El panel Resultados de ArcGIS Business Analyst Web App muestra los resultados del análisis mediante resúmenes de datos, visualizaciones y una tabla. Las visualizaciones de los datos y la tabla son interactivas. Por ejemplo, si pasa el cursor sobre una barra del histograma o una celda de la tabla, su sitio correspondiente aparece resaltado en el mapa.
Puede acceder al panel Resultados en los siguientes flujos de trabajo:
- Mapa codificado por colores
- Búsqueda de mapa inteligente
- Análisis de adecuación
- Búsqueda de puntos de interés (POI)
- Comparaciones de puntos de referencia
Ejemplos
Los siguientes escenarios ofrecen ejemplos de organizaciones que utilizan el panel Resultados en diversos flujos de trabajo.
Ejemplo de mapas codificados por colores
Un proveedor de servicios sanitarios del oeste de Pensilvania está investigando la densidad de población. La organización está creando un mapa codificado por colores para identificar las áreas que tienen una población densa y que podrían beneficiarse de puntos de vacunación. En el flujo de trabajo del mapa codificado por colores, la organización utiliza las variables Mediana de edad y Densidad de población. Los resultados se rellenan en el mapa y en el panel Resultados, que muestra un resumen, un histograma y una tabla.
Vea la siguiente animación para explorar el panel Resultados del mapa codificado por colores.
Ejemplo de búsqueda de mapa inteligente
Una ONG de justicia en materia de vivienda del oeste de Pensilvania está investigando la asequibilidad y disponibilidad de viviendas. Esta organización utiliza la búsqueda en mapas inteligentes para encontrar las áreas que necesitan inversión. En el flujo de trabajo de búsqueda de mapas inteligentes, la organización utiliza las variables de los datos de Lista de viviendas, que incluye el valor medio de las viviendas, el tamaño medio de las viviendas, el total de unidades de vivienda, el porcentaje de ingresos para la hipoteca y el índice de asequibilidad de las viviendas. Los resultados se rellenan en el mapa y en el panel Resultados, que muestra un resumen, un histograma, un gráfico de burbujas y una tabla.
Vea la siguiente animación para explorar el mapa inteligente y el panel Resultados.
Ejemplo de análisis de idoneidad
El propietario de una pequeña empresa de instalaciones de lavandería está interesado en expandirse a nuevos mercados. El propietario de la empresa ha analizado qué factores han contribuido a una instalación exitosa, como las plazas de estacionamiento, las áreas con un alto porcentaje de hogares ocupados por arrendatarios y las áreas con una densidad de población relativamente alta. El propietario de la empresa utiliza estos criterios para realizar un análisis de idoneidad analizando grupos de bloques en el condado de Dane, Wisconsin. Las puntuaciones de idoneidad de los sitios se devuelven de dos maneras: mediante colores codificados para los grupos de bloques del mapa y en el panel Resultados, que muestra un resumen, un histograma, un gráfico de burbujas y una tabla.
Vea la siguiente animación para explorar el mapa de análisis de idoneidad y el panel Resultados.
Para crear este ejemplo usted mismo, consulte el tutorial Expandir una pequeña empresa.
Ejemplo de búsqueda de puntos de interés (POI)
Un cine de Nueva Orleans, Luisiana, quiere expandirse a un nuevo territorio y desea conocer el panorama competitivo actual. Realizan una búsqueda de puntos de interés (POI) de cines y POI relacionados. Los resultados se rellenan en el mapa y en el panel Resultados, que muestra un resumen, un histograma, un gráfico de burbujas y una tabla.
Nota:
El panel Resultados muestra un histograma y un gráfico de burbujas solo cuando se utiliza Data Axle como fuente de datos.
Vea la siguiente animación para explorar el mapa de búsqueda de puntos de interés (POI) y el panel Resultados.
Ejemplo de comparaciones de puntos de referencia
Una agencia orientada al consumidor está buscando ubicaciones en Pittsburgh, Pensilvania, para una campaña publicitaria de televisión. Ellos utilizan el flujo de trabajo de comparaciones de puntos de referencia para comparar códigos postales en el área de mercado designada (DMA) de Pittsburgh con la lista de variables Población e ingresos y la mediana como valor de punto de referencia. El mapa implementa codificación con colores con el método de comparación Por encima y por debajo del punto de referencia para representar si un código postal está por encima o por debajo de la mediana.
La agencia puede utilizar este análisis para determinar adónde dirigir su campaña publicitaria en función de la comparación de los sitios con el valor de punto de referencia. Por ejemplo, los códigos postales por encima de la mediana representan los ingresos más altos o las áreas más pobladas, ideales para la publicidad de lujo, mientras que los códigos postales por debajo de la mediana podrían destinarse a publicitar productos más económicos. Si la agencia necesita realizar análisis adicionales, podrían utilizar la desviación estándar para evaluar si hay una diferencia de ingresos que podría sugerir promocionar diferentes tipos de productos o servicios en la misma área.
Vea la animación siguiente para examinar el mapa de comparaciones de puntos de referencia y el panel Resultados.
Cálculos de resumen
La pestaña Resumen 
ofrece una visión general del análisis a nivel agregado del flujo de trabajo. Por ejemplo, enumera el número total de geografías analizadas y las tendencias de los datos.
| Cálculo | Descripción | Flujos de trabajo |
|---|---|---|
Datos a nivel agregado | Los datos a nivel agregado son un resumen de los datos. Puede representarse en forma de medias, porcentajes o proporcionalidad. |
|
5 primeros/5 últimos | 5 primeros y 5 últimos representan las cinco ubicaciones con mayor y menor clasificación. |
|
Tendencias | Tendencias representa cómo ha cambiado la variable de datos a lo largo del tiempo, si se dispone de datos de series temporales para la variable. |
|
Clasificación | La clasificación de un sitio es la comparación de la puntuación final de ese sitio con otros sitios del análisis. Cuanto mejor sea la puntuación final, mayor será la clasificación del sitio. |
|
Puntuación | La puntuación final de adecuación de un sitio se calcula sumando las puntuaciones ponderadas de cada una de las variables utilizadas en el análisis. |
|
Puntuación ponderada | La puntuación ponderada de cada variable se calcula como una diferencia porcentual entre el valor de un sitio determinado y el valor objetivo seleccionado por el usuario. La puntuación final de adecuación de un sitio se calcula sumando las puntuaciones ponderadas de cada una de las variables utilizadas en el análisis. |
|
Dentro del rango | El rango establece un valor máximo y un valor mínimo para limitar el alcance del análisis. Los valores que están dentro del rango se encuentran dentro del máximo y el mínimo definidos. |
|
Promedio o media | El promedio (o media) se calcula sumando todos los valores y dividiendo la suma entre el número de valores. Proporciona un punto central de los datos. |
|
Mínimo | El mínimo es el valor más bajo de los datos. |
|
Máximo | El máximo es el valor más alto de los datos. |
|
Mediana | La mediana es el valor medio cuando los datos se ordenan del más bajo al más alto. Si el dataset está sesgado, la mediana podría proporcionar una indicación mejor de la tendencia central que la media porque le afectan menos los valores extremos o atípicos, que pueden distorsionar la media. |
|
Desviación estándar | La desviación estándar mide la cantidad de variación o dispersión que hay en un dataset. Una desviación estándar baja significa que la mayoría de los puntos de datos están próximos a la media, mientras que una desviación estándar alta indica una mayor dispersión de los datos. La evaluación de la desviación estándar ayuda a evaluar la dispersión de los datos en comparación con el punto de referencia. |
|
IQR | IQR es útil para identificar la dispersión central de datos y a menudo se visualiza en diagramas de caja. El rango intercuartílico (IQR) mide la dispersión del 50% medio de los datos. Es el rango entre el primer cuartil (Q1) y el tercer cuartil (Q3). |
|
Sesgo | El sesgo mide la asimetría de la distribución de datos. |
|
Curtosis | La curtosis describe el pico y el peso de las colas de una distribución en una distribución de datos en comparación con una distribución normal. Indica la presencia de valores atípicos en comparación con una distribución normal. |
|
Cálculos de histograma
La pestaña Histograma 
proporciona un histograma interactivo que visualiza las variables o atributos utilizados para la geografía seleccionada. Un histograma es una representación gráfica, similar a un diagrama de barras, que representa la distribución de los datos.
| Cálculo | Descripción | Flujos de trabajo |
|---|---|---|
Desviación estándar | La desviación estándar es la medida de cuánta variación existe en una variable o atributo en comparación con su media. El aumento de la desviación estándar (DE) representa un aumento de la variación respecto a la media y, por tanto, un mayor rango de puntos de datos. La disminución de la DE representa una disminución de la variación con respecto a la media, lo que reduce los puntos de datos utilizados y puede resultar más preciso. |
|
Valores atípicos | Los valores atípicos representan puntos de datos o valores que se encuentran en un rango anormal y no siguen el patrón del resto de los datos. |
|
Cálculos de gráfico de burbujas y de dispersión
La pestaña Gráfico de burbujas 
ofrece una representación visual de los datos en forma de gráfico de burbujas o de dispersión. Un gráfico de burbujas y un gráfico de dispersión trazan puntos en un eje x e y para representar la distribución de los datos. En un gráfico de burbujas, el tamaño del punto trazado es proporcional al valor de los datos.
| Cálculo | Descripción | Flujos de trabajo |
|---|---|---|
Gráfico de burbujas | Un gráfico de burbujas muestra puntos en un eje x e y para representar la distribución de los datos. En un gráfico de burbujas, el tamaño del punto trazado es proporcional al valor de los datos. |
|
Gráfico de dispersión | Un gráfico de dispersión muestra puntos en un eje x e y para representar la distribución de los datos. En un diagrama de dispersión, el tamaño de cada punto trazado está normalizado. |
|
Eje X | El eje X de un gráfico es horizontal, es decir, está orientado de este a oeste. |
|
Eje Y | El eje Y de un gráfico es vertical, o sea, orientado de norte a sur. |
|
Línea de regresión | En estadística, una línea de regresión es una línea recta que se utiliza en una visualización de datos (como un gráfico de dispersión) para representar cómo se corresponden las variables entre sí. Una línea de regresión se calcula con una fórmula, en la que y = mx + b. En esta fórmula, la variable m representa la pendiente de la línea de regresión y la variable b representa la intersección y. Los analistas de datos utilizan una línea de regresión para comprender las tendencias de los datos y estimar o predecir cuál podría ser un valor. Para medir lo cerca que están los datos de la línea de regresión, utilice el valor R cuadrado (R2). |
|
Cálculos de la matriz de correlación
Haga clic en la pestaña Matriz de correlación 
ofrece una visualización de cómo se correlacionan las variables y la puntuación final.
Nota:
La matriz de correlación solo está disponible en el flujo de trabajo análisis de idoneidad. Para obtener más información acerca de los cálculos subyacentes, consulte Referencia de correlación variable.
| Cálculo | Descripción |
|---|---|
Coeficiente de correlación
| El coeficiente r de Pearson es un coeficiente que oscila entre -1 y 1 y mide tanto la fuerza como la dirección de una relación lineal. Los valores más cercanos a +1 indican una relación positiva fuerte mientras que los valores más cercanos a -1 indican una relación negativa fuerte. Los valores cercanos a 0 indican una relación escasa o no lineal. |
Relevancia estadística
| Un valor p muestra la probabilidad de observar una correlación así de fuerte por casualidad si no existe una correlación real. Cuando el valor p es inferior a 0,05 (que equivale a un nivel de confianza del 95 porciento), el resultado se considera relevante estadísticamente, de modo que es improbable que la correlación sea por una variación aleatoria. |
Tamaño de muestra
| El tamaño de muestra es el número de ubicaciones utilizadas para el análisis. Por ejemplo, un tamaño de muestra de 16 significa que hubo 16 ubicaciones (que podrían ser condados si está utilizando geografías estándar o número de hexágonos si está utilizando hexágonos) utilizadas en el análisis. |
Correlación
| La matriz de correlación ofrece una vista general de cómo se relacionan las variables y la puntuación final mediante códigos de colores. De manera predeterminada, las celdas verde oscuro muestran correlaciones positivas fuertes (r cercano a +1), mientras que las celdas rojo oscuro muestran correlaciones negativas fuertes (r cercano a -1). Los tonos más claros (verde claro, rojo claro o parecido al blanco) indica relaciones débiles o no lineales (r cercano a 0). |
Diagramas de dispersión
| Cada celda en la matriz de correlación muestra un gráfico de dispersión de una variable frente a otra: una en el eje X y otra en el eje Y. Al pasar el cursor sobre el gráfico aparece información sobre herramientas con los nombres exactos de las variables y le permite examinar cómo se distribuyen los puntos de datos. Por ejemplo, en la lista de variables Población e ingresos, puede ver instantáneamente cómo los ingresos medios por hogar está relacionado con el índice de crecimiento, tiempo total del día, población o la puntuación de idoneidad general, siendo aparentes inmediatamente los valores atípicos o patrones de clustering. |
Histogramas
| Un histograma es una representación gráfica, similar a un diagrama de barras, que representa la distribución de los datos. Pase el puntero sobre el histograma de una variable para ver su valor medio (que es el punto central de los datos, conocido como promedio). Esto ofrece una vista general acerca de cómo se distribuyen los datos de la variable. Por ejemplo, puede ver si la distribución de datos de una variable está distribuida de manera relativamente equilibrada o tiene valores atípicos extremos. La distribución de datos decada variable afecta a cómo se correlaciona la variable con las otras variables y el análisis de idoneidad general. |
Cálculos de tabla
La pestaña Tabla 
proporciona los resultados de los datos en formato tabular y descargable.
| Cálculo | Descripción | Flujos de trabajo |
|---|---|---|
Puntuación | La puntuación final de adecuación de un sitio se calcula sumando las puntuaciones ponderadas de cada una de las variables utilizadas en el análisis. |
|
Puntuación ponderada | La puntuación ponderada de cada variable se calcula como una diferencia porcentual entre el valor de un sitio determinado y el valor objetivo seleccionado por el usuario. La puntuación final de adecuación de un sitio se calcula sumando las puntuaciones ponderadas de cada una de las variables utilizadas en el análisis. |
|
Punto de referencia | El punto de referencia es un valor definido para la comparación. |
|
Recursos
Para obtener más información sobre los flujos de trabajo que generan paneles de Resultados, consulte lo siguiente: