Markt- und Standortanalysen in Tableau

Dieser Blogbeitrag zu Markt- und Standortanalysen mit Tableau beschäftigt sich mit der klassischen unternehmerischen Fragestellung der Standortwahl eines Unternehmens. Dazu stellen wir im Folgenden einen fiktiven Business Case zur Markt- und Standortanalyse in Berlin aus Sicht der Einzelhandelskette „Penny“[1] vor.

Im Zuge dessen werden Sie unter anderem die Standardfunktionen sowie erweiterte Funktionen von Tableau Desktop (Version 10.2) im Hinblick auf geographische Analysen kennenlernen. Außerdem werden wir im Rahmen der Data Preparation mit Alteryx Desktop (Version 11) aufzeigen, welchen Mehrwert ergänzende unternehmensindividuelle Daten in Auswertungen bringen können.

1. Karten mit Tableau

Zunächst ein paar Worte dazu, warum wir uns für diese Darstellungs- und Analyseart entschieden haben: Karten bieten den großen Vorteil, Informationen sowohl im Vordergrund als auch im Hintergrund zu präsentieren. Zum einen können räumliche Daten im Vordergrund mittels verschiedener Visualisierungsformen wie Punkte, Linien und Flächen auf Karten abgebildet werden. Zum anderen können über Darstellungen im Hintergrund weitere Zusatzinformationen vermittelt werden. Beispielhaft sind hier u.a. topografische Karten, demografische Karten und thematische Karten (politische Karten, Wetterkarten, Vertriebsregionen) aufzuführen.

Standardmäßig bietet Tableau in diesem Zusammenhang die folgenden Kartentypen [2] an:

• Karten mit proportionalen Symbolen (z.B. Städte mit Einwohnerzahl)
• Gefüllte Karten (z.B. Bundesländer, PLZ-Bereiche, individuelle Vertriebsgebiete)
• Punktverteilungskarten (z.B. Häufigkeitsverteilungen)
• Strömungskarten (z.B. Unwetterkarten)
• Netzkarten (z.B. U-Bahn-Strecken)

Standortdaten werden von Tableau i.d.R. automatisch erkannt, und dem Feld wird dann die entsprechende geographische Rolle (z.B. Stadt, Bundesland, Land) zugeordnet. Darüber hinaus bietet Tableau die Möglichkeit der visuellen Gruppierung einzelner Flächen zu einem übergeordneten Gebiet (z.B. Zusammenfassung mehrerer Bundesländer zum Vertriebsgebiet „Nord“). Die dazugehörigen Kennzahlen werden entsprechend aufsummiert.

2. Datengrundlage

Für die Umsetzung unseres Business Cases haben wir öffentlich zugängliche Datenquellen genutzt: Im Zuge der Open-Data-Bewegung sind in den vergangenen Jahren zahlreiche Open-Data-Plattformen entstanden, auf denen Datenbestände staatlicher Institutionen in zahlreichen Formaten veröffentlicht werden. Der folgende Business Case basiert dabei auf den folgenden drei Datenquellen:

• Open Street Maps ⇒ Standorte der Supermärkte in Berlin
• Berlin Open Data ⇒ städteplanerische Untergliederung Berlins
• Zensus 2011 ⇒ Bevölkerungsdaten im 100m/1km Gitter

Ziel dieses Business Cases ist die Entwicklung eines Tableau-Dashboards zur Standortwahl für die Eröffnung neuer Supermärkte am Beispiel der Discounter-Kette „Penny“ entlang der vorliegenden Umsatzpotentiale der jeweiligen Gebiete. Innerhalb individueller Trade Areas wurde dabei für die Stadt Berlin die Konkurrenzsituation zu anderen Märkten in Bezug auf Entfernung und Dichte betrachtet. Außerdem wurde die Einkommensstruktur der dort lebenden Haushalte, die schließlich auf die Höhe der Ausgaben für Lebenshaltungskosten schließen lässt, mit einbezogen, um letztlich das jeweilige Marktpotential zu bestimmen.

3. Zugrunde liegende Logik & Analyseziele

Aus diesen Annahmen lässt sich schließen, dass je weniger Märkte in der Trade Area sind, je größer die Entfernung zu den Konkurrenzmärkten und je höher das Einkommen der Bevölkerung ist, desto höher ist das Marktpotential.

Das Ziel-Dashboard zu Markt- und Standortanalysen ist in die folgenden drei Bereiche untergliedert:

• Die Umfeldanalyse (links) zeigt das Umsatzpotential aus Sicht des jeweiligen Penny-Marktes innerhalb einer bestimmten Trade-Area.
• Die Übersichtskarte (unten rechts) dient der Navigation im Dashboard und bildet die städteplanerischen Gebiete Berlins sowie die Märkte ab.
• Der Zoomfaktor (unten links) ermöglicht eine detaillierte Betrachtung hinsichtlich der städteplanerischen Ebenen Bezirke, Prognoseräume, Bezirksregionen und Planungsräume.
• Über die Anpassung der Darstellungsoptionen (unten links mittig) können neben unseren eigenen Märkten (blaue Sternchen) auch die Konkurrenzmärkte (graue Punkte) angezeigt werden.
• Die Infografik zur Altersstruktur (oben rechts) gibt Auskunft über die in dem jeweiligen Gebiet lebende Bevölkerung.

4. Konkretes Fallbeispiel mit Tableau

Sehen wir uns nachfolgend ein konkretes Fallbeispiel eines Penny Marktes in Berlin Mitte etwas genauer zur Analyse an:

Durch Auswahl eines Marktes auf der Übersichtskarte wird in der Umfeldanalyse auf die Trade Area des entsprechenden Marktes gezoomt. Über die Entfernung der einzelnen Penny-Märkte zueinander wurden anhand des lilafarbenen Gitters individuelle Trade Areas um jeden Penny-Markt gebildet. Diese verdeutlichen das Einzugsgebiet unseres jeweiligen Marktes und zeigen somit auf, für welche Anwohner, welcher Penny-Markt am nähsten liegt. Darüber hinaus wurde für die Märkte der Wettbewerber über eigene Trade Area berechnet, wie viele Menschen im Einzugsgebiet des Konkurrenzmarktes innerhalb dieser Trade Area wohnen und was dies umgerechnet in Marktpotential für uns bedeutet.

Betrachten wir den Netto-Markt (unten rechts) im Detail: Den Informationen aus der Quickinfo können wir entnehmen, dass in der Trade Area des Netto-Marktes 12.381 Haushalte angesiedelt sind, die genau zu diesem Markt den kürzesten Weg zum Einkaufen haben. Darüber hinaus implizieren diese Haushalte über ihre jährlichen Ausgaben für Lebenshaltungskosten ein Umsatzpotential von 51,1M EUR pro Jahr. Ein dunkelroter Farbverlauf ist ein Indikator für eine Fläche zur weiteren Standorterschließung, während ein dünner blauer Farbverlauf darauf hindeutet, dass sich in diesem Gebiet ein neuer Standort aufgrund eines geringen Umsatzpotentials nicht lohnt.

5. Technische Umsetzung

Im folgenden Abschnitt stellen wir vor, welche weiterführenden Funktionen genutzt wurden, um dieses Dashboard zur Markt- und Standortanalyse zu entwickeln.

Tableau bietet die Möglichkeit, neben den bereits integrierten Hintergrundkarten auch externe Karten von Kartendiensten wie Mapbox oder WMS-Servern einzubinden. Für unsere Umfeldanalyse haben wir eine individuelle benutzerspezifische Hintergrundkarte aus Mapbox genutzt. Diese kann mittels einer für Tableau optimierten URL direkt eingebunden werden. Innerhalb von Mapbox können anhand von weiteren Datensätzen verschiedene Map Layer generiert werden, die je nach Zoomlevel aus- oder eingeblendet werden. Dies ermöglicht die Integration einer Fülle weiterer geographischer Informationen auf Ebene verschiedener Zoomlevel.

Um eine benutzerdefinierte geographische Rolle für unsere Märkte zu erstellen, haben wir eine individuelle Geokodierung in das Tableau Repository importiert. Für den Import der Geokodierung werden zum einen die Standorte der Märkte mit Längen- und Breitengrad in einer csv-Datei und zum anderen eine sogenannte schema.ini-Datei zur Beschreibung der Daten benötigt. Abschließend kann dem Dimensionsfeld „Markt-ID“ die importierte geographische Rolle „Markt“ zugeordnet werden.

Seit der Tableau Desktop Version 10.2 und höher können auch räumliche Dateien wie Shapefiles, KML-Dateien, MapInfo-Tabellen und GeoJSON-Dateien direkt in Tableau eingebunden werden, um Punkt- und Polygonkarten zu erstellen (Ab Version 10.4 können auch lineare geometrische Objekte eingebunden werden). Im Rahmen der Datenaufbereitung konnten wir unter Nutzung von Alteryx die Shapefiles entsprechend um individuelle Trade Areas erweitern und diese jeweils mit Kennzahlen (z.B. Anzahl der Einwohner, Anzahl der Personen pro Haushalte und durchschnittliche Lebenshaltungskosten für Nahrungsmittel) anreichern.

Für die Darstellung des Umsatzpotentials und die Anzahl der Haushalte wurden ausgehend vom eigenen Markt zu den jeweiligen Wettbewerbermärkten in der Trade Area sogenannte Pfade erstellt. Dazu ist es notwendig, dass die Datenquelle Informationen zum Ursprungs- und Zielort mit Längen- und Breitengrad sowie eine eindeutige Pfad-ID für jeden Pfad enthält. Diese Pfad-ID dient der Aufschlüsselung der Linien auf der Karte nach Ursprungs- und Zielort, da sonst alle Datenpunkte in einer zusammenhängenden Linie miteinander verbunden werden.

Auch die Infografik zur Altersstruktur wurde mithilfe von Pfaden erstellt. Im Rahmen der Aufbereitung wird die Bilddatei zunächst in einem Grafikraster in schwarz/weiß aufbereitet. Danach erfolgt die Vektorisierung der Bilddatei, sodass diese generierten Vektorpunkte anschließend unter Nutzung von Alteryx in X- und Y-Koordinaten überführt werden können. Diese Koordinaten werden dann über die csv-Datei in Tableau eingebunden.

6. Ergebnis

Wie nun im dem vorherigen Fallbeispiel deutlich wurde, bietet Tableau in Kombination mit dem Datenaufbereitungstool Alteryx die Möglichkeit, umfassende geographische Analysen durchzuführen und weitreichende Optimierungspotentiale in Ihrem Unternehmen aufzudecken.

Sollten wir Ihr Interesse an der Aufbereitung Ihrer unternehmensinternen Daten im Allgemeinen und Ihrer geographischen Datenbestände im Speziellen geweckt haben, freuen wir uns über Ihre Kontaktaufnahme. Wir unterstützen Sie gerne bei der Wahl der richtigen Software und Technologie zur Datenanalyse und Reporting.