VISION Opubliq

VISION Opubliq est notre produit phare en développement, conçu spécifiquement pour les partis politiques municipaux.

---

Fonctionnalités Clés

• Tableau de bord interactif : Visualisez des données en temps réel.
• Centraliser la collecte de données terrain : Collectez et analysez des données en temps réel.
• Analyse stratégique : Identifiez les zones clés pour maximiser l’impact des campagnes et votre potentiel de croissance.
• Optimisation des campagnes : Planifiez vos efforts de porte-à-porte grâce à des insights basés sur les données.

Estimation du prix

Le prix de VISION Opubliq dépend de plusieurs facteurs :

• La taille de votre population
• La taille de l’échantillon à analyser (en assumant une bonne représentativité)
• Le nombre de membres de votre équipe ayant accès à la plateforme
• La fréquence de mise à jour des données

Utilisez cet estimateur de prix:

#| '!! shinylive warning !!': |
#|   shinylive does not work in self-contained HTML documents.
#|   Please set `embed-resources: false` in your metadata.
#| standalone: true
#| viewerHeight: 500

library(shiny)
library(bslib)
library(dplyr)
library(ggplot2)


### Main function: varies according to population price
population_price_function <- function(N) {
  vapply(N, function(p) {
    if (p < 25000) {
      return(700)
    } else if (p <= 50000) {
      # Segment 25k-50k: 800-1200 (linéaire)
      return(800 + (p - 25000) * (1200 - 800) / (50000 - 25000))
    } else if (p <= 100000) {
      # Segment 50k-100k: 1500-7500 (linéaire)
      return(1500 + (p - 50000) * (7500 - 1500) / (100000 - 50000))
    } else if (p <= 500000) {
      # Segment 100k-500k: 7500-12000 (linéaire)
      return(7500 + (p - 100000) * (12000 - 7500) / (500000 - 100000))
    } else {
      # Segment 500k-2millions: 12000-20000 (linéaire)
      return(12000 + (p - 500000) * (20000 - 12000) / (2000000 - 500000))
    }
  }, numeric(1))
}

##### Function that varies by the desired sample size 

calc_me <- function(n, p = 0.5, z = 1.96) {
  return(z * sqrt((p * (1 - p)) / n))
}

calc_me_finite <- function(n, N, p = 0.5, z = 1.96) {
  me <- calc_me(n, p, z)
  correction <- sqrt((N - n) / (N - 1))
  return(me * correction)
}

price_per_respondent <- function(n, N, a = 0.0001, b = 0.06, c = 0.002, max_price = 0.9) {
  me <- calc_me_finite(n, N)
  me_minus1 <- calc_me_finite(n - 1, N)
  me_marginal <- abs(me - me_minus1)  # Prendre la valeur absolue
  
  price <- a + (b * log(1 + c / me_marginal))  # Transformation plus douce
  price <- pmin(price, max_price)  # Plafonner à 0.1
  
  return(price)
}

cumulative_sample_price <- function(
  n, N
){
  prices <- price_per_respondent(1:n, N)
  total_price <- sum(prices)
  return(total_price)
}

ui <- page_fillable(
  theme = bslib::bs_theme(version = 5, bootswatch = NULL), # Désactive les thèmes par défaut
  tags$head(
    tags$link(rel = "stylesheet", type = "text/css", href = "/www/shiny.css")
    #tags$style(HTML(".js-irs-0 .irs-single, .js-irs-0 .irs-bar-edge, .js-irs-0 .irs-bar {background: purple}")),
  ),
  layout_columns(
    col_widths = c(8, 4),
    card(
      card_header("Paramètres"),
      sliderInput(
        inputId = "population",
        label = "Taille de la population dans votre municipalité:",
        value = 25000,
        min = 0, max = 2000000,
        step = 1000,
        sep = " ", ticks = FALSE
      ),
      sliderInput(
        inputId = "sample_size",
        label = "Taille de l'échantillon:",
        value = 300,
        min = 0, max = 5000,
        step = 10,
        sep = " ", ticks = FALSE
      )
    ),
    card(
      card_header("Prix"),
      uiOutput("price"),
      height = 100,
      max_height = 100,
      #plotOutput("price_decomposition")
    )
  )
)

server <- function(input, output, session) {
  output$price <- renderUI({
    price <- population_price_function(N = input$population) + cumulative_sample_price(n = input$sample_size, N = input$population)
    HTML(paste0("<strong><span style='color: #28a745; font-size: 20px;'>", 
              formatC(price, format = "f", big.mark = " ", digits = 2), 
              " $</span></strong>"))
  })
  #output$price_decomposition <- renderPlot({
  #  graph_data <- data.frame(
  #    type = c("Population", "Échantillon"),
  #    price = c(population_price_function(N = input$population), cumulative_sample_price(n = input$sample_size, N = input$population))
  #  )
  #  ggplot(
  #    graph_data,
  #    aes(x = price, y = type)
  #  ) +
  #    geom_col()
  #})
}

# Create the Shiny app
shinyApp(ui = ui, server = server)

Intéressé par VISION Opubliq ?

Contactez-nous pour découvrir comment nous pouvons transformer votre campagne avec VISION Opubliq :

• Page de contact