosas cotidianas, desde aparatos de comunicación, dispositivos de entretenimiento, el dinero, hasta medios de transporte. Sin duda vivimos en una era donde casi todo es digital y lo que no es aún, se está ideando cómo convertirlo digital, sin embargo hay cosas que no se pueden hacer 100% digitales como lo son los juguetes para niños. Muchas personas podrían pensar que las jugueterías están destinadas a extinguirse porque actualmente los niños prefieren aparatos de entretenimiento digitales. Esto puede que tenga algo de cierto si se ve a grandes rasgos y generalizando pero si nos vamos a específicos nos daremos cuenta que con el uso de los datos inteligentes una juguetería podría seguir sobreviviendo en este mundo digital.

Este blog tiene como propósito explicar cómo se utiliza la analítica y la Big Data para encontrar el mejor lugar para abrir una juguetería nueva en este caso. Nos pondremos en el papel del dueño de esta juguetería con el propósito de llegar a la máxima cantidad de familias posibles para maximizar nuestras ventas.

Utilizaremos un mapa de inteligencia propiedad de Datlas para realizar este caso. Te puede interesar este blog

Primeramente necesitaríamos las bases de datos necesarias para poder mapear, en este caso utilizaremos las siguientes:

  • Nivel Socioeconómico
  • Censo 2020
  • DENUE
  • Códigos postales
  • Categoría Social

Todas estas bases de datos estarán mapeadas delimitadas por AGEB. Si gustas conocer más de esto te puede interesar este blog

Una vez que tenemos nuestras bases de datos mapeadas empezaremos a utilizar nuestras herramientas de análisis para poder tomar la mejor decisión. Iremos paso a paso.

Paso 1: Ubicar a las familias potenciales

Utilizando los datos del CENSO podemos observar dónde son los AGEBs que tienen más personas infantes que son los «clientes» potenciales para una guardería.

Paso 2: Revisar el Nivel Socioeconómico

Con la capa de Nivel Socioeconómico podemos revisar los AGEBs con mayor o menor nivel y dependiendo de ello podemos saber el rango de precios o a qué sector de la población estaría dirigida nuestra guardería.

Paso 3: Observar la Categoría Social

Al momento de tener mapeada la categoría social de cada AGEB nos muestra que tipo de dicha categoría abunda en él, en este caso nos enfocaremos en la categoría de «Familia con Niños» que es de color verde en el mapa.

Paso 4: Activamos la capa de Códigos Postales

En este caso activamos la capa de Códigos Postales en conjunto con la capa de Categoría Social, esto con el fin de analizar cuáles son estos código postales donde existe una gran cantidad de familias con «clientes potenciales».

Paso 5: Sacamos conclusiones

Una vez observado las capaz, de hacer nuestros análisis, podemos llegar a algunas conclusiones importantes. Para fines prácticos se presentará la conclusión de cuáles son los mejores códigos postales para ubicar una juguetería actualmente.

Top 5 CP para ubicar una juguetería:

  • 67257
  • 64103
  • 66612
  • 66647
  • 64984

Se escogieron las zonas donde más abundan los «clientes potenciales» y también los CP donde existe una fácil vía de acceso para llegar a una juguetería.

A grandes rasgos así es como una juguetería podría utilizar el Big Data mediante las herramientas de DATLAS para potencializar sus ventas y seguir existiendo en este mundo cada vez más digitalizado, es un reto difícil pero no imposible. Teniendo a los datos y a la analítica de tu lado siempre irás por el camino correcto.

Equipo Datlas

– Keep it weird –