Geodata als extra dimensie

Het invoegen van kaartmateriaal en beschikbare open source geodata wordt steeds vaker een vast onderdeel van de ontwikkeling van BI applicaties. Een kaart geeft de applicatie een sterke visuele uitstraling en laat ruimtelijke relaties binnen een dataset zien die niet met een ander type object zijn weer te geven. Zo wordt ruimtelijke clustering snel inzichtelijk en is het eenvoudig om de hotspots te identificeren. Open source data zoals gegevens over gebouwen, informatie over huishoudens van het CBS combineren met kaarten levert niet alleen data verrijking maar ook nieuwe geografische inzichten. Ik  maak daarbij vaak gebruik van open source data, bewerk en verrijk deze data en zet ze klaar in QVD’s voor koppeling met eigen data. Bij de implementatie van GeoQlik en GeoBI merk ik daarnaast vaak dat de kaart de applicatie aantrekkelijker maakt; data op een kaart wekt de interesse en vraagt de gebruiker als ware om dieper in de data te duiken. Een kaart werkt in deze gevallen dus als katalysator van de BI applicatie.

Drie voorbeelden:

1. Data verrijken met nieuwe gegevens

In het BAG is van elk pand ook de geografische vorm meegeleverd. Deze polygonen zijn handig voor die visualisatie, maar bevatten ook informatie. Zo kan bijvoorbeeld het dakoppervlak bepaald worden door de oppervlakte van de polygoon te berekenen. Zelf heb ik zo op basis van de vorm en de aanwezigheid van aangrenzende woningen de woningtypes voor alle woningen in Nederland bepaald.
Door het geografische aspect van data te plotten ontstaat een “plaatje” van de data. Met behulp van geografische analyses is het mogelijk uit dit plaatje koppeltabellen en nieuwe informatie te halen. Uit het “plaatje” komt dus informatie die vervolgens kan worden toegevoegd aan de data. Deze embedding van GIS in uw BI omgeving zorgt voor een win-win situatie; data wordt verrijkt met informatie en filtermogelijkheden en de geografische informatie wordt dynamisch inzichtelijk.

2. Koppeling van data op basis van locatie

In veel gevallen bevat klantdata een postcode. Om de klantdata te koppelen aan CBS informatie is de postcode alleen niet genoeg omdat de meeste gegevens op buurtniveau zijn gemeten. Koppeltabellen zijn vaak duur en handmatig opzoeken is veel werk. Met de geografische relatie ‘within’ kunt u snel en eenvoudig bepalen welke postcode in welke buurt valt. Zo is een koppeltabel snel gemaakt!

3. Data slim filteren met behulp van GIS relatie

Bij het bepalen van de locatie van een nieuwe vestiging van een winkel is het interessant om te weten hoeveel potentiële klanten er binnen een kilometer wonen. Of nog beter; welke klanten wonen er binnen 10 minuten reistijd of 5 kilometer reisafstand? Met de nieuwste versie van GeoQlik kunt u isochronen laten tekenen en deze gebruiken om uw data in QlikView te filteren! Scheelt weer een drive time matrix.

Bij het bepalen van geografische relaties wordt elk object als aparte laag gezien zoals in Photoshop. Waar in het traditionele GIS wordt gewerkt met gehele kaarten per laag, wordt in het huidige database gedreven GIS de relatie per object bekeken. Per object kan zo bijvoorbeeld bepaald worden of het object in de buurt van andere objecten is, een ander object raakt of binnen een bepaald gebied valt. Zo zijn er nog vele geografische relaties te leggen; een kort overzicht van PostGIS functies vindt u hier.

Geïnteresseerd in de mogelijkheden van GIS binnen BI? Wilt u uw data verrijken met woningtypes of andere kenmerken met behulp van geografische relaties of woningtypes? Neem contact met ons op!

Marijn Boerman,
GeoQlik consultant bij HippoLine