Is omgevingsgericht adverteren de nieuwe norm?

Is omgevingsgericht adverteren de nieuwe norm?

Situatie

Als eindopdracht voor de module basiskennis statistiek en databases hadden we als opdracht om een datatraject uit te werken en voor te stellen. Deze uiteindelijke visualisatie moet dan ook een invloed hebben op de “business vraag” waarmee we zouden gestart zijn.

Taak

De opdracht was om een arduino project van vorig jaar verder uit te bouwen en effectief iets te doen met de data die verkrijgen. Het project werd stelselmatig uitgewerkt over een tijdspan van ongeveer 3 maanden. In team samen met Bryan Tekieli en Arno Saelens hebben wij de business vraag beantwoord rond het omgevingsgerichter maken van advertenties. We wilden dus aan de hand van 3 soorten meetdata relevantere  advertenties tonen.

Onze rollen binnen het team liepen vrij veel in elkaar over maar in het algemeen werkte Arno het meest met de Arduino, Bryan het meest met Knime en hield ik me bezig met verdere visualisaties.

Actie

Eerst en vooral zijn we aan de slag gegaan met de arduino opstelling. Daar hebben we een nieuwe sensor op aangesloten die de temperatuur en vochtigheid kan meten op locatie. De programmatie van deze sensor werd gemaakt binnen Arduino IDE en was belangrijk voor correcte kolommen te verkrijgen later in het proces. 

Ook hebben we gekeken voor een volledig omhulzing in hout waarbij de sensors nog steeds de nodige data kunnen opnemen. Verder is de opstelling ook voorzien van LED lichtjes die aangeven binnen welke temperatuursgroep de huidige omstandigheden zich precies bevinden. Hier meer over later.

De output van het arduino verkrijgen we aan de hand van Coolterm en deze exporteren we dan verder naar een CSV bestand die dan klaar is voor verdere analyses.

Hieronder zien we het soort data dat als output verkregen word vanuit de arduino opstelling. Dit was een meting van een uur waarbij we elke tien seconden een update krijgen van de omstandigheden. Het geeft ons een mooi overzicht hoe alles evolueert en hieruit kunnen we makkelijk afleiden was de precieze omstandigheden waren tijdens die dag.

Zoals voordien aangehaald categoriseren wij deze data dan ook in 3 temperatuursgroepen, kleiner dan 10 graden, tussen 10 en 20 graden en hoger dan 20 graden. Hier spelen we dan ook op in aan de hand van LED lichtjes aanwezig op de Arduino opstelling. Bij elk van de temperatuursgroep licht een andere LED op.

Verdere analyses worden gemaakt in Knime, een volledige uitleg rond het dataproces zal ik hier niet uitleggen maar is wel te vinden in de video hieronder. Het komt erop neer dat we voor elke variabele een column filter gaan gebruiken om deze dan uiteindelijk apart te visualiseren. Ook visualiseren we natuurlijk alle kolommen samen gieten we deze in één grote visualisatie.

De visualisatie binnen Knime was voor ons project niet  ideaal, om volledig en overzichtelijker te zijn hebben we dit ook gedaan in Microsoft PowerBI wat ons dus de kans geeft om beter inzicht te hebben in de data.

We kozen voor Microsoft PowerBI eerst en vooral voor de toegankelijkheid, het is heel gemakkelijk om andere Microsoft software hier aan te linken en dat deden we dan ook met een CSV bestand. De uiteindelijke visualisatie ziet er als volgt uit:

Resultaat

Het effectief resultaat bekomen we dus in Microsoft Power BI. In deze visualisatie gooien we alle kolommen samen en zien we dus een mooi overzicht van de gemeten data. We beginnen met een meting vanaf 13u en dit loopt tot ongeveer 14u1O. 

We zien het aantal voorbijgangers stijgen met de verloop van tijd en zien dat de temperatuur redelijk gelijk blijft. Wel zien we een duidelijke beweging in luchtvochtigheidsmeter die niet zo lang duurt maar zeker duid op enkele regendruppels.

Het geeft adverteerders alle informatie om precies te kunnen inspelen op de omgeving en dit geeft hen dan ook een grotere kans op verkoop.

Reflectie

Over de volledige lijn ben ik heel blij met het project. We vertrokken uit een leuke business vraag en konden deze op een gepaste manier uitwerken. Soms was het wat sukkelen met arduino en de gebruikte software maar uiteindelijk is dit met goede begeleiding volledig inorde gekomen. Ook feedback over het project aan de hand van onderstaande video viel goed mee. Velen vonden het overzichtelijk, duidelijk en een heel leuk project maar het filmpje komt wat overhaastig over en de ETL duidelijk vermelden is zeker nog iets waar ik aan zal werken.

Bronnen:

        Roger Meier’s Freeware. (z.d.). Geraadpleegd 10 mei 2021, van https://freeware.the-meiers.org/
KNIME Analytics Platform | KNIME. (z.d.). Geraadpleegd 10 mei 2021, van https://www.knime.com/knime-analytics-platform
Software | Arduino. (z.d.). Geraadpleegd 10 mei 2021, van https://www.arduino.cc/en/software
Datavisualisatie | Microsoft Power BI. (z.d.). Geraadpleegd 10 mei 2021, van https://powerbi.microsoft.com/nl-nl/

 

Videos teamleden:

 
 

Dit bericht heeft 1 commentaar

Geef een antwoord