Skip To Content

Analyse d'adéquation

L’analyse d’adéquation permet d’identifier les sites les plus appropriés parmi plusieurs de candidats, définis en appliquant un ensemble de critères pondérés individuels.

Remarque :

Si vous ne parvenez pas à accéder à certaines fonctions, vos rôles personnalisés, définis par votre organisation et configurés par votre administrateur, sont susceptibles d’être limités. Demandez à votre administrateur de configurer des rôles appropriés à votre travail.

  1. Sur l’onglet Create Maps (Créer des cartes), cliquez sur Suitability Analysis (Analyse d’adéquation).
  2. Cliquez sur Get Started (Commencer) dans la boîte de dialogue Suitability Analysis (Suitability Analysis).

Vous pouvez cocher la case Skip this in the future (Ignorer cette étape à l’avenir) pour ignorer cette page d’introduction et accéder directement à l’analyse d’adéquation.

Définir vos sites

Vous pouvez sélectionner les sites candidats à utiliser dans l’analyse d’adéquation de deux manières :

  • Ajouter des sites du projet
  • Commencez avec les éléments de la carte

Vous pouvez décocher un site sélectionné pour le désélectionner, puis cliquer sur Prefilter (Filtrer au préalable) pour filtrer les sites sélectionnés en fonction des valeurs des attributs des sites. Ceci est utile pour exécuter une analyse d’adéquation uniquement sur les sites qui répondent déjà à certaines conditions (par exemple, des points de vente qui ont un certain nombre minimum de places de stationnement).

Cliquer sur Filtrer au préalable

Par exemple, les attributs choisis sont Sales Volume (Volume des ventes) et City (Ville).

Filtrer au préalable les candidats

Pour l’attribut numérique Sales Volume (Volume des ventes), la plage comprise entre 2 000 000 et 20 000 000 est définie comme filtre. Pour l’attribut City (Ville), toutes les valeurs contenant analyse d’adéquation sont renvoyées par la recherche, puis sélectionnées lorsque vous cliquez sur Select All (Sélectionner tout).

Astuce:

Pour un champ de texte, appuyez sur la barre d’espacement afin d’afficher jusqu’à 20 valeurs uniques. La chaîne de recherche saisie par l’utilisateur est mise en surbrillance dans les options disponibles, comme illustré ci-dessous.

Définir les paramètres de filtrage préalable

Sélectionner les critères de votre analyse.

Utilisez une ou plusieurs options pour sélectionner les critères de votre analyse :

Ajouter des critères
  • Add variables from data browser (Ajouter des variables à partir du navigateur de données)

    Utilisez le navigateur de données pour rechercher et ajouter des variables.

  • Add attributes from sites (e.g. square footage) (Ajouter des attributs à partir de sites (par exemple, superficie en pi²))

    Vous trouverez des Informations sur l’ajout d’attributs pour vos sites ici.

  • Add point layer (e.g. competitor layer) (Ajouter la couche de points (par exemple, couche de concurrents))

    La boîte de dialogue Add Point Layer (Ajouter la couche de points) s’ouvre. Sélectionnez une couche de points précédemment ajoutée au projet à l’aide du workflow Import File (Importer le fichier), Business Search (Recherche de commerces) ou Web Maps and Layers (Couches et cartes web) workflows.

    Boîte de dialogue Add Point Layer (Ajouter la couche de points)

    Remarque :

    Toutes les couches dans le projet actuel qui ont été ajoutées à l’aide des workflows Business Search (Recherche de commerces) et Import File (Importer le fichier) sont disponibles. Toutefois, les couches ajoutées à l’aide du workflow Web Maps and Layers (Couches et cartes web) ne sont disponibles dans la boîte de dialogue Add Point Layer (Ajouter la couche de points) que si elles ont été récemment activées. Pour ajouter une couche non répertoriée, activez-la dans le panneau Project (Projet) en cochant sa case, puis retournez à Suitability Analysis (Analyse d’adéquation).

  • Use saved criteria (Utiliser un critère enregistré)

    Utilisez un critère déjà enregistré (une liste de variables) à partir de la boîte de dialogue Saved Criteria List (Liste des critères enregistrés). Cliquez sur Utiliser les variables déjà enregistrées, puis cliquez sur Use criteria (Utiliser un critère).

    Cliquer sur Utiliser un critère

Le critère sélectionné est pondéré de manière égale par défaut, mais vous pouvez utiliser les curseurs pour ajuster les pondérations. Les pondérations de tous vos critères doivent toujours totaliser 100 %. Par conséquent, si vous augmentez ou diminuez la pondération d’un des critères, la pondération de chacun des critères restants est automatiquement augmentée ou réduite proportionnellement. Pour empêcher la pondération des critères d’évoluer de cette manière, cliquez sur l’icône lock (verrou) qui figure en regard.

Cliquez sur More options (Plus d’options) pour modifier la manière dont une variable est utilisée dans l’analyse.

Cliquez sur More options (Plus d’options)

Pour les variables et les attributs de site, vous pouvez définir l’Influence et, le cas échéant, ajuster le seuil (Threshold).

Influence positive

Le paramètre d’influence Positive (Positif) est sélectionné par défaut, ce qui signifie que plus la valeur de la variable est élevée et plus elle a d’incidence sur le score final. Le paramètre Inverse indique le contraire : plus la valeur de la variable est faible et moins elle a d’incidence sur le score. Si l’option Ideal (Idéal) est sélectionnée, une valeur correspondante doit être sélectionnée dans le diagramme qui l’accompagne. Plus la valeur de la variable est proche de la valeur idéale spécifiée et plus elle a d’incidence sur le score.

Remarque :

L’influence par défaut pour les couches de points peut être modifiée sous Preferences (Préférences).

Threshold (Seuil) représente la plage de valeurs de la variable pour les sites sélectionnés. Dans l’image ci-dessus, la valeur 2017 Total Population (Population totale 2017) des sites sélectionnés va d’un minimum de 76 131 à un maximum de 342 228. Le cas échéant, il est possible d’ajuster les valeurs du curseur pour exclure des sites de l’analyse. Par exemple, si la valeur minimum est définie sur 95 000, tous les sites dont la valeur 2017 Total Population (Population totale 2017) est inférieure à 95 000 seront exclus de l’analyse et aucun d’entre eux ne figurera dans la table des résultats.

Pour les couches de points, outre les options ci-dessus, vous pouvez également changer la manière dont la couche de points contribue à l’analyse.

Summarize layer attribute (Synthétiser l’attribut de la couche)

Count of points (Nombre de points) est le paramètre par défaut, ce qui signifie que la variable est le nombre de points de cette couche de points qui se trouvent dans un site sélectionné pour l’analyse.

Summarize layer attribute (Synthétiser l’attribut de la couche) vous permet de choisir un attribut dans la couche de points, dans la liste déroulante Weight Field (Champ de pondération) et d’utiliser cet attribut comme variable dans l’analyse d’adéquation en lui appliquant le Statistic Type (Type de statistique) sélectionné, par exemple, lorsque Sales Volume (Volume de ventes) et Sum (Somme) sont sélectionnés, la variable est la somme des valeurs Sales Volume (Volume de ventes) de tous les points de la couche qui se trouvent dans le site.

Lorsque Distance to nearest point (Distance par rapport au point le plus proche) est sélectionné, la variable est la distance entre l’emplacement d’un site et le point le plus proche de la couche qui se trouve dans le site. La distance en ligne droite est le paramètre par défaut, que vous pouvez remplacer par Drive distance (Distance à parcourir) ou Walk distance (Distance à pied).

Straight line distance (Distance en ligne droite)
Remarque :

  • Lorsque Drive distance (Distance à parcourir) ou Walk distance (Distance à pied) est sélectionné, le calcule consomme des crédits.
  • Lorsqu’une couche de points est l’un des critères sélectionnés et qu’au moins un des sites sélectionnés comporte une zone de grande taille, l’analyse d’adéquation peut prendre du temps.
  • Lorsque Walk distance (Distance à pied) est sélectionné, la distance à pied entre un site sélectionné pour l’analyse d’adéquation et un emplacement dans la couche de points ne peut pas dépasser 50 miles. Si cette condition n’est pas remplie, l’analyse renvoie une erreur et vous devez sélectionner un type de distance différent ou modifier votre couche de points en conséquence.
  • Lorsque Drive distance (Distance à parcourir) ou Walk distance (Distance à pied) est sélectionné, selon le nombre de sites et le nombre de points dans la couche de points, le calcul peut nécessiter jusqu’à quelques minutes. Le temps d’attente s’affiche pendant que les calculs sont en cours.

Afficher la table des résultats

Utilisez la table pour afficher la liste de vos sites, classés en fonction du score final. Vous pouvez également filtrer la table, modifier le dégradé de couleurs et l’exporter.

  1. Cliquez sur View Results Table (Afficher la table des résultats).
  2. Positionnez le pointeur sur un élément de la table pour mettre en surbrillance le site correspondant sur la carte.
  3. Cliquez sur un en-tête de colonne pour trier la table en fonction des données de cette colonne.

Filtre et couleurs

Vous pouvez filtrer la vue de l’analyse pour les sites que vous avez choisis. Ceci permet de mettre visuellement en évidence les sites qui correspondent à un certain score. Par exemple, lorsque vous consultez la population par âge dans un groupe d’îlots, vous pouvez créer un filtre en sélectionnant Greater than (Supérieur à) et en saisissant la valeur 5 000. La carte affichera uniquement les groupes d’îlots ombrés en couleur dont la population par âge est supérieure à 5 000 personnes.

Filtre

Pour filtrer l’analyse, vous allez procéder comme suit :

  1. Cliquez sur l’icône Filter (Filtre). Icône Filtre
  2. Déplacez les curseurs pour filtrer la carte.
    Fenêtre Filtre
  3. La carte est automatiquement mise à jour.
  4. Cliquez sur OK.

Couleurs

Le menu déroulant Colors (Couleurs) permet d’utiliser une palette de couleurs pour coder les résultats de votre analyse sur la carte et dans la table des résultats.

  1. Pour changer les couleurs, cliquez sur le menu déroulant Colors (Couleurs). Les différentes couleurs apparaissent. Menu Couleurs
  2. Cliquez sur la couleur à afficher sur la carte.

Exporter

Vous pouvez exporter les résultats de l’analyse au format Excel ou dans une nouvelle couche d’adéquation.

  1. Cliquez sur Export (Exporter) dans le volet Suitability Analysis (Analyse d’adéquation).

    La boîte de dialogue Export (Exporter) apparaît.

  2. Choisissez le format d’exportation : fichier Excel ou une nouvelle couche d’adéquation.
  3. Cliquez sur Exporter.
Options d'exportation

Si vous optez pour l’exportation en tant que nouvelle couche d’adéquation, les résultats sont enregistrés sous la section Other Layers (Autres couches) de votre projet. Cliquez sur Utiliser les variables déjà enregistrées et sur Open analysis (Ouvrir l’analyse) pour rouvrir l’analyse et la modifier. Si les sites de votre analyse d’adéquation ont été créés à partir d’une couche de points ou surfacique, ils sont enregistrées dans le projet en tant que nouvelle couche de site.

Ouvrir l’analyse
Attention :

Si des sites de cette couche de site sont supprimés, la couche d’adéquation enregistrée ne s’ouvre pas et un message d’erreur est renvoyé.

Guide détaillé

Utilisez l’analyse d’adéquation pour classer et évaluer les sites en fonction de plusieurs critères pondérés. L’adéquation peut être classée en fonction des variables des données socio-économiques et démographiques de l’Living Atlas de Esri et des attributs de votre site. Une fois vos critères sélectionnés, vous pouvez leur attribuer des pondérations, obtenir des scores pondérés pour chaque site potentiel et examiner leur classement final (du site le plus approprié au moins approprié). Vous pouvez exécuter l’analyse d’adéquation sur un ensemble de sites d’emplacements des points, de zones surfaciques, de géographies standard ou une combinaison de ces éléments.

Le guide suivant vous livre un exemple d’exécution de ce workflow.

Dans l’onglet Create Maps from Data (Créer des cartes à partir de données), cliquez sur Suitability Analysis (Analyse d’adéquation).

Lancer une analyse d’adéquation

Une fenêtre d’introduction présente brièvement le workflow Analyse d’adéquation. Si vous ne souhaitez pas voir cet écran à chaque fois, sélectionnez Skip this in the future (Ignorer cette étape à l’avenir) avant de cliquer sur Get Started (Commencer).

Commencer

Dans le cadre de cet exemple, vous êtes un agent immobilier qui s’occupe d’un nouveau client intéressé par l’achat d’un logement. Votre client est un jeune actif diplômé qui vit avec un parent âgé souhaitant résider à proximité d’un club du troisième âge afin de nouer des relations et de participer à des activités. Votre client souhaite acheter une résidence principale située à peu de distance à pied de ses clubs du troisième âge préférés afin que son parent puisse s’y rendre facilement. Vous devez lui présenter une analyse de voisinage portant sur l’emplacement de ces clubs du troisième âge afin d’évaluer leur adéquation en fonction de ce critère :

  • Nombre plus élevé de personnes diplômées
  • Valeur médiane du logement plus faible, ce qui indiquerait un accès plus facile à l’achat d’un logement
  • Âge médian de la population proche du sien (32 ans)

Pour commencer le workflow Analyse d’adéquation, vous allez sélectionner les sites à utiliser dans l’analyse. Dans cette présentation, cinq sites sont déjà chargés sur la carte, chacun représentant une zone d’un rayon de 0,75 mile autour d’un club du troisième âge.

  1. Cliquez sur Start with items on the map (Commencez avec les éléments de la carte). Nous pouvons également cliquer sur Add sites from project (Ajouter des sites du projet) pour ajouter des sites qui ne sont pas encore sur la carte.
    Définir vos sites

    La carte obtenue avec vos cinq sites apparaît.

    Sites candidats

  2. Cliquez sur Next (Suivant).
  3. Développez la liste déroulante Add Criteria (Ajouter des critères) et sélectionnez Add variables from data browser (Ajouter des variables à partir du navigateur de données).
    Ajouter des variables

    Vous allez sélectionner des variables à l’aide du Data Browser (Navigateur de données).

    Navigateur de données

  4. Sélectionnez les trois variables suivantes et cliquez sur Next (Suivant).
    • 2016 Education: Grad/Professional Degree (Éducation 2016 : Diplôme supérieur/professionnel)
    • 2016 Median Home Value (Valeur immobilière médiane 2016)
    • 2016 Median Age (Âge médian 2016)
    Une fois les critères sélectionnés, les sites sont automatiquement évalués. Par défaut, les trois variables sont pondérées de manière égale et le paramètre Influence est défini sur Positive (Positif).
    Sites appliqués
    • Vous voulez que le score d’un site soit plus élevé s’il comporte un plus grand nombre de personnes qui détiennent des diplômes supérieurs/professionnels. Vous allez donc laisser le paramètre Influence défini sur Positive (Positif) pour cette variable.
    • Pour la valeur médiane du logement, une valeur inférieure est préférable, car elle indique une plus grande accessibilité immobilière. Vous allez par conséquent définir le paramètre Influence sur Inverse.
    • Pour Median Age (Âge médian), plus la valeur est proche de 32 et plus le site est adapté. Vous allez par conséquent définir le paramètre Influence sur Ideal (Idéal). Utilisez le curseur pour désigner la valeur 32 comme idéale.

    Vous pouvez également ajuster les seuils afin d’exclure de la table des résultats les sites ne répondant pas à un critère de variable obligatoire, vous pouvez par exemple définir une valeur maximum de 500 000 $ pour la valeur médiane du logement de façon à exclure les sites dont la valeur médiane du logement dépasse 500 000 $. Comme vous n’évaluez pas un trop grand nombre de sites dans cet exemple, vous n’allez pas régler les valeurs de seuil et allez conserver le paramètre par défaut qui inclut leur plage entière.

    Le dégradé de couleurs est appliqué pour attribuer un code couleur aux sites sur la carte en fonction de leur score final. Vous pouvez cliquer sur le lien View Results Table (Afficher la table des résultats) pour ouvrir la table des résultats.

    Table des résultats
    Avec les paramètres ci-dessus, le candidat 2 reçoit le score final le plus élevé dans la Results Table (Table des résultats).

  5. À l’aide du curseur, définissez le champ Weight (Pondération) sur 60 % pour la variable 2016 Median Home Value (Valeur immobilière médiane 2016). Vous accomplissez cette opération, car l’accessibilité immobilière est la plus importante priorité de votre client par rapport à ses autres critères privilégiés et il emploiera mieux son temps en recherchant un logement à proximité des clubs du troisième âge aux endroits où le prix de l’immobilier est moins élevé.
    Pondérer les variables

    La pondération d’une variable réduit proportionnellement les pondérations des autres variables. Dans ce cas, les variables 2016 Education Grad/Professional Degree (Éducation 2016 : Diplôme supérieur/professionnel) et 2016 Median Age (Âge médian 2016) ont été réduites à 20 % chacune, car les pondérations doivent toujours totaliser 100 %.

    Avec l’ajustement des pondérations ci-dessus, le site Candidat 3 reçoit le score le plus élevé dans la Results Table (Table des résultats).

    Remarque :

    Vous trouverez plus de détails sur le mode de calcul des scores ci-dessous dans cette section.

    Table des résultats après ajustement des pondérations

  6. Pour afficher les sites atteignant un certain score minimum, cliquez sur l’icône de filtre Icône Filtre. Dans ce cas, seuls les sites avec un score > 0,5 seront affichés.
    Critères de filtre
  7. Faites glisser le curseur de la limite inférieure de 0 à 0,5 (ou saisissez la valeur 0,5 dans la zone de texte).
    Résultats filtrés

    Comme nous le voyons ci-dessus, la Results Table (Table des résultats) est filtrée de façon à afficher uniquement les sites dont le score final est supérieur à 0,5. Vous pouvez cliquer sur Export… (Exporter...) pour exporter les résultats vers un fichier Excel ou dans une nouvelle couche d’adéquation. Lorsque la couche d'adéquation est ouverte sur la carte, vous pouvez la partager avec d’autres membres de votre organisation à l’aide de l’outil Partager la carte.

Calcul des scores pondérés

Voici des détails sur le mode de calcul des scores ci-dessus. Certaines des valeurs de la table annotée ci-dessus sont utilisées en illustration. Chaque score pondéré est calculé sous forme de différence en pourcentage de la valeur pour un site donné par rapport à la valeur cible sélectionnée par l’utilisateur. Ici, GP est l’abréviation de la variable Grad/Professional degree (Diplôme supérieur/professionnel), HV celle de la variable Median Home Value (Valeur médiane du logement) et MA celle de la variable Median Age (Âge médian).

Comme la table ci-dessus le montre, le site Candidat 3 possède le score d’adéquation le plus élevé : 0,86 (cellule 1A). Ce score est calculé en ajoutant les scores pondérés de chacune des trois variables (GP, HV, MA) utilisées dans l’analyse.

  1. Nous allons d’abord examiner la façon dont le nombre de ménages diplômés (GP) a contribué à ce score.

    • Le site Candidat 3 comporte 1 013 ménages avec un diplôme supérieur/professionnel (cellule 1B).
    • La valeur maximale pour GP sur tous les sites est de 1 272 ménages pour le site Candidat 2 (cellule 2B).
    • De même, la valeur la plus petite pour GP sur tous les sites est de 821 ménages pour le site Candidat 1 (cellule 3B).

    Dans cet exemple, le plus grand nombre de personnes diplômées est souhaité. La relation étant positive, ces valeurs sont intégrées dans cette formule pour calculer le score de GP pour le candidat 3 :

    Valeurs souhaitées du candidat 3

    Nous pouvons calculer le score de GP pour le candidat 3 à l’aide des valeurs indiquées ci-dessus :

    Valeurs du candidat 3

    En d’autres termes, ce candidat 3 a un score de 0,43 (cellule 1C). Une fois le score calculé, la pondération est ensuite appliquée à la valeur pour déterminer la proportion de GP qui va contribuer au score d’adéquation total pour le site. Dans notre exemple, une pondération de 20 % a été appliquée à GP. Par conséquent, le score pondéré de GP est égal à 0,09 (cellule 1D) :

    0,20*0,43 = 0,09

    L’ensemble du calcul du score pondéré pour le candidat 3 peut s’exprimer sous cette forme :

    Score pondéré du candidat 3
    Remarque :

    abs est la fonction de valeur absolue.

  2. Examinons ensuite le rôle de la valeur médiane du logement du site (HV) dans le score :

    • Les logements situés dans la zone du site Candidat 3 ont une valeur médiane du logement de 281 545 USD (cellule 1E).
    • La valeur maximale pour HV sur tous les sites est de 569 638 USD pour le site Candidat 5 (cellule 5E).
    • De même, la valeur la plus petite pour HV sur tous les sites est de 281 545 USD pour le site Candidat 3 (cellule 1E).

    Ici, une valeur médiane du logement inférieure est souhaitée pour indiquer une meilleure accessibilité. La relation étant inverse ou négative, ces valeurs sont intégrées dans cette formule pour calculer le score de GP pour le candidat 3 :

    Configuration de l’accessibilité du logement du candidat 3

    Nous pouvons calculer le score de HV pour le candidat 3 à l’aide des valeurs indiquées ci-dessus :Application

    Application des valeurs

    En d’autres termes, ce candidat 3 a un score de 1 (cellule 1F). Une fois le score calculé, la pondération est ensuite appliquée à la valeur pour déterminer la proportion de HV qui va contribuer au score d’adéquation total pour le site. Dans notre exemple, une pondération de 60% a été appliquée à HV. Par conséquent, le score pondéré de GP est égal à 0,60 (cellule 1G) :

    0,60*1 = 0,60

    L’ensemble du calcul du score pondéré pour le candidat 3 peut s’exprimer sous cette forme :

    Influence inverse pour la valeur médiane du logement

  3. Enfin, examinons la façon dont l’âge médian des personnes qui résident dans cette zone (MA) a contribué au score :

    • La population qui réside dans la zone du site Candidat 3 a un âge médian de 29,9 (cellule 1H).
    • La valeur maximale pour MA sur tous les sites est de 51,5 pour le site Candidat 5 (cellule 5H).
    • La valeur maximale pour MA sur tous les sites est de 29,9 pour le site Candidat 3 (cellule 1H).

    Ici, la valeur idéale 32 a été sélectionnée, car un âge médian plus proche de 32 est préférable. Ces valeurs sont intégrées dans cette formule pour calculer le score de MA pour le candidat 3 :

    Valeurs souhaitées de l’âge médian

    En d’autres termes, ce candidat 3 a un score de 0,89 (cellule 1I). Une fois le score calculé, la pondération est ensuite appliquée à la valeur pour déterminer la proportion de MA qui va contribuer au score d’adéquation total pour le site. Dans notre exemple, une pondération de 20 % a été appliquée à MA. Par conséquent, le score pondéré de MA est égal à 0,18 (cellule 1G) :

    0,20*0,89 = 0,18

Score pondéré final du candidat 3

Remarque :

Dans cet exemple, nous n’avons pas ajusté le seuil des variables. Si, par exemple, le seuil avait été défini de façon que la valeur GP du candidat 3 ne soit pas comprise dans la plage spécifiée, alors la pondération pour cette variable serait de 0 par défaut et GP ne serait pas utilisé dans le calcul du score final. Le filtrage serait appliqué et ce score d’adéquation en particulier ne serait pas utilisé dans la table finale des résultats.

Le score final est calculé comme suit :

Score final du candidat 3

Le score final qui apparaît dans la table est légèrement inférieur, à 0,86. Cela s’explique simplement par le fait que des valeurs non arrondies ont été ajoutées au lieu des valeurs arrondies que nous avons utilisées ici :

Table des scores finaux

Cette présentation vous a permis de comprendre le fonctionnement de l’analyse d’adéquation. Vous avez pu créer une liste classée des 3 principaux clubs du troisième âge appropriés dans la zone, pour les critères pondérés de votre client dans le cadre de la recherche d’un logement.

Vous pouvez ajouter des sites et variables supplémentaires et régler davantage les paramètres afin de réaliser des analyses d’adéquation encore plus complexes. Vous pouvez également optimiser votre analyse en incluant des variables pertinentes qui sont des attributs des sites en cours d’évaluation. Par exemple, chaque club du troisième âge pourrait être évalué, ce qui correspondrait à un indicateur de qualité. Vous pouvez en tenir compte dans votre analyse avec l’option Add attributes from sites (Ajouter des attributs à partir de sites) située sous Add Criteria (Ajouter des critères).

Add attributes from sites (Ajouter des attributs à partir de sites)