Værdier og information i geografiske data - nøglen til et beslutningsgrundlag

Petersen, Steen

4. semester

Landinspektørvidenskab (cand.geom.), Kandidat

2015

2015-01-16

116

Projektet undersøger, hvordan værdier og information i geografiske data kan danne grundlag for beslutninger, og afprøver om der er en sammenhæng mellem bilmodeller og boligtyper som udgangspunkt for segmentering, med særligt fokus på VW Golf. Som teoretisk ramme anvendes DIKW-hierarkiet til at binde data, information og viden sammen. Metodisk integreres geografiske og ikke-geografiske datasæt, data sorteres og klassificeres, og resultater visualiseres i grafer og kort. To analytiske spor gennemføres: Excel-baserede opgørelser og SQL-baserede analyser i et GIS-miljø, struktureret efter en planlagt input–proces–output-tilgang. Formålet er at udlede mønstre og sammenhænge, der kan anvendes i rapportering og beslutningsstøtte. Projektets caseområde er Pakila, og resultaterne viser, at hypotesen om en sammenhæng mellem boligtype og VW Golf-ejerskab ikke kan bekræftes på baggrund af det indsamlede materiale; hypotesen afvises. En central læring er, at datakvalitet og kontekst er afgørende for både analyse og fortolkning. Projektet peger desuden på potentialet i visuelle rapporter og dashboards med kort som værktøj til at formidle komplekse geografiske mønstre bredt i en organisation.

The project examines how values and information in geographic data can support decision-making and tests whether there is a link between car models and housing types for market segmentation, with a specific focus on VW Golf. The DIKW hierarchy is used as the theoretical framework to connect data, information, and knowledge. Methodologically, the study integrates geographic and non-geographic datasets, sorts and classifies data, and visualizes results in charts and maps. Two analytical tracks are employed: Excel-based summaries and SQL-based analyses in a GIS environment, structured through a planned input–process–output approach. The aim is to derive patterns and relationships that inform reporting and decision support. The case area is Pakila, and the findings show that the hypothesis of a relationship between housing type and VW Golf ownership cannot be confirmed with the collected evidence; the hypothesis is rejected. A key insight is that data quality and context are critical to analysis and interpretation. The project also highlights the potential of visual reporting and dashboards with mapping to communicate complex spatial patterns across an organization.

[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]

Download
Vis denne rapport i AAU Studenterprojekter