Analyser les points de vente qui réussissent sur les marchés existants
Vous allez utiliser ArcGIS Business Analyst Pro pour analyser vos neuf sites de laverie et de nettoyage à sec actuels afin de comprendre quels attributs géographiques indiquent un point de vente à succès.
Définir la source de données
Vous allez d’abord télécharger et ouvrir un paquetage de projet ArcGIS Pro contenant les données relatives à vos sites et à vos clients. Vous allez ensuite définir la source de données pour les données Business Analyst que vous allez utiliser.
- Téléchargez Expansion Study.ppkx.
Un paquetage ArcGIS Pro inclut le fichier de projet (.aprk), la boîte d’outils (.tbx) et la géodatabase (.gdb).
- Double-cliquez sur Expansion Study.ppkx pour l’ouvrir dans ArcGIS Pro. A l'invite, connectez-vous à votre compte d'organisation ArcGIS.
Remarque :
Si vous n’avez pas accès à ArcGIS Pro ou ne disposez pas d’un compte d’organisation ArcGIS, consultez les options disponibles pour accéder aux logiciels.
Le projet contient les couches d’entités de vos neuf sites de laverie existant à Grand Rapids, dans le Michigan, ainsi qu’une couche d’entités de clients qui possède des attributs associés aux points de vente visités par les clients. Il existe également des couches d’entités pour les gymnases et les salles de cinéma, qui attirent les clients utilisant votre service de dépôt en laverie. En outre, il existe une couche d’entités des emplacements des laveries concurrentes.
Pour découvrir les attributs de vos points de vente qui réussissent le mieux, vous allez ajouter des variables à l’aide de données Business Analyst. Pour accéder aux données adéquates, vous allez définir la source de données Business Analyst afin d’utiliser les données des États-Unis.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Géotraitement, cliquez sur Environnements.
La fenêtre Environments (Environnements) s’affiche.
- Faites défiler la fenêtre Environments (Environnements) jusqu’en bas. Sous Business Analyst, vérifiez que le paramètre Data Source (Source de données) est défini sur US (esri2024) (États-Unis [esri2024]).
Remarque :
Si votre source de données est différente, cliquez sur le bouton Browse (Parcourir). Dans la fenêtre Business Analyst Data Source (Source de données Business Analyst), cliquez sur North America (Amérique du Nord). Sous United States (États-Unis), sélectionnez Esri 2024 et cliquez sur OK.
Remarque :
Les utilisateurs de ArcGIS Enterprise doivent vérifier que les services GeoEnrichment sont configurés pour afficher les sources de données. Pour configurer les services, vous pouvez examiner la documentation Configurer des services utilitaires.
- Cliquez sur OK.
La source de données Business Analyst est définie pour accéder aux variables des États-Unis.
Générer des zones de chalandise
Il existe d’autres points de vente sur le marché de Grand Rapids, qui ont de meilleurs résultats que les sept autres. Vous allez utiliser la boîte à outils Business Analyst pour trouver les caractéristiques uniques aux points de vente affichant des ventes supérieures.
La première étape de votre analyse consiste à créer des zones de chalandise déterminées en fonction des clients autour des points de vente. Ces zones capturent un pourcentage spécifique de clients les plus proches de chaque point de vente. Les zones de chalandise peuvent également capturer d’autres attributs tels que les ventes. Le premier ensemble de zones de chalandise que vous créez va capturer les 70 % des clients les plus proches de chaque point de vente.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Geoprocessing (Géotraitement), cliquez sur Tools (Outils).
La fenêtre Geoprocessing (Géotraitement) s’affiche.
- Dans la fenêtre Géotraitement, sélectionnez l'onglet Boîtes à outils.
- Développez Business Analyst Tools (Outils Business Analyst) et Trade Areas (Zones de chalandise). Double-cliquez sur Generate Customer Derived Trade Areas (Générer des zones de chalandise déterminées en fonction des clients).
L’outil s’ouvre. Vous allez définir des paramètres pour déterminer combien de clients sont capturés dans chaque point de vente. Le champ Store ID (ID de point de vente) est utilisé pour associer les clients à leur point de vente principal.
- Définissez les paramètres suivants :
- Pour Stores (Points de vente), choisissez Facilities (Services).
- Pour Store ID Field (Champ ID de point de vente), sélectionnez Store ID (ID de point de vente).
- Pour Customers (Clients), sélectionnez Customers (Clients).
- Pour Associated Store ID Field (Champ ID point de vente associé), choisissez Store ID (ID point de vente).
- Pour Output Feature Class (Classe d’entités en sortie), saisissez Nombre_zones_chalandise.
- Pour Radii (%) (Rayons (%)), saisissez 70.
La valeur de rayon indique le pourcentage de clients de chaque point de vente qui va être capturé pour définir des polygones de zone de chalandise de point de vente. Dans ce scénario, les 70 % de clients les plus proches de chaque point de vente seront inclus dans chaque zone de chalandise.
- Cliquez sur Run (Exécuter).
Une nouvelle couche affichant les zones de chalandise des clients est ajoutée à la carte. Il n’y a pas de superposition entre les zones de chalandise, indiquant une distinction des clients par point de vente, ce qui est avantageux.
Vous allez ensuite créer des zones de chalandise en fonction des 70 % de ventes aux clients pour chaque point de vente. Pour créer des zones de chalandise en fonction des ventes, vous allez modifier les paramètres de l’outil afin d’agréger les ventes aux clients en fonction d’une pondération plutôt que d’un nombre.
- Dans la fenêtre Generate Customer Derived Trade Areas (Générer des zones de chalandises déterminées en fonction des clients), modifiez les paramètres suivants :
- Pour Output Feature Class (Classe d’entités en sortie), saisissez Ventes_zone_chalandise.
- Pour Customer Aggregation Type (Type d’agrégation client), choisissez Weight (Pondération).
- Pour Customer Weight Field (Champ Pondération du client), choisissez Sales (Ventes).
- Cliquez sur Run (Exécuter).
Une nouvelle couche affichant 70 % de la somme des ventes de chaque point de vente est ajoutée à la carte.
Les zones de chalandise de ventes sont plus petites que les zones de chalandise des clients pour sept des neuf points de vente mais, pour deux points de vente, les deux zones de chalandise ont une taille approximativement égale. Cela indique une distribution des ventes plus homogène parmi les clients, ce qui signifie qu’un plus grand revenu est capturé auprès des clients. Vous allez examiner la table attributaire de la couche Facilities pour comprendre les différences existant entre ces points de vente et le reste.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Facilities (Services) et sélectionnez Attribute Table (Table attributaire).
- Dans la table attributaire, cliquez avec le bouton droit sur l’en-tête de colonne Sales (Ventes) et sélectionnez Sort Descending (Tri décroissant).
Les points de vente présentant les ventes les plus élevées sont Creston et Westside GR. Ces points de vente possèdent deux places de parking temporaires qui sont chacune affectées au point de vente, ce qui signifie qu’elles ne sont pas partagées avec d’autres commerces et qu’il y a moins de concurrence avec les clients visitant les autres commerces. En l’absence d’une place de parking libre, il se peut qu’un client se rende dans une autre laverie ou un autre site de nettoyage à sec ou doive attendre qu’une place se libère. Pour les clients utilisant le service de dépôt haut de gamme, la convivialité est importante et des places de parking réservées sont donc une priorité élevée.
- Fermez la table attributaire.
- Dans la Barre d’outils Quick Access (Accès rapide), cliquez sur le bouton Save Project (Enregistrer le projet).
Conseil :
Vous pouvez également appuyer sur les touches Ctrl+S pour enregistrer votre projet. Si un message indiquant que ce projet a été créé avec une version précédente de ArcGIS Pro s’affiche, cliquez sur Yes (Oui).
Créer une carte avec code couleur
Les zones présentant des pourcentages relativement élevés de logements occupés par le locataire et une densité de population relativement élevée ont un impact positif sur la réussite commerciale. Le processus Color Coded Layer (Couche avec code couleur) vous permet d’ajouter des variables démographiques à partir de Business Analyst en tant que couche choroplèthe, qui permet ensuite d’évaluer les opportunités sur le marché. Vous allez d’abord ajouter une couche pour les unités de logement occupées par des locataires.
- Sous l’onglet Analysis (Analyse), dans le groupe Workflows (Processus), cliquez sur Business Analysis (Analyse commerciale).
- Sous General Workflows (Workflows généraux), cliquez sur Color Coded Layer (Couche avec code couleur).
La fenêtre Data Browser (Navigateur de données) s’ouvre. Elle montre les données disponibles organisées par catégorie. Les données sont déterminées par la source de données du projet, que vous avez définie sur les données les plus récentes pour les États-Unis. Vous allez rechercher les variables spécifiques qui vous intéressent.
- Dans la barre de recherche, saisissez Locataire et appuyez sur Entrée.
- Cliquez sur 2024 Renter Occupied HUs (Unités de logement occupées par des locataires 2024) pour le sélectionner. Cliquez sur % pour le sélectionner et vérifiez que # n’est pas sélectionné.
Remarque :
Les données Business Analyst sont mises à jour régulièrement. Utilisez les données les plus récentes.
- Cliquez sur OK.
La couche avec code couleur est créée et ajoutée à la carte.
Cette couche contient plusieurs géographies, telles que des États et des comtés. La couche dépend de l’échelle et affichera la géographie la plus appropriée en fonction de l’échelle à laquelle vous l’affichez. Vous allez modifier la zone d’intérêt pour couvrir uniquement le Michigan, ce qui vous donnera accès à d’autres niveaux de détail.
- Dans la fenêtre Symbology (Symbologie), pour Area of interest (Zone d’intérêt), saisissez Michigan et sélectionnez Michigan.
L’étendue de la carte change pour afficher tout le Michigan. Des niveaux supplémentaires de détail sont ajoutés sous le groupe de couches Color Coded Layer (Couche avec code couleur) de la fenêtre Contents (Contenu).
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Facilities (Sites) et choisissez Zoom To Layer (Zoom sur la couche).
La carte effectue un zoom sur votre zone d’étude. À cette échelle, la couche avec code couleur s’affiche en utilisant les groupes de blocs comme géographie. Il est cependant difficile de lire la carte en raison de la superposition de nombreuses couches. Vous allez en désactiver certaines et réorganiser les autres pour augmenter leur visibilité. Vous allez également renommer la couche avec code couleur pour rendre son nom plus descriptif.
- Dans la fenêtre Contents (Contenu), cliquez sur Color Coded Layer (Couche avec code couleur) pour le sélectionner. Cliquez de nouveau dessus pour rendre son nom modifiable et remplacez le nom par Renter Occupied HUs.
- Décochez la case des couches TradeArea_Sales, TradeArea_Count et Customers pour les désactiver.
- Faites glisser la couche Facilities au-dessus de la couche Renter Occupied HUs.
La couche Facilities est maintenant visible, mais la couche Renter Occupied HUs obscurcit le fond de carte. Vous allez augmenter la transparence afin de mieux voir les rues sous-jacentes.
- Dans la fenêtre Contents (Contenus), sélectionnez la couche Renter Occupied HUs.
- Sur le ruban, cliquez sur l’onglet Color Coded Group Layer (Groupe de couches avec code couleur). Dans le groupe Effects (Effets), pour Transparency (Transparence), entrez 50 et appuyez sur Entrée.
La transparence de la couche change.
Examiner des points de vente spécifiques
Deux points de vente se situent dans des zones présentant un pourcentage relativement élevé d’unités de logement occupées par le locataire, ce qui est indiqué par un ombrage en rouge. Vous allez sélectionner les deux points de vente et essayer de comprendre la situation.
- Dans la fenêtre Contents (Contenus), cliquez avec le bouton droit sur Facilities (Installations) et désignez Selection (Sélection), puis choisissez Make this the only selectable layer (Définir comme unique couche sélectionnable).
- Sur le ruban, cliquez sur l’onglet Map (Carte). Dans le groupe Selection (Sélection), cliquez sur le bouton Select (Sélectionner).
- Sur la carte, dessinez une zone autour des deux points de vente dans des groupes de blocs rouges.
Les deux points de vente sont mis en surbrillance, indiquant qu’ils sont sélectionnés.
- Dans la fenêtre Contents (Contenu), assurez-vous que la couche Facilities est sélectionnée et appuyez sur Ctrl+T pour ouvrir sa table attributaire.
Dans la table attributaire, les deux points de vente sélectionnés sont mis en surbrillance en bleu. Il s’agit exactement des points de vente que vous avez précédemment identifiés comme présentant les ventes les plus élevées. Leur réussite à cet emplacement indique qu’un pourcentage relativement élevé de logements occupés par le locataire peut être bénéfique au nouvel emplacement.
- Fermez la table attributaire.
Vous allez exécuter de nouveau l’outil Color Coded Layer (Couche avec code couleur) pour ajouter les données de densité de population, une autre variable qui peut avoir un impact sur la réussite commerciale, et voir si les deux points de vente performants se trouvent dans des zones à forte densité de population.
- Dans la fenêtre Contents (Contenu), décochez la case de la couche Renter Occupied HUs pour la désactiver.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Workflows (Processus), cliquez sur Business Analysis (Analyse commerciale) et sélectionnez Color Coded Layer (Couche avec code couleur).
- Dans la fenêtre Data Browser (Navigateur de données), recherchez Population Density. Sélectionnez 2024 Population Density (Densité de population 2024).
- Cliquez sur OK.
La couche avec code couleur est ajoutée à la carte.
- Dans la fenêtre Symbology (Symbologie), pour Area of interest (Zone d’intérêt), saisissez Michigan et appuyez sur Entrée.
- Dans la fenêtre Contents (Contenu), renommez Color Coded Layer (Couche avec code couleur) en Population Density.
- Cliquez avec le bouton droit sur la couche Facilities et choisissez Zoom To Layer (Zoom sur la couche). Faites glisser la couche Facilities au-dessus de la couche Population Density.
Vous pouvez à présent comparer les sites performants et la carte de la densité de population.
Les deux points de vente les plus performants sont également situés dans des zones présentant une densité de population relativement élevée, indiquée par un ombrage en orange. Les zones ayant une densité de population élevée, indiquées par un ombrage en rouge, seraient moins désirables car elles se trouvent habituellement sur des marchés urbains majeurs saturés par la concurrence et coûteux à pénétrer.
- Sur le ruban, cliquez sur l’onglet Map (Carte). Dans le groupe Sélection, cliquez sur Effacer.
Les deux points de vente ne sont plus sélectionnés.
- Dans le groupe Navigate (Naviguer), cliquez sur le bouton Explore (Explorer).
Vous allez à présent explorer la carte comme d’habitude au lieu de sélectionner des entités.
- Dans la fenêtre Contents (Contenu), désactivez la couche Population Density.
- Enregistrez le projet.
Vous avez utilisé des données et des outils Business Analyst pour analyser les variables affectant vos deux points de vente les plus performants. Vous allez ensuite appliquer ces informations afin d’effectuer une analyse d’adéquation pour les marchés situés dans la région avoisinante.
Déterminer les marchés adéquats
Vous avez auparavant analysé les caractéristiques des points de vente performants sur votre marché existant. Vous allez ensuite effectuer une analyse d’adéquation pour déterminer le meilleur marché candidat. Une analyse d’adéquation consiste à ajouter des critères, tels que la densité de population, en pondérant ces critères par rapport à leur importance pour la réussite du point de vente puis en calculant un score total en fonction de ces pondérations. Les scores totaux font partie de la couche d’analyse d’adéquation finale, qui classe les emplacements pour déterminer le meilleur site candidat.
Créer une couche d’analyse d’adéquation
Avant d’ajouter des critères, vous allez définir la zone d’analyse à l’aide de l’outil Make Suitability Analysis Layer (Créer une couche d’analyse d’adéquation). Puisque vous possédez actuellement neuf points de vente à Grand Rapids, Michigan, vous allez définir la zone d’analyse de sorte qu’elle se trouve dans la région des Grands Lacs entière. Cette région englobe des parties des États qui bordent le lac Supérieur, le lac Michigan, le lac Huron, le lac Erie et le lac Ontario.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Candidate Markets (Marchés candidats) et sélectionnez Zoom to Layer (Zoom sur la couche).
La couche Candidate Markets (Marchés candidats) inclut les zones de marché potentielles dans certains comtés dans la région du Midwest des États-Unis.
Vous allez effectuer une analyse d’adéquation pour identifier la meilleure zone de marché.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Workflows (Processus), cliquez sur le bouton Business Analysis (Analyse commerciale).
- Sous General Workflows (Processus généraux), sélectionnez Suitability Analysis (Analyse d’adéquation).
Dans la fenêtre Geoprocessing (Géotraitement), l’outil Make Suitability Analysis Layer (Créer une couche d’analyse d’adéquation) s’ouvre.
- Pour Input Features (Entités en entrée), choisissez Candidate Markets (Marchés candidats). Pour Layer Name (Nom de couche), saisissez Analyse d’adéquation de nouveau marché.
- Cliquez sur Run (Exécuter).
Une fois que l’outil a terminé, la couche New Market Suitability Analysis (Analyse d’adéquation de nouveau marché) est ajoutée à la fenêtre Contents (Contenu).
- Dans la fenêtre Contents (Contenu), désactivez la couche Candidate Markets (Marchés candidats).
Ajouter un critère basé sur une variable
En plus d’ajouter des variables à partir de Business Analyst en tant que couches avec code couleur, vous pouvez ajouter des variables en tant que critères dans votre analyse d’adéquation. Vous allez ajouter les variables suivantes :
Variable Business Analyst | Description |
---|---|
2024 Renter Occupied HUs (Housing Units): Percentage (Unités de logement occupées par le locataire 2024 : Pourcentage) | Pourcentage d’unités de logement occupées par des locataires en 2021 |
2024 Daytime Population Density (Densité de population en journée 2024) | Densité de population par mile carré aux heures ouvrables uniquement |
2022 Workers 16+: Walked (ACS 5-Yr): Percentage (Travailleurs 2022 de plus de 16 ans : Marche (ACS 5 ans) : Pourcentage) | Pourcentage de la population de 16 ans ou plus qui marche pour se rendre au travail, déterminé par l’enquête communautaire américaine (American Community Survey, ACS) du bureau du recensement américain. |
2022 Workers 16+: Public Transportation (ACS 5-Yr): Percentage (Travailleurs 2022 de plus de 16 ans : Transports publics (ACS 5 ans) : Pourcentage) | Pourcentage de la population de 16 ans ou plus qui emprunte les transports publics pour se rendre au travail, déterminé par l’enquête communautaire américaine (American Community Survey, ACS) du bureau du recensement américain. |
2024 Coin-Op Apparel Laundry & Dry Cleaning: Index (Laverie et nettoyage à sec à pièces 2024 : Indice) | Tendances des personnes à dépenser de l’argent sur ce service, en comparaison avec le consommateur moyen |
2024 Apparel Laundry/Dry Cleaning: Index (Laverie et nettoyage à sec à pièces 2024 : Indice) | Tendances des personnes à dépenser de l’argent sur ce service, en comparaison avec le consommateur moyen |
Remarque :
Pour en savoir plus sur les variables disponibles dans Business Analyst, reportez-vous à la liste de variables et de rapports Business Analyst.
- Dans la fenêtre Contents (Contenus), sélectionnez New Market Suitability Analysis (Analyse d’adéquation de nouveau marché).
- Sur le ruban, cliquez sur l’onglet Suitability Analysis (Analyse d’adéquation).
- Dans le groupe Criteria (Critères), cliquez sur le bouton Add Criteria (Ajouter des critères).
Dans la fenêtre Geoprocessing (Géotraitement), l’outil Add Variable Based Suitability Criteria (Ajouter des critères d’adéquation basés sur des variables) apparaît.
- Pour Variables, cliquez sur le bouton d’ajout.
La fenêtre Data Browser (Navigateur de données) s’ouvre.
- Dans la fenêtre Data Browser (Navigateur de données), recherchez et sélectionnez les variables suivantes :
- 2024 Renter Occupied HUs (Unités de logement occupées par le locataire 2024) : sélectionnez % et désélectionnez #.
- 2024 Population Density (Densité de population 2024)
Le navigateur de données conserve la trace des sélections que vous effectuez dans la fenêtre Selected Variables (Variables sélectionnées). Vous pouvez ouvrir cette fenêtre à tout moment pour afficher ou modifier vos sélections.
- Cliquez sur le bouton Selected Variables (Variables sélectionnées).
La fenêtre affiche les deux variables que vous avez précédemment sélectionnées. Le bouton Selected Variables (Variables sélectionnées) affiche également le nombre total de variables sélectionnées.
- Cliquez sur le bouton Selected Variables (Variables sélectionnées) pour fermer la fenêtre.
- Recherchez Apparel et sélectionnez les variables suivantes :
- 2024 Coin-Op Apparel Laundry/Dry Cleaning (Laverie et nettoyage à sec à pièces 2024) : sélectionnez Index (Indice) et désélectionnez #.
- 2024 Apparel Laundry/Dry Cleaning (Laverie et nettoyage à sec 2024) : sélectionnez Index (Indice) et désélectionnez #.
La variable Coin-Op Apparel Laundry/Dry Cleaning (Laverie et nettoyage à sec à pièces) sera utilisée comme variable proxy pour les clients qui se rendent aux points de vente en marchant. La variable associée Apparel Laundry/Dry Cleaning (Laverie et nettoyage à sec) servira de proxy pour les clients qui se rendent aux points de vente en voiture.
Les variables d’indice mesurent la probabilité de s’engager dans une activité pour une région spécifique par rapport à la moyenne nationale, qui est représentée par la valeur d’indice de 100. Les indices supérieurs à 100 signifient que les personnes dans la zone ont plus tendance à s’engager dans l’activité. Un indice de 200 indiquerait que les résidents ont deux fois plus tendance à s’engager dans l’activité par rapport à la moyenne nationale.
- Recherchez Workers (Travailleurs). Sélectionnez les variables suivantes :
- 2022 Workers 16+: Walked (ACS 5-Yr) (Travailleurs 2022 de plus de 16 ans : Marche [ACS 5 ans]) : sélectionnez % et désélectionnez #.
- 2022 Workers 16+: Public Transportation (ACS 5-Yr) (Travailleurs 2022 de plus de 16 ans : Transports publics [ACS 5 ans]) : sélectionnez % et désélectionnez #.
Il existe une corrélation positive entre les clients qui marchent utilisant des machines à pièces et les zones ayant des pourcentages relativement élevés d’usagers qui marchent ou empruntent les transports publics.
- Vérifiez que vous avez sélectionné six variables et cliquez sur OK.
Les variables sélectionnées s’affichent dans la fenêtre Add Variable Based Suitability Criteria (Ajouter des critères d’adéquation basés sur les variables).
Avant d’exécuter l’outil, vous allez enregistrer la liste des variables afin de pouvoir y accéder rapidement dans des analyses ultérieures.
- Sous la liste, cliquez sur Save list (Enregistrer la liste). Nommez la liste Laundry Market Criteria et cliquez sur OK.
- Cliquez sur Run (Exécuter).
Une fois que l’outil a terminé, les variables sont ajoutées à la couche New Market Suitability Analysis (Analyse d’adéquation de nouveau marché) en tant qu’attributs et la couche modifie sa symbologie de façon à afficher leurs valeurs.
Ce ne sont pas des scores finaux pour les zones commerçantes. Vous ajouterez plus d’informations sur les concurrents et la taille des villes.
Ajouter des critères basés sur la couche ponctuelle
Vous allez ensuite ajouter des critères sur les villes de taille moyenne et les concurrents. Les villes de taille moyenne, définies comme ayant une population comprise entre 100 000 et 350 000 habitants, et les zones ayant moins de concurrents sont considérées comme un avantage et sont corrélées avec les points de vente performants. À l’inverse, les grandes villes sont généralement saturées par la concurrence et il est très coûteux de s’y installer.
- Sur le ruban, sous l’onglet Suitability Analysis (Analyse d’adéquation), dans le groupe Criteria (Critères), cliquez sur le menu déroulant Add Criteria (Ajouter des critères), puis sélectionnez Add Point Layer (Ajouter une couche ponctuelle).
- Dans la fenêtre Add Point Layer Based Suitability Criteria (Ajouter des critères d’adéquation basés sur la couche de points), définissez les paramètres suivants :
- Pour Input Suitability Analysis Layer (Couche d’analyse d’adéquation en entrée), choisissez New Market Suitability Analysis (Analyse d’adéquation de nouveau marché).
- Pour Site Layer ID Field (Champ ID de couche de site), choisissez IDField (Champ ID).
- Pour Point Features (Entités ponctuelles), choisissez Competitors (Concurrents).
- Cliquez sur Run (Exécuter).
Chaque marché candidat est noté en fonction du nombre de concurrents qui s’y trouvent. Vous allez ensuite ajouter des critères pour le nombre de villes de taille moyenne sous forme de points centroïdes. Un centroïde est le centre géométrique d’une entité, qui dans ce cas sera le point central de la ville.
- Pour Point Features (Entités ponctuelles), choisissez Mid-sized Cities (Villes de taille moyenne).
- Cliquez sur Run (Exécuter).
Tous les critères de l’analyse d’adéquation de marché candidat sont maintenant ajoutés.
- Dans la fenêtre Contents (Contenu), assurez-vous que New Market Suitability Analysis (Analyse d’adéquation de nouveau marché) est sélectionné.
- Dans l’onglet Suitability (Adéquation), dans le groupe Criteria (Critères), cliquez sur Suitability Analysis Pane (Fenêtre Analyse d’adéquation).
La fenêtre Suitability Analysis (Analyse d’adéquation) s’ouvre.
Chaque critère basé sur une variable que vous avez ajouté à partir de Business Analyst et les deux critères basés sur des points que vous avez précédemment ajoutés sont disponibles dans cette fenêtre. Initialement, tous les critères possèdent une pondération distribuée de manière égale, mais vous pouvez ajuster ce nombre pour indiquer une importance des critères plus grande ou plus petite. Pour l’instant, vous allez ajuster l’influence des variables de concurrent.
- Dans la fenêtre Suitability Analysis (Analyse d’adéquation), pour Competitors Count (Nombre de concurrents), définissez Influence sur Inverse.
Par défaut, Influence est défini sur Positive et les valeurs plus élevées reçoivent donc un score plus élevé. Puisqu’une concurrence moindre sur un marché candidat est plus attrayant, définir Influence sur Inverse retournera des scores supérieurs pour les valeurs plus basses. Le nouveau score d’adéquation est automatiquement calculé et reflété sur la carte.
Le score d’adéquation final de chaque marché candidat est renvoyé à trois emplacements : la carte, la table attributaire et la fenêtre Contents (Contenu). Vous allez sélectionner le candidat ayant le score le plus élevé dans la table attributaire puis affiner votre zone d’analyse.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Candidate Sites (Sites candidats) et choisissez Attribute Table (Table attributaire).
- Dans la table attributaire, cliquez avec le bouton droit sur Final Score (Score final) et choisissez Sort Descending (Tri décroissant).
Remarque :
Vous devrez peut-être faire défiler l’affichage vers la droite pour trouver l’attribut.
- Sélectionnez la première ligne et cliquez sur Zoom To (Zoom sur).
La zone de marché ayant le score d’adéquation le plus élevé se trouve dans le comté de Dane (Wisconsin).
- Fermez la table attributaire et la fenêtre Suitability Analysis (Analyse d’adéquation). Enregistrez le projet.
Vous avez affiné la recherche en vue de l’expansion sur un nouveau marché en effectuant une analyse d’adéquation avec les critères associés. Vous allez ensuite approfondir cette analyse en appliquant les mêmes critères aux sous-marchés puis aux sites candidats potentiels.
Déterminer les sous-marchés adéquats
Vous avez précédemment effectué une analyse d’adéquation à l’aide des outils Business Analyst dans ArcGIS Pro pour sélectionner une zone commerçante adéquate. Vous allez ensuite explorer l’adéquation des sous-marchés du comté de Dane. Les sous-marchés ont la taille de groupes de blocs, qui sont des sous-divisions de secteurs de recensement et constituent la plus petite unité géographique pour laquelle des statistiques démographiques sont signalées. Après avoir sélectionné un sous-marché adéquat, vous allez utiliser les mêmes méthodes d’analyse d’adéquation pour déterminer un site candidat spécifique.
Générer des groupes de blocs
Pour explorer les sous-marchés, vous allez ajouter des groupes de blocs dans le comté de Dane à l’aide de l’outil Générer des géographies à partir d’une superposition. Pendant qu’il s’exécute, si des entités spécifiques sont sélectionnées, telles qu’un comté, l’outil ne retourne que les géographies de groupe de blocs qui se trouvent dans ce comté.
- Sur la carte, vérifiez que l’entité représentant le comté de Dane est sélectionnée.
Remarque :
Si le comté de Dane n’est pas sélectionné, vous pouvez le sélectionner à l’aide de la table attributaire ou de l’outil Select (Sélectionner).
- Dans la fenêtre Géotraitement, cliquez sur le bouton Retour.
- Recherchez generate geographies et sélectionnez Generate Geographies From Overlay (Générer des géographies à partir d’une superposition).
- Dans le volet d’outils Générer des géographies à partir d’une superposition, définissez les paramètres suivants :
- Pour Geography Level (Niveau géographique), choisissez Block Groups (US.BlockGroups).
- Pour Input Features (Entités en entrée), choisissez New Market Suitability Analysis\Candidate Sites (Analyse d’adéquation de nouveau marché\Sites candidats).
- Pour ID Field (Champ d’ID), choisissez IDField (Champ d’ID).
- Pour Output Feature Class (Classe d’entités en sortie), saisissez Submarkets.
- Pour Relationship (Relation), choisissez Have their center in (Ont leur centre dans).
Étant donné que l’option Use the selected records (Utiliser les enregistrements sélectionnés) est activée, l’outil s’exécute uniquement sur le comté sélectionné, le comté de Dane.
- Cliquez sur Run (Exécuter).
Une fois l’outil exécuté, la couche Submarkets est ajoutée à la fenêtre Contents (Contenu) et apparaît sur la carte.
Remarque :
La symbologie par défaut pour votre couche Submarkets peut être différente des images d’exemple.
Créer une couche d’analyse d’adéquation
Pour identifier le sous-marché présentant le potentiel d’expansion le plus fort, vous allez créer une couche d’analyse d’adéquation à partir de la couche Submarkets. Vous allez utiliser les critères d’analyse d’adéquation qui ont précédemment servi à sélectionner un emplacement de marché.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Workflows (Processus), cliquez sur Business Analysis (Analyse commerciale) et sélectionnez Suitability Analysis (Analyse d’adéquation).
- Dans la fenêtre de l‘outil Make Suitability Analysis Layer (Créer une couche d’analyse d’adéquation), pour Input Features (Entités en entrée), sélectionnez Submarkets (Sous-marchés). Pour Layer Name (Nom de couche), saisissez Submarket Suitability Analysis.
- Cliquez sur Run (Exécuter).
La couche Submarket Suitability Analysis est ajoutée à la fenêtre Contents (Contenu).
- Dans la fenêtre Contents (Contenu), désactivez les couches Submarkets et New Market Suitability Analysis.
Ajouter un critère basé sur une variable
Vous allez ajouter les mêmes critères basés sur des variables à la couche Sub Market Suitability Analysis qui a été utilisée dans la couche New Market Suitability Analysis.
- Dans la fenêtre Contents (Contenu), sélectionnez la couche Sub Market Suitability Analysis.
- Sur le ruban, cliquez sur l’onglet Suitability Analysis (Analyse d’adéquation). Dans le groupe Criteria (Critères), cliquez sur le menu déroulant Add Criteria (Ajouter des critères), puis sélectionnez Add Variables from Data Browser (Ajouter des variables à partir d’un navigateur de données).
La fenêtre de l’outil Ajouter des critères d’adéquation basés sur les variables s’affiche.
- En regard de Variables, cliquez sur le bouton Add (Ajouter).
La fenêtre Data Browser (Navigateur de données) s’ouvre. Vous avez prévu de sélectionner les six variables que vous avez utilisé pour déterminer les marchés adéquats. Étant donné que vous avez enregistré ces variables sous forme de liste, vous pouvez y accéder rapidement, sans avoir à les sélectionner individuellement.
- Dans la fenêtre Data Browser (Navigateur de données), cliquez sur l’onglet Variable Lists (Listes de variables).
- Double-cliquez sur Laundry Market Criteria (6) (Critères pour le marché des laveries [6]). Cochez la case en regard de Laundry Market Criteria (Critères pour le marché des laveries) pour sélectionner les six variables de la liste.
- Cliquez sur OK.
Les six variables sont ajoutées à la fenêtre de l’outil Add Variable Based Suitability Criteria (Ajouter des critères d’adéquation basés sur les variables).
- Cliquez sur Run (Exécuter).
Les variables sont ajoutées à la couche Submarket Suitability Analysis en tant que critères à pondérer. La couche recalcule automatiquement les scores d’adéquation et met à jour la symbologie de la couche. Les résultats indiquent un cluster de zones de blocs hautement adéquates à proximité du point central du comté, présentant un ombrage en rouge.
Vous allez ajuster la transparence de la couche Sub Market Suitability Analysis pour mieux comprendre les caractéristiques de ces voisinages.
- Dans la fenêtre Contents (Contenu), sélectionnez la couche Submarket Suitability Analysis.
- Sur le ruban, cliquez sur l’onglet Group Layer (Couche de groupes). Dans le groupe Effects (Effets), ajustez la transparence de couche sur 70,0 % et appuyez sur Entrée.
Le fond de carte est maintenant plus visible.
- Effectuez un zoom avant et explorez la ville.
Cette zone contient Madison (Wisconsin), qui est une ville de taille moyenne comprenant une population comprise entre 100 000 et 300 000 habitants. De plus, l’Université de Wisconsin-Madison s’y trouve, ce qui indique probablement un volume élevé de trafic lié au football.
Satisfait d’avoir identifié des voisinages viables en vue d’une expansion, vous êtes maintenant prêt à examiner les sites commerciaux disponibles. Il existe trois sites disponibles que vous allez analyser pour identifier l’emplacement idéal.
- Enregistrez le projet.
Vous avez affiné votre analyse de marché dans les sous-marchés avoisinant la ville de Madison (Wisconsin). Vous allez ensuite appliquer les mêmes critères d’adéquation pour déterminer un site candidat adéquat.
Finaliser les sites candidats
Vous avez précédemment déterminé un sous-marché adéquat à Madison (Wisconsin). Vous allez appliquer les mêmes critères d’adéquation pour déterminer un site candidat spécifique vers lequel étendre vos activités.
Générer les anneaux de la zone de chalandise
Avant de commencer l’analyse finale, vous allez créer des anneaux d’un demi-mile autour de chacun des trois sites.
- Dans la fenêtre Contents (Contenu), activez la couche Candidate Sites.
- Dans la fenêtre Géotraitement, cliquez sur le bouton Retour.
- Recherchez et ouvrez l’outil Generate Trade Area Rings (Générer les anneaux de la zone de chalandise).
Conseil :
Vous pouvez rechercher l’outil dans la barre de recherche ou le retrouver dans la boîte à outils Trade Areas (Zones de chalandise).
- Dans la fenêtre de l’outil Generate Trade Area Rings (Générer les anneaux de la zone de chalandise), définissez les paramètres suivants :
- Pour Input Features (Entités en entrée), choisissez Candidate Sites (Sites candidats).
- Pour Output Feature Class (Classe d’entités en sortie), saisissez Anneaux_sites_candidats.
- Pour Distances, saisissez 0,5.
- Pour Distance Units (Unités de distance), vérifiez que Miles est sélectionné.
- Pour ID Field (Champ ID), choisissez ID.
- Cliquez sur Run (Exécuter).
Une fois que l’outil s’est exécuté, des anneaux d’un demi-mile sont ajoutés autour de chacun des trois sites candidats.
Puisque l’analyse d’adéquation nécessite des entrées polygonales, vous allez utiliser ces anneaux d’un demi-mile pour comparer et noter les trois sites. Le processus utilisera l’ensemble des trois types de critères, mais vous allez d’abord créer une couche d’analyse d’adéquation.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Workflows (Processus), cliquez sur Business Analysis (Analyse commerciale) et sélectionnez Suitability Analysis (Analyse d’adéquation).
- Dans la fenêtre Make Suitability Analysis Layer (Créer une couche d’analyse d’adéquation), pour Input Features (Entités en entrée), sélectionnez Candidates_Sites_Rings. Pour Layer Name (Nom de couche), saisissez Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation).
- Cliquez sur Run (Exécuter).
L’outil s’exécute et la couche Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation) est ajoutée à la fenêtre Contents (Contenu). La couche possède les mêmes attributs et caractéristiques que Candidate_Sites, mais peut à présent accéder aux outils d’analyse d’adéquation.
- Dans la fenêtre Contents (Contenu), désactivez Candidate_Sites_Rings.
Ajouter des critères basés sur les champs
Vous allez définir des critères basés sur les champs à l’aide des attributs de sites candidats pour les places de parking temporaires disponibles et exclusives. Votre analyse des points de vente existants a montré que ces attributs sont corrélés avec des ventes supérieures auprès des utilisateurs de service de dépôt haut de gamme.
Vous allez notamment utiliser les attributs suivants :
- Tmp Parking Spots (Places de parking temporaires)—Nombre de places de parking temporaires disponibles
- Pct Parking Assigned (Pourcentage de places de parking affectées) : pourcentage de places de parking temporaires affectées exclusivement au point de vente
- Dans la fenêtre Contents (Contenu), sélectionnez la couche Suitability Analysis Candidate Sites.
- Sur le ruban, cliquez sur l’onglet Suitability Analysis (Analyse d’adéquation). Dans le groupe Criteria (Critères), cliquez sur le menu déroulant Add Criteria (Ajouter des critères), puis sélectionnez Add Fields From Input Layer (Ajouter des champs à partir de la couche en entrée).
La fenêtre Add Field Based Suitability Criteria (Ajouter des critères d’adéquation basés sur les champs) s’affiche.
- Dans la fenêtre Add Field Based Suitability Criteria (Ajouter des critères d’adéquation basés sur les champs), définissez les paramètres suivants :
- Pour Input Suitability Analysis Layer (Couche d’analyse d’adéquation en entrée), vérifiez que Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation) est sélectionné.
- Pour Fields (Champs), sélectionnez Tmp Parking Spots (Places de parking temporaires) et Pct Parking Assigned (Pourcentage de places de parking affectées).
- Cliquez sur Run (Exécuter).
La symbologie de couche Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation) se met à jour selon les deux attributs sélectionnés.
Ajouter des critères basés sur la couche ponctuelle
Vous allez ensuite ajouter des critères basés sur la couche de points pour noter chaque site en fonction de la proximité des salles de cinéma, des gymnases et des concurrents.
- Le cas échéant, dans la fenêtre Contents (Contenu), sélectionnez Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation).
- Sur l’onglet Suitability Analysis (Analyse d’adéquation), dans le groupe Criteria (Critères), cliquez sur le menu déroulant Add Criteria (Ajouter des critères), puis sélectionnez Add Point Layer (Ajouter une couche de points).
- Dans la fenêtre Add Point Layer Based Suitability Criteria (Ajouter des critères d’adéquation basés sur la couche de points), définissez les paramètres suivants :
- Pour Site Layer ID Field (Champ ID de couche de site), choisissez ID.
- Pour Point Features (Entités ponctuelles), choisissez Competitors (Concurrents).
- Pour Criteria Type (Type de critère), choisissez Minimal Distance (Distance minimale).
- Pour Distance Type (Type de distance), vérifiez que Straight Line (Ligne droite) est sélectionné.
- Pour Measure Units (Unités de mesure), vérifiez que Miles est sélectionné.
- Cliquez sur Run (Exécuter).
L’outil s’exécute et crée les critères à noter en fonction de la distance sur une ligne droite séparant chaque site candidat du concurrent le plus proche. Vous avez précédemment appris que les gymnases et les salles de cinéma attirent les clients des services de dépôt haut de gamme. Ces clients ont tendance à aller au gymnase ou au cinéma en attendant de récupérer leurs affaires à la laverie.
Vous allez ensuite ajouter des salles de cinéma en tant que critères basés sur des points en modifiant les paramètres de l’outil.
- Dans la fenêtre de l’outil Add Point Layer Based Suitability Criteria (Ajouter des critères d’adéquation basés sur la couche de points), définissez les paramètres suivants :
- Pour Point Features (Entités ponctuelles), choisissez Theaters (Salles de cinéma).
- Pour Criteria Type (Type de critère), choisissez Count (Nombre).
- Cliquez sur Run (Exécuter).
Un critère est ajouté à chaque emplacement dans la couche Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation) selon le nombre de théâtres dans chaque zone d’anneau. Vous allez modifier de nouveau l’outil pour ajouter des gymnases en tant que critères basés sur des points.
- Dans l’outil Add Point Layer Based Suitability Criteria (Ajouter des critères d’adéquation basés sur la couche de points), pour Point Features (Entités ponctuelles), sélectionnez Gyms (Gymnases).
- Cliquez sur Run (Exécuter).
Un critère basé sur le nombre de gymnases dans chaque zone d’anneau Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation) a été créé.
Ajouter un critère basé sur une variable
Le dernier type de critère à ajouter à la couche Suitability Analysis Candidate Sites est basé sur les variables. Vous allez utiliser la liste de variables que vous avez utilisée pour les analyses d’adéquation précédentes.
- Le cas échéant, dans la fenêtre Contents (Contenu), sélectionnez Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation).
- Dans l’onglet Suitability Analysis (Analyse d’adéquation), dans le groupe Criteria (Critères), cliquez sur le menu déroulant Add Criteria (Ajouter des critères), puis sélectionnez Add Variables From Data Browser (Ajouter des variables à partir d’un navigateur de données).
La fenêtre de l’outil Ajouter des critères d’adéquation basés sur les variables s’affiche.
- En regard de Variables, cliquez sur le bouton Add (Ajouter).
- Dans la fenêtre Data Browser (Navigateur de données), cliquez sur l’onglet Variable Lists (Listes de variables), puis double-cliquez sur Laundry Market Criteria (6) (Critères pour le marché des laveries [6]).
- Cochez la case en regard de Laundry Market Criteria (Critères pour le marché des laveries) pour sélectionner les six variables de la liste. Cliquez sur OK.
Les variables sélectionnées sont ajoutées à la fenêtre Add Variable Based Suitability Criteria (Ajouter des critères d’adéquation basés sur les variables).
- Cliquez sur Run (Exécuter).
Les variables sélectionnées sont ajoutées en tant que critères. La symbologie de la couche est mise à jour conformément aux nouveaux scores des critères.
Ajuster les pondérations des critères d’adéquation
Avant le calcul du score final, examinez tous les critères d’adéquation dans la fenêtre Suitability Analysis (Analyse d’adéquation). Vous allez accorder des valeurs de pondération aux critères de sorte que les critères les plus importants aient davantage d’impact sur le score d’adéquation.
- Dans la fenêtre Contents (Contenu), veillez à ce que la couche Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation) soit sélectionnée. Dans l’onglet Suitability Analysis (Analyse d’adéquation), dans le groupe Criteria (Critères), cliquez sur Suitability Analysis Pane (Fenêtre Analyse d’adéquation).
La fenêtre Suitability Analysis (Analyse d’adéquation) s’ouvre. Elle répertorie tous les critères utilisés pour calculer le score d’adéquation.
Il a été montré sur le marché existant que la présence de places de parking temporaires augmente significativement le nombre de clients de service de dépôt haut de gamme, et vous allez donc augmenter la pondération de ces critères.
- Dans la fenêtre Suitability Analysis (Analyse d’adéquation), cliquez sur Settings (Paramètres).
- Cliquez sur l’onglet Weighting (Pondération).
- Pour le critère Tmp Parking Spots (Places de parking temporaires), définissez la pondération sur 17 %. Cliquez sur le bouton Lock (Verrouiller).
Verrouiller la valeur garantit que les modifications apportées aux autres critères seront sans effet sur cette pondération.
- Pour Pct Parking Assigned (Pourcentage de places de parking affectées), définissez la pondération sur 17. Cliquez sur le bouton Lock (Verrouiller).
Lorsque la pondération d’un critère est changée, tous les autres critères voient leurs pondérations recalculées afin que la distribution soit égale. Puisque vous avez verrouillé les valeurs Tmp Parking Spots (Places de parking temporaires) et Pct Parking Assigned (Pourcentage de places de parking affectées), ces critères ont été exclus de la redistribution et les valeurs 17 préservées.
Vous avez terminé d’ajouter et de pondérer les critères. Sur la carte, la zone de chalandise de site candidat ayant le meilleur classement, en fonction des critères appliqués, est ombrée en rouge. Dans ce cas, le candidat University Lake est le site idéal.
- Dans la fenêtre Contents (Contenu), désactivez la couche Submarket Suitability Analysis.
- Enregistrez le projet.
Vous avez restreint votre recherche de neuf marchés candidats aux voisinages souhaités sur le marché le plus adéquat, puis vous avez identifié le meilleur site. Ensuite, pour valider davantage vos résultats, vous allez créer une série d’infographies et de rapports de synthèse pour le site sélectionné.
Générer des rapports de synthèse
Vous avez précédemment déterminé le site final pour l’expansion de votre entreprise. Vous allez ensuite générer des infographies et des rapports pour en savoir plus sur le site. Avant d’exécuter des rapports de synthèse et des infographies, vous allez de nouveau exécuter l’outil Generate Trade Area Rings (Générer les anneaux de la zone de chalandise) pour créer deux anneaux avec des distances de 0,5 et 3 miles. La zone de chalandise de 0,5 mile représente la zone de clients qui marchent potentiels et celle de 3 miles la zone de clients qui conduisent potentiels.
Générer les anneaux de la zone de chalandise
Avant de créer les zones de chalandise, vous allez sélectionner le site candidat ayant le score le plus élevé afin que la création de zone de chalandise se limite à cet emplacement unique.
- Dans la fenêtre Contents (Contenu), faites glisser la couche Candidate Sites en haut de la liste Drawing Order (Ordre d’affichage).
- Cliquez avec le bouton droit sur la couche Candidate Sites, pointez sur Selection (Sélection), puis sélectionnez Make this the only selectable layer (Définir comme unique couche sélectionnable).
- Sur le ruban, dans l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur le bouton Select (Sélectionner).
- Cliquez sur l’entité ponctuelle de site candidat University Lake, entourée par l’anneau rouge foncé au centre de la carte, pour la sélectionner.
Vous allez ensuite créer les deux zones d’anneau de chalandise.
- Dans la fenêtre Geoprocessing (Géotraitement), cliquez sur le bouton Back (Retour). Recherchez et ouvrez l’outil Generate Trade Area Rings (Générer les anneaux de la zone de chalandise).
- Définissez les paramètres suivants :
- Pour Input Features (Entités en entrée), choisissez Candidate Sites (Sites candidats).
- Pour Output Feature Class (Classe d’entités en sortie), saisissez Selected_Site_Rings (Anneaux_sites_sélectionnés).
- Pour Distances, saisissez 0.5 (0,5) et appuyez sur Entrée. Dans la zone de texte suivante, saisissez 3.
- Pour ID Field (Champ ID), sélectionnez ID.
- Cliquez sur Run (Exécuter).
Les anneaux de zone de chalandise 0,5 mile et 3 miles sont créés et ajoutés à la carte.
- Dans la fenêtre Contents (Contenu), le cas échéant, cliquez sur la couche Suitability Analysis Candidate Sites (Sites candidats d’analyse d’adéquation).
Créer des rapports de synthèse
Vous allez utiliser les anneaux de zone de chalandise comme entrée pour créer des rapports de synthèse.
- Dans la fenêtre Geoprocessing (Géotraitement), cliquez sur le bouton Back (Retour). Recherchez et ouvrez l’outil Summary Reports (Rapports de synthèse).
- Dans la fenêtre de l’outil Summary Reports (Rapports de synthèse), pour Boundary Layer (Couche de limite), sélectionnez Selected_Site_Rings.
- Pour Create Reports (Créer des rapports), ajoutez Community Profile (Profil communautaire), Demographic and Income Profile (Profil démographique et de revenu), Housing Profile (Profil de logement) et Market Profile (Profil de marché).
Ensuite, vous allez spécifier un emplacement de sortie.
- Pour Output Folder (Dossier en sortie), clique sur le bouton Browse (Parcourir).
- Dans la fenêtre Output Folder (Dossier en sortie), sous Project (Projet), cliquez sur Folders (Dossiers) et sélectionnez Expansion_Study. Cliquez sur OK.
Vous allez ensuite définir les valeurs des paramètres Report Header Options (Options d’en-tête du rapport). Ces paramètres ajoutent des informations aux en-têtes du rapport pour indiquer quel polygone en entrée correspond à chaque section des données affichées.
- Développez la section Report Header Options (Options d’en-tête de rapport) et définissez les paramètres suivants.
- Pour Store ID Field (Champ ID de point de vente), sélectionnez ID.
- Pour Store Name Field (Champ de nom du point de vente), sélectionnez Name (Nom).
- Pour Store Latitude Field (Champ de latitude du point de vente), sélectionnez STORE_LAT.
- Pour Store Longitude Field (Champ de longitude du point de vente), sélectionnez STORE_LON.
- Pour Ring ID Field (Champ ID d’anneau), sélectionnez RING.
- Pour Area Description Field (Champ de description de zone), sélectionnez AREA_DESC.
Cet outil consomme des crédits. Avant d’exécuter l’outil, vous allez estimer les crédits pour vous assurer que vous ne consommerez pas plus de crédits que ceux disponibles.
- En haut de l’outil, cliquez sur Estimate credits (Estimer les crédits).
L’outil utilise 40 crédits. Le nombre de crédits disponibles dans votre compte s’affiche.
Remarque :
Si vous n’avez pas assez de crédits pour exécuter l’outil, contactez l’administrateur de votre organisation ArcGIS pour obtenir de l’aide et obtenir davantage de crédits.
- Cliquez sur Run (Exécuter).
Une fois que l’outil s’est exécuté, un message apparaît vous permettant d’afficher des détails sur l’exécution de l’outil et d’ouvrir l’historique du rapport. Dans les détails de l’outil, vous pouvez cliquer directement sur le répertoire en sortie pour ouvrir les rapports.
Au bas de la fenêtre Geoprocessing (Géotraitement), cliquez sur View Details (Afficher les détails).
La fenêtre Détails s’affiche.
- Dans la fenêtre de détails, cliquez sur l’onglet Parameters (Paramètres). Pour Output Files (Fichiers en sortie), cliquez sur le premier répertoire qui se termine par Community Profile.PDF.
Le rapport s’affiche sous la forme d’un document PDF.
Les rapports peuvent être affichés à l’écran, imprimés ou partagés en tant que fichiers.
- Fermez le rapport et revenez à ArcGIS Pro.
- Fermez la fenêtre Détails et enregistrez le projet.
Créer une infographie
Vous allez maintenant créer une série d’infographies pour mieux comprendre les caractéristiques du voisinage entourant le site d’expansion. Les infographies sont des rapports à l’écran graphiquement améliorés, créés en cliquant sur un point, une ligne ou un polygone.
- Sur le ruban, cliquez sur l’onglet Map (Carte). Dans le groupe Inquiry (Investigation), cliquez sur le bouton Infographics (Infographies).
Le pointeur change et une petite icône d’infographie est ajoutée pour indiquer que l’outil est actif.
- Cliquez sur l’entité University Lake (celle que vous avez sélectionnée avant de créer les anneaux autour du site).
Une fenêtre d’infographie apparaît affichant les données agrégées à partir des limites administratives sous-jacentes de l’entité.
Remarque :
Les données sont agrégées via la répartition des données, que vous découvrirez de plus près dans la documentation sur la répartition des données.
Le modèle Key Facts (Faits importants) affiche un aperçu rapide des variables d’adéquation importantes. Vous pouvez effectuer un choix parmi une variété d’autres modèles pour afficher des informations en fonction des variables d’adéquation que vous avez ajoutées. Vous allez examiner le modèle Eating Places (Restaurants) pour afficher des informations sur les restaurants à proximité de l’emplacement.
Remarque :
Les données Business Analyst sont mises à jour régulièrement. Les mises à jour peuvent induire des chiffres légèrement différents dans les infographies et les rapports.
- Pour Template (Modèle), sélectionnez Eating Places (Restaurants).
Cliquer sur les signes plus et moins dans les modèles vous permet d’effectuer un zoom avant et arrière. La disponibilité des restaurants à proximité peut avoir une qualité attrayante pour vos clients de service de dépôt haut de gamme. Il est utile d’avoir connaissance de ceux qui sont à proximité, ainsi que de leur distance jusqu’au point de vente. Pointer sur des points de restaurant spécifiques avec la souris sur la carte du modèle met en surbrillance leur nom et leur distance depuis le centroïde d’anneau dans la fenêtre de gauche.
Enfin, vous allez afficher le modèle Commute Profile (Profil de déplacement) pour la même zone.
- Pour Template (Modèle), sélectionnez Commute Profile (Profil de déplacement).
Le modèle s’ouvre et reçoit des données, fournissant des informations sur les tendances de transport des résidents de la zone. Ces informations complètent graphiquement les résultats de l’analyse d’adéquation. Les données figurant dans les rapports de synthèse et les modèles d’infographie soutiennent davantage votre sélection du site d’expansion.
- Fermez la fenêtre.
- Enregistrez votre projet.
Dans ce didacticiel, vous avez analysé vos points de vente les plus performants pour identifier des caractéristiques uniques et avez appliqué ces caractéristiques et d’autres critères connus à une recherche du marché d’expansion le plus adéquat. Vous avez ensuite créé des sous-marchés dans le marché sélectionné et les avez analysés afin de restreindre la recherche sur les voisinages les plus adéquats. Votre analyse d’adéquation finale a été effectuée sur les sites commerciaux disponibles pour identifier le meilleur emplacement. Enfin, vous avez exécuté des rapports de synthèse et des infographies pour valider la sélection du site et créer des informations de support à partager.
Vous trouverez d’autres didacticiels dans la bibliothèque des didacticiels.