Archivo de la etiqueta: maps

Categorizando las zonas con más choques y siniestros en Nuevo León – Datlas Research

Cuarentena por Coronavirus y Covid-19… y el placer más grande que algunos tuvimos fue la oportunidad de visitar el supermercado, la única salida obligada, con muy poco tráfico vehicular en la ciudad.  Menos tráfico está relacionado con menos probabilidad de choques y siniestros así que nos encontramos con vialidades bastante fluidas.

Datlas_barra_suscribir

Al tener un periodo de más tranquilidad en los flujos y el tránsito social nuevas iniciativas del gobierno y el sector privado han emergido. Por ejemplo,  lanzamientos de ciclovías, arreglar vías principales y carreteras de algunos municipios y ,por qué no, enfocarse mejorar el tránsito en las rutas donde más choques se registran. En esta columna utilizamos históricos de 3 años de choques para Nuevo León para identificar y “categorizar” las zonas de más choques en el Estado. Los ejemplos que veamos son aplicables a nivel nacional y es una propuesta de enfoque de análisis para gobiernos y aseguradoras.

¿Cómo funciona?

El análisis comienza con una base de datos, similar a la que usamos en 3 mitos y realidades de choques en NL, pero enfocado en un registro de choques por ubicación con detalles del tipo y modelos  de vehículos. En tipo, el detalle que tenemos son choques de auto, camión, camión ligero y motocicleta. En modelos tenemos choques de autos desde 1950 hasta el 2019.

Para fines prácticos, generamos 2 variables dicótomas o dummy. Una que señale con 1 cuando el choque haya sido de auto y 0 cualquier otro tipo de vehículo. Segundo una variable en donde si el choque fue por un modelo reciente de auto, entre el 2015 y 2019, y 0 siendo cualquier otro modelo menor o igual al 2014.

¿Cuáles podrían ser los pasos a seguir en un análisis

Para este ejercicio preferimos usar nuestra herramienta de mapas que, de manera más clara que un archivo de excel, nos permite identificar de inmediato el lugar de los hechos. De esa manera podemos construir los siguientes journeys:

1) Enfocarnos en las zonas de alta cantidad

El pase de diapositivas requiere JavaScript.

La base de datos original tiene los choques por coordenada, sin embargo hicimos un trabajo de agregación de datos ubicando el acumulado de choques dentro de una cuadrícula en todo el mapa de Nuevo León. Cada punto representa una geometría con un área de 5km cuadrados en donde ocurrieron los choques. Si visualizamos en un mapa esta información con gráficos de “burbujas” podremos identificar en que zona de la ciudad se han acumulado la mayor cantidad de choques.

33% de los choques en el Estado han ocurrido en 25 kilómetros cuadrados.

Datlas_Covid19_Choques

Datlas_blog_choques_casos_criticos

2) “Categorización” de todos los choques en modelos de auto recientes

El pase de diapositivas requiere JavaScript.

Si quisiéramos enfocarnos en las zonas donde hay más choques acumulados podemos usar la gráfica de puntos de dispersión encima del mapa. Preferimos la geometría tipo cuadros para poder identificar en rojo las zonas de mayor enfoque. Además generamos una variable de proporción de choques de modelos recientes. De esta manera podemos localizar de maneras inmediata los siniestros de casos de 2015 a la fecha.

3) “Categorización” de modelos más siniestrados por regiones

El pase de diapositivas requiere JavaScript.

Finalmente podemos aumentar la resolución convirtiendo la variable modelo en numérica y promediando el año de los vehículos que más han chocado en los últimos 3 años.  En este caso detectando las zonas donde chocan los autos de años más recientes. Sorprendentemente no se percibe que exista una relación entre nivel socieconómico y año de los autos chocados.

Video de navegación

Este tipo de iniciativas y plataformas podrían ser utilizadas por aseguradoras para planificar sus estaciones temporales donde envíen a sus flotillas para que puedan llegar a los choques con menor tiempo. Elevando así el nivel de servicio. Por otro lado podrían mapear cambiar los múltiplos en sus pólizas considerando si las zonas donde transita habitualmente un asegurado son de alto o bajo riesgo de choques.

En el caso de gobiernos, podrían evaluar adecuar señalizaciones de tránsito en las zonas de mayor riesgo así como mantener cerca a oficiales de tránsitos cuando ocurran este tipo de percances.

Datlas_barra_suscribir

Hasta aquí la columna de hoy, gracias por leer y si te interesó no dudes en difundirla con tus contactos y aseguradoras. Te recomendamos también visitar nuestro podcast “Café de Datos”donde estamos publicando semanalmente capítulos donde hablamos de analítica y estrategias de datos.

Saludos

Equipo Datlas

– Keep it weird –

 

 

Nuevas formas de “ubicarse”

 

La ciencia de la cartográfica ha existido desde hace siglos; la creación del primer mapa la tierra es una cuestión polémica y difícil de acertar. La cartografía también se ha mantenido en una evolución constante que viene atada a los avances tecnológicos y a un mejor conocimiento de nuestra tierra. Aun y con nuestra tecnología avanzada contemporánea, siguen existiendo obstáculos en la manera en la que decidimos representar nuestras ubicaciones geográficas (direcciones o apartados) de una manera eficiente, precisa, y compatible. En este post se hablará un poco de cómo ha evolucionado en tiempos recientes este concepto de nombrar tal representación abstracta.

Datlas_barra_suscribir

Se estima que un 75% de la población global (eso sería aproximadamente unas 4 billones de personas) no cuenta con una dirección física o apartado. Los apartados son una herramienta esencial para el desarrollo económico; sin poseer uno se puede batallar en temas desde recibir mercancía a obtener documentos de identidad y ser atendido por una ambulancia. Aun teniendo un apartado para tu domicilio existen muchos problemáticas asociadas a nuestro uso actual de direcciones geográficas. Sí no fuera por la tecnología GPS y nuestros ubicuos smartphones el repartidor de pizzas o el chofer de Uber batallarían mucho más para encontrar nuestras ubicaciones, las empresas de e-commerce o de food delivery perderían mucho más tiempo y dinero tratando de encontrar a clientes, etc. Primero que todo, existen infinidad de nombres de calles, colonias, edificios, etc. que se repiten aun y estando dentro de la misma zona de la ciudad. También hay situaciones donde los números exteriores no siguen un orden cronológico racional. Donde dos casas comparten la misma dirección, o una colonia que se llama de tres maneras distintas y sus fronteras son diferentes en distintos mapas, etc. Para sumar al problema, al enviar y recibir correspondencia internacionalmente los estándares y convenciones sobre la nomenclatura correcta pueda variar mucho entre países, idiomas y sistema de escritura. Podríamos asumir que las coordenadas GPS de latitud y longitud serían la solución al problema, pero se ha mostrado que el uso de ellas cotidiano por el ciudadano promedio no se ha adoptado ya que se vuelve demasiado exhaustivo escribir un número de 18 dígitos que no va a ser fácil de recordar y es nos suena demasiado ambiguo. Hace más de un siglo, durante 1874 se estableció la UPU (Unión Postal Universal) para tratar de estandarizar a escala global estos conceptos de direcciones geográficas. Hoy en día la UPU forma parte de la ONU y sigue tratando de administrar temas relacionados al mismo problema histórico. Hasta hace solo algunos pocos años atrás los esfuerzos por crear un sistema global que estandarice y facilite datos de representación geográfica habían fracasado. Las coordenadas de GPS fueron reducidas a un código alfanumérico de 10 dígitos antes (el Natural Area Coding System o Universal Address) pero esta solución fracaso probablemente por la mismas razones que nunca adoptamos las coordenadas GPS; reducir los dígitos un poco no era suficiente para desencadenar una adopción masiva globalmente.

return

La buena noticia es que esto al fin parece estar cambiando con el adviento de nuevas herramientas. Por ejemplo, what3words es una empresa que ha dividido la tierra en 57 trillones de cuadros de 3 por 3 metros y asignado a cada uno de estos una dirección o apartada que consiste de tres palabras (al día de la publicación de este post ya integra 26 idiomas de los cuales puedes elegir que se muestre tu dirección). Cada de los lenguajes usados para asignar nombres a los 57 trillones de cuadros en la tierra usa una lista 25,000 palabras. La empresa describe que las principales ventajas de usar tres palabras para representar tu ubicación son la memorabilidad, la fácil detección de errores, la naturaleza libre de ambigüedad de las palabras para usos no técnicos y el uso mediante acceso de voz. A pesar de lo sencillo que es recordar tres palabras no ambiguas en tu lengua natal y el evitar tener que llenar tantos campos al dar tu dirección, otra ventaja notable de la herramienta es que la ubicación geográfica representada (el cuadro de 3 por 3 metros) no es ni algo muy grande ni muy chico; es mucho menos chico y ambiguo que lo que representaría una coordenada de longitud y latitud, y lo suficientemente pequeño para tener una dirección separada de otras recamaras en tu domicilio.

palabras
Journal of Psychology, 1957

 

La primera vez que escuche sobre esta herramienta, en el 2016, no entendía a profundidad el impac

to y beneficio que algo que parece tan sencillo como what3words podría llegar a traer. Fue después de familiarizarme con testimonios de algunos de los más de 600 clientes que what3words actualmente presume que llegue a entender el enorme potencial que esto podría traer. Clientes de what3words van desde las oficinas postales de países enteros como: Yibuti, Mongolia, y Costa de Marfil, y Tuvalu, hasta hoteles boutique en el campo y empresas manufactureras de automóviles como Mercedes-Benz (quien anunció hace poco que sus coches serían los primeros en integrar what3words dentro de su sistema de navegación).

bote
what3words

Claro que también existen críticas en contra de what3words: no sé puede descartar que esta sigue haciendo una empresa privada con control de esta información y su software no es abierto (aunque ofrecen el servicio a individuos y sociedades sin fines de lucro sin costo, solo cobran a empresas privadas). Vale la pena también checar what3fucks, pero no lo recomendaría para ordenar tu pizza.

Fuentes:

¿Qué es el “Crowdmapping”?

Si nunca habían escuchado hablar del “crowdmapping” o el “mapeo colaborativo” entonces este artículo les explicara un poco más sobre ellos. El crowdmapping se refiere a un tipo de mapeo donde el conjunto de aportes proveniente de varios usuarios es mostrado en tiempo real. Estos mapas tienen diversos fines, desde mejorar las redes de transporte en una ciudad hasta ayudar al prójimo durante catástrofes naturales o conflictos humanitarios. Generalmente, cualquier persona puede tener acceso a editar o actualizar información geográfica en un “crowdmap”; esto con el fin de hacer la información más abierta, democrática, transparente, y actual. A continuación les explicaré un poco más sobre cómo se popularizaron este tipo de mapas, algunos ejemplos de usos actuales y donde encontrarlos, y algunos retos al que se enfrenta este tipo de tecnología.

Datlas_barra_suscribir

El término crowdmapping se popularizó después del 2008 cuando la aplicación móvil Ushahidi fue creada en respuesta a la violencia post-electoral en Kenya. La aplicación usaba voluntarios para mapear información proveniente de fuentes que variaban desde reportes de ONU, hasta tweets y mensajes de texto. Desde entonces, este tipo de mapas se ha popularizado para su uso en emergencias similares, como desastres naturales, crisis políticas, conflictos violentos o propagación de enfermedades. En México por ejemplo recientemente se ha usado esta tecnología durante los sismos recientes y para mapear incidentes de narco-violencia. Sin embargo, es importante notar que el crowdmapping no está restringido únicamente al mapeo de situaciones de riesgo.

Los usos del crowdmapping van más allá de las catástrofes. OpenStreetMap (OSM) es un proyecto de mapeo colaborativo del mundo donde el objetivo es mapear y actualizar los datos sobre caminos y otras cosas alrededor del mundo. Aunque no parezca que Google Maps ya tiene todo el mundo mapeado, existen muchos lugares que aún faltan de mapear o que la información mapeada existente no es la actual, incluso en nuestras propias ciudades. Comúnmente vemos ejemplos de esto en asentamientos informales de las grandes ciudades (como los “slums” o “favelas”) al igual que en localidades remotas o simplemente lugares con caminos que fueron creados muy recientemente. OpenStreetMap al igual que otras plataformas atenta resolver este problema, incluso Google en veces dispone este tipo de colaboración abierta para algunos de sus mapas. Otro ejemplo interesante de mapeo colaborativo es en el uso de las redes de transporte en una ciudad. La aplicación de transporte Moovit invita a sus usuarios a colaborar mejorando los datos de transporte en las más de 2200 ciudades dentro de 80 países donde opera. Existen este tipo de plataformas para varios nichos, algunos ejemplos interesantes son: Harassmap, Anti-Eviction Mapping Project, y FixMyStreet. Aquí en México existen plataformas como Tehuan la cual actualmente opera en Monterrey y Puebla invitando a sus usuarios a mapear cosas como incidentes en las vialidades, delitos, y problemas de alumbramiento (entre otras).

Al desarrollarse la tecnología para traer a las ciudades a los vehículos autónomos, también es muy importante mapear las calles de las ciudades en otra dimensión. Actualmente ya existen algunas startups que pagan a usuarios por mapear ciudades en la tercera dimensión. Pixtier es una startup israelí que paga a dueños de drones por usar sus drones para fotografiar ciudades y después ellos usan un software para convertir estas imágenes en 3D. Otra startup de San Francisco, Mapper, ha creado un instrumento que permite el mapeo 3D sin tener que utilizar la tecnología LIDAR. Esta empresa después vende este instrumento a usuarios a quien después les paga por mapear ciudades en sus propios vehículos (después de instalar el aparato encima de ellos). La startup surgió debido a que a las empresas que desarrollaban vehículos autónomos se les hacía muy fastidioso generar y crear estos mapas ellos mismos, sin embargo estos mapas son esenciales para que este tipo de vehículos opere. Ahora Mapper intenta promoverse como el nuevo Uber en el sentido de que es la nueva forma de monetizar tu propio vehículo.


A pesar de todas las soluciones que puede proporcionar el crowdmapping obviamente al ser un concepto tan democrático y tan abierto existen varias cuestiones con respecto a la calidad de la información y los datos que son generados. Entre menos control exista sobre los datos que son publicados a los mapas y más abiertos sean, obviamente la calidad y veracidad de los datos va a ser perjudicada. Mantener controles de calidad robustos en si es un costo significativo que se incurre al operar estas plataformas y este es solo un costo de más que se suma a los costos de mantenimiento. Debido a que muchas de estas plataformas no son con fines de lucro o no tienen un modelo comercial viable establecido, el costo en si es otro problema notorio para el crowdmapping. También existe el hecho de que en veces ha resultado difícil atraer la participación de usuarios a algunos mapas, naturalmente al ser un concepto un poco nuevo. Ejemplos de mapas colaborativos actuales son numerosas y en este artículo no se alcanzan a cubrir todas. Sin embargo, algunos obstáculos han prevenido a que algunas de estos esfuerzos de crowdmapping sean tan exitosos como lo planeaban, pero comoquiera es una tecnología que permanece evolucionando hacia la mejoría.

¿Qué hace la gente en Monterrey? – Los datos nos cuentan (Ejercicio con check-ins de Foursquare)

Viviendo por más de 20 años Monterrey uno sabe que en la ciudad después de arduas jornadas de trabajo y tráfico vehicular la gente busca formas de relajarse y pasarla bien. Pero… ¿Cuándo lo hacen? ¿A qué horas? y ¿Qué actividades los motivan a salir de casa?

datlas_fintech_suscribe

Nos propusimos responder estas preguntas utilizando datos de Foursquare, Swarm y Twitter.

Si nunca habías escuchado alguna de estas, resulta que desde hace unos años, muchos de los usuarios de estas redes sociales las utilizan para indicar dónde están o qué hacen.

Puedes hacerle saber al mundo del lugar que fuiste a visitar que nadie más conoce, del delicioso platillo que te sirvieron en tu restaurante favorito y que asististe a la final de temporada de tu equipo local con tus mejores amigos.

Ésto se realiza de la siguiente forma:

Checkin3

Checkin2

Utilizando Foursquare/Swarm con tu GPS activado, señalas el lugar en el que te encuentras, añadiendo una foto si así lo deseas y compartiéndolo en Twitter. Una vez hecho esto, estará abierto a la comunidad para verlo.

¿Suena un poco tenebroso, no?

Para algunos es así, pero la verdad es que el hecho de compartir dónde estás y tus comentarios sobre los lugares que has visitado es una conducta que ha sido adoptada por los millenials. A su vez, esto ha permitido a los investigadores de datos tener registros de los lugares más populares de la ciudad y de muchos más hallazgos.

A partir de ello, buscamos responder las preguntas que nos planteamos inicialmente analizando los check-ins (registros de asistencias) del mes de Julio en Monterrey y generamos un reporte.

¿Qué encontramos?

  1. Los días que hay más actividad son primeramente después de la quincena. Claro, tiene sentido, recién te pagan lo primero que quieres hacer es disfrutar de los lujos que existen en Monterrey. Los sábados parecen ser los preferidos por la comunidad.

Diapositiva4

2. Si lo vemos como días de la semana encontraremos que la actividad en viernes y sábado duplica el promedio de los otros días. Y aunque suene a sentido común, cuando investigas con datos es muy importante discriminar tus puntos que sobre-indexan para poner especial atención a la muestra de información que estás analizando.

Diapositiva1

3.  Observando la distribución de actividades en fines de semana, encontramos que a partir de las 6 de la tarde hay un incremento en las visitas a parques y estadios, restaurantes y cuando el clima de Monterrey no se presta para ello, porqué no, al cine. (Aunque los regios sabemos que de una hora a otra ésto cambiará.)
Diapositiva3

4. ¿Qué actividades fueron las que ocasionaron más tráfico? Entre los 6,000 diferentes lugares que registraron algún checkin, principalmente encontramos de motivadores eventos deportivos y estrenos de cine.

Diapositiva5

Aunque quizás esto te parezca muy intuitivo, este tipo de ejercicios llegan más allá que ésto, pues tenemos la libertad de analizar por hora, por zona, por día de la semana y encontrar a donde asiste más público o en una aproximación muy real hacia dónde se está moviendo el tráfico. Ésta información resulta de gran utilidad para comercios que se quieren posicionar con consumidores, para definir mejores lugares en donde expandir su negocio o para entender la dinámica del día a día de cierto grupo de población. Ejemplos:

  • ¿Dónde pongo mi negocio o dónde expando?
  • ¿En qué zonas me puedo anunciar dado que hay más tráfico de personas en fin de semana?
  • ¿En qué lugares los clientes son más exigentes con sus comentarios?

Este tipo de información estará pronto integrada en nuestra plataforma de inteligencia comercial: www.datlas.mx. Te invitamos a conocerla y si tienes algún comentario o estás interesado en usar datos como estos nos hagas saber en direccion@datlas.mx

datlas_fintech_suscribe

Esperamos que les haya gustado, dejenos sus comentarios. Saludos

Equipo Datlas

-keep it weird-