Kuulin jostain huhun, että pizzaa kuljetetaan yhä yksi tilaus kerrallaan monissa paikoissa. Varsinkin kiireisimpinä aikoina kannattaa yhdellä reissulla käydä viemässä useampi lätty useampaan osoitteeseen. Samalla tuli mieleen muutama muukin seikka, jossa paikkatietoteknologia voisi jeesata pizzaravintolan, tai muun siihen verrattavan bisneksen toimintaa.

Kolme kohtaa siis, joissa paikkatiedosta on hyötyä pizza, tai muulle vastaavalle bisnekselle:

  • Palvelualueen määrittäminen = Parempi asiakaskokemus, kun pizzat saapuvat luvatun aikataulun mukaan
  • Jakelun optimointi = Useampi tilaus yhdellä ajolla
  • Tilausdatan hyödyntäminen markkinoinnissa = Ideaaliostajaprofiilin selvittäminen etsimällä alueet, joista useimmin tilataan ja analysoimalla alueiden väestön ominaisuuksia

Valitsin tempausta varten Case-pizzerian. Arvonnassa onni kävi Kotipizzalle, ja sen Pohjois-Tapiolassa sijaitsevalle ravintolalle. (Kotipizza ei sponssaa tätä kirjoitusta mitenkään, mutta jos satutte huomaamaan, niin tulen mielelläni ilmaiselle pizzalle 🙂 )

pizza1
Valitaan Ravintola, ja katsotaan sen osoite

Palvelualueen määrittäminen

Aloitin siis paikantamalla ravintolan ArcGIS:ssä kartallepizza2Ensimmäiseksi laskin sopivan palvelualueen, jolle varmasti pystyy kuljettamaan pizzaa 30 minuutissa.

Tässä otin huomioon, että pizzan valmistaminen kestää ehkäpä n. 10 minuuttia ja kuski vie pizzaa muutamalle asiakkaalle yhdellä kierroksella, ja yksi pysähdys kestää n. 4 minuuttia. Tästä voisi johtaa, että 30 min – 10 min – (3*4min) = 8 min, jolloin aikaa ehtiä ensimmäiselle asiakkaalle olisi vähemmän kuin 8 minuuttia, ja seuraavien asiakkaiden pitäisi olla sopivan lähellä. Kaikessa on epävarmuutta, ja olisi varmaan pitänyt käydä haastattelemassa pizzakuskeja, mutta päädyin kuitenkin 7 minuutin ajoaikavyöhykkeen laskemiseen. 🙂 Laskin myös 10 minuutin ajoaikavyöhykkeen.

pizza3
Asetetaan parametrit ajoaikavyöhykkeiden laskemista varten.

Kuvassa yläpuolella näkyy miten ajoaikavyöhyke lasketaan. Lähtöpisteeksi on valittu ravintola. Vyöhykkeen aikarajoiksi on asetettu 7min ja 10 min. Lisäksi valitsin, että ajoaikavyöhykkeet lasketaan kaikkein kiireisimmän tilausajankohdan mukaan – Pizzaperjantaina klo 18:00! ArcGIS osaa ottaa huomioon automaagisesti huikean määrän tilastollista liikennehistoriadataa tarvittaessa.

pizza4
Ajoaikavyöhykkeet laskettuina

Valmiit ajoaikavyöhykkeet näyttävät tältä. Keltaisella on 7 minuutin vyöhyke, ja punaisella 10 minuutin vyöhyke. Vyöhykkeitä voi myös kutsua jakelualueiksi, ja huomatkaapa kuinka erilaiset ne ovat kuin, että ilmoittaisi jakelualueet postinumeroalueina.

Jakelun optimointi

 

Kuvitellaanpa sitten, että olemme pizzeriassa töissä, ja tilauksia alkaa tulla. Ravintolan puhelimen vieressä on tietokone auki, jossa on ArcGIS auki. Ensimmäin tilaus tulee, ja pizzaa halutaan osoitteeseen Otaranta 8, Espoo. Kirjoitan koneelle osoitteen ja saan heti nähdä, että osoite tippuu jakelualueen sisälle. Lisäksi tiedän heti kuinka kauan reissuun kuluu ja saan vielä ajo-ohjeet.pizza5Puhelin pirisee lisää, ja kaksi muuta tilausta tulee osoitteisiin Otsolahdentie 5, ja Kelohongantie 2. Reitti tietoineen napsahtaa eteeni. ArcGIS laskee automaattisesti optimaalisen käyntijärjestyksen, ilmoittaa reissuun kuluvan ajan (Ilman pysähdyksiin käytettyä aikaa) ja näyttää reittiohjeet.pizza7Tulostan varmuuden vuoksi reittiohjeet mukaan, vaikka tunnen alueen kyllä hyvin. Muistan myös tallentaa tilaukset Save-napista. Tämä on tärkeää, sillä näin jokaisen tilauksen osoite ja kellonaika jää järjestelmään muistiin!pizza8Talteen jäänyttä tilausdataa voi käyttää hyödyksi esimerkiksi ostajaprofiilien selvittämiseen.

Tilausdatan hyödyntäminen

Tiputetaan kartalle hurja määrä tilausdataa, jolloin on helppo selvittää miltä alueilta tulee eniten tilauksia. Tämän jälkeen katsotaan avoimen demografia-aineiston perusteella minkälaisia talouksia juuri näillä alueilla asuu. Hyvin pienellä vaivalla pystytään muodostamaan kuva parhaiden alueiden talouksien piirteistä.

Alla olevassa kuvassa demoan juuri syntyneellä kolmen osoitteen aineistolla miten demografia tietoja yhdistetään. Siniset alueet ovat Tilastokeskuksen avointa Paavo-postinumerodemografiadataa:

  • Otaniemessä asukkaiden keski-ikä on 26 vuotta, talouden keskikoko 1,80 henkilöä ja mediaanitulot 19,242€/vuosi.
  • Otsolahden data: 40v, 1,90 as ja 36,673€/v
  • Kelohongantie sijoittuu postinumeroalueelle, jossa luvut ovat 42v, 1,80 as, ja 34,064€/v.

Paavossa on hurja määrä muitakin muuttujia tutkittavaksi.

pizza9
Sijainti liimaa tilausdatan ja demografiadatan toisiinsa.

Tässä siis kolme konstia pizzan ohessa pureskeltavaksi.

Mukavia paikkatietohetkiä!

t.Antti

Advertisement