新着Pick
278Picks
シェアする
Pick
Pick に失敗しました

人気 Picker
データを使った検証シリーズ。今日は全体傾向で、明日は性別・年齢別に見ていきます。
これリアルタイムに収集・解析・店舗や混雑情報サービスなんかにフィードバックできませんかね。年代や性別や普段の居住地や職場住所なんかもわかるんですよね?
インフォグラフィックそのものはとても良いのだけど、より多くのテキストに接続表現が入っていたらもっと読みやすいと思いました。「つまり」、「すなわち」、「また」など。そうしないと、読者がこれら接続表現を脳内挿入しながら読まないといけない。
こうした位置情報ビッグデータを使って、NewsPicksのユーザーのみなさんが、いつどこで、NPを使っているかをぜひ知りたいところです。
データでブルーボトルの人気を調査。肌感覚と一致する点、また見えなかった点も見えてきました。

来客数の最大値と最小値を見てみると、最大値は落ち着いている一方で、最小値が押し上げ、現在は来客数が安定しています。
Googleトレンドでは数字は落ちているものの、来客は安定。徐々にファンの憩いの場として日々の習慣に組み込まれているような印象を感じます。
おぉ、モバイル空間統計!
これ、かなり高いやつっすよね。。
ドコモの宣伝にもなってWIN-WINの提携かな?
話題があるとネットで検索されて一時的に人が集まるけど、結局は生活に根付くかどうかがポイントという、飲食店の基本が可視化された点が良い記事と思う。
可視化にもいろんな手法があって、この方法にも色々な可能性を感じる。今後の記事で集客傾向の相関や因果まで踏み込んでくれると嬉しい。
データから人気の状況を分析しスライドに落とすというのはわかりやすい。滞在時間を考慮した人数カウントの部分で、ブルーボトルの場合行列に並んでいる時間は考慮されなくてもいいのかが少し疑問に感じます。
携帯電話の位置情報を利用したドコモのモバイル空間統計を上手く利用している。
https://www.nttdocomo.co.jp/corporate/disclosure/mobile_spatial_statistics/guideline/index.html

モバイル空間統計の強みは、なんといっても携帯電話を対象とすることで得られる6000万という大量のサンプル数。統計としてかなり優秀なデータ。

一方で、データの処理をする上で発生する弱みもある。モバイル空間統計では以下の3つの処理がされている。
非識別化処理(個人を特定可能な識別情報を取り除いて特定不可能な情報に置き替える)・集計処理(個々のデータを集団のデータに集計し、属性によるマクロな統計データとする)・秘匿処理(特定を避けるために少人数となった時間・地域のデータを削除する)
モニターとして募集するのではなく、一般のモバイル端末から情報を得るので、通常の調査データ以上に個人情報などへの配慮が必要ということだと思う。
そのため、おそらくリアルタイムなフィードバックや個人に焦点を当てたリピーターの分析などは難しい。あくまでマクロな統計になってしまう。

ただ、この分析ではブルーボトル「以前」の数値からの増分でデータを取っているので、秘匿処理による削除を受けにくいなど、欠点が上手く補えている、という印象が強い。
特に、夕方の利用による「ついで来訪」にシフトしているというのは面白い。今後の分析に期待。
モバイル空間統計の可能性は大きい。商圏分析や街づくりにも使えるはず。内閣府地方創生の担当で作成したRESAS地域経済分析システムも追加開発中だが、モバイル空間のデータも追加すれば、より詳細な地域分析とそれにもとづいた政策がうてる。 https://resas.go.jp/