Standortinformationen sind für viele Entscheidungsträger/innen ein zentraler Bestandteil der datenbasierten Entscheidungsfindung. Das gesamte Internet, wie beispielsweise Google Maps, öffentliche Statistikämter oder Open Data Portale, bieten eine unendliche Vielfalt an Datenquellen mit granularen Standortdaten.
Alle diese Daten sind jedoch unstrukturiert und nicht einheitlich vorhanden. Der Novalytica Datenpool erhebt, säubert und aktualisiert diese Daten, damit eine einheitlich, qualitativ hochstehende Datengrundlage zur Verfügung steht für darauf aufbauende Analysen.
Dank der intelligenten Verknüpfung der verschiedenen Datenquellen lassen sich unterschiedliche Use Cases aus den Daten generieren. Der Novalytica Datenpool übernimmt alle Aufgaben der Daten-Vorverarbeitung für Sie, so dass Sie sich zurücklehnen und sich auf das Wesentliche konzentrieren können: Die Analyse.
Durch die Verknüpfung verschiedener Standortdaten kann ein feinmaschiges Informationsnetz über die ganze Schweiz gesponnen werden. Mit einer Vielzahl von Kriterien kann so nach potenziell interessanten Gebieten gefiltert werden. Ein Unternehmen, das beispielsweise Fahrzeuge im höheren Preissegment vertreibt, könnte dank diesen Standortdaten spezifisch Personen ansprechen, die in Regionen mit höherem Einkommen und schlechtem Anschluss an den öffentlichen Verkehr, sowie in einem Quartier mit einem hohen Anteil an Einfamilienhäusern wohnen.
Gerne stellen wir Ihnen den Datensatz in einem persönlichen Austausch vor.
Als ersten Schritt beim Aufbau einer Datenarchitektur geht es darum, das zukünftige Set-up mit den notwendigen Datenprozessen zu definieren. In diesem Zusammenhang stellt sich häufig die Frage, ob Microsoft Fabric oder Databricks die geeignetere Lösung für die zu implementierenden Datenprozessierungsschritte ist.
Ein zentrales Element im ESG Reporting ist der Energieverbrauch. Der Energieverbrauch eines Gebäudes hängt nicht nur von seiner Effizienz oder von umgesetzten Sanierungsmassnahmen ab, sondern in hohem Masse auch vom Wetter. Nur wenn Witterungseinflüsse aus den Daten rechnerisch entfernt werden, lassen sich Verbräuche über mehrere Jahre hinweg vergleichen.
In unserer Blogreihe zum Thema “Data Literacy” wird das Thema über verschiedene Bausteine beleuchtet. Der erste Teil beginnt mit einer allgemeinen Begriffsdefinition sowie einer Erläuterung, weshalb Data Literacy auch als “Kompetenz des 21. Jahrhunderts” bezeichnet wird.
