Im ArcGIS Business Analyst Web App-Bereich Ergebnisse werden die Analyseergebnisse als Datenzusammenfassungen, Visualisierungen und Tabelle angezeigt. Die Datenvisualisierungen und die Tabelle sind interaktiv. Wenn Sie beispielsweise mit der Maus auf einen Balken im Histogramm oder auf eine Zelle in der Tabelle zeigen, wird der entsprechende Standort auf der Karte hervorgehoben.
Sie können innerhalb der folgenden Workflows auf den Bereich Ergebnisse zugreifen:
- Farbcodierte Karten
- Smart Map Search
- Eignungsanalyse
- Suche nach Points of Interest (POI)
- Benchmark-Vergleiche
Beispiele
Es folgen Beispielszenarien für den Einsatz des Bereichs Ergebnisse in verschiedenen Workflows.
Beispiel einer farbcodierten Karte
Ein Gesundheitsdienstleister, der im Westen des US-Bundesstaates Pennsylvania ansässig ist, untersucht die Bevölkerungsdichte. Die Organisation erstellt eine farbcodierte Karte, um Gebiete mit hoher Bevölkerungsdichte zu identifizieren, die von Pop-up-Impfzentren profitieren könnten. Im Workflow "Farbcodierte Karten" verwendet die Organisation die Variablen Median Age und Population Density. Die Ergebnisse werden in die Karte übernommen sowie in den Bereich Ergebnisse, wo eine Zusammenfassung, ein Histogramm und eine Tabelle zu sehen sind.
Sehen Sie sich die unten stehende Animation an, um die farbcodierte Karte und den Bereich Ergebnisse zu erkunden.
Beispiel einer Smart Map Search
Eine gemeinnützige Organisation für Wohnungsgerechtigkeit, die im Westen des US-Bundesstaates Pennsylvania ansässig ist, untersucht die Bezahlbarkeit und Verfügbarkeit von Wohnraum. Die Organisation nutzt Smart Map Search, um Gebiete mit Investitionsbedarf zu ermitteln. Im Workflow "Smart Map Search" nutzt die Organisation die Variablen der Daten Housing list, die die Variablen "Median Home Value", "Average Household Size", "Total Housing Units", "Percent of Income for Mortgage" und "Housing Affordability Index" enthält. Die Ergebnisse werden in die Karte übernommen sowie in den Bereich Ergebnisse, wo eine Zusammenfassung, ein Histogramm, ein Blasendiagramm und eine Tabelle zu sehen sind.
Sehen Sie sich die unten stehende Animation an, um die Smart Map und den Bereich Ergebnisse zu erkunden.
Beispiel einer Eignungsanalyse
Der Inhaber eines kleinen Waschsalon-Unternehmens hat vor, neue Märkte zu erschließen. Der Geschäftsinhaber hat analysiert, welche Faktoren zum Erfolg eines Unternehmens beitragen, wie z. B. Parkplätze, Gebiete mit einem hohen Prozentsatz an gemieteten Wohneinheiten und Gebiete mit relativ hoher Bevölkerungsdichte. Der Geschäftsinhaber verwendet diese Kriterien in einer Eignungsanalyse, in der er Blockgruppen in Dane County, Wisconsin analysiert. Die Eignungswerte der Standorte werden zweifach ausgegeben: mit einer Farbcodierung der Blockgruppen auf der Karte und im Bereich Ergebnisse, der eine Zusammenfassung, ein Histogramm, ein Blasendiagramm und eine Tabelle enthält.
Sehen Sie sich die unten stehende Animation an, um die Karte der Eignungsanalyse und den Bereich Ergebnisse zu erkunden.
Wie Sie dieses Beispiel selber erstellen, finden Sie im Lernprogramm Expansion eines kleinen Unternehmens.
Beispiel einer Suche nach Points of Interest (POI)
Ein Kino in New Orleans, Louisiana, möchte in ein neues Gebiet expandieren und möchte sich einen Überblick über die aktuelle Wettbewerbslandschaft verschaffen. Dafür führen Sie eine Suche nach Points of Interest (POI) und zugehörigen POIs durch. Die Ergebnisse werden in die Karte übernommen sowie in den Bereich Ergebnisse, wo eine Zusammenfassung, ein Histogramm, ein Blasendiagramm und eine Tabelle zu sehen sind.
Hinweis:
Im Bereich Ergebnisse werden nur dann ein Histogramm und ein Blasendiagramm angezeigt, wenn Data Axle als Datenquelle verwendet wird.
Sehen Sie sich die unten stehende Animation an, um die Suche nach Points of Interest (POI) und den Bereich Ergebnisse zu erkunden.
Beispiel für Benchmark-Vergleiche
Eine Business-to-Consumer-Agentur untersucht Standorte in Pittsburgh, Pennsylvania, für eine Fernsehwerbekampagne. Sie verwenden den Workflow "Benchmark-Vergleiche", um Postleitzahlen im DMA (Designated Market Area) in Pittsburgh mit der Variablenliste Bevölkerung und Einkommen und dem Medianwert als Benchmark-Wert zu vergleichen. Die Karte verwendet eine Farbcodierung mit der Vergleichsmethode Über und unter Benchmark, um darzustellen, ob eine Postleitzahl über oder unter dem Medianwert liegt.
Anhand dieser Analyse kann die Agentur bestimmen, wo sie ihre Werbekampagne auf der Grundlage des Vergleichs der Standorte mit dem Benchmark-Wert ausrichten sollte. So stehen Postleitzahlen über dem Medianwert für einkommensstärkere oder bevölkerungsreichere Gebiete, die sich ideal für Luxuswerbung eignen, während Postleitzahlen unter dem Medianwert auf preisgünstige Produkte abzielen können. Wenn die Agentur eine zusätzliche Analyse durchführen müsste, könnte sie die Standardabweichung verwenden, um zu bewerten, ob es eine Einkommensschere gibt, die die Werbung für verschiedene Arten von Produkten oder Services innerhalb desselben Gebiets nahelegen könnte.
Sehen Sie sich die unten stehende Animation an, um die Karte der Benchmark-Vergleiche und den Bereich Ergebnisse zu erkunden.
Zusammenfassungsberechnungen
Auf der Registerkarte Zusammenfassung 
erhalten Sie einen Überblick über die aggregierten Analysedaten des Workflow. Beispielsweise wird die Gesamtzahl der in den Daten analysierten Geographien und Trends aufgeführt.
| Berechnung | Beschreibung | Workflows |
|---|---|---|
Aggregierte Daten | Aggregierte Daten bieten eine Zusammenfassung der Einzeldaten. Sie können in Form von Durchschnittswerten, Prozentsätzen oder Proportionalität angegeben werden. |
|
Ersten 5/Letzten 5 | Unter "Ersten 5" und "Letzten 5" sind die fünf Standorte mit dem höchsten bzw. niedrigsten Rang aufgeführt. |
|
Trends | Mit Trends wird dargestellt, wie sich die Datenvariable im Zeitverlauf verändert hat, sofern Zeitseriendaten für die Variable verfügbar sind. |
|
Rangstufe | Die Rangstufe eines Standortes gibt an, wie das Endergebnis dieses Standortes im Vergleich zu anderen Standorten in der Analyse abschneidet. Je besser das Endergebnis, desto höher die Rangstufe des Standortes. |
|
Punktzahl | Der endgültige Eignungswert eines Standorts wird berechnet, indem die gewichteten Bewertungen für jede der in der Analyse verwendeten Variablen addiert werden. |
|
Gewichtetes Ergebnis | Das gewichtete Ergebnis für eine Variable wird als prozentuale Differenz zwischen dem Wert für einen bestimmten Standort und dem vom Benutzer ausgewählten Zielwert berechnet. Der endgültige Eignungswert eines Standorts wird berechnet, indem die gewichteten Bewertungen für jede der in der Analyse verwendeten Variablen addiert werden. |
|
Innerhalb des Bereichs | Ein Bereich legt einen Minimal- und einen Maximalwert fest, um den Analyseumfang zu begrenzen. Werte innerhalb des Bereichs liegen zwischen dem festgelegten Mindest- und Maximalwert. |
|
Mittelwert oder Durchschnitt | Der Mittelwert oder Durchschnitt wird berechnet, indem alle Werte addiert und diese Summe durch die Anzahl der Werte dividiert wird. Das Ergebnis gibt einen Zentralpunkt der Daten an. |
|
Minimum | Der Minimalwert ist der kleinste Wert in den Daten. |
|
Maximum | Der Maximalwert ist der größte Wert in den Daten. |
|
Medianwert | Der Medianwert ist der Mittelwert, wenn die Daten vom niedrigsten zum höchsten Wert geordnet sind. Bei einem schiefen Dataset kann der Medianwert einen besseren Hinweis auf die zentrale Tendenz geben als der Mittelwert, da er weniger von Extremwerten oder Ausreißern beeinflusst wird, die den Mittelwert verzerren können. |
|
Standardabweichung | Die Standardabweichung misst, wie stark die Variation oder Streuung eines Datasets ist. Eine geringe Standardabweichung bedeutet, dass die meisten Datenpunkte nahe am Mittelwert liegen, während eine hohe Standardabweichung auf eine breite Streuung der Daten hinweist. Die Auswertung der Standardabweichung hilft zu beurteilen, wie weit die Daten im Vergleich zur Benchmark gestreut sind. |
|
IQR | Der IQR ist nützlich, um die zentrale Streuung von Daten zu ermitteln, und wird häufig in Boxplots dargestellt. Der Interquartil-Bereich (IQR) misst die Streuung der mittleren 50 Prozent der Daten. Dies ist der Bereich zwischen dem ersten Quartil (Q1) und dem dritten Quartil (Q3). |
|
Schiefe | Die Schiefe misst die Asymmetrie der Datenverteilung. |
|
Kurtosis | Die Kurtosis beschreibt das Gewicht der Spitzen und Flanken einer Verteilung im Vergleich zur Normalverteilung. Sie zeigt das Vorhandensein von Ausreißern im Vergleich zu einer Normalverteilung an. |
|
Berechnungen von Histogrammen
Auf der Registerkarte Histogramm 
finden Sie ein interaktives Histogramm zur Visualisierung der Variablen oder Attribute, die für die ausgewählte Geographie verwendet wurden. Wie auch ein Balkendiagramm ist ein Histogramm eine grafische Darstellung, die die Verteilung der Daten angibt.
| Berechnung | Beschreibung | Workflows |
|---|---|---|
Standardabweichung | Die Standardabweichung ist ein Maß dafür, wie sehr eine Variable oder ein Attribut vom eigenen Mittelwert abweicht. Eine höhere Standardabweichung (Standard Deviation, SD) bedeutet eine größere Abweichung vom Mittelwert und damit einen größeren Bereich an verwendeten Datenpunkten. Eine niedrigere Standardabweichung bedeutet eine geringere Abweichung vom Mittelwert und somit eine Eingrenzung der verwendeten Datenpunkte, wodurch sie genauer sein können. |
|
Ausreißer | Ausreißer sind Datenpunkte oder Werte, die außerhalb des normalen Bereichs liegen und nicht dem Muster der restlichen Daten entsprechen. |
|
Berechnungen für Blasendiagramme und Scatterplots
Auf der Registerkarte Blasendiagramm 
finden Sie eine weitere visuelle Darstellung der Daten in Form eines Blasendiagramms bzw. Scatterplot. In Blasendiagrammen und Scatterplots werden Punkte auf einer X- und Y-Achse angezeigt, um die Verteilung der Daten darzustellen. In einem Blasendiagramm ist die Größe des geplotteten Punktes proportional zum Datenwert.
| Berechnung | Beschreibung | Workflows |
|---|---|---|
Blasendiagramm | In Blasendiagrammen werden Punkte auf einer X- und Y-Achse angezeigt, um die Verteilung der Daten darzustellen. In einem Blasendiagramm ist die Größe des geplotteten Punktes proportional zum Datenwert. |
|
Scatterplot | In Scatterplots werden Punkte auf einer X- und Y-Achse angezeigt, um die Verteilung der Daten darzustellen. In einem Scatterplot ist die Größe jedes geplotteten Punktes standardisiert. |
|
X-Achse | Die Y-Achse in einem Diagramm ist horizontal und verläuft in Ost-West-Richtung. |
|
Y-Achse | Die X-Achse in einem Diagramm ist vertikal und verläuft in Nord-Süd-Richtung. |
|
Regressionslinie | In der Statistik ist eine Regressionslinie eine Gerade, mit der in einer Datenvisualisierung (z. B. einem Scatterplot) dargestellt wird, wie Variablen miteinander korrespondieren. Eine Regressionslinie wird mit der Formel y = mx + b berechnet. In dieser Formel steht die Variable m für die Steigung der Regressionslinie und die Variable b für den Schnittpunkt mit der Y-Achse. Anhand einer Regressionslinie können sich Datenanalysten ein Bild von den Trends in den Daten machen und Schätzungen bzw. Vorhersagen zu möglichen Werten treffen. Um zu messen, wie nahe die Daten an der Regressionslinie liegen, wird der R-Squared-Wert (R2) verwendet. |
|
Berechnungen der Korrelationsmatrix
Die Registerkarte Korrelationsmatrix 
bietet eine Visualisierung der Korrelationen zwischen den Variablen und dem Endergebnis.
Hinweis:
Die Korrelationsmatrix ist nur im Workflow Eignungsanalyse verfügbar. Weitere Informationen zu den zugrunde liegenden Berechnungen finden Sie unter Referenz zur Variablenkorrelation.
| Berechnung | Beschreibung |
|---|---|
Korrelationskoeffizient
| Der r nach Pearson-Wert ist ein Koeffizient, der zwischen -1 und 1 liegt und sowohl die Stärke als auch die Richtung einer linearen Beziehung misst. Werte näher an +1 weisen auf eine starke positive Beziehung hin, während Werte näher an -1 eine starke negative Beziehung anzeigen. Werte nahe 0 weisen auf eine geringe oder keine lineare Beziehung hin. |
Statistische Signifikanz
| Ein p-Wert gibt an, wie wahrscheinlich es ist, eine so starke Korrelation rein zufällig zu beobachten, wenn keine echte Korrelation vorliegt. Wenn der p-Wert unter 0,05 liegt (was einem Konfidenzniveau von 95 Prozent entspricht), wird das Ergebnis als statistisch signifikant angesehen, was bedeutet, dass die Korrelation wahrscheinlich nicht auf zufällige Schwankungen zurückzuführen ist. |
Größe der Beispieldaten
| Die Stichprobengröße ist die Anzahl der für die Analyse verwendeten Positionen. Eine Stichprobengröße von 16 bedeutet beispielsweise, dass 16 Positionen (bei Verwendung von Standardgeographien können dies Landkreise sein, bei Verwendung von Hexagonen die Anzahl der Hexagone) in der Analyse verwendet wurden. |
Korrelation
| Die Korrelationsmatrix bietet einen visuellen Überblick darüber, wie Variablen miteinander in Beziehung stehen, und zeigt die endgültige Bewertung mithilfe einer Farbcodierung an. Standardmäßig zeigen dunkelgrüne Zellen starke positive Korrelationen (r nahe +1), während dunkelrote Zellen starke negative Korrelationen (r nahe -1) anzeigen. Hellere Farbtöne – hellgrün, hellrot oder fast weiß – weisen auf eine schwache oder keine lineare Beziehung hin (r nahe 0). |
Scatterplots
| Jede Zelle in der Korrelationsmatrix zeigt ein Scatterplot einer Variablen im Verhältnis zu einer anderen – eine auf der X-Achse und eine auf der Y-Achse. Wenn Sie den Mauszeiger über das Diagramm bewegen, wird eine QuickInfo mit den genauen Variablennamen angezeigt, und Sie können die Verteilung der Datenpunkte untersuchen. In der Variablenliste Bevölkerung und Einkommen können Sie beispielsweise sofort erkennen, wie das mittlere Haushaltseinkommen mit der Wachstumsrate, der Gesamtbevölkerung tagsüber oder der Gesamtbewertung der Eignung zusammenhängt, wobei Ausreißer oder Cluster-Bildungen sofort erkennbar sind. |
Histogramme
| Wie auch ein Balkendiagramm ist ein Histogramm eine grafische Darstellung, die die Verteilung der Daten angibt. Bewegen Sie den Mauszeiger über das Histogramm einer Variablen, um deren Mittelwert anzuzeigen (dies ist der Mittelpunkt der Daten, auch als Durchschnitt bezeichnet). Dies bietet einen visuellen Überblick über die Verteilung der Daten der Variablen. Sie können beispielsweise feststellen, ob die Datenverteilung einer Variablen relativ gleichmäßig ist oder extreme Ausreißer aufweist. Die Datenverteilung jeder Variablen hat Auswirkungen darauf, wie die Variable mit den anderen Variablen korreliert, sowie auf die allgemeine Eignungsanalyse. |
Tabellenberechnungen
Auf der Registerkarte Tabelle 
finden Sie die Datenergebnisse in einem herunterladbaren Tabellenformat.
| Berechnung | Beschreibung | Workflows |
|---|---|---|
Punktzahl | Der endgültige Eignungswert eines Standorts wird berechnet, indem die gewichteten Bewertungen für jede der in der Analyse verwendeten Variablen addiert werden. |
|
Gewichtetes Ergebnis | Das gewichtete Ergebnis für eine Variable wird als prozentuale Differenz zwischen dem Wert für einen bestimmten Standort und dem vom Benutzer ausgewählten Zielwert berechnet. Der endgültige Eignungswert eines Standorts wird berechnet, indem die gewichteten Bewertungen für jede der in der Analyse verwendeten Variablen addiert werden. |
|
Benchmark | Ein Benchmark ist ein Wert, der zu Vergleichszwecken festgelegt wird. |
|
Ressourcen
Weitere Informationen zu den Workflows, bei denen der Bereich Ergebnisse ausgegeben wird, finden Sie in den folgenden Themen: