Carto

#Datasets

card_analytics_dataset

• Proporcionado por la propia organización. El dataset contiene información del importe total y el número de operaciones realizadas en 2015 con tarjetas de débito/crédito del Grupo Cajamar en los comercios de la ciudad de Almería. Se han agrupando dichas operaciones por código postal del cliente, código postal del comercio, sector de comercio y franja horaria.
• Fuente: http://www.cajamardatalab.com/datathon-cajamar-pythonhack-2016/card-analytics/.

poligonos

• Contiene los polígonos de cada código postal para poder pintarlos sobre un mapa.
• Fuente: http://centrodedescargas.cnig.es/CentroDescargas/buscar.do.

codigospostales

• Contiene las coordenadas promedio y el nombre de cada código postal. Se extrajo gracias al script propio scrapPostCode.py.
• Fuente: http://es.postcode.info/espana/p/04.

#Carto

Carto es una herramienta Open Source que permite el almacenamiento y visualizado de datos geoespaciales en un entorno Web. Carto se puede instalar en un servidor propio o utilizar la plataforma SaaS que ofrecen en https://carto.com/.

• Documentación oficial para su instalación: http://cartodb.readthedocs.io/en/latest/install.html.
• O scripts para una instalación automática: https://github.com/lopezruizjavier/cartodb-setup.

##Trabajando con los datos

Carto permite introducir los datos en múltiples formatos. En este caso, se han subido los anteriores dataset en formato CSV y se ha realizado una transformación de estos acorde a las necesidades.

card_analytics_dataset_merge

Se ha generado un nuevo dataset uniendo los dataset card_analytics_dataset y codigospostales para poder geoposicionar las transacciones.

poligonos_merge

Se ha generado un nuevo dataset uniendo los dataset poligonos y codigospostales para poder nombrar los diferentes códigos postales.

##Mostrando los datos

Capa 1: Gasto total por código postal

Capa Choropleth que muestra el gasto total por código postal mediante un degradado de colores por cuantiles.

WITH maxima 
     AS (SELECT Sum(importe) importe, s.cp_cliente 
         FROM   card_analytics_dataset_merge s 
         GROUP  BY s.cp_cliente) 
SELECT p.*, COALESCE(importe, 0) importe 
FROM   poligonos_merge p 
       LEFT JOIN maxima s ON s.cp_cliente = p.cod_postal 

Capa 2: Códigos postales

Capa sencilla que muestra como etiqueta el nombre del código postal. Los polígonos tienen un color transparente para que esta capa pueda ser superpuesta a otras.

SELECT * 
FROM poligonos_merge

Capa 3: Sector más rentable por código postal

Capa categórica que muestra el código postal por el color del sector en el que se realiza un gasto mayor.

WITH suma 
     AS (SELECT Sum(importe) importe, cp_cliente, sector 
         FROM   card_analytics_dataset_merge 
         GROUP  BY cp_cliente, sector), 
     maxima 
     AS (SELECT Max(importe) importe, s.cp_cliente 
         FROM   suma s 
         GROUP  BY s.cp_cliente), 
     sector 
     AS (SELECT sector sector_max, m.cp_cliente 
         FROM   maxima m 
                LEFT JOIN suma s2 ON s2.importe = m.importe) 
SELECT p.*, COALESCE(sector_max, 'Desconocido') sector_max 
FROM   poligonos_merge p 
       LEFT JOIN sector s ON s.cp_cliente = p.cod_postal

Capa 4: Transacciones durante el año

Capa Torque, para poder representar las transacciones a lo largo del tiempo gracias al día de la transacción. Cada punto representa la geo-posición promedio del código postal de los clientes.

SELECT * 
FROM card_analytics_dataset_merge

Capa 5: Códigos postales con más transacciones entre las 6 y 8 de la mañana

Capa Choropleth que muestra el total de transacciones entre las 6 y 8 de la mañana por código postal mediante un degradado de colores por cuantiles.

WITH suma 
     AS (SELECT Sum(num_op) num_op, cp_cliente 
         FROM   card_analytics_dataset_merge 
         WHERE  franja_horaria IN ( '06-08' ) 
         GROUP  BY cp_cliente) 
SELECT p.*, COALESCE(num_op, 0) num_op 
FROM   poligonos_merge p 
       LEFT JOIN suma s ON s.cp_cliente = p.cod_postal