ポイントオブインタレスト（POI）データプロバイダーを選択する方法

AIテクノロジーの普及とデータランドスケープの急速な変化により、データの出所と品質に関する質問がこれまで以上に重要になっています。品質の低いデータは、競争の激化する環境でのパフォーマンスを著しく妨げる可能性があります。このブログでは、データプロバイダーを評価するためのフレームワークとともに、POI（Points of Interest）データを理解および評価するためのアプローチの概要を説明します。

POIデータとは？

‍

POI（Point of Interest：ポイントオブインタレスト）データとは、カフェ、ホテル、ガソリンスタンド、ランドマークなど、その特徴やユーザーとの関連性によって価値や重要性を持つ場所に関するあらゆるデータセットです。POIデータは通常、住所データ以上のものを含み、ほとんどのプロバイダーは少なくとも3つの基本的な属性を含んでいます。

• 名前: POIを参照するために使用できるラベル。通常は自然言語で記述されます。
• 場所：POIの物理的な位置に関するデータ。通常は地理空間座標のセットであり、他の地理空間情報を導き出すことができます。
• カテゴリ: POIの性質またはタイプを示すラベル。これは、単純で一般的な「POI」から、詳細なカテゴリ階層（例：フード > レストラン > 日本料理店 > ラーメン店）まで多岐にわたります。POIのカテゴリの重要性は、ユースケースによって異なります。

これらの基本的な属性に加えて、POIには、住所、営業時間、人気度など、さまざまな追加メタデータが関連付けられている場合があります。

POIプロバイダーを評価する際の重要な質問

POIデータプロバイダーを評価する前に、明確な評価フレームワークを確立してください。検討すべき役立つ質問は次のとおりです。

データはどのような問題を解決すべきですか？

ユースケースの性質によって、どのデータ属性が重要になるかが決まります。たとえば、ナビゲーションアプリは、市場セグメンテーションに焦点を当てたプラットフォームとは異なるニーズを持っています。ナビゲーションアプリは、ドライバーが自信を持って目的地を選択して到達できるように、正確なルーティング可能なポイントを備えた人気のあるPOIの包括的なカバレッジに依存しています。市場セグメンテーションの場合、豊富なブランドおよびカテゴリメタデータ（理想的には人気またはトラフィックデータと組み合わせる）により、よりスマートなオーディエンスのターゲティングとロケーションベースのインサイトが可能になります。

エンドユーザーにとって最も価値のあるデータは何ですか？

レストラン検索アプリでは、レストランの営業時間や価格に関する詳細なデータが必要になる場合がありますが、ランドマークや公園など、他のカテゴリのPOIに関するデータは必要ありません。テレメトリマッピングでは、場所の精度が優先される場合があります。レストランの座標が実際の物理的な場所を反映していることを確認し、価格などのメタデータはそれほど重視しません。コーヒーショップのロケーターでは、カフェに関する非常に詳細なデータのみが必要であり、他のPOIカテゴリは無関係になります。すべてのデータがすべてのシナリオで同じように役立つわけではありません。POIの属性とカテゴリをエンドユーザーの目標に合わせることが、インパクトのあるエクスペリエンスを構築するために不可欠です。

どのようなカバレッジが必要ですか？

グローバルなニーズとローカルなニーズは、POIデータに対する期待を大きく変える可能性があります。焦点が1つの都市または地域である場合、他の場所のデータ品質はそれほど重要ではない可能性があります。

データエラーのコストとは？

不正確さの影響を考慮してください。POIの10％の位置座標が50メートル以上ずれている場合、またはPOIが閉店しているのに開店していると誤って表示されている場合はどうなりますか？誤差許容範囲を見積もることで、データのリスクを特定し、改善戦略を計画できます。

POIデータを評価する方法

明確な評価計画を立てたら、次のステップは、潜在的なデータプロバイダーにサンプルデータセットを要求することです。理想的には、サンプルは、意図されたアプリケーションに関連する地域からのものであり、地上の真実と照合するのに十分なほど馴染みがある必要があります。プロバイダーがサンプル地域を選択できるようにすることは避けてください。これにより、偏った、または代表的でないデータセットになる可能性があります。 

サンプルを受け取った後、その品質を評価することが不可欠になります。このプロセスを支援するために、Mapbox Searchのプロダクトマネージャーであるクリス・バイヤーズは、POIデータを評価するための実用的なフレームワークを開発しました。これは、チームがカバレッジや精度における強み、弱み、ギャップを迅速に特定するのに役立ちます。主な原則は以下のとおりです。

Mapboxは、3つのCのフレームワークでPOIデータの品質をどのように測定しているか 

Mapboxは、POIデータの品質を3つのCのフレームワーク（Completeness（完全性）：特定の地域内で想定されるPOIの全範囲と必要な属性がデータセットに含まれているかを評価、Correctness（正確性）：データが現実をどれだけ正確に反映しているかを検証、Currency（鮮度）：データの更新頻度と、店舗の閉鎖や新規開発などの現実世界の変化を反映しているかを考慮）を使用して評価します。

POIデータ品質の最初の要素：データの完全性

完全性は、カバレッジの概念と関連付けられることがよくあります。ただし、完全性は、特定の地域のデータ量を測定することだけではありません。代わりに、評価では、特定の地域に存在することが予想されるPOIの完全なセットと比較して、データセット内の一意のレコードを考慮する必要があります。

完全性は、レコードの存在範囲を超えて拡張されます。たとえば、番地と通りが含まれているものの、市区町村、都道府県、または郵便番号が省略されている住所は不完全と見なされ、使用可能にするには追加の処理が必要になる場合があります。属性充足率は、レコードが十分に完全であるかどうかを評価する方法の1つとして機能します。

データの関連性が低い、または品質が低いデータによって水増しされている場合、充足率とカバレッジの数値は誤解を招く可能性があります。したがって、完全性は、品質の次の重要な指標である正確性と併せて評価する必要があります。

POIデータ品質の2番目の要素：正確さ 

データの正確性を評価するには、精度、妥当性、一意性の観点からデータの品質を検討してください。

精度は、データが現実世界の状況とどれだけ一致しているかを反映します。正確なデータの例としては、関連する建物の屋上と正確に一致する位置座標が挙げられます。反例としては、それが表す建物に対して間違った道路名を含む住所が挙げられます。実際には、住所の解釈は準主観的な現実の中に存在することが多く、複数の「正しい」バージョンが共存する可能性があります。たとえば、地域名と正式名称の両方で知られている道路や、明確な境界線がない地域などです。このような場合、精度は、ユーザーがどのバージョンをより探しそうかを特定することに帰着することがよくあります。

真の正解データを入手することが困難なため、精度を測定することは困難です。第三者の情報源との比較が頻繁に行われますが、これらの参照元が正式な情報源として機能しない限り、必ずしも信頼できるとは限りません。検証済みの精度と公式な認識を持つ比較ソースを優先し、慎重に選択することが重要です。

Validity（妥当性） は、予期されるデータ形式とルールへの準拠を指します。一般的な妥当性の問題には、地理空間座標の逆転や、街路名や番地の形式の不整合などがあります。地域によってバリエーションが発生することがよくあります。たとえば、住所の順序は、フランス語圏と英語圏の国で異なります。各地域について、書式設定の標準を定義し、適合性を評価するために使用する必要があります。データセット全体の品質が許容できる場合は、取り込み中に内部標準に合わせるために変換ロジックを適用できます。

Uniqueness（一意性） は、POIデータに重複レコードが含まれる度合いを評価します。重複エントリは、ユーザーの信頼を損ない、カバレッジ統計を不当に増加させる可能性があります。一意性は、データの階層レベルに基づいて評価する必要があります。たとえば、1つの街路アドレスに対して複数の有効なユニットアドレスが存在し、座標を共有する場合があります。評価プロセスの早い段階で階層を確立することで、一貫性のある分析を確実にすることができます。

POIデータ品質の第3の要素：データの鮮度（または鮮度）

POIデータのカレンシーとは、データ更新の鮮度のことです。住所、POI、境界などの位置データは、定期的に、場合によっては非常に頻繁に変化します。都市は拡大し、新しい地域が建設され、通りの名前が変更され、ビジネスは閉店し、開店します。たとえば、世界中で1日に約137,000の新しいビジネスが立ち上げられています。

カレンシーは、データセット内の最新の更新のタイムスタンプを確認することで測定できます。ただし、更新頻度は多くの場合、均一ではありません。データベースに最新の更新日が表示されていても、実際に変更されたレコードはごく一部である可能性があります。カレンシーを適切に評価するには、サンプルレコードを実際の変更に関する代替データソースと比較する必要があります。レストランは、開店と閉店が頻繁であるため、カレンシーを評価する上で特に効果的なカテゴリです。たとえば、過去6か月以内に開店した新しいレストランのリストと、POIデータセットに存在するレストランPOIのリストを比較すると、データ全体のカレンシーの実用的なベンチマークが得られます。

地理空間データは本質的に不変ではないため、最新の参照セットを維持する必要がある通貨は、定期的に再評価する必要があります。

フレームワークを実践に移す

指標が定義されたので、次のステップはそれらを適用することです。データサンプル（理想的には使い慣れた領域からのもの）をkepler.glなどの地図視覚化ツールにロードします。視覚的な検査で問題がすぐに明らかになることがよくあります。地図を表示した状態で、3つのCを使用してデータセットの評価を開始します。

• 完全性：欠落しているPOIはありますか？そもそも存在しなかったPOIはありますか？欠落しているPOIまたはジャンクPOIは、特定のカテゴリを共有していますか？
• 正確性: POIは正しい場所にありますか？正しいカテゴリ/アイコンが設定されていますか？
• カレンシー：最近オープンしたPOIが欠落していませんか？もはや存在しない、または移動したPOIが表示されていませんか？

視覚的な検査は、データセットの強みと弱みを最初に把握するのに役立ちますが、それはあくまで出発点に過ぎません。次のステップは、それらの視覚的な観察に基づいて、より詳細な分析を行うことです。3つのC（下記参照）をガイドとして、特定の問題を特定したり、仮説を検証したりするための的を絞ったテストを実施します。

完全性

• 各カテゴリのPOIの数は、信頼できる標準ソース（たとえば、米国勢調査の数値、検証済みのビジネスリスト）と一致していますか？
• POIの数は、対応する地理的エリアの人口と比較してどうですか？
• 特定のカテゴリ内の既知のPOIは、データセットに表示されていますか？
• データセットを名前でソートする場合、重複エントリは存在しますか？
• データセット全体の主要な属性の充足率はどれくらいですか？

正確性

• 基本的なパターンマッチングテストで、住所形式が予想される標準に準拠していることを確認できますか？郵便番号は適切にフォーマットされていますか？
• カテゴリやブランドなどのテキスト属性をソートする場合、エッジ値はタイプミス（たとえば、正しい「restaurant」の近くに表示されるエラー「retsaurant」）を明らかにしますか？
• 論理的な範囲外の属性値（例えば、マイナスの価格、24時間を超える営業時間、またはAM/PMの慣習と矛盾する12時間）はありますか？
• 重複または位置情報の精度の問題を示唆する、一般に「ポイントパイル」または「スタックポイント」と呼ばれる、同一の座標を共有するPOI（Point of Interest）はいくつありますか？
• 有名なPOIの中に、誤って分類されているものはありますか？もしあれば、いくつですか？

カレンシー

• 最近オープンしたレストランや、その他頻繁に変更されるPOIは、データセットに含まれていますか？最も最近追加されたものは何ですか？
• 閉店または移転した施設は、データにまだ表示されていますか？最も古い更新されていないPOIは何ですか？

テストが完了したら、データセットがアプリケーションのニーズを満たしているか、大幅なクリーンアップが必要かを評価します。データ品質に加えて、考慮すべき点がいくつかあります。

• ライセンス条項：データが意図したとおりに使用できることを確認し、派生物または変更されたバージョンへの影響を理解してください。
• SLAとサポート：どのような修正期間と保証が提供されますか？
• データ更新頻度：データセットはどのくらいの頻度で更新され、修正はどのくらいの速さで行われますか？

Mapbox POIデータで構築する

このフレームワークを活用することで、POIデータの選択に関する情報に基づいた意思決定が可能になります。POI検索ソリューションを評価しているチームにとって、Mapbox Search Boxは、信頼性が高く、開発者にとって使いやすいオプションです。世界中で3億7,500万件以上の住所と1億7,000万件のPOIを擁するSearch Boxは、住所、場所、POIなど、高品質なデータを毎週更新し、よりスマートで信頼性の高い位置情報体験を実現します。詳細については、mapbox.com/searchをご覧ください。