ΧΑΡΤΟΓΡΑΦΙΚΗ ΕΠΙΣΤΗΜΟΝΙΚΗ ΕΤΑΙΡΕΙΑ ΕΛΛΑΔΑΣ Χαρτογραφία στο Διαδίκτυο. Σύγχρονες Τάσεις και Προοπτικές. (Πρακτικά 13ου Εθνικού Συνεδρίου Χαρτογραφίας Πάτρα, 22-24 Οκτωβρίου 2014) Απεικόνιση Γεωγραφικής Ανάλυσης Δεδοµένων Οικονοµικών Ροών Παγκόσµιας Κλίµακας µε την Χρήση Διαδικτυακών Υπηρεσιών Απόστολος Παπακωνσταντίνου 1*, Καβρουδάκης Δηµήτρης 2, Αβανίδου Καλλιόπη 3, Λάτσης Ηλίας 4, Νικόλαος Σουλακέλλης 5 (1) Ερευνητής Εργαστήριο Χαρτογραφίας & Γεωπληροφορικής, Τµήµα Γεωγραφίας, Πανεπιστήµιο Αιγαίου, Λόφος Πανεπιστηµίου, 811 00 Μυτιλήνη, Τηλ 251036428, apapak@geo.aegean.gr (2) Επίκουρος Καθηγητής (υπό διορισµό) Εργαστήριο Χαρτογραφίας & Γεωπληροφορικής, Τµήµα Γεωγραφίας, Πανεπιστήµιο Αιγαίου, Λόφος Πανεπιστηµίου, 811 00 Μυτιλήνη, Τηλ 251036428, dimitrisk@geo.aegean.gr (3) Φοιτήτρια Εργαστήριο Χαρτογραφίας & Γεωπληροφορικής, Τµήµα Γεωγραφίας, Πανεπιστήµιο Αιγαίου, Λόφος Πανεπιστηµίου, 811 00 Μυτιλήνη, geo11001@geo.aegean.gr (3) Head of Research Merger Market, 03879547, London, UK. Elias.Latsis@mergermarket.com (4) Καθηγητής Εργαστήριο Χαρτογραφίας & Γεωπληροφορικής,Τµήµα Γεωγραφίας, Πανεπιστήµιο Αιγαίου, Λόφος Πανεπιστηµίου, 811 00 Μυτιλήνη, Τηλ 251036428, nsoul@aegean.gr Λέξεις κλειδιά: Γεωγραφική Οπτικοποίηση, Γεωγραφική Ανάλυση, Γεωεµπλουτισµός Δεδοµένων, Οικονοµικές Ροές, Διαδικτυακή Χαρτογραφική Απεικόνιση. Περίληψη Η γεωγραφική οπτικοποίηση τα τελευταία χρόνια ενσωµατώνει τεχνολογίες διαδικτύου και διαδικτυακές υπηρεσίες για την απεικόνιση, τη διάθεση και τη χρήση των τελικών χαρτογραφικών απεικονίσεων. Η διάδραση στην πλοήγηση και την εξερεύνηση της πληροφορίας δίδει στην τελική οπτικοποίηση την διαδραστικότητα που απαιτείται για την απεικόνιση νέων δοµών και συσχετισµών στην γεωγραφική πληροφορία. Η µελέτη και η απεικόνιση οικονοµικών δεδοµένων αποτελεί µια διαδικασία η οποία αποσκοπεί στη διερεύνηση της γεωγραφικής διάστασης τους η οποία επιτυγχάνεται µε την χωρικοποίηση διαδικασιών, συναλλαγών και στοιχείων οικονοµικής φύσεως χρησιµοποιώντας µεθόδους γεωγραφικής ανάλυσης ανακαλύπτοντας νέες γεωγραφικές συσχετίσεις. Τα δεδοµένα οικονοµικών ροών παρουσιάζουν ιδιαίτερο ενδιαφέρον καθώς περιγράφουν σύνθετες δοµές ενώ παράλληλα διατηρούν γεωγραφικές διαστάσεις. Η ποσοτικοποίηση και η ανάλυση τέτοιων δεδοµένων γίνεται όλο και πιο επίκαιρη καθώς οι παγκόσµιες σύνθετες οικονοµικές διαδικασίες καταγράφονται και αναλύονται ώστε να προσφέρουν υποστήριξη στα πλαίσια λήψης στρατηγικών αποφάσεων. Μέσα από την παρούσα εργασία αναδεικνύεται ο ρόλος της διαδικτυακής χαρτογραφικής οπτικοποίησης των αποτελεσµάτων γεωγραφικής ανάλυσης και µελέτης οικονοµικών δεδοµένων παγκόσµιας
κλίµακας µε σκοπό την ανάδειξη της γεωγραφικής τους διάστασης και των χωρικών συσχετίσεων που αυτά έχουν. Abstract Geovisualization approaches incorporated internet technologies and online services for the delivery of the cartographic representations over the last years. The increased levels of user interaction, navigation and exploration led to sophisticated web visualizations of new geodata structures and spatial relationships in geographic information. The geovisulalization of big economic databases is a process aiming to the exploration of the geographic dimension of economic transactions. The use of geographic analysis approaches and geoenrichment processes lead to the discovery of new geographic correlations of big economic data. The visualization of the geographic dimensions of global economic dataflows, has a key role in the description of the complex structures behind global trade. The quantification and analysis of such data is becoming more and more relevant as global complex economic processes are recorded and analysed, in order to support strategies for mergers and acquisitions. This study focuses in the creation of the appropriate online cartographic visualization tool for the representation of the geographical analysis results based on global economic datasets. This tool will help in understanding the geographical dimension and the spatial relationships that Merger Market s database include for mergers and acquisitions in global scale. 1. Εισαγωγή Η επιστήµη της Χαρτογραφίας εξελίσσεται ραγδαία και επιδέχεται σηµαντικές αλλαγές οι οποίες οδηγούνται από τις νέες επιστηµονικές απαιτήσεις έχοντας ως καταλύτη την εξέλιξη των µέσων της Γεωπληροφορικής και των ΣΓΠ. Η εξέλιξη της Γεωπληροφορικής συνδέεται άµεσα µε την εξέλιξη των ΣΓΠ και τον τρόπο απεικόνισης των αποτελεσµάτων (οπτικοποίησης) που αυτά προσφέρουν καθώς και την εξέλιξη της τεχνολογίας στον τοµέα της πληροφορικής (MacEachren & ICA Commission On Visualization, 1998). Η γεωγραφική οπτικοποίηση συνδυάζοντας µεθόδους της Χαρτογραφίας και της επιστηµονικής οπτικοποίησης οδήγησε σε νέες προσεγγίσεις για την οπτικοποίηση δοµών και δεδοµένων µέσα στον γεωγραφικό χώρο. Η συνδυασµένη χρήση της γεωγραφικής οπτικοποίησης µε τη ραγδαία εξελισσόµενη επιστήµη της πληροφορικής και των ηλεκτρονικών υπολογιστών καθώς και µε τις ακόµη πιο σύγχρονες τεχνικές λογισµικού αυτοµατοποιηµένης Χαρτογραφίας, οδήγησαν σε νέες προσεγγίσεις ικανές να αποφέρουν τα βέλτιστα επιθυµητά αποτελέσµατα µε το µικρότερο δυνατό κόστος σε χρόνο και υλοποίηση (Kastner & Hong, 1984; Mackaness, Fisher, & Wilkinson, 1986; Robinson, Frank, & Blaze, 1986). Η µετάβαση από την αναλογική στην ψηφιακή χαρτογραφία σηµατοδότησε σηµαντικές αλλαγές στην κατασκευή και χρήση των χαρτών από την παρουσίαση προς την εξερεύνηση της πληροφορίας (Black & Cartwright, 2005). Ο χαρτογραφικός σχεδιασµός και η παραγωγή χαρτογραφικών προϊόντων γίνεται µε ψηφιακά µέσα, καθώς οι διαδικασίες σχεδιασµού και παραγωγής χαρτών γίνονται µε τη χρήση ψηφιακών εργαλείων και µέσω αυτοµατοποιηµένων διαδικασιών (MacEachren & ICA Commission On Visualization,
1998; Kουτσόπουλος, 2002; Hardy & Lee, 2005; Cartwright et al., 2006; Trainor & Spahlinger, 2008; Thompson, 2009) 1.1. Γεωοπτικοποίηση πληροφορίας στο διαδίκτυο Η Γεωγραφική Οπτικοποίηση αποτελεί ένα νέο ερευνητικό πεδίο αλλά και ένα σύνολο εργαλείων που υπόσχονται να ενισχύσουν σηµαντικά τους επιστήµονες των γεωγραφικών επιστηµών στον τρόπο που αντιλαµβάνονται, εξερευνούν και περιγράφουν γεωγραφικά δεδοµένα καθιστώντας τη µελέτη και την αποκωδικοποίησή τους, περισσότερο αποδοτικές για την κοινωνία (MacEachren & Ganter, 1990; Taylor, 1991). Η γεωοπτικοποίηση των οικονοµικών δεδοµένων και η επιπλέον αξιοποίησή τους εξαρτώνται από το αν έχει γίνει (ή όχι) η χωρικοποίηση και ο γεωεµπλουτισµός τους. Η χωρικοποίηση αποτελεί την διαδικασία η οποία έχει ως αποτέλεσµα τη γεωαναφορά όλων των δεδοµένων και των δοµών τους στο χώρο. Γενικά, η δηµοσιοποίηση και η απεικόνιση τους στο διαδίκτυο µπορεί να γίνει µε έναν από τους παρακάτω τρόπους: δηµοσιοποίηση στατικών χαρτών: οι χάρτες είναι σε µορφή στατικής εικόνας (π.χ. jpeg κ.λπ.) και ενίοτε «µε τη δυνατότητα ορισµού ενεργών περιοχών επί αυτών και αντιστοίχιση υπερσυνδέσεων». δηµοσιοποίηση διαδραστικών χαρτών: οι χάρτες είναι σε µορφή διαδραστικής εικόνας (µε δυνατότητες zoom in, zoom out, pan κτλ). "Προϋποθέτει την εγκατάσταση «εξειδικευµένων εφαρµογών είτε από την πλευρά του πελάτη (client) είτε από την πλευρά του εξυπηρετητή (server)». δηµοσιοποίηση ως υπηρεσία χαρτογραφικού περιεχοµένου WMS (Web Map Service): ο χρήστης αιτείται ένα χάρτη από έναν εξυπηρετητή που διαθέτει την υπηρεσία WMS. Ο χάρτης επιστρέφεται µε τη µορφή εικόνας συνοδευόµενης από παραµέτρους για το περιεχόµενό του, τη χωρική του έκταση κ.λπ.. Βασική προϋπόθεση στην περίπτωση των ιστορικών χαρτών είναι η γεωαναφορά τους. 1.2. Γεωεµπλουτισµός Οικονοµικών δεδοµένων Η ευρεία εξάπλωση και χρήση του διαδικτύου, η διάθεση και διακίνηση µεγάλου όγκου πληροφορίας µέσω αυτού, σε συνδυασµό µε την ανάπτυξη πληροφοριακών συστηµάτων βασισµένων σε διαφορετικές ανάγκες και ιδιαιτερότητες, έχουν σαν αποτέλεσµα την εµφάνιση περιορισµών στην απεικόνιση των δεδοµένων και των δοµών τους. Πιο συγκεκριµένα η απουσία απεικόνισης της χωρικής διάστασης σε αποτελέσµατα της ανάλυσης οικονοµικών δεδοµένων παγκόσµιας κλίµακας οδηγεί στην εύρεση τρόπων χωρικοποίησης και γεωεµπλουτισµού τους. Η διαχείριση και εκµετάλλευση µεγάλου όγκου γεωχωρικών δεδοµένων είναι υψηλής σηµασίας τόσο στη βιοµηχανία (π.χ. τουριστικά πρακτορεία που αναλύουν τις τάσεις των πελατών τους) όσο και στην κοινωνική ζωή (π.χ. εκµετάλλευση γεωγραφικής πληροφορίας στα κοινωνικά δίκτυα για διασύνδεση χρηστών, διαφηµίσεις, κ.α.). Παρόλο που στις δύο παραπάνω περιοχές έχουν γίνει σηµαντικά βήµατα προόδου στη συλλογή των δεδοµένων, δεν ισχύει το ίδιο για την γεωγραφική και χωρική απεικόνιση δεδοµένων που συνδυάζουν ιδιότητες ροών και συνδέσεων µεταξύ εµπλεκοµένων των εταίρων και των οικονοµικών διεργασιών που αυτοί εκτελούν.
H παρούσα µελέτη εστιάζει στην ανάπτυξη διαφόρων µορφών οπτικοποίησης γεωγραφικών πληροφοριών, µε έµφαση στην δηµιουργία των κατάλληλων οπτικών απεικονίσεων οι οποίες έχουν ως στόχο την εξερεύνηση, την ανάλυση, τη σύνθεση, και τέλος την παρουσίαση οικονοµικών δεδοµένων ροών. Στο παρόν άρθρο παρουσιάζεται η µεθοδολογία ανάλυσης και απεικόνισης οικονοµικών δεδοµένων ροής και των παραµέτρων τους µε τη χρήση διαδικτυακών υπηρεσιών καθώς και η υλοποίηση της διαδικτυακής εφαρµογής Merger Mapper v1 (MMv1). Τα οικονοµικά δεδοµένα ανήκουν στον φορέα διαµεσολάβησης Merger Market και αποτελούν στοιχεία οικονοµικών ροών τα οποία παρουσιάζουν σηµαντικό ενδιαφέρον ως προς την διερεύνηση τους µέσα από το γεωγραφικό πρίσµα. Τα δεδοµένα αυτά αντιπροσωπεύουν διαδικασίες (εξαγορέςσυγχωνεύσεις κ.α.) παγκόσµιας κλίµακας µεταξύ εταίρων οι οποίοι έχουν γεωγραφική υπόσταση. Οι επιµέρους στόχοι της εργασίας είναι η ανάλυση των οικονοµικών στοιχείων σύµφωνα µε τη θεωρία δικτύων και η απεικόνιση των εµπλεκοµένων εταίρων και των οικονοµικών διεργασιών που αυτοί εκτελούν µέσα από διαδικτυακές γεωγραφικές οπτικοποιήσεις. 1.3. Θεωρία Γράφων Οι γράφοι είναι σύνολα κόµβων και δεσµών τα οποία αναπαριστούν δικτυακές δοµές δεδοµένων µε σκοπό την ανάλυση των επιµέρους σχέσεων µεταξύ των κόµβων και των συνδέσεων τους. Η θεωρία γράφων ως κοµµάτι των µαθηµατικών, εστιάζει στην ανάλυση γράφων και των στοιχείων που τους αποτελούν (κόµβοι και συνδέσεις). Γίνεται εφικτή η κατανόηση και ανάλυση συστηµάτων που εκφράζουν δικτυακές µορφές σχέσεων όπως: συγκοινωνιακά δίκτυα, τηλεπικοινωνιακά δίκτυα αλλά και σχέσεις σε κοινωνικά δίκτυα, µε µαθηµατικό τρόπο και µε τυποποιηµένους δείκτες. Αντίστοιχα, τα στοιχεία ενός µαθηµατικού γράφου (κόµβοι και συνδέσεις) αναπαριστούν τα επιµέρους στοιχεία του συστήµατος που απεικονίζουν. Η µαθηµατική αναπαράσταση ενός δικτύου σε γράφο επιτρέπει την µαθηµατική µελέτη του συστήµατος µε σκοπό να αναδειχθούν ( ) χαρακτηριστικά του δικτύου τα οποία δεν είναι αρχικά εµφανή. Ένας γράφος G = V,E αποτελείτε από ένα µαθηµατικό σύνολο κόµβων (nodes) V και ένα µαθηµατικό σύνολο ακµών (edges) Ε. Όταν οι σχέσεις µεταξύ των κόµβων έχουν κατευθυντικά χαρακτηριστικά όπως για παράδειγµα αγορά προϊόντων τότε ο γράφος είναι κατευθυντικό και υπάρχουν σχέσεις κατεύθυνσης (προέλευση και προορισµός) µεταξύ των κόµβων. Κάποια από τα στατιστικά µέτρα είναι η διάµετρος ενός δικτύου, ο βαθµός κεντρικότητας (Degree Centrality) µε βάση τις µεθόδους των Freeman's (Freeman: 1979) αλλά και αυτές του Bonacich (Bonacich, 1987) οι σχέσεις γειτνίασης και ο βαθµός διασύνδεσης ενός δικτύου. Στην παρούσα έρευνα, η έννοια της κεντρικότητας θα αφορά τους οικονοµικούς παίχτες οι οποίοι εµφανίζουν σχετικά αυξηµένες σχέσεις (αγορά, πώληση και νοµικές εκπροσώπηση) οι οποίες θα µπορούσαν να εκφραστούν και σε οικονοµικές σχέσεις ισχύος (Marsden, 2002). Στην θεωρία γράφων η συνδεσιµότητα σχετίζεται µε το πλήθος των συνδέσεων µεταξύ των επιµέρους κόµβων καθώς και µε την αναλογία υπαρκτών συνδέσεων και δυνητικών συνδέσεων µεταξύ όλων των κόµβων (Tutte, 1966). Η συνδεσιµότητα µπορεί να µετρηθεί µε το Beta Index το οποίο αντιστοιχεί στην αναλογία µεταξύ πλήθους συνδέσεων και πλήθους κόµβων. Έτσι µπορεί να υπολογιστεί η
σχετική συνδεσιµότητα του οικονοµικού δικτύου η οποία θα φανερώσει το ποσό συνδεδεµένοι είναι οι κύριοι οικονοµικοί παίχτες καθώς και την σχέση που υπάρχει µεταξύ χρηµατικού αντιτίµου αγοράς και πλήθους συνδέσεων. 2. Μεθοδολογία Η Merger Market διαθέτει στους εργαζόµενους και τους πελάτες της µόνον αριθµητικά δεδοµένα υπό µορφή πίνακα ως αποτελέσµατα αναζήτησης µέσα από µια βάση δεδοµένων, ενώ παράλληλα µε τα στοιχεία αυτά διαθέτει στατικές εικόνες και γραφήµατα. Στόχος αποτελεί η απόδοση της πολυπλοκότητας και της δυναµικής των οικονοµικών δεδοµένων ενώ ταυτόχρονα η ανάδειξη των συσχετίσεων, των διασυνδέσεων και των δυναµικών των εταίρων µεταξύ τους οι οποίες δεν είναι άµεσα αντιληπτές. Η πιλοτική εφαρµογή ΜΜv1 ενσωµατώνει τα αποτελέσµατα της γεωγραφικής ανάλυσης ενώ ταυτόχρονα απεικονίζει τις χωρικές συσχετίσεις των οικονοµικών δεδοµένων για την επίτευξη του παραπάνω στόχου. Η µεθοδολογία χωρικοποίησης και γεωεµπλουτισµού των δεδοµένων που πραγµατοποιήθηκε παρουσιάζεται στην Εικόνα 1. Η εφαρµογή χρησιµοποιεί την πλατφόρµα ArcGIS Online για την δηµοσίευση των χαρτογραφικών απεικονίσεων των ροών και των αποτελεσµάτων της χωρικής ανάλυσης. Κατά συνέπεια παρέχει στους χρήστες της, τις παρακάτω λειτουργικότητες: Πρόσβαση σε χάρτες µέσω browsers, mobile συσκευών και του ArcGIS for Desktop µε όλες τις λειτουργίες (pan, zoom-in, zoom-out κτλ). Πρόσβαση σε µια πλούσια συλλογή από χάρτες υποβάθρου, δηµογραφικούς χάρτες, υπηρεσίες εικόνων και δεδοµένων. Δυνατότητα συνεργασίας των µελών του οργανισµού σε αιτήµατα για χάρτες και ανάλυση. Δεδοµένα που δηµιουργήθηκαν από ένα χρήστη, µπορούν να δηµοσιευτούν ώστε να είναι προσβάσιµα και σε άλλους. Πλατφόρµα για δηµιουργία διαδικτυακών και mobile εφαρµογών µε την χρήση διαθέσιµων ArcGIS APIs και SDKs καθώς και χαρτών και γεωγραφικών υπηρεσιών.
ΕΙΣΑΓΩΓΗ ΔΕΔΟΜΕΝΩΝ Ν ΔΗΜΙΟΥΡΓΙΑ & ΤΥΠΟΠΟΙΗΣΗ SQL DBASE SPATIAL ANALYSIS ΠΑΡΑΓΩΓΗ & ΔΙΑΧΩΡΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ GEOCODING Google API (lat, lon) GEOENRICHED Data Bidder Seller Target Financi al Adviso Transa ctions GEOVISUALIZATIONS Merger Mapper v1 Flows Themat ic Heat Networ k Pies Bars Εικόνα 1. Διάγραµµα µ 3. Διαδικτυακή εφαρµογή Η διαδικτυακή εφαρµογή που ετοιµάστηκε στα πλαίσια της παρούσας έρευνας στοχεύει στην παρουσίαση των δοµών και των χαρακτηριστικών των οικονοµικών ροών που υπάρχουν στα δεδοµένα και την ανάδειξη της χρησιµότητας της ανάλυσης δικτύων για την µελέτη τέτοιου είδους δεδοµένων. Πιο αναλυτικά περιλαµβάνει έναν διαδικτυακό χώρο στην διεύθυνση http://195.251.137.4:88/publications/index.html ο οποίος χρησιµοποιώντας τεχνολογίες css και javascript παρουσιάζει αναλυτικά τα χαρακτηριστικά ενός αριθµού δικτύων που σχηµατίστηκαν από τα οικονοµικά δεδοµένα. Επιλέχθηκαν τεχνολογίες οι οποίες προσφέρουν αυξηµένη προσπελασηµότητα έναντι των αντίστοιχων επαυξηµένων
τεχνολογιών όπως Flash, ώστε να είναι δυνατή η κλιµάκωση και επεκτασιµότητα (scalability) της εφαρµογής. 4. Γεωγραφική ανάλυση οικονοµικών ροών Τα δεδοµένα αποτελούνται από 3131 συναλλαγές οι οποίες περιλαµβάνουν 3122 µοναδικές Target Companies καθώς και 2613 µοναδικές Bidder Companies. Το συνολικό κόστος όλων των συναλλαγών ανέρχεται στα 0.7829 δισεκατοµµύρια δολάρια. Οι ηµέρες που µεσολαβούν από την ηµεροµηνία ανακοίνωσης µέχρι και την ηµέρα ολοκλήρωσης της συναλλαγής υπολογίστηκαν αλγεβρικά και παρουσιάζονται στο ακόλουθο ιστόγραµµα πίνακα συχνοτήτων: Ηµέρες Συχνότητα 0 1423 1 935 2 38 3 34 4 23 5 23 6 21 36 17 8 15 14 15 Πίνακας 1. Συχνότητα Ηµερών µέχρι την ολοκλήρωση της συναλλαγής. Οι τοµείς οικονοµικής δραστηριότητας των εταιριών που αγοράστηκαν αποτελεί µοναδική πηγή πληροφόρησης καθώς αναδεικνύει τους τοµείς µε αυξηµένη κινητικότητα η οποία αντιστοιχεί είτε σε αυξηµένο ενδιαφέρον λόγο κερδών είτε σε δυσµενές οικονοµικό περιβάλλον. Η συχνότητα των επικρατέστερων τοµέων οικονοµικής δραστηριότητας των εταιριών που αγοράστηκαν (Target Dominant Sector) παρουσιάζεται στο ακόλουθο πίνακα: Τοµέας Συχνότητα Financial Services 321 Computer software 311 Services (other) 302 Energy 280
Industrial products and services 253 Medical 227 Media 134 Consumer: Retail 117 Consumer: Other 109 Leisure 97 Πίνακας 2. Συχνότητα εµφάνισης οικονοµικού τοµέα στα δεδοµένα της έρευνας. Ο οικονοµικός συνεργάτης και διεκπεραιωτής κάθε αγοράς/πώλησης (Target Financial Advisor) είναι η οντότητα η οποία συνέβαλε µε τις οικονοµικές διαδικασίες ώστε να διεκπεραιωθεί η διαδικασία και αποτελεί τον οικονοµικό σύµβουλο της προς-πώληση εταιρίας. Η συχνότητα εµφάνισης ενός οικονοµικού συµβούλου προς-πώληση εταιρίας στην βάση δεδοµένων, υποδεικνύει την γενικότερη συµβολή του στις αγοροπωλησίες και είναι ένα στοιχείο δυναµικότητας και εµπειρίας το οποίο µπορεί να αξιολογηθεί αναλόγως. Ο ακόλουθης πίνακας παρουσιάζει τις απόλυτες συχνότητες εµφάνισης των οικονοµικών συµβούλων στα δεδοµένα: Εταιρία Συχνότητα Lazard 30 Jefferies LLC 27 Stifel/KBW 27 Houlihan Lokey 26 Sandler O Neill & Partners, L.P. 25 Raymond James & Associates, Inc. 24 Goldman Sachs 22 JPMorgan 20 William Blair & Company 18 Evercore Partners Inc 16 Πίνακας 3. Οικονοµικοί σύµβουλοι επιχειρήσεων µε την µεγαλύτερη συχνότητα εµφάνισης στα δεδοµένα της έρευνας. Η συνεκτικότητα του δικτύου (Degree) είναι ένα χαρακτηριστικό το οποίο αναδεικνύει στοιχεία της φυσιολογίας. Αυτά τα στοιχεία µπουν να αναδείξουν πόσο συνδεδεµένοι είναι
οι κόµβοι µεταξύ τους το οποίο στην προκειµένη περίπτωση φανερώνει πόσο έχει συµβάλει σε αγοροπωλησίες η κάθε επιχείρηση. Η συµβολή αυτή έχει µπορεί να είναι είτε συµβολή προσφοράς (degree-out) είτε συµβολή ζήτησης (Degree-in). Η κάθε επιχείρηση που πουλάει ή αγοράζει µπορεί να εµφανίζεται στον δίκτυο πάνω από µια φορές. Ο ακόλουθος πίνακας παρουσιάζει τις 10 πρώτες εγγραφές από την συνολική συνδεσιµότητα του δικτύου αναδεικνύοντας το πλήθος συνδέσεων ανά κόµβο (επιχείρηση): Συνολικές συνδέσεις ανα κόµβο Πλήθος 1 2547 2 119 3 15 4 7 6 2 5 1 7 1 8 1 16 1 Πίνακας 4. Οι 10 πρώτες εγγραφές από την συνολική συνδεσιµότητα του δικτύου που δείχνουν το πλήθος συνδέσεων ανά κόµβο (επιχείρηση). Εικόνα 2. Πλήθος συνολικών συνδέσεων (πώληση επιχείρησης) ανά κόµβο.
Ωστόσο έχει ενδιαφέρον να αναδειχθεί η συνδεσιµότητα προσφοράς και ζήτησης καθώς αναδεικνύει πόσες επιχειρήσεις προσφέρουν και πόσες πωλούν. Σύµφωνα µε τα αποτελέσµατα της γεωγραφικής ανάλυσης 1247 αγοραστές, αγόρασαν 1441 επιχειρήσεις ενώ ακόλουθος πίνακας παρουσιάζει το πλήθος των πωλούµενων επιχειρήσεων. Πλήθος πωλούµενων επιχειρήσεων Συχνότητα 1 1441 0 1247 2 6 Πίνακας 5. Συχνότητα του αριθµού πωλούµενων επιχειρήσεων ανά κόµβο. Η έννοια της πυκνότητας (Density) ενός δικτύου περιγράφει την αναλογία των σχέσεων που υπάρχει µεταξύ των κόµβων και του αριθµού των δυνατών σχέσεων που θα µπορούσαν να υπάρξουν αν το σύστηµα ήταν πλήρως διασυνδεδεµένο. Αυτό πρακτικά στην περίπτωση αυτή αναφέρετε στην αναλογία των αγοροπωλησιών που εµφανίζονται σε σχέση µε τον αριθµό όλων των δυνατών αγοροπωλησιών που θα µπορούσαν να έχουν γίνει από όλες τις επιχειρήσεις αγοραστές. Αυτή η σχέση φανερώνει το µέγεθος της διασύνδεσης του δικτύου και στην προκειµένη περίπτωση αντανακλά την αναλογία υφιστάµενων και δυνητικών αγοροπωλησιών στα δεδοµένα. Όσο οι τιµές του δείκτη µικραίνουν, τόσο ο µέσος όρος του πλήθους εξαγορασµένων επιχειρήσεων από κάθε αγοραστή τείνει στην µονάδα. Ενώ όσο οι τιµές του δείκτη αυξάνονται, τόσο ο µέσος όρος των εξαγορασµένων επιχειρήσεων από κάθε αγοραστή αυξάνετε. Χαµηλές τιµές του δείκτη σηµαίνει πως κάθε επιχείρηση αγοραστής τείνει να αγοράσει µια άλλη επιχείρηση. Ο δείκτης πυκνότητας των δεδοµένων είναι 2.0028 10-4 το οποίο σηµαίνει πως υπάρχει µικρή πυκνότητα συνδέσεων µεταξύ κόµβων του δικτύου. Εικόνα 3. Αρχική απεικόνιση των κόµβων (αγοραστές πωλούµενες επιχειρήσεις) µε γεωγραφικές συντεταγµένες (Lat - Lon).
Εικόνα 4. Απεικόνιση των κόµβων (αγοραστές πωλούµενες επιχειρήσεις) µε την παρουσίαση και των σχέσεων µεταξύ τους. Εικόνα 5. Τελική απεικόνιση των κόµβων (αγοραστές πωλούµενες επιχειρήσεις) µε την χρήση και παγκόσµιου γεωγραφικού υποβάθρου ώστε να είναι ευδιάκριτες οι χωρικές ενότητες αναφοράς (χώρες). Οι παραπάνω 3 εικόνες παρουσιάζουν τα στάδια ανάπτυξης των οικονοµικών δεδοµένων σε γεω-κωδικοποιηµένα δεδοµένα δικτύου. Αρχικά σκιαγραφούνται οι αγοραστές και οι πωλητές, στην συνέχεια προσθέτονται οι συνδέσεις µεταξύ τους και τέλος αφού ανακτηθούν οι γεωγραφικές συντεταγµένες όλων των φορέων τότε παρουσιάζονται πάνω από ένα γεωγραφικό υπόβαθρο (παγκόσµιος χάρτης). Τα δεδοµένα µεταβιβάσεων επιχειρήσεων θα µπορούσαν να προσεγγιστούν ως δεδοµένα ενός µαθηµατικού γράφου ο οποίος θα περιλαµβάνει κόµβους που θα αναπαριστούν τις επιχειρήσεις που πωλούν και άλλους κόµβους που θα αναπαριστούν επιχειρήσεις που αγοράζουν. Αυτή η αναπαράσταση της ζήτησης και προσφοράς όταν συνοδεύετε και από επιπλέον στοιχεία όπως το κόστος αγοράς αλλά και ο οικονοµικός
τοµέας δραστηριοποίησης της επιχείρησης, µπορεί να παρουσιάσει ιδιαίτερο ενδιαφέρον για στρατηγικές αγοροπωλησιών. Η αναπαράσταση του συστήµατος σε γράφο, επιτρέπει την εφαρµογή µιας σειράς από µεθόδους και στατιστικών τα οποία αναδεικνύουν τα χαρακτηριστικά του δικτύου και την επιµέρους φυσιολογία του. Η κατασκευή του γράφου για την συγκεκριµένη ανάλυση στοχεύει στην δηµιουργία directed-graph το οποίο περιλαµβάνει σχέσεις αποστολέα και δέκτη. Έτσι για το γράφηµα χρησιµοποιήθηκε ο ρόλος του αποστολέα για τις επιχειρήσεις που πωλούν και ο ρόλος του δέκτη για τις επιχειρήσεις που αγοράζουν. Το δίκτυο που κατασκευάστηκε, περιλαµβάνει 1453 κόµβους και 2694 διανύσµατα. Ωστόσο για να γίνει πιο κατανοητή η χρησιµότητα της ανάλυσης δικτύου για την επεξεργασία τέτοιων ροών, θα επικεντρωθούµε στην σύγκριση τριών υποδικτύων. Πιο συγκεκριµένα θα αναλύσουµε τις ποσοτικές διαφοροποιήσεις των γράφων που προκύπτουν από τις συναλλαγές ως Financial Advisor τριών καίριων παιχτών της αγοράς: Goldman Sachs, Lazard και JPMorgan. Ο παρακάτω πίνακας παρουσιάζει τα συγκεντρωτικά αποτελέσµατα της ανάλυσης των τριών δικτύων. Financial Advisor Συνολικό κόστος (εκ. $) Πλήθος συναλλαγών Πλήθος πελατών (bidders) Beta Index Gamma Index Density Index Goldman Sachs 51564 58 113 0.513 0.174 0.004 Lazard 7615 31 62 0.5 0.172 0.008 JPMorgan 42097 47 93 0.505 0.172 0.005 Πίνακας 6. Συγκεντρωτικά αποτελέσµατα από την ανάλυση των τριών δικτύων που προκύπτουν από την δραστηριοποίηση των παραπάνω τριών εταιριών ως Financial Advisor. Από τον παραπάνω πίνακα συµπεραίνουµε πως η Goldman Sacks αν και έχει το µεγαλύτερο συνολικό πλήθος συναλλαγών και πελατών µε το µεγαλύτερο συνολικό κόστος συναλλαγών ωστόσο δεν έχει το µεγαλύτερο Density Index το οποίο υποδηλώνει πως η αναλογία υπαρκτών συναλλαγών σε σχέση µε τις πιθανές συνολικές συναλλαγές που θα µπορούσε να είχε διεκπεραιώσει είναι κάπως λιγότερες σε σχέση µε τις άλλες δυο εταιρίες. Από τη άλλη η αναλογία πελατών ως προς τις συνολικές της συναλλαγές είναι σχετικά αυξηµένη σε σχέση µε τις άλλες δυο εταιρίες (Beta Index). Επίσης η σχετικά αυξηµένη τιµή του δείκτη Gamma που εµφανίζει η Goldman Sachs υποδηλώνει σχετικά αυξηµένες συναλλαγές σε σχέση µε το πλήθος των πελατών του δικτύου της σε σχέση µε το πλήθος των συναλλαγών που εµφανίζουν οι άλλες δυο εταιρίες. Έτσι λοιπόν η εταιρία Goldman Sacks παρουσιάζει αυξηµένη δραστηριότητα και συναλλαγές σε σχέση µε τια άλλες δυο εταιρίες που εξετάζουµε. Αυτό την καθιστά ως κεντρικό παίχτη στο περιβάλλον των Financial Advisors. 5. Αποτελέσµατα Οπτικοποίησης H χαρτογραφική απεικόνιση των δεδοµένων της MM έχει ως στόχο την εξερεύνηση, την ανάλυση, τη σύνθεση, και τέλος την παρουσίαση οικονοµικών δεδοµένων ροών. Οι
χάρτες που παρουσιάζονται πιο κάτω απεικονίζουν τα αποτελέσµατα της γεωγραφικής ανάλυσης και µελέτης των οικονοµικών δεδοµένων παγκόσµιας κλίµακας µε σκοπό την ανάδειξη της γεωγραφικής τους διάστασης και των χωρικών συσχετίσεων που αυτά έχουν. Οι χαρτογραφικές οπτικοποιήσεις οι οποίες έχουν ενσωµατωθεί στην εφαρµογή ΜΜv1 αφορούν έναν από τους πιο κεντρικούς παίχτες στο περιβάλλον των Financial Advisors την εταιρεία Goldman Sachs. Στη συνέχεια παρουσιάζονται οι θεµατικοί χάρτες και οι χάρτες ροών που απεικονίζουν την δραστηριότητα της εταιρίας ως οικονοµικό σύµβουλο (Financial Advisor) σε αγοραστές, πωλητές και εταιρίες προς εξαγορά. Οι παρακάτω θεµατικοί χάρτες παρουσιάζουν όλους τους πλειοδότες (bidders), οι οποίοι έχουν ως οικονοµικό σύµβουλο (Financial Advisor) την εταιρία Goldman Sachs. Χάρτης 1.1 Χάρτης 1.3 Χάρτης 1.2 Χάρτης 1.4 Χάρτες 1.1,2,3,4. Θεµατικοί χάρτες οι οποίοι παρουσιάζουν όλους τους πλειοδότες (bidders) Χάρτης 1.1, τους πωλητές (sellers) Χάρτης 1.2, τις εταιρείες στόχους (targets) Χάρτης 1.3 οι οποίοι έχουν ως οικονοµικό σύµβουλο την εταιρία Goldman Sachs ενώ ο Χάρτης 1.4 απεικονίζει την παγκόσµια οικονοµική δραστηριότητα της εταιρείας. Οι χάρτες ροών που ενσωµατώθηκαν στη εφαρµογή απεικονίζουν σε παγκόσµια κλίµακα την γεωγραφική διάσταση και τις χωρικές συσχετίσεις των µεταξύ της εταιρίας Goldman Sachs ως οικονοµικό σύµβουλο σε συγχωνεύσεις και εξαγορές µε εταιρείες πλειοδότες, εταιρείες στόχοι που έχουν ως οικονοµικό σύµβουλο την εταιρία Goldman Sachs, και οι πλειοδότες, καθώς και η µεταξύ τους σύνδεση, της οποίας το µέγεθος µεταβάλλεται ανάλογα µε την αξία της συµφωνίας.
Χάρτης 2.1 Χάρτης 2.2 Χάρτες 2,1,2. Θεµατικοί χάρτες οι οποίοι παρουσιάζουν σε παγκόσµια κλίµακα τις ροές κεφαλαίων µεταξύ πλειοδοτών (bidders) Χάρτης 2.1, και εταιριών στόχων (targets) Χάρτης 2.2 οι οποίες διοχετεύθηκαν έχοντας ως οικονοµικό σύµβουλο την εταιρία Goldman Sachs. Στη συνέχεια παρουσιάζονται χάρτες µε το σύνολο των συµφωνιών, ανά χώρα, για τις περιπτώσεις που η εταιρία Goldman Sachs, είναι οικονοµικός σύµβουλος, για στόχους, πωλητές και πλειοδότες αλλά και το σύνολο των οικονοµικών συµφωνιών σε εκατοµµύρια δολάρια, ανά χώρα, για τις περιπτώσεις που η εταιρία Goldman Sachs, είναι οικονοµικός σύµβουλος, για στόχους, πωλητές και πλειοδότες. Χάρτης 3.1 Χάρτης 3.2 Χάρτες 3.1,2. Θεµατικοί χάρτες οι οποίοι παρουσιάζουν το σύνολο των οικονοµικών συµφωνιών σε εκ δολάρια Χάρτης 3.1 και το σύνολο των συµφωνιών κατ απόλυτη τιµή Χάρτης 3.2, για την εταιρία Goldman Sachs ως οικονοµικός σύµβουλος, για στόχους, πωλητές και πλειοδότες. Τέλος παρουσιάζονται χάρτες µε αποτελέσµατα χωρικής ανάλυσης των δεδοµένων την οπτικοποίηση της πυκνότητας (heat & density maps) των πλειοδοτών (Bidders) στο σύνολο τους σε παγκόσµια κλίµακα.
Χάρτης 4.1. Χάρτης απεικόνισης της πυκνότητας των πωλητών σε εξάγωνα. Χάρτης 4.2. Χάρτης απεικόνισης της πυκνότητας των πωλητών σε κουκκίδα. Χάρτης 5.1 Χάρτης 5.1 Χάρτες 5.1,2. Θεµατικοί χάρτες πυκνότητας των πλειοδοτών (heat maps) σε παγκόσµια κλίµακα Χάρτης 5.1 και σε κλίµακα που απεικονίζει την Ευρώπη µε το σύνολο των πλειοδοτών σε clusters. 6. Συµπεράσµατα Η ποσοτικοποίηση η ανάλυση και η γεωοπτικοποίηση δεδοµένων οικονοµικών ροών παρουσιάζει ιδιαίτερο ενδιαφέρον καθώς αυτά περιγράφουν σύνθετες δοµές ενώ παράλληλα διατηρούν γεωγραφικές διαστάσεις. Μέσα από την παρούσα εργασία αναδεικνύεται ο ρόλος της διαδικτυακής χαρτογραφικής οπτικοποίησης των αποτελεσµάτων γεωγραφικής ανάλυσης και µελέτης οικονοµικών δεδοµένων παγκόσµιας
κλίµακας µε σκοπό την ανάδειξη της γεωγραφικής τους διάστασης και των χωρικών συσχετίσεων που αυτά έχουν. Η αναπαράσταση των δεδοµένων υπό µορφή µαθηµατικού γράφου ώστε να γίνει ανάλυση γράφων (δικτύων) καθιστά δυνατή την ανάδειξη δοµών και ποσοτικών χαρακτηριστικών του δικτύου οι οποίες δεν είναι εµφανείς µε την απλή ποσοτική ανάλυση των δεδοµένων. Η ποσοτικοποίηση των συνδέσεων κάθε επιχείρησης επιτρέπει την κατηγοριοποίηση των εταιριών µε βάση τα χαρακτηριστικά της δραστηριότητας τους όπως για παράδειγµα: πυκνότητα συνδέσεων, αναλογία συνδέσεων ως προς τους κόµβους αλλά και την αναλογία πλήθους συναλλαγών ως προς συνολικό κόστος συναλλαγών. Οι ποσοτικές εκτιµήσεις του εκάστοτε δικτύου που δηµιουργείτε, µπορούν να αναδείξουν κεντρικούς παίχτες στο οικονοµικό στερέωµα οι οποίοι συγκεντρώνουν είτε την µεγαλύτερη οικονοµική δραστηριότητα από πλευράς κόστους είτε δραστηριότητα µε αξιοσηµείωτα ποσοτικά χαρακτηριστικά (πυκνότητα, αναλογίες κ.α.). Τέτοιες πληροφορίες µπορούν να χρησιµοποιηθούν ώστε να λαµβάνουν χώρα ενηµερωµένες οικονοµικές πράξεις και να προσεγγίζονται οι καταλληλότεροι κεντρικοί παίχτες κάθε φορά που υπάρχει ανάγκη είτε ως προς τον οικονοµικό τοµέα δραστηριοποίησης είτε προς την περιοχή δραστηριότητας. Αξίζει να σηµειωθεί πως η ίδια ανάλυση θα µπορούσε να γίνει και για κάποια άλλη δραστηριοποίηση των ίδιων εταιριών όπως για παράδειγµα Legal Advisor ώστε να αναδειχθούν τα ποσοτικά χαρακτηριστικά µιας άλλης δραστηριότητας της ίδιας εταιρίας τα οποία ενδέχεται να είναι διαφορετικά από αυτά της ανάλυσης που πραγµατοποιήθηκε. Καθίσταται σαφές ότι η γεωγραφική οπτικοποίηση των οικονοµικών ροών που προκύπτουν από τα δεδοµένα της εταιρίας Merger Market αναδεικνύει τις συσχετίσεις µεταξύ των κεντρικότερων «παιχτών-επιχειρήσεων» σύµφωνα µε τις οποίες αυτοί δραστηριοποιούνται σε παγκόσµια κλίµακα. Πρόσθετα εµφανίζει µε τρόπο κατανοητό την γεωγραφική υπόσταση των ροών εξαγορών ανά εταιρία και ανά τοµέα. Γίνονται αντιληπτές οι χωρικές συσχετίσεις των τάσεων των εξαγορών παγκοσµίως, ενώ αποκαλύπτονται οι µεγάλοι παίκτες και χωρικές τους προτιµήσεις στις παγκόσµιες αγορές. Η προστιθέµενη αξία της ανάλυσης των δεδοµένων µε την προσέγγιση των γεωγραφικών δικτύων προσφέρει ένα επίπεδο ανάλυσης το οποίο αναδεικνύει την µαθηµατική αξία της κάθε επιχείρησης καθώς και την γεωγραφική συγκέντρωση που έχουν οι οικονοµικές διαδικασίες. Η προσέγγιση αυτή προσφέρει την δυνατότητα να ποσοτικοποιηθεί η σηµασία της κάθε επιχείρησης στο δίκτυο των οικονοµικών αγορών και πωλήσεων καθώς και να αξιολογηθεί η δεσπόζουσα θέση που κατέχουν οι κυριότεροι παίχτες ανά επίπεδο γεωγραφικής ενότητας. Τέλος η οπτικοποίηση αυτή αναδεικνύει σχέσεις οι οποίες δεν είναι αρχικά κατανοητές µέσα από τον µεγάλο όγκο των δεδοµένων και χωρίς να υπολογιστεί η γεωγραφική τους διάσταση. Με την ενσωµάτωση της γεωγραφικής µεταβλητής, είναι δυνατή η ευδιάκριτη παρουσίαση των ροών και της δυναµικής των επιχειρήσεων σε σχέση µε την συµµετοχή τους στις οικονοµικές αγορές και πωλήσεις. 7. Βιβλιογραφία Black, M., & Cartwright, W. (2005). Web cartography & Web-enabled geographic information systems (GIS) new possibilities, new challenges. Proceedings of the 22nd International Cartographic Conference, A Corunia, Spain, 2005, ICA.
Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 1170 1182. Cartwright, W., Peterson, M., & Gartner, G. (2006). New Media: From Discrete, to Distributed, to Mobile, to Ubiquitous. Geographic Hypermedia, 23 36. Hardy, P., & Lee, D. (2005). GIS-based generalization and multiple representation of spatial data. In Proceedings, International CODATA Symposium on Generalization of Information, Berlin, Germany. Kastner, J., & Hong, S. (1984). A review of expert systems. European Journal of Operational Research, 18(3), 285 292. Kουτσόπουλος, Κ. (2002). Γεωγραφικά Συστήµατα Πληροφοριών και Ανάλυση Χώρου (p. 401). Παπασωτηρίου. MacEachren, A., & Ganter, J. (1990). A pattern identification approach to cartographic visualization. Cartographica, 27(2), 64 81. MacEachren, A., & ICA Commission On Visualization, I. (1998). Visualisation - Cartography for the 21st century (pp. 287 296 ). May 19-21, Warsaw, Poland: Polish Spatial Information Association. Mackaness, W., Fisher, P., & Wilkinson, G. (1986). Towards a cartographic expert system. In Proceedings Auto-Carto London (Vol. 1, pp. 578 587). London, England. Marsden, P. V. (2002). Egocentric and sociocentric measures of network centrality. Social Networks, 24(4), 407 422. Robinson, V., Frank, A., & Blaze, M. (1986). Expert systems applied to problems in geographic information systems: Introduction, review and prospects. Computers, Environment and Urban Systems, 11(4), 161 173. Taylor, D. (1991). Geographic information systems: the microcomputer and modern cartography. Pergamon Press. Thompson, W. G. (2009). An Automated Method of Scale Selection and Sheet Configuration for Multiple Sheet Census Maps with Insets. Cartography and Geographic Information Science, 36(1), 59 70. doi:10.1559/152304009787340214 Trainor, T., & Spahlinger, S. (2008). Complex Automated Map Production Workflow Supporting the 2010 Decennial Census. In Proceedings of AutoCarto2008: The 17th International Research Symposium on Computer-based Cartography,. Shepherdstown, West Virginia, USA. September 8-11, 2008. Tutte, W. T. (1966). Connectivity in graphs (Vol. 15). University of Toronto Press.
Watters, M. (2005). Exploring geovisualization. Jason Dykes, Alan M. MacEachren and Menno-Jan Kraak (eds). Elsevier Science, Amsterdam, 2004. ISBN 0-080-44531-4. Archaeological Prospection, 12(4), 265 266. doi:10.1002/arp.274