Spatial Notebook @SpatialNotebook

Bu çalışmada Kadıköy’deki sokaklara ulaşım ağı olarak değil, fiziksel bir alan olarak baktık. Hava fotoğrafları üzerinden sokak kesitlerini inceleyerek taşıt yolu ile kaldırım genişliklerini ölçtük. Elde ettiğimiz oranları ilçe genelindeki sokak ağına uyguladığımızda, toplam sokak alanının yaklaşık üçte ikisinin taşıt yoluna, üçte birinin ise kaldırımlara ayrıldığını gördük. Ardından bunu Kadıköy’de yaşayanların yolculuk biçimleriyle karşılaştırdık. İBB Hane Halkı Ulaşım Araştırması’na göre yolculukların %43’ü yürüyerek, %22’si otomobil veya taksiyle, %31’i otobüs, minibüs ve servisle, %4’ü raylı sistem ve vapurla gerçekleşiyor. Elbette taşıt yolu yalnızca özel otomobiller tarafından kullanılmıyor. Otobüs, minibüs ve servisler de aynı alanı kullanıyor. Bu nedenle çalışma doğrudan “alan payı eşittir kullanıcı payı” karşılaştırması yapmıyor. Asıl soru daha temel: Kentte sınırlı olan sokak alanını bugün nasıl dağıtıyoruz? Kadıköy’ü bu kez binalar, nüfus veya erişilebilirlik üzerinden değil, sokağın kendi geometrisi üzerinden inceledik. Veri kaynakları: İBB Ortofoto 2025, İBB Parsel, İBB Hane Halkı Ulaşım Araştırması 2012 ve OpenStreetMap. Not: Yolculuk payları için kullanılan İBB araştırması 2012 tarihli. Daha güncel ve aynı kapsamda yayımlanmış bir hane halkı ulaşım araştırması bulunmadığı için karşılaştırmada bu veri kullanıldı.

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.

Batı Anadolu’da Tunç Çağı yerleşimleri nerelerde yoğunlaşıyordu? MÖ 2000-1200 arasına tarihlenen 479 yerleşimi haritaya aktardık. Orta Tunç Çağı’na ait buluntu veren 372 yer, Geç Tunç Çağı’nda 440’a çıkıyor. Bunların 107’sinde önceki döneme ait bir iz bulunmuyor. Harita başka ayrıntılar da gösteriyor. Yerleşimlerin yaklaşık yarısı denizden 100 kilometreden daha içeride. Eskişehir ve Denizli, 71’er yerleşimle öne çıkıyor. Katalogda antik dönemde işletildiği belgelenmiş 25 maden yatağı ve bugün adında “höyük” geçen 192 yer de bulunuyor. Veri: Alper Aşınmaz, Serdal Mutlu ve Eberhard Zangger, Scientific Data, 2025. Spatial Notebook | Map 61

Bir FMCG saha ekibinin günlük ziyaret kapasitesini artırmadan erişimini ne kadar değiştirebiliriz? Bunu Kadıköy’deki 1.291 satış noktası üzerinden test ettik. 50 satış noktasını 200 kez rastgele seçtik. Bu seçimlerde ziyaret edilen noktaların 5 dakikalık yürüme mesafesinde kalan nüfus, ortalama olarak Kadıköy nüfusunun %15,3’üne karşılık geldi. Ardından aynı 50 ziyareti nüfus dağılımını dikkate alarak planladık. Erişim %54,2’ye yükseldi. Ziyaret sayısı değişmezken erişilen nüfus yaklaşık 3,5 kat arttı. Satış noktası verisi, nüfus ve yürüme mesafesi birlikte değerlendirildiğinde saha ekiplerinin hangi noktaları önceliklendirmesi gerektiği doğrudan hesaplanabiliyor. Spatial Notebook olarak bu tür analizleri FMCG şirketlerinin kendi satış ağı ve saha operasyonları üzerinde uyguluyoruz.

@Adem8u3 dm üzerinden sizlere ulaştık, yanit bekliyoruz Adem Bey

Bir satış noktasının okula 300 metre uzakta olması ile 300 metre yürüme mesafesinde olması aynı şey değil. Bu çalışmada Bursa’nın üç merkez ilçesindeki 567 okul ile 1.819 satış noktası arasındaki mesafeyi kuş uçuşu değil, yaya yolları üzerinden hesapladık. Sonuçta 148 okul girişinin 5 dakikalık yürüme mesafesinde hiçbir satış noktası bulunmadığını gördük. Buna karşılık 175 satış noktası, en az üç farklı okul girişine aynı süre içinde erişebiliyor. Bu tür analizler FMCG ekipleri için iki farklı alanı görünür hale getiriyor: dağıtım ağındaki coğrafi boşluklar ve mevcut ağ içindeki daha güçlü noktalar. Yeni satış noktası planlamasından raf ve görünürlük görüşmelerine kadar, karar verilecek noktaları önce veriden çıkarmak mümkün. Spatial Notebook olarak lokasyon verisini bu şekilde kullanılabilir satış ağı analizlerine dönüştürüyoruz.

Bir mağazanın çevresinde kaç kişi var demek tek başına yeterli değil. Aynı insanların kaç mağazaya erişebildiğini ve rakibin nerede daha güçlü olduğunu da görmek gerekiyor. Kadıköy’de 458.573 kişiyi yaşadıkları binalara göre dağıttık ve mağaza ağını 10 dakikalık yürüme mesafesi üzerinden inceledik. Nüfusun yüzde 90’ı en az bir mağazaya ulaşabiliyor. Ancak yüzde 70’i birden fazla mağazanın erişim alanında. Yaklaşık 30 bin kişi ise yalnızca rakibe yakın. Ardından 1.353 yeni mağaza konumunu karşılaştırdık. Öne çıkan nokta, erişim alanına 7.800 kişi ekliyor. Bu kişilerin 6.500’ü bugün yalnızca rakibe yakın. Perakendede mağaza ağına sadece noktalar olarak değil, hizmet ettiği nüfusla birlikte bakıyoruz.

Bornova’da 60 satış noktasından oluşan aynı saha listesini iki farklı ziyaret sırasıyla karşılaştırdık. Liste mevcut sırasıyla gezildiğinde toplam rota 323 km. Aynı 60 noktanın ziyaret sırasını yol ağına göre optimize ettiğimizde rota 66 km’ye düşüyor. Ziyaret sayısı aynı. Satış noktaları aynı. Değişen yalnızca sıra. FMCG saha ekiplerinde rota planlamasının operasyon üzerindeki etkisini harita üzerinde ölçtük.

Nepal’in Langtang vadisinde yaşanan çığ felaketine dair yeni bir mekânsal anlatı hazırladık. Bu çalışmada, 26 Ağustos 2026’da gerçekleşen kopuşu uydu görüntüleri üzerinden izledik. Enkazın vadi boyunca ilerleyişini, nehir sistemindeki etkisini, yerleşim alanlarında bıraktığı hasarı ve bir ay sonra arazide hâlâ görülebilen izi birlikte ele aldık. Amacımız yalnızca bir felaketi göstermek değil, onun mekân üzerindeki etkisini okunabilir hale getirmekti. Uydu verisi bu açıdan çok güçlü bir araç sunuyor. Olayın nerede başladığını, nasıl yayıldığını ve hangi alanlarda yoğunlaştığını aynı çerçevede görmek mümkün oluyor. Veri kaynakları: Copernicus Sentinel-2, Copernicus DEM, OpenStreetMap, afet raporları. Spatial Notebook | Map 61

İstanbul’un kentsel ısı adasını yaklaşık yirmi yıllık iki dönem üzerinden karşılaştırdık. Çalışmada bugünkü yerleşim alanlarının yaz aylarındaki yüzey sıcaklığını, her uydu geçişinde aynı gün ölçülen çevre ormanlarıyla kıyasladık. Bu yöntemle dönemler arasındaki genel sıcaklık değişiminin etkisini büyük ölçüde ayırıp şehir ile orman arasındaki farkı ölçmeye çalıştık. Sonuç olarak 2004-2008 döneminde bugünkü yerleşim alanları ormandan ortalama 9,8 °C daha sıcaktı. 2022-2026 döneminde aynı alanlarda fark 11,0 °C’ye yükseldi. Harita, bu değişimin İstanbul içinde eşit dağılmadığını da gösteriyor. Sultanbeyli’de iki dönem arasındaki artış 2,3 °C’ye ulaşıyor. Öte yandan Yenikapı gibi fiziksel olarak tamamen dönüşmüş alanlar, kentin son yirmi yıldaki büyümesini doğrudan okumayı mümkün kılıyor. Kullandığımız başlıca veri kaynakları: USGS/NASA Landsat 5 ve 8, Hansen/UMD Global Forest Change, ESA WorldCover, TÜİK ADNKS 2025, İBB mahalle sınırları ve OpenStreetMap. Spatial Notebook | Harita 60

Bir ürünün nerede satıldığı kadar, nerede satılabileceği de önemli. FMCG için geliştirdiğimiz lokasyon zekâsı yaklaşımında mevcut ve potansiyel satış noktalarını tek başına değerlendirmiyoruz. Çevredeki nüfusu, ulaşım ağını, günlük yaşam noktalarını ve yürüme mesafesindeki erişimi aynı mekânsal yapı içinde inceliyoruz. Amaç, binlerce noktadan oluşan bir listeyi haritada göstermek değil. Hangi bölgelerin ve hangi satış noktalarının daha yakından incelenmesi gerektiğini ortaya çıkarmak.

Evcil kedilerin Avrupa’daki tarihi, insan hareketliliğinin tarihiyle büyük ölçüde iç içe. Arkeolojik ve genetik bulgular, kedilerin kıtaya tek bir dönemde yayılmadığını gösteriyor. İlk çiftçi topluluklarının hareketleri, Akdeniz’deki deniz ticareti, Roma İmparatorluğu’nun ulaşım ağı ve daha sonra Viking seferleri, kedilerin Avrupa içindeki dağılımında farklı aşamalar oluşturdu. Spatial Notebook’un 59. haritasında bu süreci beş dönem üzerinden görselleştirdik. Doğu Akdeniz’den başlayan rota, binlerce yıl içinde Avrupa’nın kuzeybatısına kadar ulaşıyor. Bir hayvanın coğrafi dağılımı üzerinden, insan göçleri ve ticaret ağlarının bıraktığı izi okumak mümkün. Spatial Notebook | Harita 59

Yapay zeka yoğunluğu yüksek yerlerde istihdam ne durumda? ABD'deki 3.143 county'yi AI exposure ve istihdam değişimi üzerinden karşılaştırdık. Önce her county için AI yoğunluğunu haritaladık. Arlington, Loudoun ve District of Columbia gibi bölgeler en yüksek exposure değerlerinin bulunduğu yerler arasında. Sonra aynı county'lere 2019-2024 arasındaki istihdam değişimi üzerinden baktık. Ortaya çıkan tablo dikkat çekici: yüksek AI exposure, düşük istihdam büyümesi anlamına gelmiyor. Aksine, karşılaştırdığımız yüksek exposure'lı county'lerin önemli bir bölümünde istihdam artışı görülüyor. Bu çalışma AI'nın istihdamı artırdığını göstermiyor. Daha temel bir soruya bakıyor: AI yoğunluğunun yüksek olduğu yerlerde iş gücü piyasasında nasıl bir değişim yaşandı? Verinin şu ana kadar gösterdiği şey, “AI yoğunluğu arttıkça işler azalıyor” şeklindeki basit hikâyenin county düzeyinde karşılığının olmadığı. Veri: CommunityScale / Anthropic Economic Index, ABD Çalışma Bakanlığı BLS QCEW, US Census Bureau TIGER/Line. Spatial Notebook | Harita 58

11 Eylül 2001'i veri üzerinden haritaladık. Dört uçağın rotaları. Dünya Ticaret Merkezi'ndeki son saatler. Manhattan üzerindeki duman ve toz bulutu. Ve hayatını kaybedenlerin ülkeleri. Radar kayıtları, resmi raporlar, uydu görüntüleri ve demografik verileri tek bir mekânsal anlatıda bir araya getirdik. Bir olayın farklı veri kaynaklarında bıraktığı izleri aynı haritada görmek mümkün. Veri: NTSB · NIST · NASA Terra/MODIS · ABD Dışişleri Bakanlığı Spatial Notebook | Map 57

Bu çalışmada Türkiye haritasındaki illeri yüzölçümlerine göre değil, 2026 yılı milletvekili sayılarına göre yeniden ölçeklendirdik. Sonuçta bildiğimiz Türkiye haritası tamamen farklı bir görünüme kavuşuyor. İstanbul 96 milletvekiliyle en büyük alanı oluştururken Ankara 37, İzmir 28 ve Bursa 21 milletvekiliyle öne çıkıyor. Buna karşılık milletvekili sayısı düşük olan iller haritada fiziksel olarak küçülüyor. Haritanın sınırları değişmedi. Değişen yalnızca her ile verdiğimiz ağırlık. Veri: YSK, TÜİK, GADM 4.1 Spatial Notebook | Map 56

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

İstanbul’da metro hatlarına 15 dakika mesafede kaç kişi yaşıyor? Bu soruyu İstanbul’un metro ağını nüfus verisiyle birlikte ele alarak inceledik. Her metro hattı için 15 dakikalık erişim alanını oluşturduk ve bu alanların içinde kalan nüfusu hesapladık. Böylece metro ağının yalnızca nerelerden geçtiğini değil, hangi nüfusa erişebildiğini de görebiliyoruz. M1’den Marmaray’a, her hat İstanbul’un farklı bir bölümüne ve farklı bir nüfusa erişiyor. Haritada görünen hatların arkasındaki asıl veri ise insan dağılımı. Veri kaynakları: İBB Açık Veri, TÜİK, OpenStreetMap Spatial Notebook | Map 54