O futuro dos SIG

Com um título sugestivo “Location Intelligence: The End of GIS As We Know It“, Devon Hopkins, director de Mareketing da CARTO,  escreve sobre o futuro dos SIG.

Abaixo podem ler uma tradução da SIGZine a partir  do artigo original que pode ser consultado em https://carto.com/blog/location-intelligence-end-of-gis-as-we-know-it/


A Location Intelligence[1] (LI) já não é uma parte silenciosa da estratégia das empresas. Num inquérito a 220 pessoas compostas por analistas de dados, executivos e cientistas, 85% acreditavam que a LI seria “muito” ou “extremamente” importante para o sucesso da sua organização nos próximos 3 anos, e 84% planeava investir em tecnologia LI.

A LI é a opção para as empresas que se sentem cada vez mais frustradas e limitadas pelos sistemas proprietários, usados para visualizar informação geográfica, conhecidos por muitos como SIG (Sistemas de Informação Geográfica).

Os SIG estabeleceram as bases para que as empresas começassem a colectar e visualizar dados de informação geográfica. Num inquérito realizado a executivos com cargos de chefia, 94% disseram que as suas empresas colectam/armazenam algum tipo de dados com localização espacial. Mas para se manterem competitivos, os executivos sabem que precisam de se concentrar na Inteligência obtida a partir dos seus dados de localização, e não apenas na própria informação geográfica.

Existem três fatores principais que impulsionam essa mudança das tecnologias SIG para a LI:

Novos fluxos de dados. A LI incorpora dados abertos, fluxos de dados em tempo real e grandes conjuntos de dados de todos os tipos de sistemas, dispositivos e sensores conectados à internet, muitos de fontes externas ao negócio. Os SIG basearam-se principalmente em conjuntos de dados geográficos detidos pelos próprios proprietários. Por exemplo, com a LI:

As seguradoras usam dados de LI, em conjunto com dados meteorológicos abertos para tomarem decisões em tempo real sobre como apoiar os seus segurados durante um desastre natural.

Os investidores imobiliários usam a LI em conjunto com dados abertos sobre tráfego para avaliar novas oportunidades de crescimento.

Os bancos usam as transações de cartão de crédito e dados demográficos para entender a dinâmica da cidade.

Novos métodos de análise. A LI engloba novos métodos de análise de dados de localização para otimização e previsão de processos de negócios, enquanto os métodos tradicionais de análise de SIG se concentram em relatar informações geográficas históricas. Por exemplo, com LI:

O agrupamento espacial pode ser usado para criar territórios de vendas que façam mais sentido para as equipes de vendas

Os analistas de dados estão a optimizar rotas, respondendo a pergunta: “Qual é a rota mais eficiente em termos de custo para meus serviços?”

Podemos identificar comunidades de pessoas que vão além dos limites geográficos tradicionais usando uma análise SKATER (Spatial “K”luster Analysis by Tree Edge Removal[2])

Novas classes utilizadores. A LI é imediatamente acessível para desenvolvedores, analistas e cientistas de dados que procuram incorporar dados de localização diretamente nos seus fluxos de trabalho e na tomada de decisões empresariais básicas. Os SIG são limitados a especialistas com formação e certificação, muitas vezes através de instituições académicas credenciadas. Sua interação com os principais processos de negócios geralmente é intermediada através de relatórios que, em seguida, precisam de uma interpretação adicional para ser útil aos tomadores de decisões. Por exemplo, com LI:

Funcionários do governo da cidade de Nova York e analistas de dados podem controlar a cidade e tomar decisões sobre o serviço de trânsito e de emergência com base em dados em tempo real de 311 chamadas e de outras fontes.

Gerentes de produtos e analistas de negócios podem implantar rapidamente um aplicativo de análise de vendas baseado em localização para tomar decisões estratégicas sobre sua estratégia de vendas.

Os cientistas de dados podem analisar e integrar fontes de dados maiores e mais diversas em seu fluxo de trabalho, criando facilmente visualizações convincentes para apresentar suas descobertas.

Novos fluxos de dados

As organizações não podem mais depender exclusivamente dos seus próprios dados. Com o aumento de fluxos de dados facilmente acessíveis de fontes externas, como portais de dados abertos, dispositivos IoT (Internet of Things) e outros provedores de dados, as empresas podem criar painéis e aplicativos facilmente desdobráveis ​​que ajudem a prever e otimizar os resultados comerciais.

O software SIG é projectado do ponto de vista proprietário, o que confere ao provedor de software o controle total de como os clientes usam e interagem com os dados dentro do sistema fechado.

A dependência de um banco de dados fechado para os dados de localização do cliente limita significativamente a capacidade das organizações de importar dados de fontes externas (ou, no mínimo, importar sem arriscar distorção de dados). Como resultado, os utilizadores dos SIG geralmente limitam-se a trabalhar com conjuntos de dados fornecidos ou aprovados pelo fornecedor do software.

A LI adopta dados open source e apoia-se em empresas que usam uma variedade mais ampla de dados dinâmicos para visualização e análisar, em vez de informações exclusivamente estáticas e limitadas a um ponto temporal específico.

Dados de transmissão: localização dos dispositivos móveis, dados IoT, tráfego a pé ou veículo de transporte, trânsito ao vivo, dados rotas de taxis, condições climáticas atuais…

Dados estáticos: topografia, tendências meteorológicas históricas, demográficas, financeiras…

Um exemplo de novos fluxos de dados em ação

Um mapa com dados NOAA, atualizados em tempo real, pode ser usado durante um verdadeiro evento de furacões. As seguradoras podem antever quais os segurados que estão em risco de danos causados pelo furacão e quais os danos estimados.[3]

O acompanhamento de uma tempestade ou outro evento, e o seu impacto nos segurados em tempo real pode ajudar as seguradoras a entenderem onde devem implantar pessoal no terreno para avaliar os danos e quais as áreas que podem exigir a resposta mais rápida. As seguradoras também podem comunicar proactivamente conselhos de preparação e informações de evacuação.

Novos métodos de análise

A LI e a necessidade de usar dados de localização para lidar com uma grande variedade de casos de uso comercial levaram cientistas de dados a desenvolver novos métodos de análise espacial que estão a ser adotados por utilizadores de negócios em quase todas as indústrias.

Este campo emergente, chamado Spatial Data Science (ou Geospatial Data Science) será fundamental para o sucesso das organizações à medida que mais e mais executivos e analistas começarem a fazer perguntas que exigem soluções preditivas com dados de localização.

Enquanto a força dos SIG reside em relatar os dados de localização histórica (por exemplo, qual a precipitação no condado de Clark em março de 2014?), a LI permite às empresas responderem a perguntas sobre o que deve acontecer e otimizar sua estratégia de negócios em conformidade:

Otimização baseada em restrições. Com base num conjunto de critérios, quantos recursos (recursos, pessoas, locais) eu preciso, e como devo organizá-los e implantá-los?

Modelação. Onde devo abrir, fechar ou reutilizar uma loja nova ou existente?

Redes Logísticas. Como devo projetar a rede de distribuição da minha empresa para reduzir o tempo de condução e os custos de combustível?

Cada uma destas questões requer um novo tipo de análise adequada aos dados de localização, como o clustering espacial, optimização de rotas, ou análises Moran I (um método de determinação de valores esporádicos espaciais).

Essas análises adicionam contexto aos dados de localização e fornecem às empresas inteligência para otimizar práticas atuais e prever comportamentos futuros.

Um exemplo de novos métodos de análise em ação

Para mostrar como a LI pode afetar o design da rede de uma cadeia de suprimentos, analisamos a rede de distribuição da Publix, uma das principais redes de supermercados no sudeste dos Estados Unidos[4].

Para entender o seu design atual, nós:

Criamos clusters lógicos de lojas usando a análise espacial de agrupamento da CARTO para encontrar grupos lógicos de lojas.

Em seguida, atribuímos esses grupos ao centro de distribuição mais próximo, fizemos alguns ajustes menores para os outliers que precisavam de ser atribuídos a diferentes centros de distribuição.

Utilizamos a mesma análise de agrupamento para criar clusters lógicos para cada uma das rotas provenientes do centro de distribuição.

Utilizamos a análise de optimização de rotas para encontrar a rota mais eficiente do centro de distribuição, para cada uma das lojas e depois de volta ao centro de distribuição.

A rede de distribuição resultante mostra o número total de milhas conduzidas, o número de rotas e o número de horas de condução. Um gerente de operações poderia usar essa abordagem para otimizar ainda mais a sua cadeia de suprimentos ou responder a perguntas adicionais como “Onde instalar o nosso próximo centro de distribuição?”

Os SIG promoveram métodos para analisar e visualizar informações geográficas, respondendo a perguntas sobre coisas como topografia e padrões climáticos históricos. A LI é pioneira na próxima onda de análise espacial com métodos e técnicas que se concentram na solução de problemas de negócios.

Como comunidade, sabemos que, para resolver os desafios mais difíceis que enfrentam as empresas, devemos fornecer aos desenvolvedores, analistas e cientistas de dados ferramentas open source que se possam integrar na forma como eles já trabalham, em vez de ter que fornecer formação para que as possam utilizar.

A plataforma de tecnologia geoespacial do futuro é composta por empresas como a Mapbox, CARTO e MapD, que dispnibilizam tanto código fonte quanto possível para acelerar o tempo de implementação e promover a inovação para a indústria como um todo.

Location Intelligence em 2018

Com 78% de executivos em chefia a planear investir em LI em 2018, o reinado dos SIG proprietários está a chegar rapidamente ao fim.

Novos métodos de análise e novos fluxos de dados permitem uma nova classe inteira de utilizadores, desde cientistas de dados até desenvolvedores, para desbloquear a inteligência dos dados de localização.

Como comunidade, devemos abraçar essa mudança e trabalhar juntos para criar um ambiente onde democratizamos o acesso e a análise de dados, em vez de colocar o poder dentro de um pequeno grupo de indivíduos tradicionalmente formados em sistemas proprietários.

Você vai ajudar-nos?


[1] Optamos por manter a definição original.

[2] Nota da tradução

[3] Mapa interativo no artigo original.

[4] Mapa interativo no artigo original.

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *