FMCG şirketlerinin elinde satış noktalarına ilişkin çok sayıda veri bulunuyor. Satış hacmi, ürün dağılımı, ziyaret sıklığı, sipariş miktarı ve mağaza tipi bunlardan bazıları. Ancak satış noktasının hemen dışında ne olduğu çoğu zaman ayrı bir veri problemi. Bir satış noktasının çevresinde okul ve toplu taşıma yoğunluğu olabilir. Başka bir nokta ise ağırlıklı olarak konut bölgesinde, araçla erişilen bir yerde bulunabilir. Bu iki noktanın rafındaki ürünler aynı olsa bile çevreleri aynı değil. Yeni çalışmamızda bu farkı ürün karması üzerinden ele aldık. Okullar, ulaşım noktaları, yaya hareketi, konut dokusu, nüfus ve erişim biçimi gibi mekânsal değişkenleri kullanarak satış noktalarının birbirinden nasıl ayrışabileceğini gösterdik. Buradaki amaç satış verisinin yerine geçmek değil. Tam tersine, satış verisinin yanına satış noktasının çevresini de eklemek. Böylece yalnızca “bu nokta ne kadar satıyor?” sorusuna değil, “bu nokta nasıl bir çevrede çalışıyor?” sorusuna da cevap verilebilir. FMCG tarafında Spatial Notebook ile geliştirmek istediğimiz alanlardan biri tam olarak bu: satış noktalarını çevrelerine göre segmentlemek ve ürün karması kararlarına yeni bir veri katmanı eklemek.

Bir şirketin şube ağına yalnızca noktalar olarak değil, bir rota problemi olarak bakarsak ne görürüz? Türkiye’deki 302 Köfteci Yusuf şubesini 43 ilde tek bir tur içerisinde ziyaret edecek şekilde en kısa kara yolu rotasını hesapladık. Her şubeye bir kez uğrayıp başlangıç noktasına geri dönüyoruz. Sonuç olarak rota mesafesi 8.954 km gibi devasa bir sayı çıkıyor Bu çalışma, klasik bir Traveling Salesman Problem yaklaşımının gerçek bir şube ağı ve gerçek yol ağı üzerinde nasıl göründüğüne dair küçük bir örnek. Veri: kofteciyusuf.com, OpenStreetMap, Natural Earth Spatial Notebook | Map 55