Você está na página 1de 91

E X T E N S Ã O

Geomarketing
Geomarketing

www.labgis.uerj.br/extensao
www.twitter.com/labgis_extensao
EDIÇÃO, ORGANIZAÇÃO E ELABORAÇÃO DAS PRÁTICAS

José Augusto Sapienza Ramos

ELABORAÇÃO DO MATERIAL DIDÁTICO

João Gabriel Chiaratti Cabral

SOFTWARES E EXTENSÕES UTILIZADOS

ArcGIS Desktop 10 – Licença ArcInfo


Extensão Spatial Analyst 10
Extensão 3D Analyst 10

Geomarketing 2
Sumário

Prática 00 – Introdução às práticas | pg. 5


Passo 1 – Estrutura das práticas | pg. 5
Passo 2 – O ambiente utilizado | pg. 6
Passo 3 – Copiando os dados das práticas | pg. 9
Passo 4 – Criando a conexão à pasta | pg. 9

Prática 01 – Análise da distribuição espacial de pontos de venda | pg. 11


Passo 1 – Preparação do projeto | pg. 11
Passo 2 – Análise da distribuição espacial | pg. 16
Passo 3 – Contagem dos pontos de vendas por país | pg. 22

Prática 02 – Análise do perfil do consumidor e distribuição | pg. 25


Passo 1 – Calculado atributos derivados da base de dados | pg. 26
Passo 2 – Posicionamento de um novo centro de distribuição | pg. 28
Passo 3 – Inferência das áreas de influência do consumidor | pg. 34
Passo 4 – Totalização dos dados censitários por área de influência | pg. 39
Passo 5 – Apresentação dos resultados | pg. 42
Passo 6 – Estudo inicial de correlação e regressão | pg. 43

Prática 03 – Modelo MCI (Multiplicative Competitive Interaction) no estudo da


concorrência entre Shoppings Centers | pg. 46
Passo 1 – Preparação do numerador - parte não espacial | pg. 47
Passo 2 – Cálculo das distâncias euclidianas | pg. 49
Passo 3 – Cálculo do numerador - parte espacial e não-espacial | pg. 52
Passo 4 – Cálculo do denominador | pg. 55
Passo 5 – Cálculo do fator MCI dos Shoppings Centers | pg. 56
Passo 6 – Análise de soberania e maximidade do MCI | pg. 57
Passo 7 – Cálculo do MCI médio por bairro | pg. 60
Passo 8 – Comparação entre os fatores MCI de dois Shoppings Centers | pg. 62

Geomarketing 3
Prática 04 – Análise Multicritério no Apoio à Decisão | pg. 64
Passo 1 – Cálculo das distâncias às estações de trem e metrô | pg. 65
Passo 2 – Distância euclidiana dos Shoppings Centers | pg. 65
Passo 3 – Pesos para faixa de renda do público-alvo | pg. 68
Passo 4 – Vizinhança dos pesos de renda | pg. 71
Passo 5 – Determinando pesos do acesso ao metrô, trem e proximidade com outro
Shopping | pg. 74
Passo 6 – Aplicação da Análise Multicritério | pg. 77

Prática 05 – Análise Espacial para Marketing Direto | pg. 79


Passo 1 – Análises de densidade | pg. 80
Passo 2 – Análises de vendas de produtos por vizinhança | pg. 82
Passo 3 – Áreas de consumo notável | pg. 84
Passo 4 – Áreas de intercepção de consumo notável | pg. 85
Passo 5 – Análise de Hot Spots | pg. 88

Geomarketing 4
Prática 00 – Introdução às práticas
O objetivo desta prática inicial é passar as informações básicas sobre a execução das práticas
deste curso e sobre os ambientes utilizados.

Passo 1 – Estrutura das práticas


Cada uma das práticas contém um tópico “Introdução”, onde é discriminado seu contexto e
finalidade. Logo depois temos o tópico “Procedimentos”, que contém enumerados cada passo da
prática como, por exemplo, este, o Passo 1.
Dentro de cada passo existem itens, cada item é a execução de uma etapa do passo da prática.
No exemplo abaixo veremos como eles são listados:

1. Item 01
2. Itens 02, às vezes pode haver subitens:
a. Subitem a.
b. Subitem b.
3. E assim por diante...

As imagens são enumeradas com o número da prática mais uma letra, começando pela letra
“a” como, por exemplo, 00.a, 00.b, 00.c e etc.

Nota 01: No decorrer dos passos existem notas para que o instrutor faça
considerações conceituais ou técnicas pertinentes.

Os arquivos utilizados durante as práticas estão em subpastas no DVD de material do curso


com o nome de dadosPX, onde X é o número da prática como, por exemplo, dadosP01 ou
dadosP07.
Geralmente ao final de cada passo das práticas há links para vídeos demonstrando sua
execução. Os vídeos estão na pasta videosPX de forma análoga aos dados. Os vídeos são
identificados pelo número da prática seguido do número do passo como, por exemplo, 00.1, 03.2
e 08.4.
Esse material é meramente complementar as aulas e fonte de consulta posterior dos alunos,
ele não se propõe a ser autossuficiente num aprendizado sobre as geotecnologias aqui
apresentadas. Nesta apostila não são abordadas as teorias necessárias para uma boa
compreensão.

Geomarketing 5
Passo 2 – O ambiente utilizado
O ambiente de aprendizado das ferramentas de Sistemas de Informações Geográficas (SIG) é
o ArcGIS Desktop 10, desenvolvido pela empresa ESRI (http://www.esri.com). Este é o SIG mais
utilizado do mercado atualmente em linhas gerais.
O ambiente do ArcGIS Desktop é composto por diversas aplicações e extensões. Este
ambiente opera sobre três licenças: ArcView, ArcEditor e ArcInfo. Os aplicativos que utilizaremos
durante as práticas serão: o ArcMap e o ArcCatalog, estes estarão sobre a licença ArcInfo.
Apesar do ambiente escolhido, estimula-se a exploração e o uso de outros aplicativos de
Sistemas de Informações Geográficas como, por exemplo, Spring, QuantumGIS, gvSIG, TerraView,
GRASS, GeoMedia, MapInfo e etc. Os cinco primeiros da lista são softwares livres.
O ArcMap é o principal aplicativo da família do ArcGIS Desktop. Nele podemos criar,
visualizar, consultar, editar, manipular, analisar e publicar dados geográficos e alfanuméricos. A
Figura 00.a ilustra sua interface.

Figura 00.a – Interface do ArcMap.

O ArcCatalog administra e organiza os dados geográficos e alfanuméricos, apresenta uma


interface relativamente similar ao Windows Explorer e fornece uma série de ferramentas típicas
de Sistemas de Informações Geográficas. Veja na Figura 00.b, ela trás sua interface.

Geomarketing 6
Figura 00.b – Interface do ArcCatalog.

Outro elemento importante é o ArcToolbox. Ele agrupa e organiza todas as ferramentas do


pacote ArcGIS Desktop, de ferramentas simples até as mais sofisticadas. Ele é acessado por
dentro do ArcMap, do ArcCatalog e do ArcScene.

Figura 00.c – ArcToolbox.

Nota 02: O principal objetivo desse curso não é ensinar a utilização do pacote
ArcGIS Desktop em si, mas ensinar as ferramentas sobre o tema do curso por meio
de um sistema de informação geográfica.

Geomarketing 7
Nota 03: Incentiva-se o uso de material complementar durante o curso e
posteriormente. Existem fóruns, sites e sistemas de ajuda completos e didáticos na
Internet. O ambiente SIG é muito vasto e detalhado, um aluno dessa área deve ter o
hábito de explorar materiais complementares.

Anotações

Geomarketing 8
Passo 3 – Copiando os dados das práticas
Não se recomenda o uso do material didático diretamente do DVD-ROM, pois algumas
operações abordadas durante as práticas não podem ser realizadas neste tipo de mídia, por ser
uma mídia somente leitura (não escrita) de dados.
Sugerimos os seguintes passos:

1. Copie a pasta com as práticas para um disco rígido, pendrive ou outro tipo de mídia similar;
2. No gerenciador de arquivos do seu sistema operacional como, por exemplo, o Windows
Explorer, acesse as propriedades da pasta com o material copiado à outra mídia. Retire a
opção Somente Leitura (Read Only) e aplique as alterações para esta pasta e todas as
subpastas;
3. Pronto, seus arquivos estão prontos para uso.

Veja o vídeo deste passo: Vídeo 00.3.

Passo 4 - Criando a conexão à pasta dos dados


O ArcGIS Desktop 10 trabalha sobre a ótica de conexões às pastas, partições de disco, drives
de DVD, locais na rede ou qualquer outro local acessível pelo computador. Se desejarmos acessar
dados de um desses locais, precisamos realizar a operação Connect To Folder. Esta operação
pode ser executada, por exemplo, por dentro do ArcCatalog ou no ArcMap por meio da janela
Catalog Window.
Vejamos neste passo como criar uma conexão pelo ArcCatalog a pasta onde estão os dados
utilizados neste curso:

4. Abra o ArcCatalog em Iniciar/ArcGIS/ArcCatalog. Sua interface já foi exemplificada na


Figura 00.b;
5. Clique sobre o botão Connect To Folder , veja o botão em destaque na Figura 00.d;

Figura 00.d - Localização do Connect To Folder.

Geomarketing 9
Nota 04: A posição das barras de ferramentas não é padrão, uma vez que os
elementos de interface visíveis e sua respectiva disposição são configuráveis pelo
usuário.

6. Ao clicar sobre o botão, uma janela é exibida. Selecione a pasta onde os dados dos cursos
foram copiados no passo anterior e clique em OK;
7. Observe à esquerda do ArcCatalog no item Folder Connections, o sistema adicionou a
conexão. Vide Figura 00.e. Altere o nome da conexão para Geomarketing, esse nome é
apenas um apelido para a conexão;

Figura 00.e - Alterando o nome da conexão.

8. Ao clicar sobre a conexão, o conteúdo da pasta é exibido do lado direito do ArcCatalog.


Vide Figura 00.e.

Veja o vídeo deste passo: Vídeo 00.4.

Nota 05: O usuário pode realizar quantas conexões a pasta ele desejar. Para
desconectar a pasta, clique com o botão direto sobre a conexão e marque a opção
Disconnect Folder.

Anotações

Geomarketing 10
Prática 01 – Análise da distribuição espacial de pontos de venda
Uma das principais análises do Geomarketing é o estudo da distribuição espacial dos
elementos de estudo como, por exemplo, pontos de venda, concorrentes, consumidores,
fornecedores, entre outros.
Há diversas maneiras de medirmos a distribuição espacial, durante o curso, veremos as
principais. Nessa primeira prática, veremos uma análise de densidade, seguida de concentração.
Vamos utilizar aqui os pontos de vendas dos McDonalds na Europa, os limites dos países
europeus e as principais cidades europeias.
Os pontos de vendas dos McDonalds estão disponíveis no site:
http://www.go2poi.com/partner/mcdonalds.php?c=fr.

Passo 1 – Preparação do projeto


Como dito na prática anterior, o ArcMap é o aplicativo central do ArcGIS Desktop. O ArcMap
contém ferramentas de visualização, edição e saída de dados geográficos.
Veremos aqui algumas operações de símbolos e projeto introdutórias, faça:

1. Abra o ArcMap em Iniciar/Programas/ArcGis/ArcMap 10 ;


2. O sistema apresenta a janela Getting Started. Dentro da caixa My Templates selecione Blank
Map e clique OK. Pronto, iniciamos um projeto novo e vazio;
3. Clique no botão Add Data localizado na barra de ferramentas Standard, geralmente
na parte superior do ArcMap;
4. Na janela que o sistema abriu, acesse a pasta deste curso e selecione os arquivos no
formato Shapefile com os nomes Pontos_de_Venda_McDonalds, Cidades_Europa
Paises_Europa;
5. Cada arquivo selecionado deu origem a uma camada (Layer). Cada camada está
representada por um item na Table of Contents (TOC), geralmente à esquerda do ArcMap;
6. Vamos editar os símbolos das feições das camadas. Clique com o botão esquerdo do mouse
sobre o ponto logo abaixo do nome Pontos_de_Venda_McDonalds. O sistema exibe uma
janela como mostra a Figura 01.a;

Geomarketing 11
Figura 01.a – Edição do símbolo.

7. Na parte superior da janela temos a caixa para busca de símbolos, nela está escrito no
momento Type here to search. O ArcGIS Desktop possui um grande acervo de símbolos, no
botão Style References habilitamos os grupos de símbolos que são exibidos à esquerda da
janela, entretanto o recurso de busca varre todos a biblioteca de símbolos. Digite fast food e
clique no botão ;
8. O sistema lista alguns resultados, selecione o último. Após selecionar, edite o campo Size
para o valor 10. Ao final, clique em OK;
9. Observe a alteração no Data Frame. Se necessário, desmarque a caixa ao lado esquerdo
de cada camada na Table Of Contents (TOC), exceto a camada Pontos_Venda_McDonalds.
Desta forma, deixamos as outras camadas invisíveis para visualizarmos a nossa alteração
de simbologia;
10. Clique no ponto logo abaixo da camada Cidades_Europa na TOC e edite seu símbolo a gosto,
deixe os pontos em destaque para facilitar a visualização;
11. Clique com o botão direito do mouse sobre a camada Paises_Europa na Table of Contents
(TOC) e clique na opção Properties. Observe a Figura 01.b;

Geomarketing 12
Figura 01.b – Acessando as propriedades da camada.

12. Na janela que o sistema abriu, clique na aba Symbology na parte superior da janela;
13. Na lista Show à esquerda da janela, selecione a opção Categories/Unique Values. Observe
que a interface da janela foi alterada. No campo Value Field selecione a opção NAME_PT.
Logo em seguinda, clique no botão Add All Values e escolha uma rampa de cor a gosto em
Color Ramp;
14. Ainda na janela das propriedades do layer, vá à aba Labels na parte superior da janela;
15. Na parte superior, marque a opção Labels features in this layer. Na opção Label Field,
selecione o campo NAME_PT. Confire as opções de fonte a gosto;
16. Clique com o botão direito do mouse sobre o layer Cidades_Europa na TOC. Depois vá à
opção Properties;
17. Na janela que o sistema abriu, acesse a aba Labels. Na parte superior, marque a opção
Labels features in this layer. Na opção Label Field, selecione o campo NAME. Confire as
opções de fonte a gosto. Ao final da configuração, clique em OK;
18. Utilizando as ferramentas de navegação como Zoom In e Pan , observe o resultado.
Vide Figura 01.c e 01.d;

Geomarketing 13
Figura 01.c – Camadas (Layers) com seus símbolos alterados.

Figura 01.d – As camadas em detalhe.

19. Clique com o botão direito do mouse sobre o item na Table of Contents (TOC)
representando a camada Paises_Europa. Depois clique na opção Open Attribute Table.
Observe a tabela com os atributos associados aos países, há informações de população,
empregados e consumo médio de caloria por dia. Abra também as tabelas de atributos das
outras camadas;
20. Para salvar o projeto, clique no botão Save . Na janela que o sistema abriu, aponte para a
pasta desta prática, digite o nome Projeto_Mc_Europa e clique em Save. Pronto, salvamos o
projeto de mapa do ArcMap.

Veja o vídeo deste passo: Vídeo 01.1.

Geomarketing 14
Anotações

Geomarketing 15
Passo 2 – Análise da distribuição espacial
Como dito no início da prática, começaremos a análise da distribuição espacial. Vamos
analisar a densidade de pontos por área de busca. A nossa área de busca será na primeira
execução um círculo com raio de 50Km e depois de 500Km. Esse círculo será aplicada em
intervalo definido, no nosso exemplo 1Km x 1Km, gerando uma malha regular com 1Km de lado.
Em cada célula da malha o círculo de raio definido será aplicado, conta-se então o total de
pontos que incidem dentro do círculo e divide-se pela área do círculo (πR2). Temos assim a
densidade de pontos na área do círculo.
Podemos além de contar os pontos, totalizar certo atributo dos pontos como, por exemplo,
volume de vendas, total de clientes, entre outros. Neste caso, a densidade é em cima da
totalização do respectivo atributo, não apenas uma quantificação de pontos.
Siga os passos:

1. Nessa parte da prática, precisamos utilizar a extensão Spatial Analyst para executar as
operações à frente. Desta forma, seguindo do projeto gerado no passo anterior, vá ao menu
suspenso em Customize/Extensions;
2. Na janela que o sistema abriu, marque as opções Spatial Analyst . Logo em seguida, clique
no botão Close;

Nota 01: Para utilização das extensões aqui apresentadas, é necessário um


licenciamento próprio além da licença do próprio ArcGIS Desktop.

3. Abra o ArcToolbox Window ;


4. Acesse a caixa de ferramenta Spatial Analyst Tools/Density/Point Density, como mostra a
Figura 01.e;

Figura 01.e – Acessando a caixa de ferramenta para análise de densidade pontual.

Geomarketing 16
5. O resultado dessa operação será uma grade regular de células (pixels). Para cada célula
será aplicado uma região de busca como, por exemplo, um círculo ou um quadrado
centrado na respectiva célula. Calculam-se então quantos pontos estão contidos nessa
região de busca. Por fim divide-se a quantidade de pontos pela área da região de busca,
fornecendo assim uma medida de densidade. O sistema abriu uma janela para
configurarmos a operação. Vide a Figura 01.f;

Figura 01.f – Configuração da ferramenta Point Density.

6. Na janela de configuração, faça:


a. Input point features: selecione na lista a camada Pontos_de_Venda_Mc_Donalds.
Esse serão os pontos utilizados no cálculo de densidade;
b. Population field: deixe com a opção NONE. Desta forma o processo contará os
pontos contidos nas regiões de busca de cada célula. Podemos também
selecionar um campo numérico da tabela dos pontos, tendo a densidade calcula
pelo valor do respectivo campo como, por exemplo, produção de energia de
uma usina;
c. Output raster: clique no botão ao lado direito do campo. Aponte para a pasta
desta prática e digite o nome Densidade_por_50Km.img. A extensão img ao
nome do resultado indicará ao software que você deseja utilizar o formato
ERDAS IMAGINE;
d. Output cell size: coloque o valor 1000. As unidades são em unidades do mapa,
neste caso, em metros. Para cada célula de 1Km x 1Km será aplicado a região de
busca e calculada a densidade;
e. Neighborhood: selecione a opção Circle. Aqui configuramos a geometria que
será aplicada como região de busca no entorno de cada célula;
f. Radius: digite 50000. Desta forma, o raio do círculo será de 50km;
g. Units: selecione a opção Map para que o valor do Radius seja em unidades do
mapa, que neste exemplo é metros. Caso marcássemos a opção Cell, o raio do

Geomarketing 17
círculo seria de 50000 células, ou seja, 50.000Km, já que configuramos a célula
em Output cell size para 1Km;
h. Area Units: opte por SQUARE_KILOMETERS. Desta forma, a densidade será
calculada 1/Km2.

Nota 02: A adoção da distância de 50Km ou outro valor para a região de busca é
geralmente empírico. Nas dimensões do continente europeu, esse valor corresponde
a um bom avaliador de densidade em nível das cidades.

7. Ainda na janela da ferramenta, clique em Environments. Na nova janela aberta, clique em


Raster Analysis. Selecione no campo Mask a camada Paises_Europa. Com essa opção, as
células não contidas nos limites dos polígonos como, por exemplo, no mar, não terão os
valores calculados de densidade e não serão exibidos por padrão no resultado final. Clique
no botão OK para fechar a janela corrente;
8. Pressione o botão OK e aguarde o processamento. A partir da versão 10 do ArcGIS Desktop,
muitas das ferramentas são executadas em plano de fundo (background). Quando o
processamento terminar, será exibida uma mensagem na parte inferior direita do ArcMap,
como mostra a Figura 01.g. Enquanto um processo é executado em plano de fundo, o
software pode continuar, em geral, a ser operado pelo usuário;

Figura 01.g – Mensagem sobre o término da operação.

9. Clique com o botão direito do mouse sobre Densidade_50Km na TOC e acesse o item
Properties;
10. Vá à aba Symbology. No campo Classes, selecione 30 para dividir a classificação de
simbologia em 30 fatias. Em Color Ramp, escolha a primeira rampa da lista. Clique em OK;
11. Deixe apenas a camada com o resultado Densidade_por_50Km e Cidades_Europa e observe o
resultado na Figura 01.h. As regiões de maior densidade estão em destaque;

Geomarketing 18
Figura 01.h – Resultado da análise de densidade em um raio de 50km.

1. A primeira análise se deu a um nível de cidades, faremos uma análise de densidade mais
aberta e em nível continental. Para isto, basta aumentar o raio do círculo de busca entorno
de cada célula. Abra o ArcToolbox Window e acesse novamente a ferramenta Spatial
Analyst Tools/Density/Point Density;
2. Na janela que o sistema abriu, faça a configuração:
a. Input point features: selecione na lista a camada Pontos_de_Venda_Mc_Donalds;
b. Population field: deixe com a opção NONE;
c. Output raster: clique no botão ao lado direito do campo. Aponte para a pasta
desta prática e digite o nome Densidade_por_500Km.img;
d. Output cell size: coloque o valor 1000;
e. Neighborhood: selecione a opção Circle;
f. Radius: digite 500000;
g. Units: selecione a opção Map;
h. Area Units: opte por SQUARE_KILOMETERS.
3. Da mesma forma que na primeira execução, clique em Environments. Na nova janela
aberta, clique em Raster Analysis. Selecione no campo Mask a camada Paises_Europa;
4. Clique em OK e OK. Aguarde o processamento terminar;
5. Clique com o botão direito do mouse sobre a camada resultante da operação e vá ao item
Properties;

Geomarketing 19
6. Acesse a aba Symbology. No campo Classes selecione 10 e selecione uma rampa de cor a
gosto, preferencialmente rampas com diversas tonalidades. Clique em OK e veja o
resultado na Figura 01.i;

Figura 01.i – Densidade por raio de 500 km. O objetivo aqui é expressar a concentração a nível continental.

7. Deixe apenas a camada Densidade_por_50Km visível;


8. Clique na ferramenta Identify . Em seguida, clique sobre o Data Frame. Observe que o
sistema abre uma janela Identify e fornece o valor da célula clicada em Pixel Value.
Ressalta-se que os valores das células dessa camada expressam a quantidade de pontos de
venda do McDonalds localizados num raio de 50 km da respectiva célula dividido pelo
valor de área do círculo de mesmo raio;
9. Vamos transformar os valores das células de densidade para quantidade de pontos. A
densidade é dada pela quantidade de pontos divido pela área, logo ao multiplicarmos o
valor de cada célula pela área do círculo, teremos a quantidade de pontos. Abra o
ArcCatalog Window e vá à ferramenta Spatial Analyst Tools/Map Algebra/Raster Calculator.
O sistema abre uma janela como mostra a Figura 01.j;

Geomarketing 20
Figura 01.j – Janela da ferramenta Raster Calculator.

10. A região logo acima do Output raster é onde construirmos a expressão que será aplicada a
cada célula da camada. Dê um duplo clique em Densidade_Por_50Km na lista Layers and
variables, observe que a mesma foi escrita na área de construção da expressão. Usando os
botões na parte superior e o teclado, construa a expressão abaixo:
"Densidade_por__50Km" * 50 * 50 * math.pi
11. Essa fórmula será aplicada a cada célula da camada, onde o nome "Densidade_por_50Km"
será substituído pelo valor da respectiva célula da grade. Como dito antes, estamos
multiplicando a densidade pela área para obter a quantidade de pontos de venda no raio
de 50 km de qualquer célula. Clique no botão ao lado direito do campo Output Raster.
Aponte para a pasta desta prática e digite o nome Qnt_de_Postos_num_Raio_de_50Km.img;
12. Clique em OK e aguarde o processo terminar;
13. Use o comando Identify novamente sobre as células do resultado e observe os novos
valores.

Veja o vídeo deste passo: Vídeo 01.2.

Anotações

Geomarketing 21
Passo 3 – Contagem dos pontos de vendas por país
Nessa última prática, vamos exemplificar um processo de junção espacial de atributos,
totalizando a quantidade de pontos de vendas contidos em cada país. Ao final o resultado será
apresentado por simbologia e labels.
Faça:

1. Seguindo do passo anterior, clique com o botão direito do mouse sobre a camada
Paises_Europa. Acesse a opção Join and Relates/Join. O sistema abre uma janela como
mostra a Figura 01.k;

Figura 01.k – Janela da ferramenta Join.

2. Como dito anteriormente, o objetivo aqui é contar quantos pontos de venda cada país
possui. Para isso, lançaremos mão da operação de junção espacial (Spatial Join), onde os
atributos de uma camada são associados à outra de acordo com uma relação espacial
como, por exemplo, está próximo ou interseção. No campo Choose the layer to join to this
layer, or load spatial data from disk selecione a camada Pontos_de_Venda_McDonalds;
3. Para escolher a operação de junção espacial, selecione no campo What do you want to join
to this layer? a opção Join data from another layer based on spatial location;
4. Marque a opção Each polygon will be given a summary... e não marque nenhuma outra
opção na janela. Desta forma a junção apenas contará quantos pontos estão contidos em
cada país;
5. Por fim, clique no botão ao lado direito do campo Specify output shapefile or feature class
for this new layer. Aponte à pasta desta prática e digite o nome
Paises_Europa_SJoin_McDonalds.shp. Esse será o dado resultante da operação;

Geomarketing 22
6. Ao final da operação, o dado resultante é adicionado ao projeto como uma nova camada.
Deixe apenas essa nova camada visível no projeto. Em seguida, clique com o botão direito
do mouse a camada Paises_Europa_SJoin_McDonalds a vá à opção Open Attributes Table;
7. Na janela que o sistema abre temos a tabela com informação de países. Obseve a coluna
Count mais à direita. Essa coluna informa quantos pontos de venda temos contidos no
respectivo país;
8. Feche a janela da tabela. Clique novamente com o botão direito do mouse sobre a camada
Paises_Europa_SJoin_McDonalds na TOC. Dessa vez acesse a opção Properties;
9. Acesse a aba Symbology. Na lista Show à esquerda, selecione a opção Quantities/Graduated
Colors. No campo Value Field opte pelo campo Count. Em Classe selecione 5 e escolha uma
rampa de cores (Color Ramp) de tonalidades vermelhas;
10. O sistema apresenta ao centro da janela as cinco faixas numéricas das classes. Cada classe
recebe uma tonalidade de vermelho distinta. Na coluna Range da lista podemos editar
manualmente os valores finais de cada uma das faixas. Clique sobre a coluna Range na
primeira faixa e digite o valor 50. Desta forma o valor final da primeira faixa foi
configurado para 50. Faça o mesmo para as outras 3 faixas, colocando respectivamente os
valores 100, 250 e 500. Não é necessário alterar a última faixa;
11. Vá agora à aba Labels. Primeiramente, clique na opção Label features in this layer. Marque a
opção de texto negrito no botão N. Clique no botão Placement Properties;
12. Na janela Placement Properties, marque a opção One label per feature. Desta forma, cada
numeração da contagem de pontos de venda só aparecerá uma vez por país, chamada aqui
de feição (feature). A opção padrão One label per feature part colocaria, por exemplo, um
rótulo (label) na parte continental do país e em cada ilha no mar. Ao final, clique em OK;
13. De volta à janela anterior, clique no botão Symbol;
14. Na janela que o sistema abriu, clique no botão Edit Symbol;
15. Na janela aberta Editor, acesse a aba Advanced Text. Marque a caixa Text Fill e clique no
botão Properties logo abaixo;
16. Nessa próxima janela que o sistema abriu, marque a caixa Scale mark to fit text. E clique
agora no botão Symbol;
17. Neste quinta janela Symbol Selector, selecione na lista à esquerda a opção Circle 2 e altere a
propriedade Color para um tom de cinza claro. Feche todas as janelas clicando nos
respectivos botões OK, retornando a primeira janela. Por fim, em Label Field selecione o
campo Count.
18. Observe o resultado final na Figura 01.l;

Geomarketing 23
Figura 01.l – Visualização resultante da junção espacial e edições de símbolos e rótulos (labels).

Nota 02: O ArcToolbox Window pode ser acessado, por exemplo, pelo ArcMap, pelo
ArcCatalog e pelo ArcScene. Desta forma, as ferramentas aplicadas neste último
passo também podem ser utilizadas nesses outros aplicativos.

19. Salve o projeto em Save para armazenar suas alterações de símbolo e labels no
Projeto_Mc_Europa.mxd;

Veja o vídeo deste passo: Vídeo 01.3.

Anotações

Geomarketing 24
Prática 02 – Análise do perfil consumidor e distribuição
Nesta prática vamos analisar o perfil consumidor de uma certa marca de produtos naturais.
Considere que você faz parte da empresa de distribuição à atacado dessa marca de produtos
naturais. Seus produtos são comercializados a varejo na rede de Supermercados Campeão no
município do Rio de Janeiro. Essa rede possui 16 lojas concentradas na parte leste do município.
A sua empresa consolidou os dados de venda à atacado do ano de 2010, levantando os
valores de cada pedido como a quantidade de pedidos à atacado. Esses dados estão separados a
cada mercado da rede Campeão, com a totalização por mês e por trimestre.
Os trimestres estão separados da seguinte forma:

o Trimestre 1: Novembro, Dezembro e Janeiro;


o Trimestre 2: Fevereiro, Março, Abril;
o Trimestre 3: Maio, Junho e Julho;
o Trimestre 4: Agosto, Setembro e Outubro.

Também foi realizada uma pesquisa com uma amostra de consumidores de cada
supermercado que compraram produtos da sua empresa. Uma das informações coletadas no
questionário passado foi a localização da residência do consumidor.
Esses dados da pesquisa foram compilados e das análises foi inferida a distância mínima em
torno de cada mercado onde 60% dos consumidores da amostra residem. Em outras palavras,
foi determinado o raio do círculo com centro no respectivo mercado de forma que a área
delimitada contenha 60% dos locais de residência da amostra de consumidores da pesquisa.
O objetivo aqui é principalmente estudar algumas características socioeconômicas das
regiões delimitadas pelas regiões descritas no parágrafo anterior, que chamaremos a partir de
agora de "área de influência 60%".
Os dados utilizados aqui são reais, exceto o raio da área de influência do consumidor, que foi
estimada levando em consideração a densidade populacional e renda dos setores censitários.
Não está sendo distutida a pertinência estatística da pesquisa com os consumidores. O tema será
explanado mais à frente em outro contexto.
Por fim, segue a descrição dos campos encontrados na tabela dos mercados da rede Campeão
relativos a vendas de produtos naturais à atacado pela sua empresa:

o Vend_<mês>_<num_venda>: valor da venda de número <num_venda> de um certo <mês>.


Por exemplo, Vend_Fev_3 é o valor da terceira venda realizada no mês de fevereiro;
o TotalV_<mês>: O total em reais de vendas à atacado para aquele mercado naquele <mês>;
o QntV_<mês>: Quantidade de vendas (entregas) realizadas para aquele mercado em certo
<mês>;
o Vend_Tri_<num_trimestre>: Total em reais de vendas à atacado agrupado por trimestre
segundo o critério mais acima, <num_trimestre>.

Geomarketing 25
Passo 1 – Calculado atributos derivados da base de dados
Nesse primeiro passo realizaremos operações elementares sobre atributos da tabela. Vamos
totalizar o valor vendido e a quantidade de pedidos para cada mercado no ano de 2010. Também
calcularemos a média do valor vendido em cada entrega para cada mercado. Vejamos o exemplo
a seguir:

1. Abra o ArcMap como visto na prática anterior;


2. Feche a janela Getting Started, caso ela abra;
3. Vá ao menu suspenso em Customize/Extensions. Marque a extensão Spatial Analyst .
Precisaremos dessa extensão adicional para realizar algumas operações nessa prática. Ao
final clique em Close;
4. Clique agora no botão Add Data . Na janela que o sistema abriu, vá à pasta desta prática
e selecione os arquivos Distribuidora.shp, Bairros.shp e Pts_Marcados.shp . Depois clique em
OK;
5. Edite o símbolo da camada Distribuidora com um ponto vermelho de tamanho 10;
6. Edite o símbolo da camada Pts_Mercado com quadrado preto de tamanho 5;
7. Coloque o símbolo da camada Bairros sem preenchimento (Fill Color como No Color), borda
preta, espessura de borda 1;
8. Clique com o botão direiro do mouse sobre a camada Pts_Mercados na TOC. Depois acesse a
opção Open Attribute Table;
9. Observe os campos das tabelas e veja a descrição dos campos no início deste passo;
10. Clique no botão Table Options e depois em Add Field, como mostra a Figura 02.a;

Figura 02.a – Adicionando um novo campo (atributo) à tabela.

11. O sistema abre uma janela para criarmos o novo campo. Este campo conterá o total de
vendas em reais acumulado durante o ano de 2010. Em Name digite Vend_Total e em Type
selecione a opção Double. A opção Double indica que o novo campo da tabela armazenará
números reais. Por fim, clique em OK e observe a coluna criada na tabela de atributos;

Geomarketing 26
12. Vamos agora alimentar o campo. Clique com o botão direito do mouse sobre o título do
campo recém-criado, ou seja, Vend_Total, e vá à opção Field Calculator. Vide Figura 02.b;

Figura 02.b – Acessando a ferramenta Field Calculator.

13. Observe a janela que o sistema abre na Figura 02.c. Na lista Fields à esquerda, dê um clique
duplo no item TotalV_Jan. Observe o nome do campo adicionado na área de construção da
expressão, logo abaixo do texto Vend_Total =;

Figura 02.c – Janela da ferramenta Field Calculator.

Geomarketing 27
14. Continue montando a expressão, agora clique no botão + à direita da janela. Depois clique
na lista Fields no campo TotalV_Fev e clique novamente em +. Repita esse procedimento até
montar a expressão com a soma o total de valores vendidos nos doze meses do ano:
[TotalV_Jan] + [TotalV_Fev] + [TotalV_Mar] + [TotalV_Abr] + [TotalV_Mai] + [TotalV_Jun] +
[TotalV_Jul] + [TotalV_Ago] + [TotalV_Set] + [TotalV_Out] + [TotalV_Nov] + [TotalV_Dez]
15. Clique em OK e observe o resultado;
16. Acesse novamente a opção Add Field e crie mais dois campos:
a. Name: TotQntVend e Type: Short Integer para armazenar o total de quantidade
de vendas no ano. Este campo será do tipo inteiro curto;
b. Name: MedValPed e Type: Double para armazenar a média do valor vendido em
reais por pedido realizado.
17. Após criar os campos, clique com o botão direito do mouse sobre o título do campo
TotQntVend e vá novamente à ferramenta Field Calculator;
18. Construa a seguinte expressão para o campo TotQntVend:
[QntV_Jan] + [QntV_Fev] + [QntV_Mar] + [QntV_Abr] + [QntV_Mai] + [QntV_Jun] + [QntV_Jul] +
[QntV_Ago] + [QntV_Set] + [QntV_Out] + [QntV_Nov] + [QntV_Dez]
19. Aplique a ferramenta Field Calculator agora sobre o campo MedValPed e monte a
expressão:
[Vend_Total] / [TotQntVend]
20. Pronto, elaboramos os campos necessários para execução do resto da prática.

Veja o vídeo deste passo: Vídeo 02.1.

Anotações

Geomarketing 28
Passo 2 – Posicionamento de um novo centro de distribuição
Nesta prática vamos avaliar o posicionamento de novos pontos de distribuições da sua
empresa. A análise será realizada primeramente para todo o município, exceto o mercado que
fica à oeste do município - este será caracterizado como exceção da distribuição espacial. Por fim
determinaremos dois subsetores para análise individual.
O processo aqui aplicado aqui é baseado no cálculo da menor distância aos pontos de
mercado, ou seja, é um problema de minimização. Esse cálculo pode ser realizado considerando
apenas a distância euclidiana ou também ponderando por algum atributos como, por exemplo,
volume de vendas. Com esta ponderação o ponto de mercado que vende mais teria prioridade
em obter uma menor distância na estimativa do novo ponto de distribuição.
Faça:

1. Seguindo do estado do término do passo anterior, clique no botão List By Selection na


parte superior da Table Of Content;
2. A organização e opções das camadas (layers) da TOC mudaram. Clique nos botões Click to
toggle selectable ao lado direito de cada camada, exceto da camada Pts_Mercados.
Observe que o botão assume tons de cinza e as camadas passam a compor o grupo do Not
Selectable (não selecionáveis). Sendo assim, apenas a camada Pts_Mercados pode agora ter
feições selecionadas;
3. Clique no botão Select Features By Rectangle na barra Tools;
4. Clique no comando de navegação Full Extent para enquadrar todas as camadas no Data
Frame com o maior zoom possível;
5. Desenhe sobre o Data Frame um retângulo que contenha todos os pontos de
supermercados, exceto o ponto mais à esquerda do município. Para desenhar o retângulo,
pressione o botão esquerdo do mouse e arraste o cursor sobre a tela. Ao final, solte o botão.
Veja o resultado da seleção na Figura 02.d;

Figura 02.d – Os pontos de mercados selecionados estão com a cor ciano. Observe o ponto
que não pertence a seleção ao lado esquerdo da figura com o símbolo de quadrado preto.

Geomarketing 29
6. Abra o ArcToolbox Window e acesse a ferramenta Spatial Statistics Tools/Measuring
Geographical Distributions/Mean Center. O sistema abre uma janela como mostra a Figura
02.e;

Figura 02.e – Janela da ferramenta Mean Center.

7. Configure na janela:
a. Input Feature Class: selecione Pts_Mercados. A ferramenta não utilizará o ponto
que não está selecionado;
b. Output Feature Class: aponte para a pasta desta prática e coloque o nome
Localizacao_Central_Mercados_Prox_ao_Centro_do_Rio.shp;
8. Deixe os outros campos em branco, clique no botão OK e aguarde o fim do processamento.
O sistema irá localizar o ponto médio da posição dos mercados. Esse nosso exemplo seria
utilizado, por exemplo, como um avaliador preliminar para localização de um centro de
distribuição dos produtos - uma decisão mais acertiva demandaria uma análise mais
elaborada;
9. Observe o resultado apresentado como um pentágono verde na Figura 02.f;
10. Utilizando ainda a ferramenta Select Features By Rectangle , selecione o agrupamento
de mercados ao sul do ponto recém-gerado, como mostra a Figura 02.f;

Geomarketing 30
Figura 02.f – Novo grupo de mercados selecionados ao sul do ponto central (em verde) gerado anteriormente.

11. Execute novamente a ferramenta Mean Center com a seguinte configuração:


a. Input Feature Class: selecione Pts_Mercados. A ferramenta só utilizará nos
cálculos os mercados selecionados - vide Figura 02.f acima;
b. Output Feature Class: aponte para a pasta desta prática e coloque o nome
Localizacao_Central_Mercados_ao_Sul.shp;
12. Execute e observe o resultado. A área próxima a este ponto é potencial a localização de
uma nova distribuidora para atender aos mercados atualmente selecionados. Todavia,
cada mercado não possui o mesmo nível de demanda de produtos - alguns compra mais do
que outros. Desta forma, seria razoável que o novo centro de distribuição ficasse localizado
de maneira a favorecer os mercados que mais demandam uma maior quantidade de
produtos;
13. Ressalta-se que há na tabela dos pontos de mercados apenas os valores dos pedidos e a
quantidade de pedidos. Não há informação sobre a quantidade de produtos em cada
entrega. Utilizaremos então os valores totais vendidos e a quantidades de vendas no ano
de 2010 para favorecer a proximidade aos mercados mais demandantes. Execute
novamente o Mean Center e faça a configuração:
a. Input Feature Class: selecione Pts_Mercados. Ressalta-se que a ferramenta só
utilizará no processamento os mercados selecionados;
b. Output Feature Class: aponte para a pasta desta prática e coloque o nome
Loc_Central_Merc_ao_Sul_Ponderado_pelo_Valor.shp;
c. Weight Field: selecione o campo Valor_Total. Nessa opção é que selecionamos
por qual atributo do mercado a posição central será ponderada.

Geomarketing 31
14. Clique em OK e execute novamente o Mean Center:
a. Input Feature Class: selecione Pts_Mercados. Ressalta-se que a ferramenta só
utilizará nos cálculos do ponto central os mercados selecionados;
b. Output Feature Class: aponte para a pasta desta prática e coloque o nome
Loc_Central_Merc_ao_Sul_Ponderado_pela_QntVenda.shp;
c. Weight Field: selecione o campo TotQntVend. A ponderação aqui será pela
quantidade de vendas realizadas em 2010.
15. Altere a simbologia dos resultados gerados a gosto, observe os resultados na Figura 02.g;

Figura 02.g – Resultados da ferramenta Mean Center: triângulo azul – não ponderado; triângulo roxo - ponderado
pelas quantidade de pedidos; triângulo vermelho – ponderado pelo valor total dos pedidos.

16. Clique na seta apontado para baixo ao lado do botão Add Data e selecione a opção Add
Basemap;
17. Na janela que o sistema abriu, clique na opção Bing Maps Hybrid e depois em Add;
18. Utilizando as ferramentas de navegação, veja o posicionamento dos pontos em relação à
base de fundo (basemap);
19. Ao final, clique com o botão direito do mouse sobre o Basemap na Table Of Contents e vá à
opção Remove. Pronto.

Veja o vídeo deste passo: Vídeo 02.2.

Geomarketing 32
Anotações

Geomarketing 33
Passo 3 – Inferência das áreas de influência do consumidor
Como exposto no início da prática, foi realizada uma pesquisa em cada mercado com uma
amostra de compradores dos produtos naturais de sua empresa. Aferiu-se então uma raio de
distância de forma que o círculo formado englobasse 60% dos consumidores entrevistados do
respectivo mercado.
Vejamos nessa prática como determinar essas "áreas de influência 60%". No passo seguinte
daremos início a análise do perfil dos socioeconômico dos moradores dessas regiões.
Os dados censitários utilizados nessa prática são referentes ao ano de 2000.

1. Continuando do estado final da prática anterior, adicione ao projeto o arquivo


Setores_Censitarios que se encontra na pasta desta prática;
2. Clique com o botão direiro sobre Setores_Censitarios na TOC e vá à opção Open Attributes
Table;
3. Observe a tabela de atributos com os valores censitários;
4. Abra também a tabela de atributos da camada Pts_Mercados. Observe o atributo RaioInf60
com o raio da área de influência descrita no início deste passo e desta prática;
5. Abra o ArcToolbox e acesse a ferramenta Analysis Tools/Proximity/Buffer;
6. O sistema abriu uma tela como mostra a Figura 02.h;

Figura 02.h – Janela da ferramenta Buffer.

7. Na janela configure:
a. Input Features: selecione na lista o Pts_Mercados.shp;
b. Output Feature Class: Aponte para a pasta desta prática e coloque o nome
Areas_de_Influencia_60.shp;
c. Distance[value ou field]: Marque a opção Field. Logo abaixo desta opção,
selecione o campo RaioInf60;
d. Dissolve Type: selecione NONE. Desta forma as áreas de influência que se
interceptarem espacialmente não serão unidas.

Geomarketing 34
8. Clique em OK e aguarde término do processamento. Configure a simbologia a gosto para
melhorar a visualização do resultado, vide Figura 02.i. Observe que existem círculos que se
interceptam. Podemos avaliar que nessas intersecções ocorrem concorrência entre os
mercados, ou seja, definição do termo “canibalismo”. Outra interpretação é que o
consumidor tem mais de uma opção de ponto de venda, como discutido nas apresentações
do instrutor;

Figura 02.i – Determinação das áreas de influência que englobam 60% dos consumidores, segundo pesquisa.

9. Clique com o botão direito sobre a camada Areas_de_Influencia_60 na TOC e vá à opção


Open Attribute Table. Observe que os atributos do resultado do Buffer copiaram os
atributos do ponto de mercado de origem, em outras palavras, os atributos dos mercados
foram copiados para suas respectivas áreas de influência;
10. Precisamos determinar agora quais setores censitários estão sobre as áreas de influência.
Para isto, consideraremos a regra de intersecção. Observe que um setor pode interceptar
mais de uma área de influência - neste caso contabilizaremos os dados socioeconômicos do
setor para cada área de influência separadamente. Retorne ao ArcToolbox Window e acesse
a ferramenta Analysis Tools/Overlay/Spatial Join. O sistema abre uma janela como mostra
a Figura 02.j. O objetivo aqui é copiar os atributos da tabela das áreas de influência à tabela
de atributos dos setores censitários, a condição para esta cópia de atributos será a
interseção entre as áreas:

Geomarketing 35
Figura 02.j – Janela da ferramenta Spatial Join.

11. Configure:
a. Target Features : selecione a camada Setores_Censitarios. Essa será a camada
que receberá os identificadores dos mercados que interceptam a área de
influência dos mesmos;
b. Join Features: selecione Areas_de_Influencia_60. Esta é a camada que terá os
atributos copiados;
c. Output Feature Class: aponte para a pasta desta prática e digite o nome
Setores_Cens_Sjoin_Areas_Inf.shp;
d. Keep All Target Features: desmarque esta opção para que os setores censitários
que não interceptarem pelo menos uma área de influência não seja adicionados
ao resultado da operação;
e. Join Operation: selecione JOIN_ONE_TO_ONE. Desta forma, quando um setor
interceptar mais de uma área de influência, ele não será duplicado. Os atributos
das duas ou mais áreas de influência é que serão concatenados, somados, ou
outra opção similar mais à frente;
f. Field Map: nesta área optamos como os atributos do Target e Join Features
serão combinados no Output Feature Class. Podemos escolher quais campos
irão participar da tabela de saída, seus nomes e como eles serão combinados.
Vamos remover alguns atributos das áreas de influência que não interessam
neste exemplo. Repare no + ao lado de cada atributo, ao clicar nele checamos a
tabela e atributo de entrada relacionado ao mesmo. Agora observe que na lista
do Field Map que temos um bloco de atributos da camada Setores_Censitarios e
outro bloco da camada Areas_de_Influencia_60, que vai do atributo Endereco até
BUFF_DIST. Desse segundo grupo, vamos manter somente o atributo
COD_MERC. Para remover cada atributo do Field Map, selecione-o e clique no
botão mais à direita;
g. Math Operation: opte por INTERSECT. Aqui escolhemos a regra para a junção
espacial.

Geomarketing 36
12. Antes de executarmos a operação, precisamos ainda ajustar alguns detalhes no Field Map.
Clique com o botão direito do mouse sobre o seu item COD_MERC e vá à opção Properties;
13. Na janela que o sistema abriu, selecione a opção Join em Merge Rule e digite ; (ponto e
vírgula) no campo Delimiter. Altere também o campo Type selecionando a opção String.
Com esta configuração, quando um setor censitário interceptar mais de uma área de
influência, o código do mercado (COD_MERC) será concatenado no formato 10;14;18;31. Ao
final clique em OK;
14. Clique em OK e execute o Spatial Join. O resultado foi adicionado como uma camada nova
no projeto do ArcMap. Vide o resultado em destaque na Figura 02.k;

Figura 02.k – Resultado da junção espacial com as áreas de influência e os mercados.

15. Abra a tabela de atributo do resultado da junção espacial com o comando Open Attribute
Table e observe o resultado tabular. Podemos saber pela tabela quais setores interceptam
a área de influência de qualquer mercado pelo campo COD_MERC;
16. Abra novamente a ferramenta Spatial Join e faça esta outra configuração:
a. Target Features : selecione a camada Setores_Censitarios;
b. Join Features: selecione Areas_de_Influencia_60;
c. Output Feature Class: aponte para a pasta desta prática e digite o nome
Setores_Cens_Sjoin_Areas_Inf_2.shp;
d. Keep All Target Features: desmarque esta opção;
e. Join Operation: selecione JOIN_ONE_TO_MANY. Com esta opção o polígono e
atributos do setor censitário será replicado em uma quantidade de vezes igual
a quantidade de áreas de influência que interceptar. Cada réplica receberá os
atributos da respectiva área de influência interceptada;
f. Field Map: não altere desta vez;
g. Math Operation: opte por INTERSECT.

Geomarketing 37
17. Clique em OK e aguarde o fim do processamento;
18. Abra a tabela de atributos do resultado. Clique com o botão direito sobre o campo
Cod_setor de depois vá à opção Sort Ascending para ordenar os registros da tabela em
ordem crescente pelo atributo escolhido. Vide Figura 02.l;

Figura 02.l – Ordenando a tabela pelo atributo Cod_setor.

19. Procure nas linhas da tabela por dois registros com valores de Cod_setor iguais. Neste caso,
o setor intercepta duas ou mais áreas de influência;
20. Ao localizar esses dois registros, observe que os atributos inerentes ao mercado não estão
iguais. Em suma, se um setor intercepta três áreas de influência, seus atributos como o
Cod_setor aparecerá três vezes nesta tabela. Cada um dos três registros terá associado os
valores de um dos mercados. Ressalta-se que o polígono, ou seja, a geometria, também está
replicada e aparece sobreposta Data Frame.

Veja o vídeo deste passo: Vídeo 02.3.

Anotações

Geomarketing 38
Passo 4 – Totalização dos dados censitários por área de influência
No passo anterior gerados uma tabela onde juntamos os atributos da área de influência com
os dados dos setores censitários, caso os houvesse interseção entre as regiões. Se um setor
interceptasse mais de uma área, ele fora duplicado uma quantidade de vezes igual às
interseções.
Neste passo vamos totalizar os dados censitários, agrupando por cada área de influência.
Desta forma saberemos, por exemplo, o total da população ou renda nos setores que
interceptam cada área de influência.
Todavia, antes dessa totalização, é importante salientar que nem todos os setores censitários
são residenciais. Por exemplo, temos setores que são presídios ou asilos. Esses setores devem
ser desconsiderados na nossa análise, pois não possuem consumidores em potencial.
O tipo do setor está codificado por números em um campo próprio, no nosso exemplo ele é o
Tipo_do_se. O significado da numeração segue abaixo:
Código Setor - Descrição

o 0 - Comum ou não especial


o 1 - Especial de aglomerado subnormal
o 2 - Especial de quartéis, bases militares, etc.
o 3 - Especial de alojamento, acampamentos, etc.
o 4 - Especial de embarcações, barcos, navios, etc.
o 5 - Especial de aldeia indígena
o 6 - Especial de penitenciárias, colônias penais, presídios, cadeias, etc.
o 7 - Especial de asilos, orfanatos, conventos, hospitais, etc.

Consideraremos para a nossa análise apenas os setores com códigos 0 ou 1.


Para realizar o passo, siga os itens abaixo:

1. Seguindo do estado final do passo anterior, clique com o botão direito do mouse sobre a
camada Setores_Cens_Sjoin_Areas_Inf_2. Depois clique em Open Atributle Table;
2. Na parte superior da janela da tabela, use ferramenta Select by Atributtes. Vamos
selecionar apenas os setores censitários com código 0 ou 1, como visto acima. Monte a
expressão abaixo utilizando a lista de campos na parte superior da tabela e o botão de Get
Unique Values:
"Tipo_do_se" =' 0' OR "Tipo_do_se" = '1'
3. Observe as linhas selecionadas. Ainda na janela da tabela, clique com o botão direito do
mouse sobre o campo COD_MERC e vá à opção Summarize. O sistema abre uma janela como
mostra a Figura 02.m. Nessa operação, vamos agrupar todos os registros da tabela que
possuem o campo COD_MERC igual, que codifica aqui a área de influência do mercado. Nos
registros agrupados podemos realizar operações como soma, médias, máximo e outras
funções sobre os outros atributos;

Geomarketing 39
Figura 02.m – Janela da Ferramenta Summarize.

4. Na janela faça a seguinte configuração:


a. Select a field to sumarize: escolha o campo COD_MER;
b. Choose one or more summary statistics to be included in the output table: O
resultado dessa operação será uma tabela em formato DBF (dBase File). Nesta
opção vamos definir as operações sobre os campos da tabela de entrada. Ao
lado de cada opção temos um botão para expandir “+”, clique sobre este e
marque a opção SUM nos seguintes campos: RendaTotal, AnoEstTot e PopResid.
Faça o mesmo com a opção MINIMUM para os seguintes campos: Vend_Tri_1;
Vend_Tri_2; Vend_Tri_3; Vend_Tri_4;Vend_Total; TotQntVend;
c. Specify Output Table: selecione a pasta dessa prática e coloque o nome
Sumario_Dados_Censo_por_Area_Inf.dbf;
d. Save as type: escolha a opção dBase Table.

Nota 01: Utilizamos a opção SUM sobre os atributos oriundos dos setores
censitários e MINIMUM sobre os atributos dos mercados. Ao somarmos os atributos
dos setores, teremos o total de população, por exemplo, sobre aa área de influência
daquele mercado. Entretanto, os atributos de mercado estão meramente replicados
para cada setor que interceptou a área de influência. Desta forma, caso somemos o
total vendido de um certo mercado - supondo que seja R$ 10.000 - e que o mercado
intercepte 3 setores, a soma daria R$ 30.000, o que não representa o valor vendido
pelo mercado. Já a função mínimo ficaria min(10.000,10.000,10.000) = 10.000.
Observe que poderíamos usar MAXIMUM e MEAN que teríamos o mesmo resultado.

Geomarketing 40
5. Clique em OK e aguarde o processamento. O programa pergunta se deve adicionar a tabela
gerada no projeto corrente, clique em Sim;
6. Abra a tabela resultante. Clique no botão Table Options e vá à opção Add Field. Crie
um campo com o nome Vd_Per_Cap do tipo Double;
7. Agora vamos usar a ferramenta Field Calculator para calcular o total de venda per capita
habitante. Para isso, clique com o botão direito do mouse sobre o campo criado e vá à
opção Field Calculator. Na janela da ferramenta, construa a seguinte expressão:
[Min_Vend_4] / [Sum_PopRes]
8. Vá novamente à opção Add Field e crie o campo Rz_Vd_Rend do tipo Double para
armazenar o total da renda dos setores sob a área de influência capta pela sua empresa
como venda de produtos em percentual, ou seja, a razão venda por renda. Com o campo
criado, use a ferramenta Field Calculator com a seguinte formula:
[Min_Vend_4] /( [Sum_RendaT] *12)
9. Fizemos a renda dos chefes de família vezes doze por questão de unidades. O total de
vendas é no ano e a renda é mensal. Pronto.

Nota 02: Os nomes Min_Vend_T, Min_Vend_1, Min_Vend_2, Min_Vend_3 e


Min_Vend_4 estão associados respectivamente aos valores de vendas no primeiro,
segundo, terceito e quarto trimestre e o valor total de vendas. Esse truncamento no
resultado da operação Summarize ocorreu pela limitação no tamanho dos nomes
de campos, que de 10 caracteres para o formato de arquivo Shapefile - formato que
estamos utilizando nesta prática.

Veja o vídeo deste passo: Vídeo 02.4.

Anotações

Geomarketing 41
Passo 5 – Apresentação dos resultados
Vamos ver um exemplo de como poderíamos apresentar parte dos resultados gerados na
análise:

1. Num projeto do ArcMap adicione os arquivos Pts_Mercados.shp e Setores_Censitarios.shp


na pasta desta prática;
2. Clique com o botão direito do mouse sobre a camada Pts_Mercados e vá ao item Properties;
3. Na janela que o sistema abriu acesse a aba Symbology. Na lista a esquerda Show marque a
opção Quantities/Graduated Symbols. Em Value, selecione o campo Vend_Tri_1 e na opção
Normalization escolha o campo Vend_Total;
4. Clique em OK e observe a alteração;
5. Agora vamos alterar a simbologia da camada Setores_Censitarios. Para isso, clique com o
botão direito do mouse na camada Setores_Censitarios e vá ao item Properties . Clique na
aba Symbology, na lista Show vá à Quantities/Graduated Colors. Em seguida escolha o
campo RendaPCapt em Value. Em Classes opte por 5 e na opção Symbol Size From coloque o
valor 10 para mínimo e 30 para máximo;
6. Clique em OK e veja o resultado da simbologia na Figura 02.n.

Figura 02.n – Resultado da classificação de simbologia.

Veja o vídeo deste passo: Vídeo 02.5.

Geomarketing 42
Passo 6 – Estudo inicial de correlação e regressão
Nesse passo vamos fazer uma explanação sobre algumas ferramentas que a estatística
descritiva nos trás. Nas práticas anteriores já tivemos contato com a correlação de Pearson,
neste passo vamos ver também exemplos de regressão.
A regressão é um método que a partir de um conjunto de amostras estimamos um gráfico
que expresse o comportamento de outro conjunto de variáveis. Por exemplo, aumentando a
renda ou a escolaridade dos seus consumidores, qual será o impacto nas suas vendas (nem
sempre é positivo)? Qual é o retorno esperado de uma certa promoção em termos de vendas?
Esses tipos de perguntas podem ser respondidas com o método de regressão estatística.
Observe o exemplo abaixo:

Figura 02.o - Exemplo de gráfico com regressão linear.


Fonte: http://www.sobreadministracao.com/as-sete-ferramentas-da-qualidade-correlacao-e-regressao-linear-video-aula-5/

No gráfico acima, podemos chamar x de variável independente e y de variável dependente,


ou seja, f(x) = y. O método de regressão estima f(x) a partir de uma amostra, assim parte-se de
qualquer medição de x como, por exemplo, escolaridade, para estimar y, por exemplo, vendas.
Podemos ter um conjunto de n variáveis independentes e m dependentes. A qualidade da
estimativa da função depende muito da amostra considerada.
Outro fator da regressão é o tipo de função estimada. A função pode ser linear, como na
Figura 02.o, quadrática, polinomial qualquer, exponencial, gaussiana, entre outras. Geralmente a
função utilizada é linear ou logarítmica, porém depende na natureza das variáveis envolvidas.
Um ponto fundamental nesse método são os testes estatísticos para estimar a qualidade da
regressão. Por exemplo, em uma função linear f(x)=y estimamos f(x) = ax+b = y', onde y' é o valor
estimado para y segundo a função linear da regressão. Há testes estatísticos para a, b, y' e f(x). Ou
seja, para cada valor e para a função estimada. Esses testes nos dão rigor científico à regressão,
tanto que esses resultados podem ser usados em um processo judicial. No exemplo acima, sobre

Geomarketing 43
a e b são aplicados testes de significância. Sobre f(x) é aplicado o teste F e significância e sobre y'
é estimado o erro médio.
Há na pasta desta prática uma planilha no formato do programa Excel já pré-preparada para
receber nossos dados resultantes do Passo 4. O curso não focará nos detalhes da aplicação desse
método, o objetivo aqui é realizar uma explanação e exemplificar sua potencialidade. Como
trilha de aprendizado, recomenda-se o estudo de conceitos estatísticos que envolvam o processo
de regressão como correlação, distribuição normal, teste de hipótese, entre outros.
Siga os itens:

1. Abra o programa Microsoft Excel, para isso vá à Iniciar/Todos os Programas/Microsoft


Office/Microsoft Excel. O caminho pode mudar dependendo da versão do seu Microsoft
Office e personificação na instalação;
2. No menu suspenso clique em Arquivo/Abrir , aponte para a pasta dessa prática e abra as
tabelas Sumario_Dados_Censo_por_Area_Inf.dbf e Planilha de Correlação e Regressão.xls. A
primeira tabela foi resultado do Passo 4;
3. Copie todo o conteúdo da tabela Sumario_Dados_Censo_por_Area_Inf.dbf para a aba
Planilha da tabela Planilha de Correlação e Regressão. Para acessar a aba Planilha clique no
canto inferior esquerdo da planilha como mostra a Figura 02.p;

Figura 02.p – Acessando a aba Planilha.

4. Ao alimentar a planilha, diversos valores das outras abas se atualizaram automaticamente.


Acesse a aba Correlações. Veja a correção cruzada de todos os atributos;
5. Agora acesse a aba Planilha e copie todo o conteúdo da coluna Sum_RendaT para a coluna
correspondente a Variável Independente 1 (VInd1) da aba Estudo das Variáveis. Faça o
mesmo para as colunas Min_Vend_1, Min_Vend_T e cole respectivamente nas colunas
Variável Independente 2 (VInd2) e Variável Dependente (VDep);
6. Acesse a aba Gráficos, observe a Figura 02.q;

Geomarketing 44
Figura 02.q - Regressões calculadas, há regressão linear, polinomial, logarítmica das variáveis VDep X VInd1, VDep
X VInd2 e VDep X VInd1 X VInd2.

7. Observe junto aos gráficos os valores de R2, significâncias, erro médio de Y e teste T da
função, esses são os testes que apontam uma regressão bem ajustada;

8. Caso a constante da função fique com o teste de significância ruim, isso pode apontar que
ela deve valer 0 (zero). Para isso, digite 0 ao lado do campo Tem constante? (0 - Não; 1 -
Sim). Por exemplo, o valor da constante de uma regressão linear é dado por b em f(x) = ax +
b;
9. Por fim, troque os valores das colunas VDep, VInd1 e VInd2 na aba Estudo das Variáveis e
procure uma boa combinação de variáveis para a regressão. Tente, por exemplo, o total
vendido do primeiro e segundo trimestre como variáveis independentes e o total vendido
como dependente;
10. Se alguma regressão linear ficou boa, o valor do coeficiente A e da constante (b) resultam
na função f(x)=ax + b. Pronto.

Veja o vídeo deste passo: Vídeo 02.6.

Anotações

Geomarketing 45
Prática 03 – Modelo MCI (Multiplicative Competitive Interaction) no
estudo da concorrência entre Shoppings Centers
Na apresentação do instrutor sobre modelos, foi visto que a partir do marco do modelo
gravitacional de Huff diversas propostas de modelos vem sendo apresentadas dentro do
Geomarketing.
Dentre as possibilidades temos os Modelos de Interação Espacial, onde o MCI - Multiplicative
Competitive Interaction é um dos mais aplicados. O modelo MCI baseia-se em variáveis que
descrevem o comércio multiplicados por um parâmetro de sensibilidade (β) do consumidor ao
aumento ou diminuição da variável perante aos concorrentes. Por exemplo, aumentar em p o
número de vagas no estacionamento equivale aumentar em w o número de cinemas? Qual a
sensibilidade do consumidor a esses fatores em termos de atratividade ao Shopping Center?
Todas as variáveis de um comércio são multiplicadas por seus respectivos β e depois seus
resultados são multiplicados entre si, gerando o numerador da equação abaixo. Faz-se esse
cálculo para cada comércio e soma-se as parciais, formando assim o demoninador.
O MCI fornece a probabilidade entre [0,1] do consumidor na posição geográfica i optar pelo
comércio localizado em j. O processo de escolha depende das variáveis e sensibilidades do
comércio j em questão e todas as outras alternativas de escolha do consumidor.
Segue a formulação do Multiplicative Competitive Interaction:

Onde:

o Pi,j é a probabilidade do consumidor na posição i optar pelo comércio na posição j;


o q é o número de variáveis consideradas no modelo - exemplo abaixo serão 5;
o m é a quantidade de alternativas do consumidor de um certo segmento que ofertem
produtos ou serviços que o mesmo necessite - nosso exemplo teremos 30 Shoppings;
o Xkij é o valor da k-ésima variável que descreve o comércio j na posição i;
o βk parâmetro relativo a sensibilidade da k-ésima variável.

Nesta prática utilizaremos as seguintes variáveis relativas aos Shoppings Centers: número de
lojas, número de cinemas, número de teatros, número de vagas na garagem e distância entre a
residência do consumidor e o Shopping Center. Essas variáveis foram levantadas junto a
Associação das Empresas Lojistas em Shopping Centers e nos sites dos próprios Shoppings.
Os valores de sensibilidade (β) serão determinados junto a uma pesquisa online realizada
pelo instrutor abertamente. A cada turma de Geomarketing a quantidade de pessoas que
respondem ao questionário cresce, mudando os valores de β. No texto e nos vídeos da prática
utilizaremos valores padrão, mas na sua execução em sala de aula esses valores podem ser
alterados pelo instrutor.

Geomarketing 46
Passo 1 – Preparação do numerador - parte não espacial
Atacaremos primeiro a fórmula do MCI apresentada acima. Separaremos o nosso problema
nas variáveis do Shopping Center j que variam conforme a posição do consumidor i - ditas
espaciais - e as variáveis que não dependem da posição do consumidor em relação ao comércio.
Por exemplo, a quantidade de lojas do comércio será aplicada na equação. Independente da
posição i do consumidor, a quantidade de lojas não se altera. Ao contrário da variável distância
residência - Shopping, essa variável depende da posição i do consumidor. De fato, a única
variável espacial no nosso exemplo é a distância.
Devido a questões das diferentes ferramentas aplicadas, separamos o cálculo do numerador
na parte não espacial e depois da junção do resultado com a parte espacial.
Os valores de β utilizados serão:

o Quantidade de teatros: 1;
o Quantidade de vagas no estacionamento: 2;
o Distância entre residência e Shopping: 4;
o Quantidade de salas de cinema: 13;
o Quantidade de lojas: 14.

Ressalta-se que já aplicaremos o β da variável distância nesse passo, uma vez que o seu valor
em si é constante. A única variável é o valor da distância propriamento dito.
Como dito anteriormente, o instrutor pode alterar os valores dos pesos segundo a pesquisa
online passada ao público. Esses valores são apenas para exemplificar.
Por fim, normalizaremos os valores das variáveis pelo total da mesma em todos os
Shoppings Centers. Por exemplo, se um Shopping possui 10 salas de cinema e o total de salas de
cinemas dos trinta Shoppings é de 200 salas, o valor utilizado na fórmula será 0,05.
Faça:

1. Num novo projeto do ArcMap adicione o arquivo no formato Shapefile Shoppings.shp.


2. Na TOC, clique com o botão direiro do mouse sobre a camada Shoppings e vá à opção Open
Attributes Table;
3. Observe nesta tabela campos com as seguintes informações sobre os shoppings: número
de lojas (Qnt_Lojas), salas de cinemas (Qnt_Salas), salas de teatro (Qnt_Teatro) e vagas no
estacionamento (Vagas);
4. Vamos criar um novo campo com o nome MCI do tipo Double, para isso vá à ferramenta
Table Options/Add Field como mostra a Figura 03.a;

Geomarketing 47
Figura 03.a – Acessando a ferramenta Add Field.

5. Clique com o botão direito do mouse sobre o campo MCI recém criado e vá à ferramenta
Field Calculator. Na janela aberta construa a seguinte expressão:
4 * 13 * 14 * 2 * ([Qnt_Lojas]+1) * ([Qnt_Salas]+1) * ( [Qnt_Teatro]+1) * Sqr ( [Vagas]+1 ) /
(5891 * 161 * 9 * 48711)
6. Clique em OK e observe o resultado.

Nota 01: Para calcular o total de uma das variáveis em todos os Shoppings, clique
com o botão direito do mouse sobre o campo em questão e acesse a ferramenta
Statistics.

Veja o vídeo deste passo: Vídeo 03.1.

Anotações

Geomarketing 48
Passo 2 – Cálculo das distâncias euclidianas
Antes de incluirmos a distância como variável na fórmula do MCI, precisamos calculá-la
propriamente dito. Para isto lançaremos mão da ferramenta que calcula a distância euclidiana
para todo o nosso espaço geográfico, no caso o município do Rio de Janeiro.
Observe que teremos um resultado de distância para cada um dos 30 Shoppings. Um mesmo
ponto terá um valor diferente de distância para cada comércio. Para não termos que calcular a
distância 30 vezes, lançaremos mão do recursos do ArcGIS Desktop denominado Model Builder.

1. Seguindo do estado do término do passo anterior, adicione ao projeto o


arquivo Bairros.shp. Na parte superior da janela, na barra Standart, clique no botão
ModelBuilder. O sistema abre uma janela como mostra a Figura 03.b;

Figura 03.b – Janela do Model Builder

2. Na janela que o sistema abriu, vá ao menu suspenso Insert/Iterators/Feature Selection.


Observe que a operação foi adicionada ao Model representado por um hexágono com seus
devidos resultados;
3. Dê um clique duplo sobre o hexágono Iterate Feature Selection. Na janela que o sistema
abriu configure:
a. Input Features: Shoppings;
b. Group By field(optional) : Selecione o campo COD_SHOP;
4. Clique em OK. Configuramos que cada conjunto de ponto com o atributo COD_SHOP
diferente será tratado a parte. Como este atributo é identificador único de cada Shopping,
cada ponto da camada será tratado a parte;

Nota 02: A elipse I_Shoppings_COD_SHOP representa cada conjunto de pontos


agrupado pelo campo COD_SHOP. Como dito anteriormente, cada conjunto terá
apenas um ponto, pois o atributo agrupador é identificador único do Shopping.
Como temos 30 pontos, teremos 30 grupos. A elipse Value representa o valor do
campo COD_SHOP do respectivo grupo, ele será de valia mais à frente.

Geomarketing 49
5. Na janela do Model clique no botão Add Data . Em Look in opte pelo item Toolboxes e
abra o item System Toolboxes/Spatial Analyst Tools/Distance/Euclidean Distance. O sistema
adiciona ao Model a ferramenta que calcula a distância euclidiana;
6. Com a ferramenta Connect na barra de ferramentas, ligue a elipse
I_Shoppings_COD_SHOP ao retângulo representando a operação Euclidean Distance. Ao
fazer esta conexão o sistema abre uma lista de opções. Escolha a opção Input Raster or
Feature Source Data;
7. Dê um clique duplo sobre a operação Euclidean Distance. O sistema abre uma janela de
propriedades, vide a Figura 03.c;

Figura 03.c – Janela da ferramenta Euclidean Distance.

8. Faça seguinte configuração:


a. Input raster or feature source data: já está selecionado I_Shoppings_COD_SHOP
devido à ligação que fizemos logo acima;
b. Output distance raster: Clique no botão à direita do campo. Na janela que o
sistema abriu, crie uma nova pasta com o nome Dist_Euclidiana para salvar os
resultados, para isso clique no botão New Folder na parte superior. Salve
dentro desta nova pasta o arquivo com o nome Eucilidian_Dist_%Value%.img. O
%Value% é um parâmetro. Já vimos que teremos 30 grupos de pontos com 1
elemento cada. Para cada grupo executaremos o Euclidian Distance, gerando
assim 30 arquivos de saída. Para cada arquivo teremos que dar um nome de
saída diferente, sendo importante então o uso do parâmetro para diferenciar
esses nomes. O parâmetro %Value% aponta para o valor da elipse Value, que
como dito anteriormente, possui o respectivo valor do atributo COD_SHOP;
c. Output cell size: digite 50, assim cada célula terá as dimensões de 50m x 50m;
9. Feche a janela da configuração clicando em OK;
10. Clique agora com o botão direito do mouse sobre a operação Euclidian Distance no Model.
Na lista que se abriu, vá ao item Properties;
11. Na janela aberta, clique no botão de “+” do lado de Processing Extent e marque a opção
Extent. Depois vá à opção Values e em Extent selecione Same as Layer Bairros. Dessa forma
o cálculo da distância euclidiana será executada na extensão geográfica do retângulo
envolvente da camada Bairros;

Geomarketing 50
12. Agora clique com o botão direito do mouse na elipse Euclidian_Dist_%Value%.img e depois
vá à opção Add To Display, assim os resultados gerados serão adicionados
automaticamente ao projeto do ArcMap.
13. Por fim, vamos executar o Model, para isso clique no botão Run e aguarde o fim do
processamento. Os resultados são adicionados ao projeto.

Veja o vídeo deste passo: Vídeo 03.2.

Anotações

Geomarketing 51
Passo 3 – Cálculo do numerador - parte espacial e não-espacial
Com a distância euclidiana de cada Shopping determinada, podemos terminar agora o cálculo
do numerador da fórmula do MCI acrescentando o fator distância.
Ressalta-se que teremos um valor de numerador para cada um dos Shoppings, ou seja, um
total de 30.

1. Seguindo do mesmo estado ao final do passo anterior, abra novamente o Model Builder.
Vamos construir um outro modelo para esse próximo cálculo;
2. Na janela que o sistema abriu, vá ao menu suspenso Insert/Iterators/Feature Selection;
3. Dê um clique duplo sobre Iterate Feature Selection. O sistema abre uma nova janela, faça a
configuração:
a. Input Features: Selecione Shoppings;
b. Group By field(optional): Selecione o campo COD_SHOP.
4. Clique em OK. Da mesma maneira que no passo anterior, vamos realizar um grupo de
operações para cada Shopping Center separadamente;
5. Novamente vá ao menu suspenso em Insert/Model Only Tools/Get Field Value;
6. Dê um clique duplo sobre o retângulo que representa a operação Get Field Value, o sistema
abre uma janela como ilustra Figura 03.d;

Figura 03.d – Janela da ferrament Get Field Value.

7. Nesta ferramenta pegaremos o valor do campo MCI calculado no Passo 1 e utilizaremos em


uma fórmula mais à frente. Configure na janela:
a. Input Table: selecione I_Shoppings_COD_SHOP;
b. Field: escolha o campo MCI;
c. Data Type(optional): opte por Double;
8. Clique em OK. Observe que depois que configuramos a elipse I_Shoppings_COD_SHOP, uma
ligação foi automaticamente realizada dele ao retângulo da operação Get Field Value;
9. Agora vá à barra Standart em Add Data or Tool. Na janela aberta, vá em Look In e selecione
Toolboxes. Adicione então a ferramenta Raster Calculator Spatial Analyst Tools/Map
Algebra/Raster Calculator;

Geomarketing 52
10. Abra a janela de configuração do Raster Calculator, com um clique duplo sobre a operação.
O sistema exibe uma janela como ilustra a Figura 03.e. Com essa ferramenta
acrescentaremos o fator da distância em nossa conta MCI;

Figura 03.e – Janela do Raster Calculator.

11. Na janela que o sistema abriu, construa a seguinte expressão utilizando a lista Layers and
Variables à esquerda e os operadores à direita:
%Value (2)% /Power("Euclidian_Dist%Value%.img",2)
12. No campo Output Raster, clique no botão à direita, acesse a pasta desta prática e acione o
botão New Folder. Dê o nome à nova pasta de MCI_Factors. Abra-a e digite o nome do saída
MCI_Factor_%Value%.img;

Nota 03: O parâmetro %Value% possui o mesmo significado do que no passo


anterior, ou seja, o valor COD_SHOP do respectivo ponto. Ele é utilizado para gerar
saídas com nomes diferentes e identificar a qual Shopping o resultado pertence. O
parâmetro %Value (2)% por sua vez é a saída da operação Get Field Value, que
configuramos como sendo o valor do atributo MCI calculado no Passo 1.
Observando a fórmula entrada na operação Raster Calculator, conclui-se que
estamos multiplicando o resultado do Passo 1 por 1/distância2. A fração ocorre
devido ao aumento da distância diminuir o poder de atração e o expoente 2 indica
que ao dobrarmos a distância, dividimos por 4 a atração - seguimos os princípios do
modelo de gravitação de Newton e de Huff vistos na apresentação do instrutor.

13. Clique com o botão direito do mouse sobre a elipse que representa o Output raster do
Raster Calculator e marque a opção Add To Display;
14. Pronto, agora execute o Model clicando no botão Run e aguarde o término.

Veja o vídeo deste passo: Vídeo 03.3

Geomarketing 53
Anotações

Geomarketing 54
Passo 4 – Cálculo do denominador
Para chegarmos ao cálculo final do MCI, precisamos ainda calcular o demoninar da fórmula
apresentada no início da prática. Para isto, basta somarmos os 30 valores de numerador
calculados anteriormente. Observe que como o valor de numerador varia conforme a posição do
consumidor, a soma dos denominadores também irá variar conforme a posição. Faça:

1. Seguindo do estado do passo anterior, abra a ferramenta Spatial Analyst Tools/ Map
Algebra/ Raster Calculator dentro do ArcToolbox Window;
2. Na janela da ferramenta construa a seguinte expressão:

"MCI_Factor_1.img" + "MCI_Factor_2.img" + "MCI_Factor_3.img" + "MCI_Factor_4.img" +


"MCI_Factor_5.img" + "MCI_Factor_6.img" + "MCI_Factor_7.img" + "MCI_Factor_8.img" +
"MCI_Factor_9.img" + "MCI_Factor_10.img" + "MCI_Factor_11.img" + "MCI_Factor_12.img" +
"MCI_Factor_13.img" + "MCI_Factor_14.img" + "MCI_Factor_15.img" + "MCI_Factor_16.img" +
"MCI_Factor_17.img" + "MCI_Factor_18.img" + "MCI_Factor_19.img" + "MCI_Factor_20.img" +
"MCI_Factor_21.img" + "MCI_Factor_22.img" + "MCI_Factor_23.img" + "MCI_Factor_24.img" +
"MCI_Factor_25.img" + "MCI_Factor_26.img" + "MCI_Factor_27.img" + "MCI_Factor_28.img" +
"MCI_Factor_29.img" + "MCI_Factor_30.img"
3. Em Output raster aponte para a pasta MCI_Factors dentro da pasta desta prática e digite o
nome Sum_MCI_Factors.img;
4. Clique em OK. Observe o resultado da operação na Figura 03.f.

Figura 03.f – Resultado do Raster Calculator.

Veja o vídeo deste passo: Vídeo 03.4

Geomarketing 55
Passo 5 – Cálculo do fator MCI dos Shoppings Centers
Por fim vamos calcular a probabilidade de cada consumidor em i optar pelo Shopping Center
em j. Observe que o i no nosso dado seria a célula do raster e o j cada um dos 30 pontos. Teremos
um resultado neste passo para cada Shopping Center mais uma vez. Siga os itens:

1. Seguindo do estado do passo anterior, vamos construir um novo Model para calcular a
média do MCI de cada Shopping;
2. Abra o Model Builder e adicione a ferramenta Insert/Iterators/Feature Selection. Dê um
clique duplo sobre eo hexágono adicionado e configure:
a. Input Features: Selecione Shoppings;
b. Group By Field(optional): Selecione o campo COD_SHOP.
3. Clique em OK;
4. Como visto anteriormente adicione ao Model a ferramenta Raster Calculator. Abra janela de
configuração da ferramenta e construa a seguinte expressão:
"MCI_Factor_%Value%.img" / "Sum_MCI_Factors.img"
5. Dentro da pasta desta prática, crie uma pasta com o nome MCI e salve o Output como
MCI_%Value%.img. Clique em OK;
6. De volta à janela do Model Builder, clique com o botão direito do mouse sobre o Output
raster do Raster Calculator e marque a opção Add To Display;
7. Execute o Model clicando em Run ;
8. Observe o resultado na Figura 03.g para o Norte Shopping. A simbologia do resultado na
figura foi alterada;

Figura 03.g – Resultado do MCI para o Norte Shopping, que está em destaque na cor azul.

Veja o vídeo deste passo: Vídeo 03.5

Geomarketing 56
Passo 6 – Análise de soberania e maximidade do MCI
Vamos analisar os dados gerados. Primeramente calcularemos para cada célula 50m x 50m
no município qual Shopping possui o maior MCI, inferindo ainda qual Shopping é soberado em
quais regiões considerando o MCI estimado.
Em seguida calcularemos qual é o valor máximo de MCI encontrado para cada célula.
Observe que temos 30 valores possíveis para cada célula, onde pegaremos o maior. Por se tratar
de uma probabilidade, caso somemos todos os 30 valores do MCI sobre uma célula vamos obter
o valor 1.
Vamos supor que dada uma célula qualquer encontremos o valor máximo de MCI igual a 0,8.
Isso significa que os outros 29 valores menores que 0,8 compartilham o 0,2 que restou para
completar 1. Isso claramente implica em uma predominância da atração do Shopping de atração
0,8. Agora imaginemos outra célula com valor 0,3 como máximo. Isso implica que os outros 29
valores compartilham 0,7, porém seus valores não ultrapassam 0,3. Desta forma, há uma
diluição de pequenos valores entre as 30 células, caracterizando uma região sem predominâcia
de atração para um Shopping em particular.
Vamos então realizar essas duas análises a seguir:

1. Seguindo do estado do passo anterior, abra o ArcToolbox Window ;


2. Acesse a ferramenta Spatial Analyst Tools/Local/Highest Position. O sistema abre uma
janela como mostra a Figura 03.h;

Figura 03.h – Janela da ferramenta Highest Position.

3. Nesta ferramenta vamos calcular qual shopping tem o maior valor de MCI para cada célula
do nosso raster. Faça a seguinte configuração:
a. Input Raster or Constant Values: Adicione todos os 30 resultados do MCI. É
importante que os arquivos estejam em ordem seguindo a numeração do
campo COD_SHOP, porque a ferramenta enumera o resultado a partir da
sequência que os dados se apresentam nesse campo, ou seja, a camada que está
na terceira posição da lista será numerado no resultado como 3;
b. Output Raster: Aponte para a pasta desta prática e digite o nome
MCI_Highest.img.

Geomarketing 57
4. Clique em OK e aguarde o fim do processamento. Veja o resultado na Figura 03.i;

Figura 03.i – Resultado da Ferramenta Highest Position. Observe no resultado que as maiores áreas são dadas
pelos Shoppings Barra Shopping e Norte Shopping.

5. Vá ao ArcToolbox Window e acesse a ferramenta Spatial Analyst Tools/Local/Cell


Statistics.
6. Na janela da ferramenta configure:
a. Input Raster or Constant Values: Adicione todos os 30 resultados do MCI
gerados no passo anterior;
b. Output Raster: Aponte para a pasta desta prática digite o nome
MCI_Maximum.img;
c. Overlay Statistics: Selecione Maximum, desta forma calcularemos o valor
máximo entre o valor de MCI de cada índice.
7. Clique em OK e aguarde o processamento. Veja o resultado na Figura 03.j.

Figura 03.j – Resultado da ferramanta Cell Statiscs. As áreas em verde possuem uma atração
predominante, as áreas em vermelho não.

Veja o vídeo deste passo: Vídeo 03.6

Geomarketing 58
Anotações

Geomarketing 59
Passo 7 – Cálculo do MCI médio por bairro
Como uma das últimas análises, vamos agrupar o MCI de um certo Shopping Center por
bairro. Para realizar esse agrupamento vamos calcular a média das células internas a cada bairro
e associar esse valor ao mesmo. Siga os itens e observe o resultado:

1. Seguindo do mesmo estado ao final do passo anterior, vá ao ArcToolbox Window e acesse a


ferramenta Spatial Analyst Tools/Zonal/Zonal Statistics. O sistema abre uma janela como
ilustra Figura 03.k;

Figura 03.k – Janela da ferramenta Zonal Statistics.

2. Faça a configuração:
a. Input raster or feature zone data: Selecione Bairros;
b. Zone field: selecione o campo NOME, esse será o campo usado para a
distribuição zonal das estatísticas;
c. Input value raster: MCI_16.img. Ele é referente ao Norte Shopping;
d. Output raster: aponte para a pasta desta prática e digite
MCI_Medio_por_Bairro_NorteShopping.img;
e. Statistics type(optional): Mean.
3. Clique em OK e aguarde o fim do processamento;
4. Altere a simbologia para melhor visualização do resultado. Para isso, clique com o botão
direito do mouse sobre a camada MCI_Medio_por_Bairro_NorteShopping. Vá ao item
Properties e acesse a aba Simbology . No campo Show a direita marque a opção Classified e
clique no botão Classify. Em Classification Method opte por Defined Interval, digite 0.1 no
campo Interval Size;
5. Clique em OK e observe o resultado da ferramenta com a simbologia alterada. Vide Figura
03.l;

Geomarketing 60
Figura 03.l – Resultado da ferramenta Zonal Statistics com a simbologia alterada. O MCI utilizado foi o do
Norte Shopping.

Veja o vídeo deste passo: Vídeo 03.7

Anotações

Geomarketing 61
Passo 8 – Comparação entre os fatores MCI de dois Shoppings Centers
Como último passo, vamos subtrair célula a célula os valores de MCI de dois Shoppings como,
por exemplo, MCIa-MCIb. Se o resultado der negativo, a atração de b é maior do que a atração a
naquela célula. Se o resultado for positivo, vice-versa. Se o valor der próximo a zero, a atração de
ambas são praticamente iguais naquela célula.
Observe que esse resultado poderia ser facilmente aplicado em um estudo entre dois
concorrentes . O concorrente a pode investir, por exemplo, em publicidade em área onde b
possui mais atratividade, porém moderada.

1. Vá à ferramenta Spatial Analyst Tools/Map Algebra/Raster Calculator;


2. Na janela que o sistema abriu, construa a seguinte expressão:
"MCI_16.img" - "MCI_3.img"
3. “MCI_16.img” é referente ao Norte Shopping e o “MCI_3.img” ao Barra Shopping. Aponte
para a pasta desta prática e digite o nome Dif_MCI_Barrashop_NorteShop.img como arquivo
de saída;
4. Clique em OK e observe o resultado na Figura 03.m.

Figura 03.m – Resultado da subtração – áreas em vermelho o Barra Shopping possui mais atração, área em verde
é o Norte Shopping. Esses dois Shoppings estão evidenciados acima em azul.

Veja o vídeo deste passo: Vídeo 03.8

Geomarketing 62
Anotações

Geomarketing 63
Prática 04 – Análise Multicritério no Apoio à Decisão
Nesta prática vamos utilizar outro tipo de análise abordada também nas apresentações do
instrutor sobre modelos espaicias – a Análise Multicritério. A utilizaremos para estimar lugares
potenciais a um novo Shopping Center voltado para a classe C. O objetivo é determinar áreas que
reunam um grupo de características importantes para a localização de um novo empreedimento.
Uma vez elencadas essas áreas, aplica-se um estudo mais profundo em cada uma delas. O
objetivo aqui é reduzir o espaço de busca ao novo empreendimento.
Na análise multicritério determinamos quais as variáveis influenciam no processo estudado.
Logo após quantificamos essas variáveis e atribuímos grau de influência. Observe que a idéia é
parecida com o MCI visto na prática anterior.
É importante escolhermos a fórmula da análise multicritério, utilizaremos nessa prática a
fórmula da média poderada:

Onde:

o Md é o valor da média poderada – no nosso exemplo ele valerá entre 0 e 1;


o vi é a i-nésima variável considerada no processo;
o pi é o i-nésimo peso da variável vi;
o k é a quantidade de variáveis consideradas.

Todas as variáveis serão quantificadas entre 0 e 1. As fórmulas das mesmas se encontram no


decorrer da prática.
Neste exemplo utilizaremos distância às estações de metrô e trem como fatores favoráveis, a
distância à Shoppings como não favorável, proximidade às vias e setores censitários com renda
média referente a Classe C como favoráveis e áreas como MCI máximo alto como desfavorável.
Ressalta-se que calculamos o MCI máximo na prática anterior.
Os pesos associados às vias já estão prontos na pasta desta prática com o nome
Pesos_Sist_Viario.img. A organização do curso por questões de direitos autorais não pode fornece
o sistema viário do município do Rio de Janeiro para o cálculo dos pesos, sendo assim
fornecemos os pesos já calculados. Peso 1 para distância de até 50 metros das vias principais,
0,75 para distâncias entre 50 e 250 metros das vias principais, 0,5 para distâncias entre 250 e
500 metros das vias principais e 0,25 para distâncias de até 100 metros das vias secundárias.

Geomarketing 64
Passo 1 – Cálculo das distâncias às estações de trem e metrô
Primeiramente vamos calcular a distância euclidiana às estações de trem e metrô de forma
similar ao realizado já nas práticas anteriores. Faça:

1. Num projeto novo do ArcMap, adicione os arquivos Estacoes_Metro.shp, Estacoes_Trem.shp


e Setores_censitarios ;
2. No ArcToolbox Window acesse a ferramenta Spatial Analyst Tools/Distance/Euclidean
Distance. Na janela da ferramenta configure:
a. Input raster or feature source data: selecione Estacoes_Metro.shp;
b. Output distance raster: aponte para a pasta desta prática e digite
Dist_euclidiana_Metro.img;
c. Output cell size(optional): digite 50. Esse será tamanho da celula do nosso
raster de saída.
3. Na janela da ferramenta Euclidean Distance, clique no botão Environments. O sistema abre
uma janela. Clique em Processing Extent. Selecione no campo Extent a opção Same as Layer
Setores_Censitarios;
4. Clique no botão OK. Aguarde o processamento, veja o resultado da Figura 04.a.

Figura 04.a – Resultado da ferramenta Euclidean Distance para as estações de metrô.

5. Acesse novamente a ferramenta Euclidean Distance. Na janela da ferramenta, faça a


configuração:
a. Input raster or feature source data: selecione Estacoes_Trem.shp;
b. Output distance raster: aponte para a pasta desta prática e digite
Dist_euclidiana_Trem.img;
c. Output cell size(optional): digite 50.
6. Como feito anteriormente, clique no botão Environments. O sistema abre uma janela.
Clique em Processing Extent. Selecione no campo Extent a opção Same as Layer
Setores_Censitarios;
7. Clique em OK e aguarde o processamento. Observe o resultado na Figura 04.b

Geomarketing 65
Figura 04.b – Resultado da Distancia Euclidiana para as estações de trem.

Veja o vídeo deste passo: Vídeo 04.1.

Anotações

Geomarketing 66
Passo 2 – Distância euclidiana dos Shoppings Centers
Façamos o mesmo processo da distâncias aos Shoppings:

1. Seguindo do estado do passo anterior, adicione ao projeto do ArcMap o arquivo


Shoppings.shp;
2. Vamos gerar a distância euclidiana para a camada Shoppings.shp. Acesse a ferramenta
Spatial Analyst Tools/Distance/Euclidean Distance e na janela da ferramenta configure:
a. Input raster or feature source data: selecione Shoppings.shp;
b. Output distance raster: aponte para a pasta desta prática e digite
Dist_euclidiana_Shoppings.img;
c. Output cell size(optional): digite 50.
3. Na janela da ferramenta Euclidean Distance, clique no botão Environments. O sistema abre
uma janela, clique em Processing Extent. Selecione no campo Extent a opção Same as Layer
Setores_Censitarios;
4. Clique em OK e veja o resultado da ferramenta na Figura 04.c.

Figura 04.c – Resultado da ferramenta Euclidean Distance para a camada Shoppings.

Veja o vídeo deste passo: Vídeo 04.2.

Anotações

Geomarketing 67
Passo 3 – Pesos para faixa de renda do público-alvo
Vamos agora calcular os pesos em relação à renda segundo o seguinte gráfico:

Gráfico para associação de pesos à renda

Observe que valores entre R$ 1000 e R$ 4000 reais recebem o valor 1, variação de mais ou
menos R$ 1000 às margens dessa faixa vão linearmente caindo para 0. Valores de renda média
acima de R$ 5000 recebem o peso 0.
Antes de aplicarmos os pesos, a faixa da Classe C – entre R$ 1000 e R$ 4000 – são referentes
a valores atuais e os dados do censo são de 2000. Há diversas abordagens para extrapolação
desses valores, uma vez que o censo ocorre de 10 em 10 anos. Ressalta-se também que há
pesquisas intermediárias, mas elas não são tão abrangentes como o censo em termos de
diversidade de variáveis e nível de detalhe de setor censitário.
Para realizar a projeção, faremos em relação aos salários mínimos. Consideremos
grosseiramente que um setor que possuia uma renda média de 2 salários mínimos em 2000
continue com a mesma proporção em 2011. Como o salário mínimo valia R$ 151,00 em 2000 e
em 2011 vale R$ 545,00, na nossa estimativa quem ganhava R$ 302,00 em 2000 ganha o
equivalente hoje a R$ 1.090,00.
Nesta prática vamos associar os pesos segundo o gráfico acima:

1. Seguindo do passo anterior, clique com o botão direiro do mouse sobre Setores_Censitarios
na TOC e vá à opção Open Attributes Table;
2. Vamos criar na tabela um novo campo. Clique no botão Table Options e depois vá à
opção Add Field. Na janela que o sistema abriu digite RdM_Est11 no campo Name em Type
selecione a opção Double;
3. Clique com o botão direito do mouse sobre o campo recém-criado e vá à ferramenta Field
Calculator. Na janela da ferramenta construa a seguinte expressão:
[Rend_Med] *545 / 151

Geomarketing 68
4. Como dito no início da prática, na expressão acima levamos a quantidade salários mínimos
da renda média em 2000 para valores em 2010. Acesse novamente a opção Add Field e crie
um novo campo com o nome Peso do tipo Double;
5. Na parte superior da janela clique em Select by Attributes , o sistema abre uma janela
como ilustra a Figura 04.d;

Figura 04.d – Janela da ferramenta Select By Attributes.

6. No campo logo abaixo do texto Select From Setores_Censitarios WHERE construa a


expressão:
" RdM_Est11 " >1000 AND " RdM_Est11 " <4000
7. Agora vamos aplicar a ferramenta Field Calculator sobre o campo com a seleção
previamente realizada, dessa forma as alterações apenas serão aplicadas nos setores
selecionados. Na janela da expressão digite 1 e clique em OK. Observe que assim todos os
setores com a renda média entre 1000 e 4000 reais receberam o valor 1 – seguindo o
gráfico no início da prática;
8. Repita a seleção por atributos sobre os setores com a renda media inferior a 1000. Para
isso, retorne à janela do Select by Atributtes e monte a seguinte expressão:
" RdM_Est11 " <1000
9. Use novamente a ferramenta Field Calculator sobre campo Peso e construa a expressão
abaixo. Observe mais uma vez que seguimos o gráfico do início da prática;
[RdM_Est11] / 1000
10. Faça outra seleção por atributos com os valores maiores que 5000. Dê o valor 0 as linhas
selecionadas utilizando mais uma vez a ferramenta Field Calculator;
11. E por último selecione a faixa de valores de 4000 a 5000. Depois construa a seguinte
expressão no Field Calculator:
(5000 - [RdM_Est11]) /1000

Geomarketing 69
12. Com a expressão acima, acabamos de alimentar o campo Peso segundo o gráfico. Por
exemplo, renda de 5000 resulta em 0, 4000 em 1 e 4500 em 0,5;
13. Pronto. O peso está associado;

Veja o vídeo deste passo: Vídeo 04.3.

Anotações

Geomarketing 70
Passo 4 – Vizinhança dos pesos de renda
No passo anterior calculamos o peso de cada setor. Entretanto, não podemos utilizar na
avaliação da localização no novo Shopping apenas o setor que ele estaria contido, sendo mais
razoável avaliar sim uma vizinhança de setores. Por exemplo, o setor em si pode não pertencer a
Classe C, porém boa parte dos arredores sim.
Para fins de análise de vizinhança, utilizaremos o raio de busca de 2km. Realizaremos então a
médias dos pesos das células contidas dentro desse círculo de raio 2km. Faça:

1. Seguindo do estado do término do passo anterior, acesse a ferramenta Conversion Tools/To


Raster/Polygon to Raster no ArcToolbox Window. O sistema abre uma janela como mostra a
Figura 04.e;

Figura 04.e – Janela da ferramenta Polygon to Raster.

2. Antes de usar a ferramenta de vizinhança, precisamos converter os polígonos vetorias dos


setores censitários para dados matricias (raster). Para isto, configure:
a. Input Features: selecione Setores_Censitarios;
b. Value field: escolha o atributo Peso de entrada, assim as células do Raster de
saída recebem o valor deste campo;
c. Output Raster Dataset: aponte para a pasta desta prática e digite o nome
Setores_Censitarios_RdMd_Est11.img;
d. Cellsize(optional): digite 50.
3. Clique em OK e aguarde o fim do processamento. Observe o resultado na Figura 04.f.

Geomarketing 71
Figura 04.f – Resultado da ferramenta Polygon to Raster com a simbologia aplicada.

4. No ArcToolbox Window acesse a ferramenta Spatial Analyst Tools/Neighborhood/Focal


Statistics, o sistema abre uma janela como ilustra a Figura 04.g;

Figura 04.g – Janela da ferramenta Focal Statistics.

5. Execute a ferramenta Focal Statistics com a seguinte configuração:


a. Input raster: selecione Setores_Censitarios_RdMd_Est11.img;
b. Output raster: aponte para a pasta desta prática e coloque o nome
Peso_Renda_por_Setor.img;
c. Neighborhood(optional): selecione a opção Circle. A região para o cálculo da
vizinhança será um círculo;
d. Radius: digite 2000. O raio do círculo será de 2.000;
e. Units: marque a opção Map. Desta forma dizemos que o raio fornecido está em
unidades do mapa, no caso metros, ou em quantidade de células (Cell);
f. Statistics Type (optional): opte por MEAN para realizar a media dos valores
dentro do raio de busca.
6. Clique em OK e aguarde o fim do processamento.

Veja o vídeo deste passo: Vídeo 04.4.

Geomarketing 72
Anotações

Geomarketing 73
Passo 5 – Pesos da distância à estação metrô ou trem e de Shopping
Da mesma maneira que atribuímos pesos aos setores censitários pela renda, segue abaixo os
gráficos para atribuição de pesos para distância do metrô, trem e Shopping Center.

Gráfico de associação de pesos pela distância (em metros) ao Shopping mais próximo.

Gráfico de associação de pesos da distância (em metros) ao quadrado da estação de metrô ou trem mais próxima.

Ressalta-se que o segundo gráfico está com a distância ao quadrado, onde 0 é associado a
2.000 metros.
Vamos associar os pesos:

1. Seguindo do estado do término do passo anterior, acesse a ferramenta Spatial Analysis


Tools/Map Algebra/Raster Calculator no ArcToolbox Window.;
2. Na janela construa a expressão abaixo. Observe que os valores de distância estão em
potência de dois:
(4000000 - Power("Dist_Euclidiana_Metro",2)) / 4000000
3. No campo Output raster aponte para a pasta desta prática e coloque o nome
Peso_dist_Est_Metro_Preliminar.img;
4. Clique em OK e aguarde o fim do processamento.

Geomarketing 74
5. Acesse novamente a ferramenta Raster Calculator e construa a seguinte expressão:
(4000000 - Power("Dist_Euclidiana_Trem.img",2)) / 4000000,2)
6. No campo Output raster aponte para a pasta desta prática e coloque o nome
Peso_dist_Est_Trem_Preliminar.img;
7. Clique em OK e aguarde o fim do processamento
8. Acesse novamente a ferramente Field Calculator e construa essa outra expressão:
"Dist_Euclidiana_Shoppings.img" / 4000
1. No campo Output raster aponte para a pasta desta prática e coloque o nome
Peso_dist_Shop_Preliminar.img;
2. Clique em OK e aguarde o fim do processamento.
3. Observe que nos cálculos acima ainda não terminamos de associar os pesos conforme os
gráficos apresentados. Por exemplo, na conta "Dist_Euclidiana_Shoppings.img" / 4000
valores no intervalo entre 0 e 4000 serão mapeados entre 0 e 1, entretanto valores
maiores que 4000 ficarão maiores do que 1, quando no gráfico eles estão iguais a 1. O
mesmo ocorre para a outras duas contas realizadas, porém o peso fica menor do que 0
quando na verdade ele deveria ser igual a 0. Para resolver esses problemas, lançaremos
mão da ferramenta Con – relativo à Condicional;
4. No ArcToolbox Window acesse a ferramenta Spatial Analysis Tools/Conditional/Con. O
sistema abre uma janela como ilustra a Figura 04.h;

Figura 04.h – Janela da ferramenta Con.

5. Execute a ferramenta com a seguinte configuração:


a. Input conditional raster: selecione Peso_dist_Est_Metro_Preliminar.img;
b. Expression(optiona)l: digite "Value"< 0;
c. Input true raster or constant value: digite 0;
d. Input false raster or constant value(optional): Selecione a camada
Peso_dist_Est_Metro_Preliminar.img;
e. Output raster: aponte para a pasta desta prática e digite
Peso_dist_Est_Metro.img.

Geomarketing 75
6. Clique em OK e aguarde o fim do processamento. Na ferramenta acima estamos pedindo:
Se o valor da célula é menor do que zero, então ele recebe zero. Senão, deixe com o mesmo
valor da entrada (Peso_dist_Est_Metro_Preliminar). Observe os valores de High e Low da
nova camada na TOC e compare com o da camada Peso_dist_Est_Metro_Preliminar – o
primeiro está 1 e 0 respectivamente e o segundo não;
7. Precisamos executar esta ferramenta para os outros pesos. Acesse novamente a Con e faça:
a. Input conditional raster: selecione Peso_dist_Est_Trem_Preliminar.img;
b. Expression(optiona)l: "Value"< 0
c. Input true raster or constant value: digite 0;
d. Input false raster or constant value(optional): Selecione a camada
Peso_dist_Est_Trem_Preliminar.img;
e. Output raster: digite Peso_dist_Est_Metro.img.
8. Acesse a ferramenta Con e configure:
a. Input conditional raster: selecione Peso_dist_Shopping_Preliminar.img;
b. Expression(optiona)l: "Value" > 1;
c. Input true raster or constant value: digite 1;
d. Input false raster or constant value(optional): Selecione a camada
Dist_Euclidiana_shoppings_preliminar.img;
e. Output raster: digite Peso_dist_Shopping.img.
9. Clique em OK e aguarde o fim do processamento.

Veja o vídeo deste passo: Vídeo 04.5.

Anotações

Geomarketing 76
Passo 6 – Aplicação da Análise Multicritério
Por fim, vamos aplicar a fórmula propostas. Temos os pesos da distância das estações de
metrô, trem, Shoppings, vias, renda e MCI máximo. O peso das vias já foi fornecido, como já
explicado no início da prática e o MCI máximo fora calculado na outra prática.
Ressalta-se que o MCI máximo alto é ruim para um novo empreendimento, pois indica
atratividade alta de um Shopping em particular. O MCI máximo baixo indica não preponderância.
Desta forma, utilizaremos a expressão (1 – MCI Máximo) para o cálculo do peso.

1. Seguindo do estado do término do passo anterior, adicione o arquivo MCI_Maximum.img


gerado na prática anterior. Adicione também a camada Pesos_Sist_Viario.img na pasta desta
prática;
2. Vá à ferramenta Raster Calculator e construa a seguinte expressão:
("Peso_dist_Trem" + "Peso_dist_Metro" + 2 * "Peso_dist_Shopping" + 2 * "Peso_Sist_Viario.img"
+ 2 * "Peso_Renda_por_Setor" + 2 * (1 - "MCI_Maximum.img")) / 10
3. Aponte o resultado para ser salvo com o nome de Areas_Potenciais.img na pasta desta
prática;
4. Clique em OK e aguarde o fim do processamento;
5. Clique com o botão direito do mouse sobre o nome da camada resultante na TOC e acesse o
item Properties;
6. Vá à aba Symbology. Na lista Show à esquerda, clique sobre o item Classified;
7. No campo Classes, opte por 2. Clique no botão Classify;
8. Na janela que o sistema abriu, edite o segundo Break Values da lista à direita para 0.75;
9. Clique em OK e OK e veja o resultado na Figura 04.i;

Figura 04.i – Resultado da ferramenta Raster Calculator com as áreas potenciais em vermelho.

Veja o vídeo deste passo: Vídeo 04.6.

Geomarketing 77
Anotações

Geomarketing 78
Prática 05 – Análise Espacial para Marketing Direto
Como última prática, vamos analisar o perfil de consumo geograficamente e determinar
áreas com perfil de consumo de produtos casados como, por exemplo, naquela região geográfica
quem compra o produto do tipo A, também tende a comprar B.
O objetivo aqui é efetuar planejamento marketing direto em promoções de vendas. Se um
setor geográfico possui um padrão de consumo de produtos A casados com B, podemos realizar
promoções para aquele setor a fim de aumentar as vendas de A e B. Segue a definição sobre
marketing direto:

Por Marketing Direto entende-se a disciplina de Marketing cuja comunicação se


utiliza de uma ou mais mídias para obter uma resposta ou transação mensurável
junto a públicos específicos, ou simplesmente gerar uma ação de relacionamento
que gere encantamento junto ao público visado.

(Associação Brasileira de Marketing Direto)

No nosso exemplo, temos informações fictícias da Pizzaria Família Italiana. Os dados


disponíveis são: a posição geográfica da pizzaria e a posição dos pedidos de delivery nos últimos
6 meses. Para cada posição temos as informações sobre as quantidades de pedidos e quais tipos
de produtos foram comprados, saber:

o NUM_ENT – número de entregas para o ponto;


o VlrMedPed – valor médio (R$) da entrega por pedido;
o VlrTotPed – total do valor (R$) dos pedidos;
o VEND_TP_A – número de itens vendidos do tipo A;
o VEND_TP_B – número de itens vendidos do tipo B;
o VEND_TP_C – número de itens vendidos do tipo C.

Para os tipos de produtos, temos:


A – Pizza salgada;
B – Bebida;
C – Pizza doce.
Há outros tipos de produtos, todavia esses três correspondem a maior parte da renda
oriundo do serviço de delivery.
Vamos então determinar as áreas que compram tem o padrão de consumo AB, BC, AC e ABC.

Geomarketing 79
Passo 1 – Análises de densidade
Como foi realizado na Prática 01, vamos aplicar uma análise de densidade dos pontos de
entrega e alguns de seus atributos. Faça:

1. Num projeto do ArcMap, adicione os arquivos no formato Shapefile: Comercio.shp,


Pontos_de_Entrega.shp e Bairros.shp. Eles se encontram pasta desta prática;
2. Clique com o botão direito do mouse sobre a camada Pontos_de_Entrega.shp na TOC e vá ao
item Open Attributes Table. Observe sua tabela de atributos;
3. Acesse a ferramenta Spatial Analyst Tools/Density/Point Density;
4. O sistema abre uma janela como ilustra a Figura 05.a;

Figura 05.a – Ferramenta da janela Point Density.

5. Configure:
a. Input point features: selecione a camada Pontos_de_Entrega;
b. Population field: escolha o campo VlrTotPed;
c. Output raster: aponte para a pasta desta prática e digite o nome
Pnt_Den_VlrTotPed_Raio_1km.img;
d. Output cell size(optional): digite 10;
e. Neighborhood(optional): na lista marque a opção Circle;
f. Neighborhood Settings: em radius digite 1000. E marque a opção Map;
g. Area units(optional): opte por SQUARE_KILOMETERS.
6. Clique em OK e aguarde o processamento. Observe o resultado na Figura 05.b;

Geomarketing 80
Figura 05.b – Resultado da ferramenta Point Density. As áreas mais escuras possuem maior concentração do
campo VlrTotPed.

Veja o vídeo deste passo: Vídeo 05.1.

Anotações

Geomarketing 81
Passo 2 – Análises de vendas de produtos por vizinhança
Vamos calcular a quantidade média de produtos vendidos de cada tipo de produto por um
raio de busca. Para isto, lançaremos mão da ferramenta já vista anteriormente em outras
práticas, o Point Statistics:

1. Acesse a ferramenta Spatial Analyst Tools/Neighborhood/Point Statistics no ArcToolbox


Window;
2. Na janela faça a seguinte configuração:
a. Input point features: selecione a camada Pontos_de_Entrega;
b. Field: escolha o campo VEND_TP_A;
c. Output raster: aponte para a pasta desta prática e digite o nome
Mean_VEND_TP_A_Raio_1km.img;
d. Output cell size(optional): digite 10;
e. Neighborhood: na lista marque a opção Circle ;
f. Neighborhood Settings: em radius digite 1000. E marque a opção Map;
g. Statistics type(optional):opte por Mean.
3. Clique em OK. Com esta operação, buscamos para cada célula 10 m x 10 m pontos de
entrega em um raio de 1000 metros. Aos pontos encontrados nesta distância, calcula-se a
média do atributo VEND_TP_A. Observe o resultado na Figura 05.c;

Figura 05.c – Média calculada das vendas do produto tipo A para um raio de 1000 metros.

Geomarketing 82
4. Execute o Point Statistics mais uma vez para o campo VEND_TP_B com a seguinte
configuração:
a. Input point features: Pontos_de_Entrega.;
b. Field: escolha o campo VEND_TP_B;
c. Output raster: aponte para a pasta desta prática e digite o nome
Mean_VEND_TP_B_Raio_1km.img;
d. Output cell size(optional): digite 10;
e. Neighborhood: na lista marque a opção Circle;
f. Neighborhood Settings: em radius digite 1000. E marque a opção Map;
g. Statistics type(optional):opte por Mean.
5. E por fim, execute o Point Statistics sobre o campo VEND_TP_C:
a. Input point features: selecione a camada Pontos_de_Entrega;
b. Field: escolha o campo VEND_TP_C;
c. Output raster: aponte para a pasta desta prática e digite o nome
Mean_VEND_TP_C_Raio_1km.img;
d. Output cell size(optional): digite 10;
e. Neighborhood: na lista marque a opção Circle;
f. Neighborhood Settings: em radius digite 1000. E marque a opção Map;
g. Statistics type(optional):opte por Mean.
6. Clique em OK e aguarde o fim do processamento. Observe o último resultado na Figura
05.c;

Veja o vídeo deste passo: Vídeo 05.2.

Anotações

Geomarketing 83
Passo 3 – Áreas de consumo notável
Neste passo vamos determinar as regiões de consumo notável de cada tipo de produto.
Utilizaremos o critério as áreas onde o consumo médio de um tipo produto no raio de 1km é
maior ou igual a 3. Utilizaremos assim os dados gerados no passo anterior:

1. Seguindo do estado do passo anterior acesse a ferramenta Spatial Analyst


Tools/Conditional/Con no ArcToolbox Window;
2. Na janela que sistema abriu configure:
a. Input conditional raster : selecione a camada Mean_VEND_TP_A_Raio_1km.img;
b. Expression(optional): digite “Value” >= 3;
c. Input true raster or constant value: digite 1, assim todos as células maiores ou
iguais a 3 receberam o valor 1 indicando predominância do consumo do tipo A;
d. Input false raster or constant value(optional): digite 0. As células com valores
menores do que 3 receberão o valor 0, indicando a não predominância;
e. Output raster: aponte para a pasta desta prática e digite
Vend_T_A_Medio_Maior_3.img;
3. Clique em OK e aguarde o fim do processamento;
4. Acesse novamente a ferramenta Con e configure:
a. Input conditional raster : selecione a camada Mean_VEND_TP_B_Raio_1km.img;
b. Expression(optional): digite “Value” >= 3;
c. Input true raster or constant value: digite 1;
d. Input false raster or constant value(optional): digite 0;
e. Output raster: Aponte para a pasta desta prática e digite
Vend_T_B_Medio_Maior_3.img;
5. Acesse novamente a ferramenta acesse a ferramenta Spatial Analyst
Tools/Conditional/Con;
6. Na Janela que sistema abriu configure:
a. Input conditional raster : selecione a camada Mean_VEND_T_C_Raio_1km.img;
b. Expression(optional): construa a expressão “Value” >= 3;
c. Input true raster or constant value: digite 1;
d. Input false raster or constant value(optional): digite 0;
e. Output raster: Aponte para a pasta desta prática e digite
Vend_T_C_Medio_Maior_3.img;
7. Pronto.

Veja o vídeo deste passo: Vídeo 05.3.

Geomarketing 84
Passo 4 – Áreas de intercepção de consumo notável
Por fim, vamos determinar as áreas geográficas onde há o consumo notável de dois ou mais
tipos de produtos. Determinaremos assim, onde há notavelmente o consumo casado de
produtos. Faça:

1. Seguindo do estado do término do passo anterior, acesse a ferramenta Spatial Analysis


Tools/Map Algebra/Raster Calculator no ArcToolbox Window.
2. Na janela da ferramenta construa a expressão abaixo. Como as células de cada camada da
expressão abaixo valem 0 ou 1. Quando uma célula resultar em 101, a centena em 1 indica
que há consumo notável de B naquela célula, dezena em 0 indica que A não tem um
consumo notável e a unidade em 1 indica que C possui um consumo notável. Mais à frente
traremos mais exemplos;
100* Vend_T_B_Medio_Maior_3.img + 10* Vend_T_A_Medio_Maior_3.img +
Vend_T_C_Medio_Maior_3.img
3. No campo Output raster aponte para a pasta desta prática e digite o nome
Combinacao_de_Vendas_ABC.img;
4. Clique em OK e aguarde o fim do processamento. Observe o resultado, devido ao tipo de
análise utilizada, as regiões extensas estão com as bordas fragmentadas, além de pequenos
fragmentos isolados. Para isso lançaremos mão de um filtro de moda (majority filter);
5. Vá ao ArcToolbox Window e acesse a ferramenta Spatial Analyst Tools/Neighborhood/Focal
Statistics. Na janela da ferramenta faça a seguinte configuração:
a. Input raster: selecione Combinacao_de_Vendas_ABC.img;
b. Output raster: aponte para a pasta desta prática e coloque o nome
Combinacao_de_Vendas_ABC_Suavizado.img;
c. Neighborhood(optional): selecione a opção circle;
d. Radius: digite 10;
e. Units: marque a opção Cell;
f. Statistics Type (optional): opte por MAJORITY.
6. Clique em OK e aguarde o processamento.
7. Por fim, vamos ajustar o resultado aos limites dos bairros. Vá à ferramenta Spatial Analyst
Tools/Extraction/ Extract by Mask. O sistema abre uma janela como mostra a Figura 05.d;

Figura 05.d – Janela da ferramenta Extract by Mask.

Geomarketing 85
8. Faça a seguinte configuração:
a. Input raster: selecione Combinacao_de_Vendas_ABC_Suavizado.img;
b. Input raster or feature mask data: na lista escolha a camada Bairros.shp. Essa
será a camada usada como máscara para cortar o Input raster;
c. Output raster: aponte a pasta desta prática e digite
Combinacao_de_Vendas_ABC_recortado.img
9. Clique em OK e aguarde o fim do processamento;
10. Na camada Combinacao_de_Vendas_ABC_recortado.img os pixels com valores “11”, “101”,
“110” e “111” são as áreas que necessariamente os pedidos contém mais de um tipo de
produto, onde a centena representa o tipo B, a dezena o tipo A e a unidade o tipo C. Agora
vamos aplicar uma simbologia para melhor visualização do resultado. Para isso nas
propriedades da camada do resultado, acesse a aba Symbology e altere as cores classes que
apresentam o número “1” em duas casas decimais cada uma com uma cor primária
diferente e as que não apresentam sem preenchimento: 11, 101, 110 e 111. Para as outras
classes como, por exemplo, 1 e 100, opte por No Color (transparente) no campo Color;
11. Ainda nas propriedades da camada, acesse a aba Display. Configure o campo Transparency
para 50%. Clique em OK para fechar a janela das propriedades da camada;
12. Clique na seta apontada para baixo ao lado do botão Add Data e selecione a opção Add
Basemap. Na janela que se abre, marque o item Bing Maps Aerial e clique em Add;
13. Veja o resultado da simbologia na Figura 05.d;

Figura 05.d – Resultado da análise, as áreas coloridas representam regiões com compra notável de dois ou mais
produtos.

Veja o vídeo deste passo: Vídeo 05.4.

Geomarketing 86
Anotações

Geomarketing 87
Passo 5 – Análise de Hot Spots
Neste último passado veremos brevemente uma aplicação de métodos geoestatísticos para
determinação de áreas de hot e cold spots. O objetivo aqui é apenas realizar uma explanação
sobre a potencialidade desses métodos mais elaborados.
A análise aplicada aqui compara a média da vizinhança local com a média de todos os dados,
se a média local em torno de um ponto estiver bem acima da média geral, este ponto é
classificado como hot spot. Se a média local for baixa em relação a geral, o ponto é classificado
como cold spot. Se as médias forem próximas, o ponto é classificado como neutro.
Para mais detalhes sobre o método que utilizaremos nesse passo, veja o link:
http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#//005p00000010000000.htm

1. Com as camadas de bairros e pontos de entregas adicionados no projeto do ArcMap, abra o


ArcToolbox e acesse a ferramenta Spatial Statitiscs Tools/Mapping Clusters/Hot Spot
Analysis(Getis-Ord Gi*);
2. O sistema abre uma janela como mostra a Figura 05.e;

Figura 05.e – Janela da ferramenta Hot Spot Analysis.

3. Na janela configure:
a. Input Features Class: selecione a camada Pontos_de_Entrega ;
b. Input Field: escolha o campo VlrMedPed. Desta forma esse campo será usado
como parâmetro para gerar as estatísticas de cada ponto;
c. Output Feature Class: aponte para a pasta desta prática e digite
Hot_Spot_VlrMedPed.img;
d. Conceptualization of Spatial Relationships:opte por FIXED_DISTANCE_BAND ;
4. Clique em OK e aguarde o fim do processamento, observe o resultado na Figura 05.f. Os
pontos em vermelho foram classificados como hot spot, os amarelos como neutros e os
azuis como cold spot;

Geomarketing 88
Figura 05.f – Resultado da Ferramenta Hot Spot Analysis para o campo VlrMedPed .

5. Acesse nova a ferramenta Spatial Statitiscs Tools/Mapping Clusters/Hot Spot Analysis


(Getis-Ord Gi*). Na janela da ferramenta configure:
a. Input Features Class: selecione a camada Pontos_de_Entrega ;
b. Input Field: escolha o campo NUM_ENT.
c. Output Feature Class: aponte para a pasta desta prática e digite
Hot_Spot_NUM_ENT.img;
d. Conceptualization of Spatial Relationships:opte por FIXED_DISTANCE_BAND ;
6. Clique em OK e aguarde o fim do processamento, observe o resultado na Figura 05.g. Por
exemplo, as áreas classificadas com um alto valor médio de pedido e baixo valor médio de
quantidade de entregas são os que menor custo operacional do delivery e maior retorno
financeiro;

Figura 05.g – Resultado da Ferramenta Hot Spot Analysis para o campo NUM_ENT .

Veja o vídeo deste passo: Vídeo 05.5.

Geomarketing 89
Anotações

Geomarketing 90