Référence de l’analyse d’adéquation—Aide d’ArcGIS Business Analyst

Le processus d’analyse d’adéquation identifie les sites qui correspondent aux critères que vous définissez. Les critères incluent les variables du navigateur de données, telles que la densité de la population, les revenus du foyer ou le trafic quotidien moyen annuel. Chaque variable peut être normalisée et pondérée. Vous pouvez également ajouter vos propres données ou définir des données personnalisées pour utiliser des limites géographiques différentes ou des critères d’adéquation personnalisés. À l’issue de l’analyse d’adéquation, un score est attribué à chaque site et les résultats apparaissent dans la fenêtre Results (Résultats) et sur une couche de carte. Le score de classement du site est représenté par des symboles de code couleur sur la carte.

Exemple

Un propriétaire d’une petite entreprise de services de blanchisserie souhaite se développer sur de nouveaux marchés. Il a analysé les facteurs qui ont contribué au succès de ses services, tels que les places de parking, les zones avec un fort pourcentage de logements occupés par des locataires et les zones à forte densité de population. Le propriétaire utilise ces critères pour effectuer une analyse d’adéquation pour évaluer les groupes d’îlots dans le comté de Dane (Wisconsin, États-Unis). Les scores d’adéquation des sites sont renvoyés dans deux emplacements : un codage couleur des groupes d’îlots sur la carte et dans la fenêtre Results (Résultats).

Pour créer vous-même cet exemple, reportez-vous au didacticiel Développer une petite entreprise.

Résultats

Vous pouvez consulter les résultats de l’analyse sous forme d’une couche de carte et dans la fenêtre Results (Résultats), qui inclut les onglets Summary (Récapitulatif) Résumé , Histogram (Histogramme) , Bubble chart (Diagramme à bulles) Nuage de points et Table Tableau . Pour en savoir plus sur la fenêtre Results (Résultats) de l’analyse d’adéquation, consultez Fenêtre Results (Résultats) de l’analyse d’adéquation. Chaque site sur la carte est codé en couleur pour représenter son score d’analyse d’adéquation.

Pour définir les préférences, comme activer ou désactiver la page de présentation ou définir si l’influence de la couche de points est positive ou négative, reportez-vous à la rubrique Réaliser une analyse d’adéquation.

Calculs

Les paramètres qui indiquent les calculs du score de chaque variable se trouvent dans la fenêtre de processus Suitability analysis (Analyse d’adéquation). La fenêtre de processus Suitability analysis (Analyse d’adéquation) comporte trois sections pour modifier les calculs : Analysis criteria (Critères d’analyse), Scoring method (Méthode de notation) et Weighting (Pondération).

Affiner les critères dans la section Critères d’analyse

La section Analysis criteria (Critères d’analyse) comporte des options pour modifier les critères, telles que la modification du type de calcul, de l’influence et de la plage de valeurs minimale et maximale.


1	Type Calculation (Calcul)	Utilisez le menu déroulant Calculation (Calcul) pour sélectionner un type de calcul pour la variable, si plusieurs types de calcul sont disponibles pour cette variable. Le type de calcul peut être un nombre, un pourcentage, une valeur d’index ou une valeur moyenne.
2	Influence	Ce paramètre affiche l’influence de vos critères à l’aide des options d’influence positive, inverse ou idéale. Par défaut, l’influence de chaque critère d’adéquation est positive.
3	Filtrer	Ce paramètre affiche le seuil de votre critère, c’est-à-dire sa plage de valeurs. Ajustez les poignées du curseur pour définir les valeurs minimale et maximale dans l’analyse ou saisissez manuellement les valeurs.
4	Afficher le filtre / Masquer le filtre	Cliquez sur Show filter (Afficher le filtre) pour développer le curseur Filter (Filtre). Pour réduire le curseur Filter (Filtre), cliquez sur Hide filter (Masquer le filtre).
5	Ajouter un critère	Cette option permet d’ajouter rapidement des critères d’adéquation à votre analyse. Sélectionnez des variables supplémentaires en établissant une liste de critères, en ajoutant des variables depuis le navigateur de données, en ajoutant des attributs provenant des sites ou en ajoutant une couche de points.
6	Enregistrer la liste	Cliquez sur Save list (Enregistrer la liste) pour enregistrer la liste de critères.
8	Bouton Options	Cliquez sur le bouton Options d’un critère pour appliquer temporairement l’action Disable variable (Désactiver la variable) ou Remove variable (Supprimer la variable) dans l’analyse.

Vous pouvez modifier l’influence de vos critères dans la section Analysis criteria (Critères d’analyse) de la fenêtre de processus Suitability analysis (Analyse d’adéquation). L’influence peut être positive, inverse ou idéale. Les concepts statistiques sous-jacents de l’influence des critères sont décrits plus en détail ci-dessous.

Influence positive

L’influence positive signifie que plus la valeur de la variable est élevée, plus elle a d’incidence sur le score final. Il s’agit de la valeur de la variable pour un site moins la valeur minimale de cette variable, divisée par la plage des valeurs. Ce score est ensuite multiplié par la pondération attribuée à la variable dans l’analyse. La formule est la suivante :

Vous avez, par exemple, ajouté la variable Total Population (Population totale) à une analyse d’adéquation. La population de votre site compte 332 525 personnes et la plage des populations de tous les sites comprend est comprise entre 153 957 et 727 103. Vous avez pondéré la variable à 25 pour cent du score d’adéquation total. Le calcul est le suivant :

Influence inverse

L’influence inverse signifie que plus la valeur de la variable est faible, plus elle a d’incidence sur le score. Elle est également désignée sous le nom d’influence négative. Il s’agit de la valeur maximale d’une variable moins la valeur de la variable pour un site, divisée par la plage des valeurs. Ce score est ensuite multiplié par la pondération attribuée à la variable dans l’analyse. La formule est la suivante :

Influence idéale

L’influence idéale définit une valeur idéale pour la variable. Plus la valeur de la variable est proche de la valeur idéale spécifiée et plus elle a d’incidence sur le score. Il s’agit de la valeur idéale d’une variable moins la valeur de la variable pour un site, divisée par la différence entre la valeur idéale et la valeur minimale ou entre la valeur idéale et la valeur maximale (la plus grande des deux valeurs). Ce score est ensuite multiplié par la pondération attribuée à la variable dans l’analyse. La formule est la suivante :

Vous avez, par exemple, ajouté la variable Total Population (Population totale) à une analyse d’adéquation. Vous avez défini la valeur idéale de la variable sur 500 000. La population de votre site compte 332 525 personnes et la plage des populations de tous les sites comprend est comprise entre 153 957 et 727 103. Vous avez pondéré la variable à 25 pour cent du score d’adéquation total. Le calcul est le suivant :

Personnaliser les calculs dans la section Méthode de notation

Les scores d’adéquation sont calculés à l’aide de méthodes dans un processus en trois parties : prétraitement, combinaison et mise à l’échelle du score final. Le prétraitement standardise les variables sur une échelle commune. La combinaison associe les variables en une valeur unique. Dans Business Analyst Web App, les méthodes de prétraitement et de combinaison sont accessibles sous forme de méthodes de traitement prédéfinies courantes ou de sélections personnalisées. La partie finale des calculs de l’analyse d’adéquation est la mise à l’échelle du score final, qui convertit le score combiné en valeurs de score final significatives.

Processus de calcul du score d’adéquation

Utiliser les méthodes prédéfinies

Le menu déroulant Preset methods (Méthodes prédéfinies) comporte trois options :

L’option Combine values (default) (Combiner les valeurs [par défaut]) additionne les valeurs mises à l’échelle des critères de sorte que chaque critère contribue de manière égale au score final. Pour le prétraitement, elle utilise la méthode Minimum-maximum. Pour la combinaison, elle utilise la méthode Sum (Somme). Cette méthode prédéfinie est utile pour évaluer l’effet combiné de tous les critères, mais ses résultats sont influencés par les points aberrants. Les valeurs extrêmes peuvent avoir un impact disproportionné sur le score final.
L’option Compound differences (Différences composites) utilise la moyenne géométrique des valeurs mises à l’échelle. Pour le prétraitement, elle utilise la méthode Minimum-maximum. Pour la combinaison, elle utilise la méthode Geometric mean (Moyenne géométrique). Cette méthode prédéfinie est utile lorsque les unités ou les échelles des critères sont différentes et si les différences relatives entre les valeurs doivent être mises en évidence. Ses résultats sont moins influencés par les points aberrants, ce qui est utile lorsque les critères contiennent des pourcentages ou des taux. Les scores ne sont élevés que s’il existe des valeurs élevées pour plusieurs critères. Par conséquent, une valeur extrême dans un seul critère ne peut pas avoir un impact disproportionné sur le score.
L’option Custom (Personnalisé) vous permet de sélectionner les méthodes de prétraitement et de combinaison, qui sont décrites plus en détail ci-dessous.

Utiliser des sélections personnalisées : méthode de prétraitement

Si vous sélectionnez l’option Custom (Personnalisé) dans le menu déroulant Preset methods (Méthodes prédéfinies), sélectionnez une option dans le menu déroulant Preprocesing method (Méthode de prétraitement). Les options Preprocessing method (Méthode de prétraitement) sont notamment les suivantes :

Utilisez l’option Minimum-maximum (default) (Minimum-maximum [par défaut]) pour mettre à l’échelle les variables comprises entre 0 et 1 à l’aide des valeurs minimale et maximale de chaque variable. Dans cette méthode, la forme de la distribution est conservée. Toutefois, les points aberrants dans les données ont un impact sur le score.
Utilisez l’option Percentile (Centile) pour convertir les variables en centiles compris entre 0 et 1 via la mise à l’échelle du classement des valeurs de données. Cette méthode est utile si les différences absolues entre les valeurs de données doivent être ignorées. Par conséquent, les points aberrants ou les distributions asymétriques n’ont pas d’impact sur le score.
Utilisez l’option Z-score (Score z) pour standardiser chaque critère en soustrayant la valeur moyenne de la valeur d’origine et en divisant le résultat par l’écart type (ou score z). Le score z est le nombre d’écarts types supérieurs ou inférieurs à la valeur moyenne. Cette méthode est utile pour créer une échelle commune en standardisant les données dont les unités sont différentes. Les valeurs supérieures à la moyenne reçoivent des scores z positifs et les valeurs inférieures à la moyenne reçoivent des scores z négatifs.
Utilisez l’option Raw values (Valeurs brutes) pour utiliser les valeurs d’origine de la variable. Aucun prétraitement n’est appliqué de sorte que l’échelle des critères en entrée est conservée dans les données. Cette méthode est utile lorsque les critères se trouvent sur une échelle comparable, comme des valeurs de pourcentage, ou s’ils ont déjà été prétraités avec d’autres outils.

Utiliser des sélections personnalisées : méthode de combinaison

Si vous sélectionnez l’option Custom (Personnalisé) dans le menu déroulant Preset methods (Méthodes prédéfinies), sélectionnez une option dans le menu déroulant Combination method (Méthode de combinaison). Les options Combination method (Méthode de combinaison) sont notamment les suivantes :

Utilisez l’option Sum (Somme) pour utiliser la valeur de somme des variables.
Utilisez l’option Mean (Moyenne) pour utiliser la valeur moyenne des variables.
Utilisez l’option Multiply (Multiplication) pour utiliser la valeur multipliée des variables.
Utilisez l’option Geometric mean (Moyenne géométrique) pour utiliser la valeur de moyenne géométrique des variables.

Remarque :

Les options Multiply (Multiplication) et Geometric mean (Moyenne géométrique) ne sont pas disponibles si les variables sont mises à l’échelle à l’aide de scores z puisque ces derniers comportent toujours des valeurs négatives.

Mise à l’échelle du score final

La mise à l’échelle du score final définit la plage de distribution des valeurs du score final. Les options Scale final score (Mise à l’échelle du score final) sont notamment les suivantes :

Utilisez l’option 0 to 1 (0 à 1) pour calculer un score final avec la valeur inférieure égale à 0 et la valeur supérieure égale à 1. Dans la plage comprise entre 0 et 1, toutes les autres valeurs sont mises à l’échelle proportionnellement.
Utilisez l’option 0 to 100 (0 à 100) pour calculer un score final avec la valeur inférieure égale à 0 et la valeur supérieure égale à 100. Dans la plage comprise entre 0 et 100, toutes les autres valeurs sont mises à l’échelle proportionnellement.
Utilisez l’option None (Aucun) pour n’appliquer aucune mise à l’échelle et laisser les données intactes. Cette option est utile si la distribution des valeurs combinées doit être conservée.

Modifier les pondérations des critères dans la section Pondération

La section Weighting (Pondération) répertorie les critères et leur pondération dans l’analyse. Les pondérations représentent l’importance relative de chaque critère eu égard à sa contribution au score final.

Les pondérations des critères sélectionnés sont identiques par défaut. Vous pouvez utiliser des décimales pour définir les pondérations en tant que pourcentage du total. Les pondérations de tous les critères totalisent 100 %. Par conséquent, si vous augmentez ou diminuez la pondération de l’un des critères, la pondération de chacun des critères restants est automatiquement réduite ou augmentée proportionnellement. La méthode de combinaison influe sur le mode d’application des pondérations. Avec les méthodes de combinaison Sum (Somme) et Mean (Moyenne), des pondérations sont appliquées en multipliant un critère par sa pondération respective. Avec les méthodes de combinaison Multiply (Multiplication) et Geometric mean (Moyenne géométrique), des pondérations sont appliquées en élevant chaque critère à la puissance de sa pondération respective.

La modification de la pondération des critères a un impact considérable sur les résultats et représente une partie subjective de l’analyse. La modification de la pondération des critères doit être motivée par la connaissance du domaine et explicitement justifiée.

Limitations

Vous pouvez sélectionner jusqu’à 5 000 sites. Vous pouvez également sélectionner un maximum de 1 000 entités sur la carte, telles que des entités ajoutées à la carte via la recherche de points d’intérêt ou l’importation d’un fichier.

Crédits

Ce processus consomme des crédits. L’exportation des résultats dans Excel coûte environ 10 crédits par millier d’enregistrements.

Pour plus d’informations sur la consommation de crédits, reportez-vous à la table Crédits dans Business Analyst Web App.

Licences requises

Le processus d’analyse d’adéquation est accessible aux utilisateurs disposant d’une licence Advanced pour Business Analyst Web App. Pour en savoir plus sur les types de licence Business Analyst, reportez-vous à la rubrique Licences.

Ressources

Pour en savoir plus sur l’analyse d’adéquation, consultez les ressources suivantes :

Vous avez un commentaire à formuler concernant cette rubrique ?