Analytics – narzędzia w Passport GMID, część 2

Wykorzystane bazy danych: Passport GMID

Zgodnie z obietnicą, w tym odcinku przedstawione zostaną pozostałe narzędzia z zestawu Analytics z portalu Passport GMID. Dotyczą one wydatków konsumenckich w zależności od poziomu dochodów gospodarstw domowych, struktury demograficznej krajów, cen surowców oraz ogólnego stanu gospodarki. Mamy zatem szeroki wachlarz tematów do wyboru, których wspólnym mianownikiem jest dostępność danych historycznych oraz prognozy na najbliższe lata. A na deser – korelacje.

Na początek proponuję przyjrzeć się wydatkom konsumentów. Ze strony głównej Passport GMID wybieramy zakładkę Analytics i klikamy w Consumer Spending by Income Bands. Skierujmy naszą uwagę na lewą część ekranu. Patrząc od góry mamy możliwość wyboru kraju spośród 85 dostępnych i to nie wymaga szerszego omówienia, w przeciwieństwie do następnej pozycji, czyli Segmentation.

Consumer spending by income bands

To w tym miejscu decydujemy o tym czy zastosujemy prosty podział na wyższą i niższą klasę socjoekonomiczną, czy podzielimy społeczeństwo na trzy klasy (wyższą, średnią i niższą), czy może zażyczymy sobie mieć tych klas aż pięć (od klasy A oznaczającej grupę gospodarstw domowych z najwyższymi dochodami, do klasy E obejmującej najmniej zarabiających).

Najlepsze jest to, że to my sami decydujemy, gdzie mają przebiegać granice między wybranymi grupami – wystarczy przesunąć wskaźniki na pionowym wykresie po lewej stronie.

Oczywiście możemy też określić jakiego rodzaju wydatki nas interesują. Kiedy klikniemy na Spending, będziemy mogli zdecydować czy interesuje nas całość wydatków (Total spending) czy wydatki konieczne (Non-discretionary, w skład których wchodzą wydatki na mieszkanie, jedzenie i napoje (oczywiście bez alkoholi) oraz ubrania i buty), czy może inne wydatki, nazwane tutaj dobrowolnymi (Discretionary). Wybieramy cały dział lub poszczególne elementy, w zależności od potrzeb.

Consumer spending by income bands

Wnikliwi czytelnicy bloga na pewno zauważą obecność Macro Scenarios, czyli elementów innego narzędzia, omawianego w poprzednim wpisie. To żaden błąd ani przypadek – po prostu oprócz standardowej prognozy (Baseline), baza może dodatkowo wyświetlić prognozę wydatków wybranej grupy uwzględniającą założenia wybranego scenariusza – jak na obrazu poniżej, gdzie sprawdzałem jak ewentualny kryzys w strefie euro wpłynąłby na wydatki konieczne w segmencie C w Polsce.

Consumer spending by income bands

Dostępne są również porównania między krajami:

Consumer Spending by Income Bands

Zmieniamy widok za pomocą ikonek po prawej stronie od nagłówka, w tym przypadku odpowiednio B Segment 2013 i B Segment Spending 2018. Dzięki temu zobaczymy na przykład ile procent wydatków w grupie B w Polsce pochłaniają poszczególne potrzeby. Te z grupy koniecznych są zaznaczone na niebiesko.

Consumer spending by income bands

O Consumer Spending by Income Bands można by napisać dużo więcej, ale ponieważ mamy do omówienia jeszcze inne narzędzia, czas tutaj postawić kropkę i przejść do następnego punktu programu.

A jest nim Future Demographics Model. Nazwa właściwie nie pozostawia wątpliwości co do treści, jakich możemy się tu spodziewać. To proste narzędzie, mimo że posiada niewiele opcji do wyboru, dostarcza bardzo dokładnych danych.

Po prostu wybieramy kraj, decydujemy czy chcemy dane dla całej populacji czy tylko dla mężczyzn lub kobiet, suwakiem na osi pionowej ustawiamy przedział wiekowy jaki nas interesuje, a suwakiem na osi poziomej zakres czasowy. Możemy też ustawić pożądany zakres przesuwając aktywny prostokąt na wykresie lub skorzystać z przycisku Modify.

Future demographics model

W zależności od tego czy wybraliśmy Single Time Frame czy też Future/Past Episodes zobaczymy jeden (jak na obrazku powyżej) lub dwa (jak poniżej) kafelki z informacją ile było/będzie ludzi w podanym przedziale wieku w określonym czasie. Plus informacja o tym jaki wybrana grupa stanowiła/będzie stanowić procent całej populacji i jaki przez wybrany okres czasu nastąpił/nastąpi w niej wzrost lub spadek.

Future demographics model

A w prawej części ekranu pokazane są kraje o podobnej strukturze demograficznej do analizowanego przez nas. Domyślnie system sortuje je według podobieństwa.

Future demographics model

Ale jeśli chcemy, to zamiast najbardziej podobnych zobaczymy regiony i kraje z najliczniejszą populacją, wystarczy wybrać Sort by Population.

Future demographics model

Na koniec dodam tylko, że klikając na ikonkę z logo MS Excel ściągniemy dane do pliku csv (bardzo dokładne dane: liczbę ludzi w wieku 0, 1,2,3 itd. aż do 80+ dla każdego roku, począwszy od końcówki lat 70. dwudziestego wieku).

Przejdźmy dalej, do narzędzia o nazwie Commodity Price Model. Zgodnie z obietnicą zawartą w nazwie, możemy spróbować modelować ceny różnych towarów w zależności od kilku zmiennych.

Ekran jest podzielony na trzy części, po lewej stronie mamy dwa okna: górne z prognozą, dolne ze zmienną, której wpływ na prognozę badamy.

Commodity Price Model

Po prawej stronie widzimy listę pięciu zmiennych (tutaj pod nazwą „założeń” – Forecast Assumptions) , które mogą w naszym modelu wpłynąć na szacowaną cenę wybranego dobra. Są to: kurs wymiany dolara amerykańskiego, inflacja oraz stopa oprocentowania rocznych obligacji w USA oraz produkcja przemysłowa z USA i Unii Europejskiej.

Commodity Price Model

Możemy modelować ceny lub wartości indeksów towarowych, nośników energii, metali, produktów żywnościowych i rolnych oraz napojów. Szczegółowa lista na obrazku poniżej. Aby do niej przejść, trzeba kliknąć w przycisk w lewym górnym rogu z napisem Aluminum, które domyślnie wyświetla się na ekranie startowym.

Commodity Price Model

Najbardziej sensowna kolejność działań jest taka: wybieramy co chcemy analizować, potem decydujemy których założeń użyć, może to być jedno lub więcej. Na przykładzie pokazanym na obrazku poniżej sprawdzałem jak na cenę aluminium wpłynęłoby obniżeniu kursu dolara w połączeniu ze wzrostem inflacji w USA. Po ustawieniu pożądanych parametrów trzeba kliknąć w Run Model.

Na pomarańczowo zaznaczono moje zmiany w założeniach i prognozę, która je uwzględnia. A na granatowo prognoza standardowa, czyli Baseline. Jeśli żadnych zmian nie zrobimy (a nie musimy), system pokaże nam tylko prognozę standardową.

Commodity Price Model

Warto pamiętać, że również z tego narzędzia jest możliwy łatwy eksport, w tym wypadku do pliku xls. Jeśli pokusimy się o swoje prognozy, dostaniemy dodatkowy rząd z danymi wygenerowanymi na podstawie ustalonych wartości wskazanych założeń. Dane historyczne będą oczywiście zbieżne ze scenariuszem standardowym, różnice zaczną się pojawiać od momentu kiedy przejdziemy do prognoz.

Commodity Price Model

Spójrzmy teraz nieco szerzej. Economic Barometer pozwoli nam porównać 80 państw i grup krajów pod kątem 31 najważniejszych wskaźników makroekonomicznych.

Economic Barometer

Ich lista kryje się pod przyciskiem Indicators – wybieramy co nas interesuje i porównujemy wartości dla wybranych krajów. System prezentuje najnowsze dane, a obok nich strzałkę z kolorem zielonym (wzrost od ostatniego pomiaru) lub czerwonym (spadek), co pozwala zorientować się w panujących trendach. Można też sortować kraje według wartości każdego ze wskaźników.

Economic Barometer

I w zasadzie wszystko super, ale może pojawić się lekki niedosyt – no bo jak to, tylko bieżące dane? Od razu uspokajam: są też statystyki z przeszłości, i to dużo.

Economic Barometer

Zyskamy do nich dostęp po kliknięciu na jakiś kraj. Zobaczymy wówczas listę wybranych wskaźników oraz wykres ilustrujący jeden z nich. W okienku z wykresem możemy zdecydować czy zobaczymy dane w ujęciu kwartalnym czy miesięcznym, skorygowane sezonowo lub nie oraz ustawimy zakres czasowy.

W przypadku kiedy zdecydujemy się eksport danych do pliku xls te wybory nie będą miały znaczenia, ponieważ i tak dostaniemy wszystko, to znaczy wszystkie wybrane wskaźniki dla tego kraju od roku 2000, kwartalnie i miesięcznie, skorygowane sezonowo i nieskorygowane.

Na koniec zapraszam jeszcze do zabawy z korelacjami. Pomoże nam w tym Passport Connector. To narzędzie pozwalające zbadać zależność między dowolnymi wskaźnikami z bazy. Na pierwszy rzut oka może wyglądać na trochę skomplikowane, ale wystarczy chwila aby zrozumieć jak to działa. Wiele wyjaśnia prosty kolorowy wykresik na obrazku poniżej.

Passport Connector

Musimy określić co z czym chcemy zestawić. Przy czym jeśli chodzi o kategorie oznaczone kolorem brzoskwiniowym, to podajemy nie tylko kategorię (np. napoje alkoholowe), ale wybieramy z niej dodatkowo konkretną podkategorię (np. piwo). Takiego wyboru nie mamy jeśli chodzi o drugi składnik do porównania – tutaj musimy ograniczyć się do ogólnej kategorii.

Passport Connector

System pokaże nam wykresy (lub tabele, jeśli tak zaznaczymy w menu po lewej) na których widać korelacje (pozytywne lub negatywne, zależy co wybraliśmy) między wybraną podkategorią „brzoskwiniową” a wskaźnikami z grupy „lawendowej”.

Passport Connector

Aby dokładnie przyjrzeć się któremuś z nich, wystarczy na niego kliknąć. Na obrazku powyżej fragment takiego widoku „1 on 1” z całym okazałym menu do naszej dyspozycji.

Mam nadzieję, że udało mi się zachęcić Was do zajrzenia do działu Analytics w bazie Passport GMID. Przekonaliśmy się, że dane z bazy można zaprezentować na wiele różnych sposobów. Być może któryś z nich znajdzie się w Waszej pracy?