Estamos realizando un pequeño caso de estudio. El objetivo es explorar y comparar diferentes opciones de visualización y cómo, visualizando un mismo set de datos se puede aportar más o menos información más o menos relevante. El
Estudio ha sido realizado por nuestros compañeros Juanjo y Xavi. Un buen ejemplo de uso práctico del Business Intelligence.
Para ello nos vamos a basar en los datos de diferentes servicios de bicicletas públicas que proporciona
http://www.citybik.es/
y que hemos recopilado. Recogemos datos de diferentes ciudades pero para un primer estudio nos centraremos en el servicio del
Bicing
de Barcelona.
Tenemos un proceso ETL que carga los datos y que compone un datamart con las siguientes perspectivas de análisis y métricas a analizar:
Cual va a ser el primer enfoque? Pues el claro y evidente:
Tenemos un proceso ETL que carga los datos y que compone un datamart con las siguientes perspectivas de análisis y métricas a analizar:
- Estación: Ubicación de la estación
- Tiempo : El estado de las estaciones en los distintos momentos de tiempo
- Anclajes disponibles: Número de anclajes libres para que los usuarios depositen su bicicleta
- Bicicletas disponibles: Número de anclajes ocupados o bicicletas disponibles para que los usuarios las utilicen.
Ciertamente es un set de datos reducido y en parte esa es la gracia de este ejercicio. Extraerle el máximo de información a este set de datos reducido.
Evolución de las bicicletas disponibles a lo largo del tiempo.
Pero al lo largo del tiempo ¿Que quiere decir?, la comparación de la media de bicicletas disponibles en diferentes días o la evolución durante un día? Cómo siempre: Lo quiero todo
Que nos permite ver esta vista? (puedes pulsar en la imagen superior para acceder)
- Que los domingos la gente coge la bicicleta progresivamente a lo largo del día y poco a poco desde las 8 de la mañana los más madrugadores hasta la 1 del mediodía su uso se intensifica.
- Pero los días de diario la gente coge la bici para ir a trabajar, o al menos eso parece. Fijaros en la "pronunciada" bajada de bicicletas disponibles desde las 7:30 hasta las 9:00 que empieza a recuperarse.... y por la tarde para volver escalonadamente.
-
Si hacemos zoom en la gráfica que nos interesa:
De hecho, si nos fijamos en una de las peores estaciones notamos un marcado acento en esta posibilidad:
Pero hay más puntos de vista interesantes:
- Comparativas de uso entre días
- Comparativas de uso de los diferentes días de la semana
- Comparativas de uso entre 2 días análogos (Domingo vs Domingo por ejemplo)
- Donde se usa más el bicing, en el centro o en la periferia.
- Se usa la bici para ir al centro y/o para volver a casa?
- Que zonas tienen más actividad? Laborales, ocio o comerciales?
- Si se usa para ir a trabajar.... Que tipos de trabajo tienen esos usuarios? Van a zonas de oficinas o zonas de tiendas o zonas "industriales"?
trunc.it/k8wb0
http trunc.it/kzpgb
http:// trunc.it/k9u84
