Еще один пример использования "квадратных" данных мобильных операторов о том, как перемещаются их абоненты.Компания Habidatum использовала данные, чтобы увидеть как изменилось поведение людей до карантина и во время карантина в разных районах Москвы.
Помимо очевидных выводов о том, что сильно упало число пешеходов в центре и выросло на окраинах, есть и несколько интересных.
Сопоставив число сигналов в квадратах с инфраструктурой ( магазины, парки и транспорт), исследователи, например, увидели, что
1. сильно увеличился спрос на районные парки и набережные, несмотря на снижение общего числа людей на улицах
2. нецентральные станции метро с ритейлом вокруг, такие как Стрешнево, остались точками притяжения людей, тогда как транзитные станции типа Выхино потеряли популярность
3. сильнее всего пострадали сервисы, расположенные в офисных районах, так как они рассчитаны только на работников, которые во время карантина оставались дома
Будете читать исследование обратите внимание на несколько недочетов - в UK за такое исследование поставили бы не выше "3"
1. Нет указания на время суток и дни недели, в которые сделаны замеры. Ночью и днем - у людей разные патерны поведения.
2. Не учитывается были ли объекты /точки притяжения закрыты на время карантина или они просто не пользовались популярностью у людей
3. Нет нормирования на численность жителей района.По абсолютным значениям нельзя сравнивать районы между собой, так как количество жителей в них может сильно отличаться. Правильнее считать долю сигналов в квадрате относительно всех сигналов внутри района
4. При сравнении хорошо бы добавить динамику между мартом и апрелем прошлого года и проверить статистическую значимость различий 2020. Что если часть "наблюдений" случайна?
https://medium.com/habidatum/%D0%B3%D0%B4%D0%B5-%D0%B2-%D0%BC%D0%BE%D1%81%D0%BA%D0%B2%D0%B5-%D0%B3%D1%83%D0%BB%D1%8F%D0%BB%D0%B8-%D0%B0-%D0%B3%D0%B4%D0%B5-%D1%81%D0%B8%D0%B4%D0%B5%D0%BB%D0%B8-%D0%B4%D0%BE%D0%BC%D0%B0-%D0%B3%D0%BE%D1%80%D0%BE%D0%B4-%D0%B2-%D0%BF%D0%B5%D1%80%D0%B8%D0%BE%D0%B4-%D0%BA%D0%B0%D1%80%D0%B0%D0%BD%D1%82%D0%B8%D0%BD%D0%B0-aa757ebdf1a6