Направление location intelligence имеет прикладные области пространственный бизнес анализ

ГИС-платформы – решения корпоративного уровня, т. е. используются они в масштабах всей организации. Это означает, что по отношению к ним должны выполняться те же требования и принципы функционирования, которые работают в отношении других систем корпоративного уровня. В настоящей статье рассматриваются некоторые из присутствующих на российском рынке геоинформационных систем с точки зрения возможностей их использования в корпоративном ИТ-ландшафте

Что такое ГИС-платформа

Платформа должна быть универсальна, т. е. применима для самого широкого спектра отраслей и типов задач. Универсальность платформы определяется большим набором факторов и функциональных возможностей. Среди них: кроссплатформенность (поддержка различных ОС, СУБД); интеграция с другими корпоративными информационными системами; поддержка различных систем координат; перепроецирование и работа с параметрами систем координат, задаваемыми пользователем; использование ГИС-платформы на всех уровнях и масштабах (персональный, корпоративный, государственный); поддержка востребованных и перспективных технологий (облачные вычисления, большие данные, мобильные платформы, системы реального времени и пр.). К другим возможностям относятся: использование механизмов безопасности и защиты данных; наличие в системе готовых отраслевых моделей данных, приложений и инструментов для их создания и настройки; качество (и локализация) документации и обучающих материалов, технической поддержки, обучающих курсов; развитость инструментов для разработчиков, доля на рынке, доступность квалифицированных специалистов и т. д.

Location Intelligence for the Monetization of Real Estate Data

Естественно, ГИС-платформа, как и любая корпоративная система, должна обеспечивать и способствовать взаимодействию сотрудников внутри организации, а также предприятия с его партнерами, поставщиками, подрядчиками. Для этого сегодня используются современные подходы − как клиент-серверные решения, так и веб- и сервисные архитектуры. Они обеспечивают создание, ведение и совместный распределенный доступ к корпоративной базе пространственных данных, поддерживают работу картографических веб-сервисов и приложений, публикацию функций и результатов пространственного анализа.

Обязательное условие успешности платформы − следование открытым стандартам, создаваемым и поддерживаемым сообществом пользователей и профессиональных разработчиков. В мире геоинформационных систем работу по выработке стандартов, обеспечивающих интеграцию и обмен пространственными данными и сервисами, ведет Открытый геопространственный консорциум (OGC), объединяющий почти 500 организаций всего мира (университеты и научные центры, компании – разработчиков ГИС, пользователей, правительственные организации, независимые фонды и объединения и многие другие). Уровень поддержки этих стандартов в конечных ГИС-продуктах является существенным фактором.

Следующая важная составная часть платформы – доступность готовых к использованию данных: снимков, цифровых карт, тематических наборов. Сейчас на рынке присутствует много поставщиков контента, как российских, так и зарубежных, которые могут предложить пользователям достаточно качественную исходную информацию для работы в корпоративной ГИС-системе.

Но зачастую пользователь не имеет ни возможности, ни желания сканировать рынок в поисках интересующего его графа дорог или социально-демографической информации для геообогащения своих бизнес-данных. Платформа же должна предоставлять базовый «джентельменский набор» необходимого геопривязанного контента.

Следует отметить, что систематическую работу и инвестиции в контент проводят очень немногие поставщики платформ. И если, скажем, в ArcGIS пользователь может получить демографическую статистику (в том числе и на территорию РФ, с вполне приемлемым для многих реальных задач уровнем детализации), «навигацию» и данные ДЗЗ, то отечественные разработчики пока не включают в свои предложения такие возможности, оставляя пользователя один на один с необходимостью искать данные самостоятельно. Значительную работу в этом направлении берет на себя сообщество, которое ведет обработку и геокодирование наборов открытых данных, публикуемых органами власти различных уровней в форме таблиц, файлов, баз данных. Однако в большинстве случаев такие наборы не пригодны в «сыром» виде к непосредственному использованию в составе ГИС.

Для платформы как среды, на которой развивается инфраструктура и появляются новые продукты и приложения, важно, чтобы имелось достаточно большое и развитое сообщество, коммьюнити. По данным опроса, проведенного в начале 2015 г. сетевым изданием GISGeography (http://gisgeography.com/mapping-out-gis-software-landscape/), среди профессиональных пользователей ГИС, наивысшую оценку по этому показателю получили платформа Esri ArcGIS (100 баллов) и QGIS, далее следуют с большим отрывом GrassGIS (38 баллов) и MapInfo (22 балла). При этом максимальные 100 баллов по совокупности всех критериев получила система ArcGIS; QGIS набрал 31,8 балла, а MapInfo – 11,6 балла. Помимо широты профессионального сообщества оценивались такие параметры, как степень инновационности и уровень использования ПО в различных исследовательских проектах, востребованность специалистов, работающих с данным ПО на рынке труда, и др.

Мы подходим к еще одному важному требованию, предъявляемому сегодня к ГИС-платформам, а именно – простоте работы с ними, в том числе неподготовленными (в плане геионформационных систем) пользователями, которые применяют геоинструменты для решения своих профессиональных задач (бизнес-планирования, управления активами и производством, мониторинга, проектирования различных объектов и пр.). «Простота» платформы означает не только и не столько наглядный интерфейс системы, сколько наличие готовых приложений, сервисов, сценариев и алгоритмов работы, которые позволят пользователю решать свои задачи, излишне не углубляясь в принципы обработки геоданных, особенности применения тех или иных инструментов. Помимо прочего это значит, что платформа должна содержать простые механизмы настройки и создания подобных сервисов и приложений из готовых компонентов. Особенно это актуально для крупных организаций, где в различных департаментах решаются локальные задачи и каждый необходимо обеспечить требуемыми инструментами, при этом максимально задействуя общие для всех возможности платформы – работу на различных устройствах, единую базу геоданных, простые механизмы получения и публикации данных и сервисов и пр.

Архитектура, производительность и кроссплатформенность также являются важными критериями для анализа ГИС-платформ. Современный подход предполагает 64-разрядную архитектуру как для настольных приложений, так и для сервера. Например, MapInfo и некоторые другие поставщики уже начали портировать свои продукты, хотя, конечно, процесс идет поэтапно и ряд систем, формально являющихся 64-битными, по-прежнему содержат 32-битные компоненты; система ArcGIS, начавшая этот переход еще в 2008 г., сейчас является полностью 64-битной.

Глобальные поставщики ГИС

На российском рынке сегодня в той или иной степени активности работают все основные поставщики и разработчики ГИС. Однако не все предлагают именно платформенные решения. Некоторые решения представляют собой отдельные ее компоненты – настольные решения, серверные системы, средства для онлайн-публикации и обработки данных.

Среди крупных международных компаний, уже давно присутствующих на российском рынке, следует упомянуть Pitney Bowes (MapInfo), Hexagon (Intergraph), Bentley Systems, Autodesk и Esri (ArcGIS). К сожалению, точных данных по долям этих компаний на отечественном рынке нет, но, по экспертным оценкам, они соответствуют общемировому распределению, где доля Esri составляет примерно 45% рынка, у находящейся на второй позиции компании Hexagon – около 11%. Доли остальных вендоров не превышают 10% (по данным исследовательской компании Arc Advisory Group). На российском рынке представлены отечественные поставщики, такие как КБ «Панорама», «СиСофт» и ряд «нишевых» игроков. Наконец, определенное распространение получили так называемые open source-продукты, наиболее известным из которых является QGIS.

Понятие «ГИС-платформа» было введено компанией Esri более15 лет назад. Причем подход к ГИС как к платформе сразу предполагал предоставление клиентам максимальной функциональности и компонентов в базовой поставке.

Пользователь получал все, чтобы развернуть полноценное корпоративное решение: данные, отраслевые приложения и модели, шаблоны, обучение, поддержку сообщества, инструменты для работы с мобильными, веб- и облачными ГИС. Например, один из компонентов платформы – ArcGIS Online – обеспечивал единый каталог данных и сервисов, инструменты поиска карт, приложений и другого контента. Естественно, что теперь даже неискушенные пользователи могут создавать собственные модели геообработки и публиковать их в виде сервисов, чтобы ими смогли воспользоваться другие сотрудники. Еще один тренд на рынке ГИС-технологий – мобильные ГИС-приложения (скажем, модулиCollectorи OperationsDashboard позволяют использовать ГИС на любых мобильных устройствах).

Еще раз подчеркнем: универсальная интегрированная геоинформационная платформа открывает возможность для создания единой ГИС-системы в масштабе всей организации. Здесь предусмотрена эффективная работа с очень большими объемами данных (Big Data). Достаточно вспомнить такие проекты, как Публичная кадастровая карта, обрабатывающая ежедневно сотни тысяч запросов и работающая с десятками миллионов объектов.

Не менее важна и поддержка отраслевых и открытых стандартов WMS, WFS, WCS, CSW, стандартов ГОСТ и ISO на метаданные, а также работа и с собственным форматом файлов данных, и с хранилищами пространственных данных под управлением практически любых СУБД (Oracle, Microsoft SQL Server, IBM DB2, PostgreSQL, Informix, SAPHANA, Terradata и др.) и ОС (Microsoft, Linux).

В настоящее время ArcGIS − единственная ГИС на мировом рынке, полностью поддерживающая все типы пользовательских устройств: настольные клиентские рабочие места, «тонкого клиента» (веб-браузер), мобильные устройства. Отметим также, что платформа обеспечивает работу публичных и внутриведомственных геопорталов, предоставляющих доступ к пространственной информации, и может быть развернута в облачной инфраструктуре. Систему отличает и широчайший (возможно, самый широкий среди имеющихся на рынке ГИС) набор инструментов обработки, анализа, прогнозирования и моделирования на основе пространственных данных (векторных, растровых, 3D и др.), причем даже в базовой комплектации.

Рис. 3. Мобильные приложения, геоаналитика, онлайн-контент и работа в 3D обеспечивают применимость современной ГИС-платформы в самых разных областях

В результате уже сегодня к услугам пользователей множество готовых моделей данных под различные прикладные области (ЖКХ, энергетика, управление земельными ресурсами, территориальное и градостроительное планирование и др.), что упрощает и ускоряет развертывание ГИС.

Сегодня многие компании, уловив эту тенденцию, начали активно развиваться в направлении пространственного бизнес-анализа (Location Intelligence). Отметим компанию Pitney Bowes, которая недавно провозгласила соответствующую стратегию (после того как Pitney Bowes приобрела MapInfo, являющуюся одним из заметных игроков «традиционного» ГИС-рынка).

Наиболее сильные позиции MapInfo имела в сегменте геокодирования – привязки к карте объектов по тем или иным атрибутам, например почтовому адресу. Вместе с тем, непосредственные платформенные возможности системы пока ограничены.

MapInfoPro, позиционируемая как инструмент для создания карт, геокодирования, выполнения пространственных вычислений для ГИС-профессионалов и аналитиков, трудно отнести к законченным корпоративным ГИС-платформам, поскольку она не обладает рядом необходимых компонентов. В первую очередь отсутствует веб-составляющая, которая позволяла бы легко публиковать, получать и обрабатывать данные в веб-среде, будучи одинаково доступной как профессионалам ГИС, так и другим категориям пользователей. Отсутствует также система создания и поддержки мобильных приложений (например, Operations Dashboard и Collector for ArcGIS) для комплексной автоматизации рабочих процессов в поле. Особенностью MapInfo является то, что система построена на работе с «таблицами»: для создания нового набора данных достаточно создать новую таблицу с указанием геометрии. Это может быть удобно для некоторых областей применения, однако ограничивает работу со сложными структурированными иерархиями данных (например, в энергетике или ЖКХ).

На отечественном рынке получила распространение ГИС компании Intergraph (ныне является частью шведской компании Hexagon). Изначально Intergraph специализировалась на инженерном ПО (и продолжает активно работать в этом направлении). Традиционно Intergraph и ее материнская компания Hexagon сильны в получении изображений и данных съемки.

Как правило, ПО Intergraph в разных странах применяется в системах проектирования и строительства, решениях, связанных с оборонными системами. Также Intergraph представлена в инфраструктурных и правительственных проектах. Система позволяет собирать геоданные, обрабатывать их и управлять ими, использовать их для решения многих прикладных задач. Для этих областей применения Intergraph предлагает качественные продукты, однако, как и в ситуации с MapInfo, у компании пока нет проработанных on-line и мобильных решений корпоративного уровня, которые позволяли бы обеспечить взаимодействие с помощью уже готовых компонентов, «из коробки», а также предоставлять пользователям наборы базовых карт и данных и инструменты для самостоятельного создания пользователями геосервисов.

В близкой области работает и компания Bentley Systems, также заметный игрок на рынке. Ее продукты предназначены в первую очередь для профессионалов в области архитектуры, инженерного проектирования объектов инфраструктуры (сооружений, мостов, транспортных объектов и пр.).

Сильная сторона этих продуктов – умение работать с САПР и документоориентированный подход, который хорошо знаком инженерам-проектировщикам. В этом смысле они близки к ГИС-модулям, предлагаемым Autodesk, ведущей компанией на рынке CAD/CAM-систем. Обратной стороной является весьма ограниченная функциональность их ГИС-продуктов, содержащих базовые возможности, которые служат главным образом для картографической привязки и построения отчетов конструкторской и инженерной документации. Аналитический ГИС-инструментарий находится на начальном уровне.

ГИС и open source

Программное обеспечение с открытым исходным кодом и свободно распространяемое ПО вызывают большой интерес, причем не только в области ГИС. В России тоже немало сторонников такого ПО, продвигаются различные проекты, например QGIS, MapBox, OpenGeo и ряд других, отличающихся по степени распространенности, зрелости, наличию тех или иных функций и т. д. Насколько перспективно их применение в качестве корпоративной ГИС-платформы?

Глубокому анализу этих постулатов и реалиям их применения посвящено огромное количество публикаций, здесь рассмотрим лишь вопросы функциональности и применимости существующих продуктов в качестве корпоративной платформы. Укажем два важнейших аспекта.

Продвижение ПО с открытым кодом часто строится на тезисе о бесплатности базовых продуктов и, как следует из их названия, открытости. Поставщиков ПО с открытым кодом критикуют за то, что они не всегда правомерно противопоставляют два подхода («проприетарное» ПО и «свободное» ПО).

Основными аргументами сторонников открытого кода являются апелляция к нулевой стоимости базовой лицензии и право на его свободное распространение. При этом часто не говорят о том, что бесплатность лицензии не означает отсутствия лицензии как таковой, а следовательно, и обязательств, накладываемых ею, а также о необходимости затрат на доработку функциональности, поддержку и пр. В свою очередь, свободное распространение (во многих типах лицензий, под которыми обычно распространяется открытое ПО) подразумевает и обязанность давать доступ к производным программным продуктам, построенным на открытом ПО, на тех же лицензионных условиях, что не всегда отвечает интересам корпоративных пользователей. Стоит обратить внимание и на то, что в большинстве случаев, для того чтобы система, построенная на базе такого ПО, заработала, требуются достаточно глубокая доработка, «сборка» и интеграция отдельных разрозненных компонентов, а часто и создание недостающих функций с нуля, что, как правило, реализуется не сообществом разработчиков, а конкретной компанией-интегратором. Это может привести к еще большей зависимости от разработчика, чем работа с проприетарным ПО.

Российские ГИС

Многие российские ГИС-продукты в целом трудно назвать универсальными платформенными решениями, поскольку изначально они разрабатывались для применения в какой-либо прикладной области. В соответствии с этим выстраивались их архитектура, форматы данных, функциональные возможности. Это ограничивает развитие таких продуктов до платформенного уровня, хотя они вполне могут применяться для решения отраслевых задач. Платформенные возможности многих продуктов, в частности, интеграция с внешними системами, мобильные, портальные и веб-применения, требуют приобретения дополнительных модулей или серьезной разработки.

Среди российского геоинформационного программного обеспечения наиболее известны продуты компании КБ «Панорама». Они позиционируются как программное средство «для создания и редактирования цифровых карт и планов городов, обработки данных ДЗЗ, выполнения различных измерений и расчетов, оверлейных операций, построения 3D моделей, обработки растровых данных, средства подготовки графических документов в электронном и печатном виде, а также инструментальные средства для работы с базами данных». Этот комплекс создавался для решения традиционных картографических и геодезических задач, подготовки и публикации карт в соответствии с принятыми в России стандартами и требованиями и до сих пор является одним из лучших продуктов для решения этих задач. Одним из следствий является относительно высокий уровень закрытости системы, которая работает преимущественно в рамках своего формата данных, а поддержка открытых стандартов здесь сильно ограничена.

В завершение несколько слов о тенденциях на российском рынке ГИС. Несмотря на непростую экономическую ситуацию в стране, геоинформационные технологии будут оставаться востребованными как бизнесом, так и государственными органами власти. В последние годы интерес к этой технологии со стороны коммерческих и производственных компаний возрастает, традиционные пользователи (в частности, добывающие, энергетические компании) также переходят на новый уровень корпоративного использования технологии, который связан с увеличением количества процессов, автоматизируемых с помощью ГИС. В связи с этим платформенные возможности ГИС будут играть ключевую роль в корпоративных ГИС-проектах.

Источник: www.connect-wit.ru

Location Intelligence

Направление «Location Intelligence» не назовешь новым или инновационным. Технология появилась на кривой «Gartner Hype Cycle of Emerging Technologies» в далёком 2013-м году. Его старшие родственники BI и геоинформационные системы (ГИСы) тоже широко используются уже не первый десяток лет. В военно-промышленном комплексе технологии LI активно использовались и того раньше.

При этом востребованность и сфера применения LI с каждым завидной динамикой растут. Сегодняшние конференции по большим данным и искусственному интеллекту редко обходятся без выступлений на тему геоаналитики, геофенсинга, геолокационного маркетинга и других технологий, название которых начинается с «гео».

Компании воодушевленно делятся успешным опытом определения оптимального месторасположения точек продаж, рассылки уведомлений клиентам, находящимся рядом с определенной локацией, хитроумного планирования помещений внутри магазинов с учетом знаний о поведении покупателей (да-да, наше с Вами поведение – объект нешуточных исследований), рассказывают о результатах анализа продаж по геопризнаку на основании чеков, решении логистических и других задач, нацеленных на повышение эффективности рекламы и улучшение клиентского опыта. Фонды недвижимости и того активнее размышляют на темы оценки недвижимости и best-use анализа активов с учетом сегодняшних возможностей Data Science и Machine Learning (далее — ML).

Маркетинговая погоня за нашими кошельками ­ только один небольшой пример применения LI.

За последние 7 — 10 лет эффективность применения LI серьёзно увеличилась благодаря трём основным причинам:

1. росту количества источников данных. Объем ежедневно генерируемых в мире данных с привязкой к географическому месторасположению, потрясает воображение и уверенно позволяет назвать их BIG DATA (BIG GEO DATA или BIG SPATIAL DATA, одного чёткого определения, как водится, пока не удалось найти), и работать с ними по всем суровым законам Data Science. Это и сенсоры и датчики IoT, «умные города» и «умные дома», автомобили, мобильные устройства со встроенными GPS-приёмниками, онлайн-кассы, социальные сети, платежные системы, данные с видеокамер и другие.
2. активному развитию смежных комплиментарных направлений и технологий – BIG DATA, пространственного анализа, технологий идентификации и позиционирования и LIDAR-сканирования, а также использованию моделей ML и Data Science для извлечения, очистки, обогащения и анализа данных из самых разных источников, состав и разнообразие которых может удивить даже самого искушенного учёного, маркетолога, или писателя-фантаста.
3. популяризации математики и Data Science, и возникновение плеяды профессионалов, способных совместно с экспертами из разных отраслей реализовать весь цикл сбора и анализа датасетов из множества источников, а также аналитической визуализации и интерпретации данных.

Эти причины привели к тому, что LI стала использоваться для изучения поведения людей, выявлять пространственно-временные факторы среды, которые влияют на это поведение, а также взаимодействовать с потенциальными и действующими клиентами, конкурентами и поставщиками в контексте физического окружения.

В основе LI лежат:

1. идентификация физического месторасположения по географическим широте и долготе (точность позиционирования — интересная тема для дополнительного обзора),
2. возможность объединения на цифровой картеданных из разнообразных источников о физических объектах, компонентах окружающей среды, городской и промышленной инфраструктуры, людях и их перемещениях, событиях и даже постов в социальных сетях.
3. анализ данных из разных источников в контексте месторасположения в комплексе, учитывая их влияние друг на друга.

Платформы и инструменты LI успешно применяются для научных исследований, развития и функционирования городских транспортных систем и градостроительного планирования, решения задач урбанистики, охраны окружающей среды, устранения последствий природных катаклизмов и катастроф, работу органов муниципального и государственного управления. Активными бизнес-пользователями технологии являются также ИТ-гиганты (Google, Amazon, Facebook, Apple, Яндекс и т.д.), телеком-операторы, сетевые ритейлеры и логистические компании м так далее.

LI уверенно встраиваются и во все остальные сферы деятельности, а также становятся драйвером создания новых бизнес-моделей. Например, ставшая при жизни хрестоматийной бизнес-модель Uber, в которой данные о месторасположении и позиционирование используются для подбора исполнителей заявок, построения оптимального маршрута, определения времени и стоимости поездки, а собираемые всеми автомобилями данные используются для анализа пробок, прогнозирования ограничений и оценки влияния определенных событий на движение в городе, или сервисы курьерской доставки Postmates и DostaVista, и другие модели.

По Москве бодро колесят беспилотники (пока в тестовом режиме) и роботы-доставщики еды Яндекса (уже в пилотном режиме), по полям США катается и собирает большие данные для сельского хозяйства робот Alphabet Mineral, дроны фотографируют львов в саваннах для последующего анализа данных об изменении численности и плотности популяции, — в развитии подобных инновационных решений важным компонентом является LI.

Источники данных для LI

В дополнение к традиционным источникам данных, достижения четвертой промышленной революции позволили использовать также данные из следующих источников:

1. IoT и мобильные устройства. Сенсоры и датчики IoT и мобильные устройства генерируют огромные массивы данных с привязкой к географическому месторасположению. Например, сбор данных можно организовать силами пользователей мобильных приложений с использованием функции геопозиционирования или локального позиционирования. Таким образом отзывы и другие данные о местах посещения пользователей собирают социальные сети, платформы FourSquare (мобильное приложение для чекинов Swarm), TripAdvisor, Yelp и другие.
2. Фотоснимки высокой точности поверхности Земли со спутников, самолетов, дронов и других. Современные технологии Deep Learning позволяют, например, выделить на снимке автомобили или парковочные места, или найти все пальмы, дороги, здания нужного типа в заданном регионе и так далее, и подготовить данные для анализа на LI-платформе. Сформировался и развивается рынок сервисов для решения подобных задач идентификации и классификации нужных объектов на снимках поверхности Земли. Есть компании, которые производят съемку, обрабатывают снимки, извлекают из них различные данные (в том числе, с использованием Deep Learning), а также поддерживают весь жизненный цикл данных. Появляются также облачные платформы, предоставляющие сложные сервисы спутникового мониторинга на условиях подписки. Снимки можно как приобретать у коммерчески игроков, так и использовать открытые ресурсы, например, OpenAreialMap и подобные.
3. Внешние датасеты. Анализ больших данных постепенно становится доступным не только ИТ-гигантам и корпорациям, но и самым разным компаниям крупного, среднего и даже малого бизнеса. Многие компании давно предоставляют бесплатно или продают доступ к данным для анализа и использования в различных приложениях и системах как государственным (транспортным, дорожным, коммунальным и другим службам), так и коммерческим организациям от корпораций до стартапов Открытые данные и API. Интересные для анализа наборы данных, в том числе с привязкой к географическому месторасположению, публикуются на открытых ресурсах в рамках реализации концепции открытых данных. В открытом доступе во всем мире размещаются наборы данных, полученные в результате научных исследований, а также данные государственных и других компаний, геологических, метеорологических и многих других служб. В качестве интересного примера можно привести наборы данных Environment Agency Великобритании, собранные в ходе LIDAR-сканирования. Они содержат в том числе характеристики холмов, рек и долин в заданных областях, и могут быть использованы для прогнозирования наводнений и расчёта страховых взносов. Наборы данных размещены на федеральном портале открытых данных Великобритании (data.gov.uk/dataset/) и доступны для всех. Тенденция демократизации знаний постепенно докатилась даже до моделей машинного обучения. Например, в открытом доступе можно найти уже обученные нейросети, которые умеют распознавать снимки поверхности Земли и идентифицировать на них заданные объекты. Появляются open source ресурсы, на которых разработчики размещают модели машинного обучения для доработки или переиспользования. Приобретение данных. Приобретать доступ к данным (через API или SDK) и/или отчеты и выгрузки данных можно у коммерческих игроков (например, Google Maps, Airbus, Yelp, TripAdvisor, Foursquare, 2ГИС, телеком-операторов, платежных систем и так далее), постепенно появляются и становятся доступными сервисы провайдеров больших данных с привязкой к месторасположению (например, «Платформа больших данных» ВТБ и Ростелекома, «МТС-Маркетолог», «Первый ОФД» и подобные).
4. Краудсорсинг сбора и обработки данных. Для сбора данных можно использовать цифровые платформы краудсорсинга, где на основании размещенного задания пользователи сделают фотографии или нужные измерения в заданных локациях и сохранят данные в специализированных мобильных приложениях или заданном формате. Таким же образом можно организовать работу по разметке для последующего обучения нейросетей. Примеры таких платформ — Amazon Mechanical Turk, Яндекс.Толока, YouDo и другие.

Благодаря современным возможностям геопозиционирования у больших данных появился новый компонент – географическое месторасположение. Этот компонент становится связующим звеном между цифровой деятельностью и физическим миром.

Использование LI обеспечивает возможность сбора, интеграции и анализа больших данных из разнородных источников, мониторинга и контроля событий и процессов, организации взаимодействия в контексте физического окружения, а также возможность организации удобного интерфейса между человеком и роботом.

LI обладает большим потенциалом в части объединения достижений разных современных технологий, и её использование становится необходимой составляющей для цифровой трансформации многих отраслей.

*Данная статья отражает применение и развитие LI гражданском секторе промышленности, хотя, как и для многих других технологий, основными драйверами развития этой концепции является решение задач военно-промышленного сектора. Задачи военных, которые решаются с использованием LI (из открытых источников, конечно), будут отражены в других обзорах.

Список использованных материалов:

1. Location Intelligence for Real Estate
2. Data Driven Retail: Extracting Value From Customer Data
3. How Location Intelligence Is Powering Today’s Most Disruptive Products

Источник: habr.com

Аналитика в пространстве

Успехи геоинформатики позволяют расширить возможности бизнес-аналитики за счет учета неиспользуемых ранее географических данных – новый класс аналитических технологий получил название Location Intelligence.

Количество полезной информации, которую можно извлечь из корпоративных данных, очень зависит от методов работы с ними. Например, по некоторым оценкам, до 80% общего объема данных – это те или иные географические сведения, однако до недавнего времени все они оставались неиспользованными. Сегодня появилась возможность вовлечь в оборот и эти данные – во второй половине текущего десятилетия параллельно с ростом популярности бизнес-аналитики возникло родственное направление Location Intelligence (LI). Речь идет об аналитике, отличающейся от BI наличием привязки объектов к месту действия.

Термин Location Intelligence можно условно интерпретировать как «аналитика, основанная на местоположении», а своим появлением этот тип технологий обязан новейшим достижениям в молодой науке геоинформатике (geoinformatics, geomatics, Earth Science Informatics). Если быть точным, то следует сказать, что предметом геоинформатики являются компьютерные методы обработки цифровой географической информации, что она включает в себя геоинформационные системы, системы сбора географических данных (аэро- и спутниковая съемка), системы глобального позиционирования, а также более традиционные направления, такие как создание национальных топографических сетей и технологии картографии.

Возникновение геоинформатики было вызвано несколькими технологическими достижениями. Во-первых, тем, что современные ИТ открывают широкие возможности для обработки больших объемов данных (успешно решается так называемая проблема Big Data). Во-вторых, появилась недостижимая прежде возможность получения точных географических координат с использованием методов спутниковой навигации. И в-третьих, с появлением цифровых карт упростился доступ к картографической информации.

Основные предпосылки к LI

Помимо известных универсальных программно-аппаратных решений для работы с большими объемами данных (серверы, системы хранения, хранилища данных), применительно к географическим данным создано несколько серьезных специализированных СУБД, большинство которых имеют канадские корни. Для доступа к географическим данным обычно используется подмножество языка SQL/MM, построенного на основе SQL и предназначенного для работы с мультимедийными и пространственными данными. Для описания двухмерных объектов консорциумом OpenGIS утвержден набор примитивов (Simple Features): точка, линия, многоугольник, набор точек, ломаная линия, набор многоугольников и коллекция из примитивов. Наибольшую известность приобрели следующие географические СУБД, которые стали основой для LI.

PostGIS – свободно-распространяемая СУБД, разработанная компанией Refractions Research в 2001 году при содействии региональных властей Британской Колумбии (Канада) путем добавления поддержки графических объектов к известной объектно-реляционной базе PostgreSQL. База PostGIS отвечает спецификациям Simple Features for SQL и сертифицирована консорциумом Open Geospatial Consortium – головной организацией по стандартизации в геоинформатике.

ArcSDE (Spatial Database Engine) – поддерживается компанией Environmental Systems Research Institute, известной своими продуктами ArcGIS, ArcView, ArcIMS. Эта СУБД была разработана двумя австралийскими компаниями, купленными ESRI как дополнение к CУБД InterBase.

Oracle Spatial – опция к СУБД Oracle, разработанная специалистами Канадской гидрографической службы.

JTS Topology Suite – Java-реализация Simple Features Specification for SQL от канадской компании Vivid Solutions.

GEOS (Geometry Engine Open Source) – объединение JTS Topology Suite и PostGIS, разработана совместно Refractions Research и Vivid Solutions.

Важной предпосылкой к формированию LI стала демилитаризация систем спутниковой навигации после того, как в окрестностях Сахалина был сбит южнокорейский пассажирский Boeing 747 рейса KAL007. Независимая экспертиза признала, что наиболее вероятной причиной отклонения лайнера от маршрута была ошибочная настройка автопилота и невозможность уточнения текущих координат.

Для исключения подобных трагических недоразумений администрация США взяла на себя обязательство обеспечивать свободный доступ к системе навигации NAVSTAR GPS. В России развертывается своя система ГЛОНАСС, работающая с точностью до 5,5 метра, а в 2011 году этот показатель будет доведен до 2,8 метра. Евросоюз также готовит собственную гражданскую систему навигации Galileo.

С появлением GPS произошла геодезическая революция – вместо строго засекреченных и ограниченных в пространстве национальных триангуляционных сетей возникла глобальная космическая сеть, доступная отовсюду. Геодезия и навигация стали всепогодными и круглосуточными. Стоимость навигационных GPS-приемников, обеспечивающих высокую точность, стремительно снижаясь, достигла величин, при которых с ними уже не могут конкурировать обычные геодезические приборы.

Наконец, третий столп LI – цифровая картография. По всей видимости, особенно в России, этот пункт остается одним из самых сложных. С момента создания первых достоверных карт все, что связано с точными географическими координатами, во всех странах попадало под гриф «секретно». Еще совсем недавно в СССР были недоступны даже карты масштаба 1:200 000, а сегодня принята концепция создания и развития инфраструктуры пространственных данных, правовое обеспечение геоинформатики гарантируется законом «О навигационной деятельности», снимающим все запреты на определение пространственных координат объектов, за исключением зон, требующих мер специальной защиты. На российском рынке работают известные поставщики геоинформационных данных Tele Atlas и Navteq, обеспечивающие крупнейших интернет-провайдеров.

Что может LI?

Итак, Location Intelligence – это совокупность методов организации данных и анализа сложных проблем с использованием географических сведений, имеющихся в большинстве информационных источников, технологий геоинформатики и Web 2.0. В сочетании с обычными бизнес-данными географические данные позволяют организациям и предприятиям получить адекватное представление о происходящем в окружающей среде, обнаруживать новые тенденции, улавливать новые образы в действиях партнеров и потребителей, быть готовыми к демографическим и природным процессам и в конечном итоге принимать более точные решения. Наиболее типичные приложения LI таковы:

• анализ информации о потенциальных потребителях и других демографических сведений;
• анализ связи местоположения с операционными данными;
• аккумулирование данных из разных источников;
• анализ взаимосвязей между объектами с разным месторасположением;
• выбор оптимальных маршрутов.

В платформах LI обычно используются индикаторные панели с картографической основой, дополненные технологиями корпоративных коллажей (enterprise mashup), они наиболее удобны для совмещения представлений географической и деловой информации (см. рисунок).

В LI используются геопространственные данные: географические и пространственные системы и системы LI объединяют именно общие пространственные данные, включающие координаты и другие топологические сведения. Поставщиком LI и геоинформационных систем может быть одна и та же компания, например MapInfo, которая теперь называется Pitney Bowes Business Insight. Вторая часть названия отражает пройденный путь от чисто географических систем к системам поддержки бизнеса, ее появление отражает общую тенденцию смещения фокуса от чистой картографии в сторону поддержки бизнеса. Системы LI начинаются там, где заканчивается сфера ГИС, когда данные уже есть и возникают задачи бизнеса.

До последнего времени если географические данные и учитывались при планировании, то делалось это интуитивно. В качестве классического примера обычно приводят выступление Рэя Крока, сделавшего из скромного ресторанчика братьев Макдональдс крупнейшую в мире сеть быстрого питания.

Он как-то спросил слушателей, что они считают главной составляющей его бизнеса, и получил ожидаемый ответ – гамбургеры. Однако Крок признал этот ответ неверным: на самом деле он считал своим основным бизнесом недвижимость, – когда компания продает франшизы, то она в первую очередь анализирует место, запланированное для будущего ресторана, все его характеристики с точки зрения последующей деятельности. Ровно то же самое можно отнести к работе других торговых сетей, банков, страховых компаний, всевозможных производств, транспортных компаний, вплоть до планирования чрезвычайных ситуаций. Очевидно, что пространственные данные можно рассматривать в качестве основы успеха бизнеса.

Термин «геопространственные данные» на редкость нескладный, речь идет не о распределении данных в пространстве, а о данных, описывающих поверхность земли. Географические данные указывают местоположение и свойства естественных или искусственно созданных объектов.

Что же касается пространственных данных, то в данном контексте слово spatial указывает на область, фрагмент земной поверхности, занимаемый некоторым объектом в пространстве. Оказывается, что для описания такого рода областей достаточно трех простейших компонентов – точки, линии и полигона.

В реальном мире точками обозначают отдельные объекты или связанные группы объектов, расположение которых описывается единственной точкой. Линиями представляют дороги, реки, различного рода коммуникации. Полигонами задают однородные по некоторым критериям участки. Вообще в геоинформационных системах пространственные объекты могут быть представлены двумя способами: растровым или векторным. Но в LI предпочтительнее векторная модель данных, представляющая собой объектно-ориентированную систему, которая основана на векторах; ее базовым примитивом является точка, объекты создаются путем соединения точек прямыми линиями или дугами, а площади определяются набором линий.

Сегодня средства для работы с геопространственными данными предлагают не только перечисленные поставщики специализированных географических СУБД, но и производители систем бизнес-аналитики: Teradata, Oracle и Netezza.

Источник: www.osp.ru