La guida definitiva ai dati di mobilità nel 2023

Come interpretare i dati di mobilità e di affluenza per migliorare le decisioni nel vostro settore – E MOLTO ALTRO ANCORA!Indice

Capitolo uno	Tutto quello che c'è da sapere su dati di mobilità e di affluenza
Capitolo due	Perché le big tech sono in prima linea sui dati di mobilità
Capitolo tre	Confrontare i metodi di misurazione dietro i dati di mobilità
Capitolo quattro	Come la vostra organizzazione può usare i dati di mobilità per decidere meglio
Capitolo cinque	Quali sono le principali innovazioni nei dati di mobilità nel 2023?
Capitolo sei	Consigli per interpretare i dati di mobilità e trovare insight decisivi
Capitolo sette	Le domande più frequenti sui dati di mobilità, con le risposte dei nostri esperti
Capitolo otto	Come presentare i dati di mobilità per generare un cambiamento reale
Capitolo nove	L'importanza di veridicità, accuratezza e precisione dei dati
Capitolo dieci	Come questi 10 strumenti migliorano la visualizzazione e la presentazione dei dati di mobilità

IntroduzioneNegli ultimi anni i dati di mobilità e i dati di affluenza sono cresciuti in modo esplosivo. Con colossi come Google e Apple, la diffusione dei dati di mobilità è aumentata enormemente. Se poi ci si renda conto di stare usando dati di mobilità è un'altra questione! Con il progredire rapidissimo della tecnologia, l'accuratezza e la varietà dei dati di mobilità disponibili per persone e organizzazioni sono cresciute molto. Ma che cosa sono davvero i dati di mobilità? Da dove provengono e come se ne può trarre vantaggio? E in che cosa si distinguono dai dati di localizzazione e dai tradizionali dati di affluenza e conteggio delle persone? Sono solo alcune delle domande sui dati di mobilità che affrontiamo in questa guida definitiva ai dati di mobilità e di affluenza! Continuate a leggere per scoprire tutto quello che serve per sfruttare i dati di mobilità, che lavoriate in un ente locale, nel real estate, nel retail o nella finanza. I dati di mobilità possono migliorare sensibilmente le vostre decisioni, qualunque sia il vostro settore. E come bonus condivideremo alcuni dei nostri strumenti preferiti per visualizzare e presentare i dati di mobilità a decisori e figure chiave della vostra organizzazione. Quindi, senza ulteriori premesse, cominciamo!Tutto quello che c'è da sapere su dati di mobilità e di affluenza

Che cosa sono i dati di mobilità

La prima cosa da chiarire è: «che cosa sono esattamente i dati di mobilità?» I dati di mobilità sono la registrazione di come le popolazioni, e anche le macchine, esistono nel mondo fisico e vi interagiscono. Assumono molte forme, tra cui affluenza, bacini d'utenza, analisi del tempo di permanenza e visite a diversi tipi di luogo. I dati di mobilità sono i grafici, le curve e le statistiche che aiutano i professionisti a comprendere i trend che plasmano il mondo reale intorno a noi. Il percorso che porta a queste informazioni è piuttosto complesso. Il termine dati di mobilità non indica un singolo tipo di dato grezzo, ma comprende un'ampia gamma di possibili misurazioni sottostanti e metodi di raccolta. In realtà i dati di mobilità esistono da moltissimo tempo. Da decenni i professionisti del retail, del real estate e della pubblica amministrazione conoscono forme di dati di mobilità come l'affluenza, le matrici origine-destinazione e gli studi sui bacini d'utenza. Ciò che è cambiato di recente è che le nuove tecnologie hanno introdotto qualità che rendono i dati di mobilità più utili e più rilevanti che mai. Queste innovazioni consentono soprattutto:

1. Una raccolta dati tempestiva
2. Una maggiore frequenza di misurazione
3. Analisi di mobilità senza limiti di tempo e di geografia

Approfondiremo ciascuno di questi fattori nel corso della guida, spiegandone l'importanza e il ruolo nei dati di mobilità. Le fonti di dati di mobilità, attuali e potenziali, sono innumerevoli, ma tutte in un modo o nell'altro parlano della stessa cosa: come le persone e le cose interagiscono con il mondo reale intorno a noi. Tra queste:

1. Dati delle reti mobili
2. Dati da videosorveglianza, reti WiFi, contatori a fascio e altre soluzioni fisiche
3. Dati da dispositivi mobili e app
4. Dati da operatori di trasporto e aziende di logistica
5. Dati satellitari
6. Dati da indagini svolte sul campo

Anche su questi torneremo in dettaglio più avanti, ma se cercate una risposta rapida per capire i dati di mobilità è importante conoscerle e sapere come influenzano i dati che potreste utilizzare. Quando però mettete davvero le mani su un prodotto di dati di mobilità, potete aspettarvi che le sue componenti – qualunque esse siano – siano già state elaborate in grafici, curve e altre forme statistiche pronte per l'analisi! Chiarito questo punto e con una migliore comprensione di che cosa siano davvero i dati di mobilità, passiamo ai loro pro e contro.

Vantaggi dei dati di mobilità

Le possibilità e i benefici dei dati di mobilità sono potenzialmente illimitati, ma per ora ci concentriamo su alcuni dei più rilevanti, che potrebbero interessarvi. L'uso più potente dei dati di mobilità è senza dubbio aiutare le aziende a decidere meglio. Mettendo a disposizione delle organizzazioni dati di mobilità accurati e aggiornati regolarmente, i professionisti sono in grado di prendere decisioni informate e basate su evidenze. In definitiva questo vi dà accesso a tutti questi benefici:

1. Misurare l'affluenza

Il principale vantaggio dei dati di mobilità è che consentono di capire con un elevato grado di certezza dove si spostano le persone nel mondo reale. Questo può aiutarvi anche a capire perché frequentano determinati luoghi e a individuare opportunità commerciali, urbanistiche, di investimento o di marketing.

2. Far emergere i trend

La forza dei dati sta nel rendere facile individuare i trend e prendere decisioni basate sui dati. Capirete così come i pattern di mobilità cambiano in risposta a meteo, attrattive e stagionalità.

3. Cogliere le opportunità

I dati di mobilità vi permettono di cogliere opportunità che tradizionalmente erano un po' una scommessa. Consentono alle organizzazioni di quantificare le dimensioni dei mercati locali attraverso i bacini d'utenza e le metriche di affluenza, aiutandovi così a cogliere opportunità commerciali o di marketing sulla base di dati concreti. In questo modo si riducono notevolmente i rischi solitamente associati a decisioni di questo tipo.

4. Conoscere il vostro mercato

Un altro beneficio interessante è la possibilità di individuare il rapporto ottimale tra volume e valore delle visite in un'area e di comprendere davvero la vostra capacità di mercato e il potere di spesa dei consumatori.

5. Prevedere il futuro

Una solida comprensione, basata sui dati, degli spostamenti storici e l'accesso a dati di mobilità attuali e aggiornati regolarmente vi mettono in una posizione forte per prevedere il futuro e utilizzare modelli di previsione dei ricavi per gli asset del retail.

6. Fare benchmarking delle performance

Potete usare i dati di mobilità per confrontare luoghi e asset fisici con quelli di pari livello e dei concorrenti, per capire come sta andando la vostra attività.

7. Fornire contesto umano

Un altro grande vantaggio è che i dati di mobilità permettono di aggiungere contesto umano ad altri insiemi di dati, per comprenderne la vera natura e vedere come incide la mobilità delle persone. Lo tratteremo più nel dettaglio in un capitolo successivo, ma la combinazione dei dati di mobilità con dati demografici, censuari e di altro tipo – come quelli di spesa – ha un valore inestimabile.

8. Ottenere insight rapidamente

A differenza del conteggio delle persone tradizionale e dei dati di affluenza raccolti manualmente, i dati di mobilità moderni consentono di ottenere insight in tempi rapidissimi. Poiché i dati aggiornati regolarmente sono già disponibili, potete decidere in fretta invece di attendere una raccolta manuale.

Limiti dei dati di mobilità

È corretto dire che, con il progresso tecnologico e il conseguente boom nella varietà e disponibilità delle fonti, alle qualità positive dei dati di mobilità moderni – rapidità, accesso on demand, dettaglio e convenienza – si affiancano incognite con cui il settore sta imparando a fare i conti. Anzitutto è difficile sapere se le informazioni statistiche offerte dai fornitori di dati di mobilità riflettano fedelmente la realtà. Molti fattori rendono impegnativa la raccolta e l'elaborazione dei dati di mobilità. Quali dati, o quali combinazioni di dati, vengono utilizzati in partenza? Quanto sono frequenti ed equilibrati questi dati: soffrono di distorsioni note o ignote? I fornitori cercano di verificare l'accuratezza dei propri dati in molti modi, ma spesso il modo migliore è semplicemente confrontarli con statistiche esterne e autorevoli e misurarne la corrispondenza. Anche questo, però, può essere difficile. Spesso non esistono confronti diretti con fonti di riferimento consolidate – come le indagini tradizionali e le statistiche di enti quali l'US Census Bureau o l'ONS. E considerati i limiti di ogni metodo di misurazione, chi può dire se lo storico accettato fosse a sua volta accurato? Trattati pro e contro, vediamo ora alcuni casi d'uso concreti.

Usi dei dati di mobilità

Qualunque sia il vostro settore, esiste sicuramente un caso d'uso applicabile alla vostra organizzazione. Partiamo dai seguenti usi e vediamo se possiamo aiutarvi a capire come i dati di mobilità possano migliorare le vostre decisioni. Si tratta solo di una panoramica generale. Nel capitolo quattro entreremo molto più nel dettaglio e vi mostreremo come trarne il massimo. Per rendere questi usi più riconoscibili, li abbiamo raggruppati per settore.

Enti locali

1. Sviluppo economico
2. Misurare regolarmente la variazione dell'affluenza
3. Attrarre i visitatori giusti
4. Capire come i visitatori usano i vostri centri città (permanenza, densità e frequenza)
5. Fare benchmarking tra centri urbani
6. Sapere da dove arrivano le persone (residenti, o si tratta di una destinazione?)
7. Migliorare accessi, servizi o assetto degli spazi
8. Gestione della mobilità
9. Capire come i flussi attraversano i centri
10. Trovare modi per ridurre la congestione
11. Pianificare e realizzare collegamenti di trasporto migliori

Retail e real estate

1. Selezione del punto vendita
2. Individuare le dimensioni del mercato raggiungibile
3. Qualificare i clienti potenziali
4. Selezionare una rosa di location candidate
5. Fare benchmarking delle performance delle location
6. Individuare il potenziale di affluenza attorno a una location
7. Usare i dati di vendita per fare benchmarking delle performance di una location

Investitori finanziari

1. Analisti quantitativi e investitori
2. Ricerca di investimento macro e micro
3. Prevedere con accuratezza le performance di vendita

Che cosa sono i dati di affluenza

Abbiamo parlato molto di dati di mobilità, ma i dati di affluenza? Che cosa sono e sono diversi dai dati di mobilità? Anzitutto, i dati di affluenza sono comunemente chiamati anche conteggio delle persone, conteggio dei clienti o più semplicemente traffico pedonale. Questo chiarisce già in parte che cosa intendiamo per dati di affluenza tradizionali. In termini semplici, sono i dati che derivano dal conteggio delle persone che entrano in un punto vendita, un centro commerciale, una via commerciale o un'altra area. Vi starete chiedendo in che cosa differiscano dai dati di mobilità. I dati di mobilità usano tecnologie diverse per offrire una visione complessiva degli spostamenti della popolazione: consentono il conteggio in luoghi specifici (cioè l'affluenza) e anche metriche più ampie come i flussi pedonali, l'analisi del bacino d'utenza e il tempo di permanenza nei luoghi. I dati di affluenza hanno una definizione più ristretta: contano solo le persone presenti in determinati luoghi e sono vincolati alla necessità di installare e mantenere sensori in quei punti. I dati di mobilità offrono inoltre accesso on demand allo storico di qualsiasi location, mentre il monitoraggio dell'affluenza tradizionale inizia a produrre insight solo dalla data di installazione.

Vantaggi dei dati di affluenza

I dati di affluenza non saranno all'avanguardia quanto i dati di mobilità, ma questo non significa che non abbiano vantaggi. Prima dell'arrivo di queste tecnologie moltissime organizzazioni si affidavano ai dati di affluenza e al conteggio delle persone per orientare le proprie decisioni. I dati di mobilità non fanno che portare tutto questo a un livello superiore! Tra i vantaggi «tradizionali» dei dati di affluenza e del conteggio delle persone c'erano ad esempio:

1. Una migliore comprensione di quali fasce orarie funzionano bene (affluenza alta) e quali meno (affluenza bassa). Questo aiuta aziende e gestori dei centri urbani a migliorare i luoghi, calibrando i servizi sui momenti in cui visitatori o clienti ne hanno più bisogno.
2. Conoscendo il numero di persone presenti attorno ai vostri punti vendita, potete confrontarlo con il numero di vendite realizzate in un dato momento per capire quale percentuale di persone acquista da voi. Questo aiuta a comprendere le performance del punto vendita e l'efficacia commerciale del personale.
3. Infine, contando l'affluenza e conoscendo il numero di clienti potenziali, potete valutare l'efficacia delle strategie di marketing. Correlando i dati di affluenza con le campagne avrete una comprensione molto migliore di quanto ciascuna campagna stia funzionando.

Questi sono solo alcuni dei vantaggi dei dati di affluenza e del conteggio delle persone tradizionali.

Limiti dei dati di affluenza

Se i dati di affluenza e il conteggio delle persone tradizionali sono stati storicamente molto utili, con l'avvento dei dati di mobilità emergono alcuni limiti di cui è bene parlare. A differenza dei dati di mobilità moderni, la raccolta tradizionale dei dati di affluenza si basa spesso sull'installazione di sensori in punti specifici, la cui posa e manutenzione richiedono molto tempo e molte risorse. Con una limitata possibilità di automazione, scalare in modo efficiente diventa una vera sfida. Ci sono altri svantaggi, come l'impossibilità di misurare i bacini d'utenza e la difficoltà di individuare con precisione i colli di bottiglia. Sono solo alcuni dei limiti, ma mostrano perché il mondo si sta spostando verso i dati di mobilità moderni anziché affidarsi al conteggio dell'affluenza tradizionale.Perché le big tech sono in prima linea sui dati di mobilitàNon sarebbe un'esagerazione dire che la diffusione dei «dati di mobilità» è esplosa negli ultimi anni. Ma vi starete chiedendo perché. Tornando un po' indietro, si sentiva spesso parlare di dati di localizzazione e di come potessero servire a capire dove vanno le persone, da dove vengono e quanto tempo trascorrono in un determinato luogo. Questo è sempre stato, e continuerà a essere, fruttuoso per aziende e organizzazioni capaci di usare quelle informazioni per migliorare i risultati commerciali. Si è sviluppata una distinzione importante tra dati di localizzazione e dati di mobilità. I dati di localizzazione indicano la registrazione grezza degli spostamenti (caratterizzata da volumi molto elevati e proprietà difficili da utilizzare), mentre i dati di mobilità indicano l'output sintetizzato e più utile: tipicamente grafici, curve e altre risorse direttamente utilizzabili per decidere. Questa evoluzione e l'attenzione ai dati di mobilità sono diventate più evidenti e note a causa della pandemia di Covid-19. E tutta questa matematica sofisticata e questa elaborazione richiedono strumenti analitici big data di alto livello come Google BigQuery, Snowflake e altre tecnologie dei grandi operatori.

Il Covid spinge i dati di mobilità

Già prima del Covid-19 le aziende traevano beneficio da dati simili, ma è stata la pandemia a portarli davvero al centro del dibattito internazionale, soprattutto grazie al coinvolgimento delle big tech. Per aiutare i governi di tutto il mondo, Google e Apple hanno scelto di pubblicare gratuitamente report di dati di mobilità di alta qualità, per fornire insight sugli spostamenti delle persone e contribuire a frenare la diffusione del coronavirus. Comprendendo i movimenti della popolazione, i governi erano in una posizione migliore per capire l'impatto del Covid-19 sulle comunità e per adottare misure di tutela e di contenimento della malattia. È stata questa risposta alla pandemia a portare i dati di mobilità al grande pubblico. E se il Covid-19 ne ha messo in luce l'utilità, non si è certo trattato della prima esperienza delle big tech in materia.

Tipi tradizionali di dati di mobilità

I dati di mobilità non sono una novità. La ricerca accademica degli anni Settanta ha stabilito modi standardizzati per leggere il mondo attraverso geodemografia, conteggio dell'affluenza, analisi dei bacini d'utenza e matrici origine-destinazione. Queste chiavi di lettura della mobilità delle popolazioni sono maturate e si sono affermate come metriche chiave per i professionisti della pubblica amministrazione, del retail, del real estate e della finanza. Se gli output restano gli stessi, i modi per arrivare a quelle informazioni – i dati raccolti e compilati a questo scopo – si sono evoluti. In questo articolo parliamo molto dei dati di mobilità moderni e dei loro vantaggi, ma quali sono alcune delle fonti più tradizionali utilizzate dai fornitori del settore? I metodi per raccogliere e utilizzare i dati di mobilità vanno dai più elementari ai più evoluti, con qualità variabili in termini di accuratezza e disponibilità. Come quasi sempre, ogni metodo ha punti di forza e limiti, e alcuni obiettivi richiedono certi tipi di dati di mobilità piuttosto che altri. Approfondiremo questi metodi di misurazione molto più avanti. Tra i metodi e le tecnologie tradizionali usati per capire come le popolazioni utilizzano l'ambiente fisico e vi si muovono ci sono:

• Indagini e censimenti – preparare, condurre e sintetizzare periodicamente i risultati di indagini
• Telecamere e videosorveglianza – osservare automaticamente affluenza e flussi pedonali tramite immagini video
• Sensori ottici, a infrarossi e a fascio – contare il numero di persone che transitano in punti specifici con apparecchiature ottiche specializzate e fasci laser
• Reti WiFi pubbliche – rilevare la presenza di dispositivi WiFi nei pressi dei router delle reti pubbliche
• Dati di localizzazione di rete o Cell ID – determinare dove si trovano i dispositivi mobili all'interno dell'infrastruttura degli operatori

Ma la tecnologia continua a progredire a ritmo straordinario, e con essa arrivano nuove opportunità e nuovi vantaggi. Con capacità di elaborazione crescenti e una proliferazione sempre maggiore di dispositivi e macchine connessi di ogni tipo, il futuro dei dati di mobilità è estremamente promettente.

Veicoli automatizzati e big tech

Un aspetto dei dati di mobilità e delle big tech a cui forse non avete pensato, e che rappresenta un trend emergente, è quello dei veicoli automatizzati. Grandi gruppi come Google, Apple, Microsoft e Meta (già Facebook) puntano tutti a una quota del nascente mercato dei veicoli automatizzati. Con la loro diffusione si apre un mercato potenziale completamente nuovo, che le big tech possono sfruttare grazie ai dati di mobilità per aprire nuove fonti di ricavo. È un'altra ragione per cui big tech e dati di mobilità sono così intrecciati e per cui ne stanno accrescendo la popolarità.

Oltre il presente

Vale la pena notare che l'interesse delle big tech per i dati di mobilità va ben oltre indagini, censimenti, telecamere, videosorveglianza, sensori ottici e a infrarossi, fasci e dati di rete mobile. Queste aziende immaginano un futuro in cui comprendere e analizzare i movimenti della popolazione sarà altamente redditizio e darà origine a innovazioni e tecnologie che oggi semplicemente non esistono. Prevedono un futuro in cui gli attuali sistemi di misurazione della mobilità non basteranno più a soddisfare la domanda crescente, con un divario di capacità di spostamento di 150-200 miliardi di persone-chilometro nei prossimi 15 anni. Sottolineano inoltre che oggi le città sono costruite attorno all'automobile anziché alle persone, e che questo dovrà cambiare.I metodi di misurazione dietro i dati di mobilitàSappiamo ora che cosa sono i dati di mobilità, di localizzazione e di affluenza e quali sono le differenze. Sappiamo anche come big tech quali Google e Apple ne abbiano accresciuto la visibilità grazie ai report gratuiti per contenere la diffusione del Covid. Ma non tutti i dati di mobilità vengono misurati allo stesso modo, e il metodo alla base di un dataset determina che cosa può, e non può, dirvi. Saper distinguere questi approcci è una delle competenze più utili per chi acquista o commissiona dati di mobilità. A livello di settore, gli approcci consolidati comprendono:

1. Indagini e censimenti
2. Telecamere e videosorveglianza
3. Sensori ottici, a infrarossi e a fascio
4. Reti WiFi pubbliche
5. Dati di localizzazione di rete o Cell ID
6. Sistemi di posizionamento globale (GPS)
7. Dati di bidstream pubblicitario
8. Bluetooth e beacon (BLe)

Vediamo ora ciascuno di questi più da vicino, osservando in che cosa ogni approccio è efficace e dove invece mostra i suoi limiti.

Dati di indagini e censimenti

Il modo tradizionale per studiare la mobilità delle popolazioni consiste nell'andare sul campo con un questionario e porre domande alle persone. Dove lavorate? Come ci arrivate, in auto o con i mezzi pubblici? Dove fate la spesa? Indagini e censimenti usano spesso le risposte a queste domande per caratterizzare, in forma sintetica e statistica, i residenti di aree geografiche specifiche (chiamate «output areas» nel Regno Unito o «census tracts» negli Stati Uniti). Questi risultati vengono poi resi disponibili in ambito pubblico o commerciale. Se le indagini offrono ai ricercatori grande libertà nel porre le domande che desiderano, raccogliere dati in questo modo è costoso e richiede molto tempo. Di conseguenza le popolazioni vengono spesso campionate (ad esempio viene intervistato un residente ogni 1.000), il che rende la rappresentatività un tema importante da affrontare. Inoltre le risposte sono «dichiarate» dagli intervistati, il che a volte porta a distorsioni di percezione. Un rispondente può ad esempio ritenere di frequentare o fare acquisti in un certo luogo più spesso di quanto accada realmente, perché lo percepisce come aspirazionale. Tutto questo produce dati di mobilità specifici ma poco frequenti, con determinati rischi di distorsione.

Telecamere e videosorveglianza

Un metodo consolidato per raccogliere alcune forme di dati di mobilità – soprattutto dati di affluenza – consiste nel puntare una telecamera su un tratto di strada, un incrocio o un luogo e contare le persone o i veicoli che vi transitano. In origine questo compito poteva essere svolto manualmente, con persone pagate per guardare lunghe ore di registrazioni e annotare il numero di persone o oggetti presenti. Con i progressi del machine learning e dell'intelligenza artificiale (IA), l'attività può essere automatizzata tramite software di riconoscimento delle immagini. Questo metodo si distingue dalle indagini perché produce dati «osservati» anziché dichiarati, riducendo così il rischio di distorsione di percezione visto sopra. Ma per quanto avanzato sia il software di IA, il metodo ha limiti propri. Le osservazioni sono circoscritte al campo visivo della telecamera, che non può «vedere» né registrare ciò che accade fuori dall'obiettivo. La mobilità viene quindi misurata solo entro un'area specifica. Inoltre è molto difficile addestrare o ottimizzare il riconoscimento delle immagini (IA) per distinguere una persona che passa 100 volte davanti all'obiettivo da 100 persone che passano una volta. I test mostrano che questo effetto può portare le soluzioni basate su telecamere a sovrastimare l'affluenza fino a tre volte, con tutte le conseguenze che ciò comporta su decisioni importanti.

Sensori ottici, a infrarossi e a fascio

Un modo tradizionale per misurare l'affluenza consiste nell'installare sensori ottici o a infrarossi in punti specifici e poi usare un software per rilevare il numero di persone nel campo visivo, oppure semplicemente contare quante volte il fascio viene interrotto da persone o oggetti. Questi sistemi sono ampiamente diffusi, ad esempio negli ingressi dei negozi, per contare l'affluenza in quei luoghi. Di norma l'hardware viene installato da un fornitore specializzato e i dati vengono elaborati e restituiti al cliente. Un aspetto positivo di questo metodo è che rileva in modo deterministico tutta l'attività che si verifica nell'area di misurazione. Tra gli aspetti negativi c'è un campo visivo molto ristretto – spesso solo un ingresso o un singolo fascio laser attraverso una strada – quindi il contesto disponibile è scarsissimo. Inoltre questi metodi ereditano la stessa incapacità di telecamere e videosorveglianza di determinare i visitatori unici. Sono stati fatti tentativi per distinguere più visitatori presenti contemporaneamente nel campo visivo con soluzioni multi-obiettivo che introducono il concetto di profondità. Nessuna, tuttavia, riesce a distinguere un visitatore che passa 100 volte da 100 visitatori che passano una volta.

Reti WiFi pubbliche

Che gentilezza da parte di città e location commerciali offrire WiFi pubblico ai visitatori! È vero, ma nulla è mai davvero gratis. I sistemi WiFi pubblici vengono spesso installati con l'obiettivo principale di capire quante persone frequentano luoghi e spazi pubblici. Anche se il vostro telefono, tablet o computer non è connesso attivamente alla rete, i router possono comunque rilevare il dispositivo che passa nel raggio d'azione (fino a 30 metri) e registrare l'informazione. Le reti WiFi pubbliche sono composte da una maglia di router che insieme coprono in modo continuo un'area. Dovrebbe quindi essere possibile misurare affluenza e flussi pedonali ovunque nella rete. Tuttavia, i principali produttori di dispositivi mobili hanno riconosciuto già nel 2014 i potenziali problemi di privacy legati a questa pratica e hanno adottato misure per ridurne i rischi. Nello specifico, la presenza e i movimenti dei dispositivi venivano osservati usando l'indirizzo MAC come identificativo univoco dell'hardware e contando dove quell'identificativo veniva rilevato. La soluzione è stata modificare il sistema operativo in modo che il dispositivo trasmetta un nuovo indirizzo MAC a ogni rilevazione, rendendo impossibile riconoscere lo stesso dispositivo nel tempo. Ne consegue che non è possibile usare le reti WiFi pubbliche per contare l'affluenza unica in luoghi specifici, né per osservare i flussi pedonali sulla rete.

Dati di localizzazione di rete o Cell ID

Un metodo consolidato da tempo per misurare la mobilità delle popolazioni su larga scala consiste nell'usare i dati di localizzazione degli operatori di rete mobile. Questi dati esistono in diverse forme e sono stati tradizionalmente usati da città e imprese per capire come le persone utilizzano i luoghi. Sono disponibili diversi gradi di accuratezza, dal Cell ID (la posizione della cella a cui il dispositivo è connesso) alle tecniche di triangolazione inversa che stimano la posizione di un dispositivo all'interno di un triangolo di tre antenne in base a potenza del segnale e latenza. Un aspetto positivo dei dati di rete mobile è che in molti Paesi esistono forse tre o quattro grandi operatori a cui è abbonata quasi tutta la popolazione adulta: il campione disponibile è quindi necessariamente ampio e rappresentativo. Il limite principale è che nella forma più diffusa (Cell ID) l'accuratezza è inferiore rispetto ad altri metodi, perché le antenne sono piuttosto distanziate. I dati di rete mobile sono quindi adatti a studi di mobilità su intere città e quartieri, ma inadatti ad esempio a studi a livello di singola via.

Sistemi di posizionamento globale

Avrete quasi certamente sentito parlare del GPS e saprete che ha a che fare con la vostra posizione, la navigazione e il non perdervi. È però molto più utile di così ed è un'ottima fonte di informazioni e di dati di mobilità. Oggi è impossibile non usare un dispositivo che sfrutta dati GPS: dal telefono al navigatore dell'auto, usate tecnologia GPS. Per aiutarvi ad arrivare a destinazione, l'hardware del telefono deve comunicare con i satelliti GPS, che trasmettono latitudine e longitudine al dispositivo per guidarvi. Tutti questi dati vengono registrati e possono essere usati dalle organizzazioni per fornire dati di mobilità anonimi. I dati GPS sono considerati uno degli standard di riferimento nella raccolta di dati di localizzazione. Va però notato che la loro qualità può risultare alterata al chiuso, tra edifici molto alti o in luoghi in cui il dispositivo non riesce a comunicare con i satelliti GPS.

Dati di bidstream pubblicitario

Un altro metodo di acquisizione di dati di mobilità sono i dati di bidstream. Ogni volta che viene mostrato un annuncio in un'app o su un sito web, i server delle reti pubblicitarie raccolgono un insieme di dati analogo, utilizzato per aiutare gli inserzionisti a targettizzare meglio gli annunci. Gli SDK di queste reti sono diffusissimi e il flusso di informazioni che ne deriva è noto come «bidstream». Se in teoria può sembrare interessante usare il sottoprodotto di questo processo per ricavare insight di mobilità, in pratica questi dati sono piuttosto imprecisi o incompleti, perché le loro fonti e le condizioni in cui vengono generati sono spesso ignote. Spesso il bidstream cattura soltanto l'indirizzo IP del dispositivo e non la sua posizione GPS. È possibile ricavare dall'indirizzo IP una posizione approssimativa, ma con gli IP mobili questa stima è molto imprecisa. Altri due problemi sono che (a) l'informazione è disponibile solo quando viene mostrato un annuncio – quindi solo in parte del tempo di utilizzo dell'app – e (b) poiché gli annunci devono essere serviti rapidamente, il processo si basa spesso su meccanismi di cache che restituiscono dati di localizzazione non aggiornati. Detto questo, il bidstream è ampiamente utilizzato come modo rapido ed economico per raccogliere dati di mobilità e di affluenza.

Beacon

Un altro metodo di raccolta di dati di localizzazione passa dai beacon. In parole semplici, i beacon sono dispositivi hardware fisici in grado di rilevare altri dispositivi quando si trovano nelle immediate vicinanze. Possono quindi raccogliere e registrare i dati di localizzazione dei dispositivi vicini e produrre dati di mobilità. A differenza di altri metodi, i beacon sono dispositivi fisici da installare in un punto preciso. Osservano quindi soltanto in quel punto e perdono molte delle caratteristiche essenziali dei dati di mobilità, come la capacità di misurare dove le persone erano prima e dove vanno dopo. Questo ne riduce il valore come fonte di insight di mobilità e rende difficile raggiungere la scala. Google, del resto, gestiva una rete di beacon a supporto dei professionisti del marketing, ma ha chiuso quella piattaforma nell'aprile 2021.Come le organizzazioni usano i dati di mobilità per decidere meglioAvere molti dati di mobilità è un bene, ma in che modo questo vi aiuta concretamente a decidere meglio? Prima di entrare nel merito, ci sono alcuni punti importanti da conoscere. Alcune fonti di dati di mobilità – in particolare i «data broker» – forniscono alle aziende enormi quantità di dati grezzi: miliardi di misurazioni molto difficili da usare per un cliente business e, di per sé, piuttosto prive di significato. Servirebbero infatti data scientist altamente qualificati e tecnologie molto sofisticate per setacciare tutto e ricavarne qualcosa di utile, o anche solo informativo. È qui che ci differenziamo. Non siamo un data broker e non forniamo dati grezzi: forniamo insight ricavati dai dati di mobilità. Invece di montagne di dati che richiederebbero una laurea in data science per essere districate, forniamo informazioni statistiche utili che vi aiutano a prendere decisioni rapide e accurate e a migliorare scelte e strategie. Come si possono usare concretamente queste informazioni?

Una migliore pianificazione retail

I dati di mobilità vi aiutano a comprendere molto meglio i vostri clienti e il vostro pubblico potenziale. Aprono una finestra su come si muovono le comunità a cui vi rivolgete, da dove arrivano, da quanto lontano e quanto tempo si fermano in un determinato luogo. Sono metriche molto utili per comprendere e prevedere i comportamenti d'acquisto e la spesa attesa. Con i dati di mobilità potete individuare moltissimi elementi utili sulla vostra regione, la vostra location, la vostra città o persino una singola via, elementi che orientano tanto il posizionamento quanto la pianificazione. I dati di mobilità rivelano gli hotspot – i luoghi in cui le persone tendono a radunarsi – dai quali potete poi individuare comportamenti o opportunità commerciali. Rendiamolo più concreto con un esempio. Gestite una gelateria di quartiere e volete attrarre più persone che poi acquistino il vostro ottimo gelato artigianale. Con i nostri dati di mobilità potreste:

1. Individuare quali vie della vostra città registrano il maggior passaggio
2. Sapere in quali giorni e a quali orari è probabile che le persone siano lì
3. Sapere quanto tempo le persone vi si fermano

Questo permette a retailer e società immobiliari di trovare le location ideali per il proprio mercato all'interno di una città e di aprire punti vendita dove l'affluenza è maggiore per volume e qualità. È solo un semplice esempio di come i dati di mobilità possano migliorare notevolmente l'efficienza della vostra attività e far crescere i ricavi.

Una migliore pianificazione

I dati di mobilità sono preziosissimi per gli enti locali. Capire come le proprie comunità si spostano, si radunano, viaggiano e in definitiva usano le città ha un valore inestimabile. Conoscere queste informazioni rende la pianificazione molto più semplice ed efficace. Vediamo un altro esempio. Immaginate di essere un urbanista di un ente locale e di voler apportare alcuni miglioramenti alla vostra città. Con i dati di mobilità potete produrre un impatto che le comunità noteranno e di cui beneficeranno. Un esempio è la capacità di individuare i colli di bottiglia nelle vostre vie commerciali. Grazie ai dati di mobilità, come ente locale potreste facilmente individuare le aree fortemente congestionate. La risposta potrebbe essere cogliere un'opportunità di miglioramento infrastrutturale, realizzando percorsi e passaggi aggiuntivi attraverso la città perché le persone possano muoversi più liberamente e piacevolmente, invece di restare bloccate nella folla. Come esperti del settore, vediamo davvero il beneficio di questo tipo di impiego dei dati di mobilità, perché aiuta gli enti locali a realizzare miglioramenti concreti e visibili.

Scegliere la location di sviluppo ideale

Come abbiamo visto, i dati di mobilità sono eccellenti nel fornire insight su come le comunità si spostano, viaggiano e trascorrono il tempo. Elementi che hanno forti correlazioni con il potenziale d'acquisto e con i ricavi. Per questo il nostro ultimo esempio riguarda il modo in cui gli investitori del retail possono massimizzare i profitti potenziali sfruttando i dati di mobilità e gli insight che forniamo alle organizzazioni. Immaginate di investire in giovani realtà della ristorazione, aiutando chioschi temporanei di successo a diventare locali stabili altrettanto solidi. Per scegliere la location migliore per la nuova attività vi serve una comprensione davvero accurata di come la popolazione locale, e anche quella più lontana, si muove e usa la vostra città. Dai dati di mobilità potete individuare una via con elevata mobilità negli orari di punta dei pasti e, combinandola con un'area dotata di un forte bacino d'utenza rispetto alle popolazioni vicine, potete sceglierla con sicurezza come buona opzione per il nuovo locale. Senza dati di mobilità avreste solo un'idea approssimativa di dove potrebbe funzionare; avere dati che sostengono la vostra ipotesi ha un valore inestimabile. Con un'opportunità ben scelta, la vostra attività di ristorazione parte da basi eccellenti per crescita e ricavi potenziali. Naturalmente ci sono molti altri modi in cui un'organizzazione può trarre vantaggio dai dati di mobilità; questi sono solo alcuni esempi per stuzzicare l'appetito. Altri esempi di come potete trarne beneficio:

1. Dati attuali e storici – confrontate dati attuali, aggiornati con cadenza settimanale, con le serie storiche per valutare trend e cambiamenti di comportamento
2. Visite e interessi – comprendete meglio una popolazione e un pubblico osservando i luoghi che frequentano e gli interessi che ne derivano
3. Personalizzazione ed engagement – usate i dati di mobilità per migliorare personalizzazione ed engagement dei vostri servizi

Prendere le giuste decisioni di investimento

Abbiamo visto che i dati di mobilità forniscono ai professionisti insight su dove vanno le persone e su che cosa fanno nel mondo reale. Questo vale anche per i punti vendita e i luoghi che frequentano: una fonte di informazioni interessante per gli investitori del retail e del real estate. Per molte tipologie di retail, in particolare per i grandi operatori quotati come supermercati e grandi superfici specializzate, esiste un legame molto stretto ed evidente tra la visita in negozio e la spesa effettuata. Dati di mobilità di alta qualità possono quindi essere usati efficacemente per misurare le vendite del retail. Alcune società di investimento li utilizzano per prevedere quali vendite comunicheranno, in ciascun periodo di rendicontazione, le aziende in cui investono. Poiché le vendite hanno spesso un forte impatto sul prezzo dell'azione, i dati di mobilità offrono un modo molto prezioso per sapere che cosa accadrà sul mercato azionario, prima che accada. Se pensate di poterne trarre beneficio, scoprite la nostra piattaforma!Quali sono le principali innovazioni nei dati di mobilità nel 2023?L'obiettivo primario è raggiungere un'accuratezza di misurazione sempre maggiore e offrire agli analisti l'immagine più fedele possibile di ciò che accade sul territorio. Il secondo obiettivo è rendere i dati di mobilità sempre più utili e informativi, offrendo una visione più completa di come le popolazioni usano il mondo che le circonda. Il terzo è renderne l'accesso più facile e più semplice per le aziende e le organizzazioni che possono trarne vantaggio. Che cosa offrono dunque le nuove tecnologie per aiutare il settore a muoversi in questa direzione?

Maggiore accuratezza degli insight

Se usate i dati di mobilità per contare l'affluenza lungo una via, a un incrocio o persino in un punto vendita, è fondamentale sapere che state contando l'attività che avviene proprio lì, e non altrove. Alcuni metodi di conteggio tradizionali hanno un'accuratezza limitata, per cui grafici, curve e statistiche che ne derivano non rappresentano ciò che credete: rappresentano in realtà qualcosa di più ampio. Le nuove tecnologie offrono una maggiore accuratezza di restituzione e quindi informazioni più fedeli per decidere meglio.

L'uso delle telecamere

Dal conteggio manuale si è passati all'uso di telecamere per contare le persone presenti in una determinata area. Un progresso, certo, ma questo metodo richiede attrezzature aggiuntive e, come per il conteggio delle persone, è difficile sapere se sono passate 100 persone o se una sola persona è passata 100 volte.

Maggiore frequenza di restituzione

Immaginate di mandare una squadra di rilevatori con i questionari nei quartieri. Con quale frequenza potreste realisticamente ripetere l'operazione? Ogni anno? Ogni 10 anni, come il censimento nazionale? Raccogliere dati in questo modo è costoso e richiede molto tempo. Le nuove tecnologie di misurazione consentono una restituzione regolare, settimanale, dei dati di affluenza e di mobilità. E il ritardo – il tempo necessario per raccogliere, elaborare e pubblicare i risultati – può essere ridotto notevolmente. Così l'informazione diventa più dettagliata e più azionabile per chi decide.

Dati contestuali più ricchi

Le soluzioni puntuali come telecamere di videosorveglianza, sensori ottici e fasci laser possono contare bene le persone che transitano in un singolo punto, ma non hanno alcuna nozione di dove quelle persone siano arrivate, perché siano lì e dove siano andate poi. È inoltre difficile dedurne in modo uniforme e affidabile qualcosa sulle loro affinità o sul loro profilo demografico. Le nuove tecnologie consentono una gamma molto più ampia di informazioni di contesto, che aiutano a decidere meglio delineando un quadro più vivido della mobilità delle popolazioni.

Accesso più semplice alle informazioni

Condurre indagini o installare e mantenere hardware per osservare la mobilità è costoso e pieno di complicazioni, dalle autorizzazioni ai rischi per la sicurezza fino all'alimentazione elettrica. La disponibilità dei dati di mobilità è inoltre limitata dall'estensione della rete fisica di sensori: ogni volta che volete studiare un luogo nuovo, l'intero processo di installazione va ripetuto. Con le nuove tecnologie gli insight attuali e storici sono già disponibili, ovunque scegliate di guardare.

Miglior rapporto qualità-prezzo

Tutto questo significa che per i fornitori è più rapido e semplice offrire dati di mobilità migliori e più utili, e per i clienti accedere a quegli insight. Il mondo reale è vasto e moltissime aziende e organizzazioni ne dipendono per la propria attività. Il ruolo dei dati di mobilità non è mai stato così rilevante, ed è stimolante vedere che le innovazioni li rendono migliori e più accessibili.Consigli sui dati di mobilità per trovare insight decisiviSe siete arrivati fin qui, dovreste avere ormai una buona comprensione di che cosa siano i dati di mobilità, di come si confrontino i diversi metodi di misurazione, del perché la vostra organizzazione dovrebbe usarli e di quanto siano davvero utili. In questo capitolo condividiamo quindi alcuni dei nostri consigli migliori per trarre il massimo dai nostri dati di mobilità. Vi aiutiamo ad analizzarli e vi indichiamo a che cosa prestare attenzione.

1. Attenzione ai colli di bottiglia

I dati di mobilità sono eccellenti nell'evidenziare i colli di bottiglia. Ci sono percorsi verso o all'interno della vostra città o della vostra attività che si congestionano in certe ore del giorno? Ci sono modi per risolverli? Potreste incentivare altre modalità di spostamento, introdurre alternative o adottare innovazioni come i monopattini elettrici, la cui popolarità è cresciuta molto negli ultimi anni come strumento per migliorare la mobilità in una determinata area? Individuando chiaramente questi colli di bottiglia con l'analisi dei dati, potete essere certi che cercare una soluzione ne valga la pena. Potete poi analizzare i dati a posteriori per verificare quanto la vostra soluzione sia stata efficace.

2. Confrontate il prima e il dopo

Potreste ricevere un insieme di dati una volta sola e pensare che basti. La vera forza dei dati di mobilità sta nell'analisi continuativa, o «longitudinale». I confronti prima/dopo sono una strategia essenziale nell'analisi dei dati e aiutano davvero a delineare il quadro reale di ciò che accade nella vostra città o nel vostro polo commerciale. Osservando i dati di mobilità prima e dopo i vostri interventi, disponete di indicatori di performance rari e preziosi, che vi dicono esattamente se il progetto ha avuto successo e se sta producendo l'effetto desiderato. È un approccio molto migliore che tirare a indovinare: individuare i cambiamenti da apportare e misurarne oggettivamente gli effetti è un modo più corretto ed equilibrato di decidere. Potete anche portare avanti l'analisi dopo il progetto, continuando a iterare e a migliorare i risultati ottenuti, oppure a risolvere problemi che non avevate previsto.

3. Combinate dati di affluenza e dati demografici

In generale, più i dati sono ricchi e dettagliati, meglio è. Dati più ricchi permettono di delineare quadri più vividi e informati. Per questo consigliamo di combinare i dati di affluenza o di mobilità con i dati demografici. Non solo capirete come le persone entrano, attraversano ed escono dalla vostra città o dalla vostra struttura, ma le comprenderete a un livello molto più profondo, per servirle meglio. Questa combinazione fa emergere comportamenti che forse non avevate considerato nella pianificazione o nei vostri progetti.

4. Classificate le popolazioni con i dati del censimento (medio, basso, alto)

Nella stessa logica del punto precedente, consigliamo di classificare le popolazioni usando i dati del censimento. Combinando questi due insiemi comprenderete ancora meglio le vostre popolazioni: che cosa le motiva, quanto reddito disponibile hanno e persino quali interessi coltivano. Come urbanisti, questo vi aiuta a servirle molto meglio rispetto ai soli dati di mobilità. Come investitori finanziari, sarà più chiaro su quali tipi di asset o titoli puntare. Una volta compresi il profilo socioeconomico e demografico delle popolazioni e i loro comportamenti di mobilità, siete nella posizione ideale per migliorare le comunità che servite o per prendere decisioni commerciali nettamente migliori.

5. Sfruttate gli insight di affluenza oraria

È facile lasciarsi assorbire dal quadro d'insieme che i dati di mobilità restituiscono; per apprezzarne davvero i dettagli e le sfumature, però, occorre esaminare i pattern con gli insight di affluenza oraria. A questo livello di granularità si scoprono insight autentici con risultati davvero azionabili. Potete avviare progetti strategici che affrontano problemi molto specifici, o fondare su dati concreti elementi di piani aziendali con conseguenze reali. Analizzando l'affluenza oraria individuate rapidamente sia le ore di punta sia quelle più tranquille: le une contano quanto le altre. Potete poi ottimizzare di conseguenza pratiche, pianificazione o interventi, per renderli più efficaci.

6. Comprendete il tempo di permanenza

Analizzate e comprendete il tempo di permanenza quando usate i dati di mobilità. Capire quanto tempo i visitatori si fermano a ogni visita è importante tanto quanto conoscere i livelli di affluenza dei luoghi che vi interessano. Questo si chiama tempo di permanenza: in parole semplici, i minuti che le persone trascorrono in un determinato luogo. Può significare capire quanto tempo le persone si fermano nella via commerciale o nel centro città che state analizzando. Il tempo di permanenza offre un ulteriore sguardo sui comportamenti, utile sia alla pianificazione sia alle strategie commerciali. In generale, più a lungo le persone restano in un'area, maggiore è l'occasione di supportarle con una pianificazione locale intelligente o con interventi mirati. Resta comunque da decidere che cosa fare dei dati. Se ad esempio individuate un'area con un tempo di permanenza basso, come urbanisti potreste valutare due opzioni.

1. Avviare un progetto di riqualificazione dell'area per aumentare affluenza e tempi di permanenza.
2. Dirottare sforzi e risorse verso altri luoghi e progetti con un ritorno sull'investimento maggiore

In ogni caso, l'accesso ai dati di mobilità apre una strada completamente nuova alle decisioni guidate dai dati.

7. Confrontate i dati di affluenza con i dati di vendita

Combinate e confrontate i dati di mobilità e di affluenza con i dati di ricavo e di vendita. Far emergere correlazioni tra dati di mobilità e dati di ricavo o vendita è una vera miniera d'oro di insight commerciali per la vostra attività. La regola generale è che più tempo le persone dedicano a un'attività, più questa conta per loro e, nel retail, più denaro tenderanno a spendere. Comprendere nel dettaglio come questi due indicatori si influenzano a vicenda è un elemento essenziale per decisioni commerciali informate e guidate dai dati.

8. Guardate i dati del bacino d'utenza

Sapere come le popolazioni entrano, attraversano ed escono dalla vostra area o città è utile; sapere da dove arrivano lo è altrettanto. Questo esercizio si chiama mappatura o modellazione del bacino d'utenza. Una volta stabilito da dove proviene la maggior parte dei visitatori, potete migliorare le vostre decisioni, sia per un'attività commerciale sia per la pianificazione urbana. Un uso standard dei dati del bacino d'utenza consiste nel determinare quanto occorre allontanarsi da un centro per intercettare il 50 o l'80 % dei visitatori. Compreso il vostro bacino d'utenza attuale, potete usare i dati disponibili per apportare miglioramenti o modifiche. Il risultato è particolarmente efficace se combinato con dati censuari e demografici.

9. Iniziate in piccolo e crescete

Il nostro ultimo consiglio è iniziare in piccolo e crescere gradualmente. I dati di mobilità sono una risorsa straordinaria, con un potenziale quasi illimitato per migliorare decisioni, piani strategici, tattiche di investimento, pianificazione urbana e molto altro. È però facile sentirsi sopraffatti e perdere insight importanti partendo da un volume di dati enorme. Per questo consigliamo di iniziare con volumi contenuti e farli crescere nel tempo. Così potete scalare in modo strategico e migliorare le performance in modo sostenibile, senza perdere correlazioni, insight o dati preziosi. Se pensate di poter trarre vantaggio da tutti gli insight che i dati di mobilità offrono, contattateci pure.Le domande sui dati di mobilità, con le risposte dei nostri esperti

1. Che cosa si può fare con i dati di localizzazione e di mobilità?

I dati di mobilità (termine collettivo che comprende dati di affluenza, insight sul tempo di permanenza, analisi del bacino d'utenza, demografia e altro) sono una risorsa utile che consente alle organizzazioni di capire come le popolazioni si muovono all'interno di un'area, di una città o persino di un centro commerciale. Vengono usati di frequente per orientare decisioni commerciali o urbanistiche. Forniscono insight e comprensione e aiutano i professionisti di tutti i settori interessati a decidere meglio.

2. I dati di mobilità contengono informazioni sensibili o private?

I dati di mobilità indicano nello specifico i risultati statistici calcolati a partire dall'analisi di un'ampia gamma di fonti che descrivono, in modi diversi, come le popolazioni si muovono e interagiscono con il mondo reale. Di conseguenza non contengono nulla che consenta di identificare singole persone né altre informazioni personali.

3. Quanto sono accurati i dati di localizzazione?

I dati di mobilità possono offrire una rappresentazione estremamente accurata della realtà. I confronti tra i loro output e una serie di indicatori macroeconomici ufficiali e di ricavi netti del retail possono correlare fortemente, con un valore di correlazione superiore a 0,9 e un MAPE inferiore al 5 %. Un risultato nettamente migliore delle stime di consenso tradizionali.

4. Perché i dati di localizzazione e di mobilità sono importanti?

I dati di mobilità offrono alle organizzazioni una comprensione profonda dei propri mercati e del proprio posizionamento. È importante perché aiuta le imprese a migliorare le proprie strategie e, forse ancora più importante, aiuta enti locali e città a servire meglio le proprie comunità.

5. Da dove provengono i dati di mobilità?

I dati di mobilità possono derivare da quasi qualsiasi fonte di dati, purché questa dica qualcosa su come le popolazioni si muovono e interagiscono con l'ambiente fisico. Le fonti tradizionali comprendono indagini, analisi di flussi di telecamere o videosorveglianza, sensori ottici o a infrarossi specializzati, reti WiFi pubbliche e dati degli operatori di telecomunicazioni. Tra le fonti emergenti figurano i dati provenienti dai veicoli, la tacheometria e i dispositivi mobili.

6. Perché le aziende vogliono i dati di mobilità?

Le aziende vogliono i dati di mobilità per migliorare le proprie decisioni e, di conseguenza, aumentare redditività ed engagement. Di norma questo passa da una migliore pianificazione e da migliori decisioni commerciali.

7. Che tipo di dati sono i dati di mobilità?

I dati di mobilità sono una risorsa potente, usata da professionisti e ricercatori delle scienze umane per capire come le popolazioni utilizzano l'ambiente fisico e vi si muovono. Vengono forniti sotto forma di dati statistici calcolati e sintetizzati, facili da visualizzare o interpretare per orientare le decisioni.Come presentare i dati di mobilità per generare un cambiamento realeLa presentazione e la rappresentazione dei dati possono essere importanti quanto i dati stessi. Una visualizzazione efficace e ben pensata può trasformare i dati in informazioni e le informazioni in racconti convincenti. Ecco quindi dieci tecniche di visualizzazione standard per iniziare, seguite da sei metodi specifici per i dati geospaziali e di mobilità.

1. Grafico a linee

Il grafico a linee è molto diffuso e utilizzato perché è uno strumento eccellente per confrontare i dati nel tempo e far emergere i trend. Permette anche di confrontare più serie di dati nello stesso periodo.

2. Grafico a colonne

Un altro grafico molto usato è quello a colonne. È uno strumento ottimo per confrontare elementi e dati nel tempo e può includere più valori sugli assi x e y, con un'ulteriore categoria di scomposizione sull'asse y. È efficace nell'individuare picchi e trend, soprattutto se combinato con un grafico a linee.

3. Grafico a barre

Il grafico a barre è utile per confrontare molti elementi diversi, con categorie o elementi solitamente rappresentati sull'asse y e i relativi valori sull'asse x. Potete usare altre categorie per raggruppare o scomporre i valori.

4. Grafico a torta

I grafici a torta sono uno dei modi migliori per rappresentare dati proporzionali, con o senza percentuali: la dimensione di ogni spicchio rappresenta un valore e il suo rapporto con le altre categorie. Perché siano efficaci devono comporre un totale dotato di senso e usare idealmente non più di sei categorie.

5. Grafico ad aree

Il grafico ad aree è molto simile a quello a linee, con la differenza che l'area sotto la linea è colorata. Questo permette di sovrapporli e rende i confronti più semplici. Usate un grafico ad aree se volete mostrare valori assoluti o relativi in un periodo definito.

6. Tabella pivot

La tabella pivot è uno dei modi migliori e più semplici per creare visualizzazioni utili. Permette di sintetizzare e analizzare rapidamente grandi quantità di dati. Potete anche combinarla con la formattazione a colori per arricchirla ulteriormente.

7. Grafico a dispersione

Usate un grafico a dispersione quando volete mostrare sia la distribuzione sia la relazione tra due variabili. Potete usare i cerchi per rappresentare le diverse categorie confrontate e la dimensione dei cerchi per rappresentare un valore numerico: a un valore maggiore corrisponde un cerchio più grande, a un valore minore un cerchio più piccolo.

8. Mappa a punti

La mappa a punti è un ottimo modo per visualizzare dati geografici di un'area specifica come punti su una mappa. Anche qui potete usare colore e dimensione per rappresentare più valori contemporaneamente.

9. Treemap

La treemap è un grafico multidimensionale che usa rettangoli annidati per rappresentare dati gerarchici. Può sostituire un grafico a colonne quando si vogliono confrontare molte categorie diverse.

10. Diagrammi di Sankey

Il diagramma di Sankey è un modo efficace per rappresentare le relazioni tra elementi: luoghi, attività o qualsiasi altra cosa. Viene comunemente usato per rappresentare statisticamente concetti come i percorsi degli utenti: quale quota di persone che parte dal punto «a» prosegue verso il punto «b» e così via. I diagrammi di Sankey prendono il nome da Matthew Sankey, il cui uso di questa tecnica è stato notoriamente impiegato per rappresentare la marcia di Napoleone su Mosca nel 1812. Viste alcune tecniche piuttosto standard, ecco ora metodi più avanzati e più specifici per i dati geospaziali o di mobilità. Imparate a usarli per raccontare storie e generare cambiamento con i dati.

1. Mappe coropletiche

Iniziamo dalle mappe coropletiche, a volte chiamate anche mappe a campiture. Sono ottime per visualizzare un intervallo di valori su una determinata area geografica. Potreste ad esempio usarle per rappresentare facilmente i tassi di disoccupazione per provincia come dati su una mappa. Le coropletiche aiutano anche a far emergere trend per codice postale, Paese o altra sotto-regione.

2. Cerchi proporzionali

Come il grafico a dispersione, che usa cerchi di dimensioni diverse per rappresentare più valori, le mappe a cerchi proporzionali aggiungono la dimensione geografica collocando i cerchi direttamente su una mappa. È un ottimo modo per unire più dati e trend spaziali in una forma facile da leggere e interpretare.

3. Distribuzioni di punti

Le distribuzioni di punti servono a comunicare trend di densità in dati puntuali molto fitti. Possono rappresentare post sui social, traffico di un sito web o dati di telemetria dei veicoli: tutti buoni casi d'uso per questo tipo di visualizzazione.

4. Animazioni

Particolarmente efficaci sui social, le animazioni mostrano come i dati cambiano o evolvono lungo una dimensione, di norma il tempo. Possono illustrare la crescita di alcune aziende in un periodo o l'andamento dei tassi di occupazione. Sono eccellenti per mostrare come i dati si sono evoluti e trasformati.

5. Estrusioni 3D

Le estrusioni 3D sono uno strumento potente quando i dati hanno un elemento z naturale, come l'altitudine. In alternativa possono servire a confrontare le densità di popolazione di regioni diverse, aggiungendo estrusioni direttamente su una mappa e offrendo così uno sguardo illuminante sui dati.

6. Mappe di calore

Un tipo molto comune di visualizzazione di dati di localizzazione è la mappa di calore. Le mappe di calore mostrano i trend spaziali attraverso gradienti di colore e rendono facile individuare gruppi di dati correlati tra loro. Un urbanista potrebbe usarle per individuare le aree più frequentate o congestionate della propria città, a supporto delle decisioni future.L'importanza di veridicità, accuratezza e precisione dei datiI dati non potranno mai essere più utili della loro veridicità. Se sono inaffidabili e imprecisi, le conclusioni tratte, i pattern individuati o le storie dedotte saranno nel migliore dei casi inefficaci. Decisioni prese su dati imprecisi saranno a loro volta imprecise e si fonderanno su basi fuorvianti e false. Per questo è fondamentale stabilire la veridicità dei dati, soprattutto quando servono a prendere decisioni importanti.

Che cos'è la veridicità dei dati?

Che cosa intendiamo dunque per veridicità dei dati? In breve, è quanto un insieme di dati viene considerato accurato o veritiero. Riguarda sia la qualità dei dati sia la loro affidabilità. Nel valutare l'affidabilità dobbiamo tenere conto di diversi aspetti. Ad esempio: qual è la fonte dei dati? Di che tipo di dati si tratta? Come sono stati elaborati? Anomalie, incongruenze e distorsioni sono state considerate o rimosse con successo? È fondamentale comprendere questi aspetti e saper rispondere a queste domande quando si usano i dati. Non appena compare un dubbio su uno di questi punti, ne risentono l'utilità e l'affidabilità dei dati per le decisioni. Non è però l'unico elemento della veridicità da conoscere. L'altro elemento da considerare per la veridicità dei dati di mobilità è la stabilità. La stabilità indica quanto i mattoni sottostanti dei dati – spesso le fonti – cambiano nel tempo. È importante perché, quando i dati di mobilità servono a decidere in base a come i trend cambiano nel tempo, le statistiche devono essere confrontabili su basi omogenee. Potreste ad esempio usare i dati di mobilità per scoprire quanto fosse frequentato un certo supermercato due anni fa e confrontarlo con oggi. L'intera serie potrebbe essere rappresentata con un grafico a linee o una serie storica, ma se i dati di due anni fa provenivano dal conteggio tramite videosorveglianza e quelli di oggi si basano sul WiFi, confrontare i due livelli su basi omogenee è molto difficile. L'ultimo aspetto della veridicità da conoscere è quanto i dati siano rilevanti o adatti a rispondere alla vostra specifica domanda di business. Prendetevi il tempo di fare domande e di comprendere a fondo i dati, poi chiedetevi se quei dati siano davvero rappresentativi dell'attività che dovete misurare per rispondere alla vostra esigenza. In caso contrario, valutate di non usarli, oppure di combinarli con altre ricerche o dati per ottenere un quadro più accurato.

Perché la veridicità dei dati è importante?

La veridicità dei dati è molto importante ed è considerata una delle quattro grandi V dei big data, insieme a Velocity, Volume e Variety. Poiché decisioni importanti possono basarsi sui pattern e sugli insight che i dati offrono, dati imprecisi, inaffidabili o inadatti porteranno a decisioni sbagliate, con conseguenze reali per l'azienda. Prima di usare i dati per decidere dovete assicurarvi che siano stati validati, standardizzati e, in molti casi, normalizzati, così da poter sostenere altre analisi. Questo processo può però essere lungo e complesso, e le aziende sono spesso fin troppo pronte a evitarlo per mancanza di tempo e di competenze specialistiche. Ma non lasciate che vi fermi! I dati di mobilità sono una risorsa estremamente ampia e potente, capace di produrre risultati di grande valore per la vostra attività. Consigliamo vivamente di collaborare con fornitori come Huq Industries, o di usarne i dati, perché dedicano sempre tempo a stabilire la veridicità dei propri dati e ad assicurarsi che siano accurati, affidabili e immediatamente utilizzabili.

Come si può misurare la veridicità dei dati?

Mettendo a confronto due insiemi di dati di mobilità è difficile valutarne le differenze. Entrambi potrebbero avere una colonna per la data, forse una categoria, un luogo o un oggetto, e poi un numero. Ma un momento: quei numeri sono diversi! Quale sarà quello giusto? È importante valutare la veridicità di qualsiasi dato su cui basate le vostre decisioni, prima di agire di conseguenza. Usare informazioni sbagliate può portare a errori costosi e imbarazzanti. Ecco come evitarlo.

1. Confrontate i dati

Quasi sempre è possibile trovare da qualche parte un insieme di dati equivalente con cui confrontare i vostri dati di mobilità. Esistono numerose ottime fonti di dati aperti. Molto spesso l'istituto nazionale di statistica del Paese di riferimento, come l'Office For National Statistics (ONS) nel Regno Unito, mette a disposizione risorse dettagliate e di alta qualità da scaricare. Ci sono poi molte altre librerie ad accesso libero da esplorare, come Kaggle.com e i dataset pubblici di Google BigQuery. I dati non coincideranno esattamente – altrimenti perché servirebbe una fonte commerciale! – ma dovrebbero essere abbastanza vicini da offrire un benchmark legittimo. Le differenze tipiche sono che (a) sono vecchi e arrivano solo fino [ all'anno scorso ], (b) sono meno frequenti e offrono intervalli trimestrali anziché settimanali, (c) coprono un'area geografica più ampia, come la città o il Paese anziché il polo commerciale che state studiando, oppure (d) per via delle fonti usate e del modo in cui i dati sono preparati, la metrica riflette in realtà qualcosa di leggermente diverso. In ogni caso dovrebbe essere possibile aggregare o sintetizzare i dati di mobilità che state verificando allo stesso livello del dataset autorevole di riferimento, così che il confronto sia ragionevolmente omogeneo. Una volta ottenute due serie confrontabili, come misurarne le somiglianze in modo oggettivo e statistico?

2. Calcolate la correlazione di Pearson

Il metodo più comune per misurare quanto due insiemi di dati si somiglino consiste nel calcolare il coefficiente di correlazione di Pearson. È senz'altro una semplificazione, ma immaginate di avere due linee sullo stesso grafico che mostrano il numero di [ viaggi in treno ] effettuati in un Paese nel tempo. Entrambe salgono e scendono in base ai giorni della settimana e alle stagioni, ma presentano differenze evidenti. La funzione di correlazione di Pearson considera sia la direzione (verso l'alto o verso il basso) sia l'angolo di variazione tra gli intervalli (la pendenza) e fornisce un numero che descrive quanto le due serie siano allineate. Il valore va da -1 (immagine speculare) a 0 (nessuna somiglianza) fino a 1 (corrispondenza perfetta). Nella maggior parte dei casi, se vi fidate dei dati con cui state confrontando i vostri dati di mobilità, cercate un numero il più vicino possibile a 1. Quasi tutti gli strumenti di elaborazione dati integrano già la funzione di correlazione di Pearson, quindi non dovete scriverla da zero. In Excel o Google Fogli, ad esempio, la funzione è semplicemente =CORRELAZIONE(serie 1; serie 2). Ma la correlazione di Pearson non vi dice quanto le due serie siano distanti sull'asse Y!

3. Calcolate l'errore percentuale assoluto medio (MAPE)

Che cos'è l'errore percentuale assoluto medio? Il MAPE è un valore spesso usato per descrivere quanto due linee o serie siano distanti tra loro sull'asse Y. È importante se entrambi gli insiemi di dati confrontati esprimono cifre in termini assoluti, ad esempio il numero effettivo di viaggi in treno o i ricavi effettivi di un'azienda. I due insiemi potrebbero essere identici dal punto di vista della «forma» (si veda sopra la correlazione di Pearson), ma se uno indica 100 viaggi in treno e l'altro 100.000 viaggi nello stesso giorno, avete un problema! Se entrambi gli insiemi confrontati sono indicizzati allo stesso momento, partiranno entrambi dal vostro numero di riferimento (spesso 100) e mostreranno semplicemente come se ne discostano nel tempo. In quel caso non dovrete preoccuparvi di calcolare l'errore percentuale assoluto medio. Il MAPE calcola la differenza (positiva o negativa) tra i valori agli stessi intervalli (ad esempio il giorno) e ne fa la media, per dare un'idea di quanto le due linee siano distanti lungo l'intera serie. Quasi tutte le aziende che prendono molto sul serio la validazione dei dati (come tutti dovrebbero) cercano una correlazione di Pearson alta e un MAPE basso per stabilire che il dataset di prova corrisponde bene a quello autorevole.

4. Chiedete al fornitore

Validare nuovi dati con la combinazione di correlazione di Pearson e MAPE è lodevole e incoraggiamo tutti a farlo. Nella realtà, però, non tutte le aziende hanno il tempo o le risorse per farlo. Qualsiasi fornitore di dati di mobilità di alta qualità che tenga alla veridicità dei propri dati dovrebbe verificarli continuamente in questo modo o in modi equivalenti, ed essere in grado di condividere i risultati dei test in modo aperto e trasparente. Spesso la cosa più semplice è chiederglielo! Vi dirà molto sull'approccio di ciascun fornitore alla qualità e alla veridicità dei dati.Dieci strumenti per potenziare visualizzazione e presentazione dei dati di mobilitàNon basta avere dati a volontà: occorre saperli visualizzare e rappresentare in modo chiaro ed efficace (come illustrato nel capitolo otto) per ottenerne tutti i benefici. Per facilitare le cose esiste un'ampia gamma di strumenti di visualizzazione e presentazione. Per iniziare, condividiamo la nostra lista dei dieci migliori. Visualizzando e presentando bene i vostri dati di mobilità avrete molte più probabilità di ottenere l'adesione e l'interesse degli stakeholder per l'obiettivo che state perseguendo.

1. Google Data Studio

Google Data Studio è un ottimo strumento online gratuito che consente di creare report e dashboard personalizzati e informativi. È stato introdotto nel marzo 2016 come soluzione enterprise, con una versione gratuita arrivata nel maggio dello stesso anno. Con Google Data Studio potete visualizzare i dati con grafici e tabelle altamente configurabili, per raccontare storie diverse. Potete collegare facilmente diverse fonti di dati e condividere e collaborare con altri utenti o colleghi. Data Studio include tutte le visualizzazioni consuete – linee, barre, colonne, torta, tabelle e indicatori – e offre filtri e controlli di intervallo temporale semplici da usare. Potete anche curare lo stile dei report con colori, tipografia e immagini. Non servono competenze di programmazione, ma potete collegare database come BigQuery, MySQL e PostgreSQL e combinare dati da fonti diverse.

2. Kepler

Kepler è un potente strumento open source di analisi geospaziale per dataset su larga scala. È una piattaforma web per la visualizzazione di grandi volumi di dati di localizzazione, creata e resa open source dal team di visualizzazione di Uber. Nasce come framework open source di livello industriale ed è ottimo per l'analisi esplorativa dei dati. Il principale svantaggio di Kepler è che tutta l'elaborazione deve avvenire al di fuori dello strumento e che si tratta di un'applicazione desktop che accetta solo dati CSV e JSON. Con grandi volumi questo può diventare faticoso e laborioso, dovendo scaricare continuamente file CSV da riportare nello strumento. In generale Kepler si rivolge a utenti business privi delle competenze necessarie di programmazione o SQL. Detto questo, è stato adottato piuttosto ampiamente dai data scientist di Google e AirBnB per la visualizzazione.

3. Mapbox

Mapbox fornisce mappe e localizzazioni per sviluppatori e può utilizzare dati di localizzazione precisi. Offre agli sviluppatori accesso a informazioni di localizzazione complete e la possibilità di creare e personalizzare mappe dinamiche o statiche con i tileset Mapbox. Queste mappe possono poi essere integrate in applicazioni web. Il piano gratuito è generoso ed è una soluzione ideale per aziende con volumi di utenti contenuti. Trovate una documentazione ben organizzata per uno strumento facile da integrare, anche se la curva di apprendimento è piuttosto ripida. Mapbox è attualmente usato da Snap, Shopify e Meta (già Facebook).

4. Carto

Carto è una piattaforma SaaS open source di location intelligence costruita su PostGIS e PostgreSQP, in passato nota come CartoDB. Offre strumenti di GIS, web mapping e data science spaziale e copre un'ampia gamma di casi d'uso grazie alle sue capacità trasversali di visualizzazione e analisi. Integra inoltre numerosi filtri e widget per analizzare e visualizzare meglio i dati. Ci sono però alcuni svantaggi. Come per Kepler, tutta la pre-elaborazione deve avvenire fuori dal sistema, soprattutto con dataset complessi. Inoltre l'analisi può essere condotta su un solo dataset alla volta. Carto si posiziona come piattaforma di location intelligence con buone capacità sia di analisi sia di visualizzazione, che non richiede esperienza pregressa in GIS o sviluppo, con un'interfaccia pensata per gli sviluppatori web e i data scientist di oggi.

5. Microsoft Power BI

Microsoft Power BI è la soluzione di visualizzazione ideale negli ambienti Microsoft già esistenti. È un potente strumento di analisi e visualizzazione capace di raccogliere informazioni da più fonti e riunirle in dashboard interattive. Microsoft Power BI è adatto alle aziende che cercano report su KPI e metriche chiave ed è abile nel trasformare dati complessi in grafici e infografiche facili da comprendere. Il vantaggio principale è la facilità con cui si possono unire dati da più fonti in un unico report, interamente nel cloud.

6. Tableau

Tableau è una piattaforma di analisi visiva che eccelle nel raccogliere dati da più fonti, come machine learning, intelligenza artificiale e business intelligence. Ha un'interfaccia di visualizzazione molto piacevole e semplice da usare, quindi molto accessibile per le aziende. Tableau si integra con circa 250 applicazioni diverse, tra cui il diffuso CRM Salesforce. Esiste anche un'opzione più economica per le realtà più piccole, Tableau Public, che offre visualizzazione dei dati gratuita.

7. Maptive

Maptive è un altro ottimo strumento cloud per la visualizzazione e l'analisi dei dati di mobilità. È un software evoluto che consente di caricare dati da foglio di calcolo, riportati immediatamente su una mappa. Da lì potete usare tecniche di visualizzazione come mappe di calore, mappe a cluster e raggi di tempo di percorrenza per far emergere insight chiave e migliorare le decisioni. Trattandosi di uno strumento cloud, collaborazione e condivisione sono semplici.

8. Someka Heat Maps

Someka Heat Maps è una soluzione diffusa e dedicata alle mappe di calore, che consente di generarne di efficaci e informative all'interno di Microsoft Excel. Basta importare i dati e la mappa viene generata automaticamente, con una colorazione automatica che distingue le diverse unità geografiche. Poiché si basa su Excel, Someka è molto semplice e pratico da usare ed è una soluzione efficace per produrre mappe di calore.

9. Google Maps API

Le Google Maps API sono lo strumento più diffuso per integrare mappe nelle applicazioni. Trattandosi di un prodotto Google, dispongono di un enorme database di luoghi e di solide funzioni di calcolo del percorso. Includono tutte le funzionalità di Google Maps – geocodifica, percorsi, immagini, Street View e informazioni sui luoghi – e questo, unito alla possibilità di personalizzare l'aspetto delle mappe, le rende molto potenti e utili. L'utilizzo è gratuito, ma occorre pagare per mostrare luoghi, dettagli o indicazioni stradali. Il grande vantaggio è, come detto, l'ampiezza del database, quella che ci si aspetta da un prodotto Google. Ci sono però alcuni svantaggi: il rendering è molto pesante e consuma rapidamente la batteria. Marcatori e forme sono inoltre statici al 100 % e, non trattandosi di un prodotto open source, le funzioni di calcolo del percorso sono costose. Sono attualmente usate da Uber, Bolt e Trip Advisor, tra molti altri.

10. OpenStreetMap API

Le OpenStreetMap API vengono spesso indicate come alternativa a Mapbox. È una soluzione open source alimentata da una comunità di volontari che crea percorsi, immagini e altri dati per la mappa. Il servizio e la mappa sono accessibili al pubblico, ma non potete usare l'API per ottenere percorsi in tempo reale in applicazioni commerciali: è limitata a fornire dati vettoriali solo per l'editing cartografico. A causa di questi limiti, gli utenti finiscono spesso per rivolgersi comunque a servizi come Mapbox, e l'utilità complessiva resta contenuta, dato che percorsi, clustering delle mappe e simili dipendono da API di terze parti. La documentazione, inoltre, è incompleta.

In sintesi

Esistono molti strumenti di visualizzazione dei dati, alcuni a pagamento e altri gratuiti. Alcuni sono specificamente pensati per informazioni cartografiche o geospaziali; altri offrono una solida base per mostrare visualizzazioni statistiche tradizionali e interagirvi. Curiosamente, anche se i dati di mobilità raccontano fatti reali del mondo reale e si penserebbe che le mappe siano la loro sede naturale, questi dati sono in realtà statistici. E quindi molto spesso il modo più chiaro ed efficace per mostrare trend e insight di mobilità passa da forme convenzionali come grafici a linee, istogrammi e simili. Per i dati non statistici, come le mappe di calore di diffusione, la visualizzazione cartografica resta invece l'unica strada. Questi strumenti non sono di per sé dati di mobilità: sono semplicemente il software che permette di visualizzarli e comprenderli. Piattaforme di questo tipo offrono sempre più spesso dataset gratuiti o commerciali, ma quei dati provengono sempre da terze parti. Se gli strumenti di visualizzazione sono l'automobile, i dati di mobilità sono il carburante: servono sempre entrambi per mettersi in marcia!ConclusioneEccoci qua: la nostra immersione in tutto ciò che riguarda i dati di mobilità. Ora dovreste avere una buona comprensione di tutto ciò che comportano. Abbiamo spiegato che cosa sono, come si confrontano i diversi metodi di misurazione e come le organizzazioni possono usarli per decidere meglio. Abbiamo inoltre condiviso alcuni ottimi modi per visualizzare i vostri dati di mobilità e i nostri strumenti preferiti per farlo. Questa guida definitiva ai dati di mobilità continuerà ad ampliarsi e a crescere nel tempo, quindi tornate a consultarla per avere sempre le informazioni più aggiornate!