Negócios de todo tamanho podem se beneficiar de estudos de mercado, por isso construímos uma plataforma que amplia o acesso por diferentes abordagens, como o plano gratuito, em nossa política de preços, por toda a base de conhecimento colocada à sua disposição, na usabilidade intuitiva e na elevada qualidade dos conteúdos.
Cada informação que você encontra na Mapfry passa por um rigoroso processo de transformação até que alcance o estado em que suas características e proporções refletem a realidade.
E tem gente que ainda nos diz:
“Ah, mas é só baixar os dados no site do IBGE e colocar no mapa”
De fato, temos conhecimento de outras soluções que se limitam a colocar as informações no mapa, por isso estão muito aquém do Geomarketing.
Para você ter uma ideia, apenas uma das liberações de dados do Censo 22 possui mais de mil variáveis.
Meramente compreendê-las já representa um trabalho complexo, mas isso ainda não poderia ser chamado de uma base geo-demográfica, que são esquemas de dados que refletem as estruturas populacionais e econômicas.
A qualidade dos resultados da Mapfry não é apenas uma questão de coleta de dados, mas de métodos avançados de processamento e validação.
Etapas do processo
Coleta de Dados
Integramos informações de diversas fontes, como censos, dados de tráfego, dispositivos móveis e registros empresariais.
Levantamento e coleta de bases de dados geográficos relevantes: Censo, PNAD, POF, CAGED, BACEN, Receita Federal, Ideb e centenas de outras fontes.
Por que é importante: Um conjunto de dados conta uma história mais completa e próxima da realidade do que qualquer pacote individual.
Isso se dá porque cada pesquisa tem seu limite de escopo e abrangência, mas ao organizá-los em conjunto passamos a compor um mosaico representativo das dinâmicas populacionais e econômicas.
Limpeza e organização das bases
Para correção de erros e inconsistências pontuais.
Porque é importante: É raro, mas acontece muito, que as bases tenham problemas não observados em tratamentos anteriores, simplesmente por o que caso de uso do Geomarketing é muito específico.
Ao avaliarmos as bases originais em contraste com as que já estão em nosso banco de dados, podemos perceber campos vazios, com informações inconsistentes e até invertidas.
Normalização
Compatibilização das informações em proporções comparáveis
Porque é importante: A natureza e os objetivos das pesquisas variam, assim como sua área de cobertura, prazo de relevância e nível de detalhamento geográfico.
Portanto, elas precisam ser colocadas em proporções e escalas minimamente comparáveis.
Metodologias quantitativas aplicadas à população
Segmentação e agrupamento por faixas para reduzir a complexidade.
Porque é importante: Após todos os tratamentos anteriores, o que temos é uma base consistente, mas ainda muito ampla em suas variáveis e não totalmente contextualizada entre si.
As informações podem estar desatualizadas e se referir a períodos diferentes entre si e cabe a nós esse ajuste temporal para que todas reflitam o mesmo intervalo temporal.
Ou seja, elas dizem coisas que são corretas, mas não foram amarradas de forma a permitir uma análise coesa e contínua.
Para esse fim, utilizamos técnicas de modelagem estatística e projeção espacial para estimar a população e suas dinâmicas, como fertilidade, mortalidade, migração e outras projeções demográficas.
Geoprocessamento
Transformamos as bases devidamente tratadas em coordenadas precisas no mapa.
Porque é importante: Usamos algoritmos avançados para corrigir inconsistências e detectar padrões. Nosso processo aumenta a precisão em até 30% se comparado a métodos tradicionais.
Regras para leitura de dados
Formação de conjuntos relevantes, escolha de elementos gráficos e paletas de cores explicativas dos fenômenos em visualização.
Porque é importante: Mapas temáticos e dashboards interativos que revelam zonas de alto potencial, fluxos populacionais e lacunas de mercado.
Processamento em tempo real
Entrega de informações na medida que o usuário navega. Você não precisa selecionar o dado e a área que vai visualizar, basta mover o mapa e a informação é exibida na escala ideal.
Porque é importante: Quando uma análise está acontecendo, você não quer que seu raciocínio flua naturalmente entre as informações.
Capacidade de carga
A Mapfry possui a maior base de usuários e precisa estar pronta para disponibilizar acesso simultâneo a todos.
Porque é importante: Muito mais do que ter um banco de dados ligado a um sistema, é preciso que essa integração seja rápida e confiável.
Para isso, tomamos diversas medidas para distribuir requisições, reduzir o tempo de resposta quando alguma delas entra em fila e aumentar a disponibilidade de processamento em momentos de pico.
Afinal, você nunca sabe quando vai precisar de informações para fechar uma decisão importante.
Documentação e tutoriais
Detalhamento das informações e possibilidade de uso para melhor aproveitamento
Porque é importante: São muitas as possibilidades que o Geomarketing oferece, você deve encontrar referências sobre as mais importantes e como podem ser aplicadas ao seu negócio.
Diferenciais Mapfry
- Resultados mensuráveis: Nossa plataforma é aberta, com o plano Lite permitindo acesso a conteúdos que podem ser verificados em lugares onde você tem familiaridade.
- Inovação contínua: Começamos em 2020, já estamos entre as 3 principais plataformas de Geomarketing e vamos continuar acelerando.
- Autoridade técnica: Nossa equipe combina expertise em tecnologia, estatística e geografia.
- Domínio metodológico: Somos a única equipe que conta com um Estatístico Mestre em Demografia, o que nos permite trabalhar no mais alto padrão acadêmico.
Recursos que utilizamos
- PostgreSQL/PostGIS
- Python Para análise de dados, manipulação de geodados (bibliotecas como GeoPandas e Folium) e machine learning
- R para estatística e visualização
- Big Query e Apache Spark
- QGIS para testes e validação de dados geográficos
Base teórica
Model Assisted Survey Sampling de Särndal, Swensson e Wretman
Introduction to Variance Estimation de Wolter
Geographic Information Systems and Science de Longley, Goodchild, Maguire, Rhind
Python Geospatial Analysis Cookbook de Joel Lawhead
Applied Spatial Data Analysis with R de Bivand, Pebesma, Gómez-Rubio