data engineering mta turnstile
GCP Deployment
欢迎来到数据工程MTA旋转门项目！该存储库利用现实世界的MTA旋转栅门数据，通过动手体验为数据工程概念提供了综合指南。
广泛的书：数据工程过程的基础知识。通过本详细指南深入研究数据工程的核心概念。
YouTube视频：遵循详细的视频教程，详细说明每个步骤和概念。
综合代码库：我们的代码库功能：
由奥斯卡·加西亚（Oscar Garcia）撰写
Twitter @ozkary
使用此项目Wiki进行安装和配置信息
加入此列表以接收有关数据工程新内容的更新，此处注册
在Twitter上关注我们
数据工程流程基本博客系列
数据工程过程基本YouTube视频播客
数据工程过程的基本书籍
如果您觉得这个项目有用，请考虑在Github上给它一个！您的支持可以帮助我们成长并吸引更多开发人员。
为什么要明星这个项目？
谢谢您的支持！ ？
在纽约市，通勤者使用大都会运输局（MTA）地铁系统进行运输。每天都有数百万人使用该系统。因此，地铁站周围的企业希望能够使用地理围栏广告来针对这些通勤者或可能的消费者，并在一天中的高峰时段吸引他们进入商业地点。
地理围栏是一项基于位置的技术服务，在该技术中，移动设备进入或在地理位置上留下虚拟边界（地理围栏）时，跟踪其电子信号。这些地点周围的企业希望使用这项技术来增加其销售额。
MTA地铁系统在城市周围设有车站。所有车站都配备了旋转门或大门，每个人都会进入或离开车站。 MTA在CSV文件中提供了此信息，可以将其导入到数据仓库中，以使分析过程能够确定可以使这些业务了解如何最佳目标消费者的模式。
我们正在使用2023年的MTA旋转门数据。使用此数据，我们可以研究以下标准：
出口表明通勤者到达这些位置。条目表明通勤者正在偏离这些位置。
数据可以分组到一天中的日期和时间中。该数据在相隔四个小时的块中进行了审核。这意味着以下间隔为8am至12pm。我们将数据分析到这些时间块间隔中，以帮助我们在每个车站的早晨和下午确定最佳时光。这应该使企业能够针对与其业务接近的特定地理围栏。
https://lookerstudio.google.com/reporting/94749E6B-2A1F-4B41-AFF6-35C6C33F401E
通过查看仪表板，可以观察到以下结论：
通过这些观察，可以制定计划，以优化围绕地理围栏区域和一天中几个小时的营销活动和针对用户，靠近相应的商业地点。
此过程是在此过程之后执行的。这些步骤中的每个步骤的详细信息都可以在此项目子目录中找到。
注意：请按照每个链接以获取更多详细信息
该项目已使用以下技术：
