Gomatique dcisionnelle: tat de lart, impacts et approches de dveloppement

1
Géomatique décisionnelleétat de lart,impacts
etapproches de développement

• Dr Yvan Bédard
• Université Laval
• October 11th 2006
• Infrastructure Canada, Ottawa

2
Origine les besoins

• Les organisations à travers le monde investissent
  des dizaines de milliards de dollars annuellement
  pour saisir dénormes volumes de données sur le
  territoire, son utilisation et ses ressources
• Elles le font bien grâce aux SGBD et aux SIG
• Elles exploitent et diffusent aujourdhui ces
  données dans un environnement web

3
Origine les besoins

• Les SGBD et SIG sont des outils de nature
   transactionnelle 
• Les systèmes transactionnels ont été conçus pour
  
• acquisition
• stockage
• mise à jour
• validation des contraintes dintégrité
• requêtes minimales
• plusieurs utilisateurs simultanés
• sécurité des transactions

4
Origine les besoins

• Ces données sont difficiles à exploiter par les
  gestionnaires qui ont besoin dinformation de
  nature  analytique ou décisionnelle 
• - information agrégée - analyse de tendances
• - comparaison spatiale - corrélation
  spatio-temporelle
• - synthèse temporelle - requêtes ad hoc
• - exploration interactive - découverte de
  connaissances géospatiales

5
Origine linformatique décisionnelle

• Linformatique décisionnelle offre des solutions
  depuis le milieu des années 90 pour les données
  non-spatiales
• Aussi connu sous le nom de BI (Business
  Intelligence), ce marché est supérieur à celui de
  la géomatique

6
Origine linformatique décisionnelle

• Le BI est orienté vers la prise de décision via
  lexploitation de  cubes de données 
• données agrégées ou synthèses
• plusieurs niveaux de détail
• Temps espace thèmes d'analyse
• Le BI inclut
• Entrepôts de données (ED), marchés de données
• Tableaux de bord/rapporteurs/requêteurs (TB/R/R)
• OLAP (On-Line Analytical Processing)
• Data Mining (fouille automatique de données) (DM)

7
Origine la géomatique décisionnelle

• Le BI nest apparu que récemment pour les données
  spatiales
• 1996-2000 précurseurs
• Prototypes universitaires précurseurs
• - U. Laval - U. Simon Fraser - U. Minnesota
• 2001-2004 innovateurs (early adopters)
• Prototypes universitaires avancés
• Premières applications dans lindustrie
• 2005-... jeune maturité
• Grand nombre dapplications ad hoc
• Arrivée des technologies SOLAP, tableaux de bord
  et open-source facilitant le développement
  dapplications géodécisionnelles

8
Origine la géomatique décisionnelle
Nature géospatiale desdonnées
SIG
EDG SOLAP TB/R/R-G SDM
Géospatiale Non-géospatiale
SGBD
ED OLAP TB/R/R DM
Nature décisionnelle des données
De détail De synthèse
9
Caractéristiques de la géomatique décisionnelle

• Traite les données cartographiques
• Visualisation/compréhension
• Navigation/exploration
• Statistiques/analyses

10
Géomatique décisionnelle pour qui ?
11
Etat de lart

• Entrepôts de données géospatiales
• Les utilisateurs font surtout appel à des
  technologies régulières (SGBD enrichis, SIG)
• La plupart des entrepôts ne sont pas en cube
• Plusieurs applications géodécisionnelles ne font
  pas dentrepôt mais font plutôt un ou plusieurs
  Datamarts
• Datamarts de données géospatiales
• Cubes avec mesures (statistiques) spatiales,
  liées à des cartes par niveau dagrégation
• Pas dagrégateurs spatiaux pour générerles
  mesures spatiales
• Pas de représentations géométriquesmultiples
  avec liens de forage

12
Etat de lart

• SOLAP
• Premières solutions  clients  commerciales
  2005
• Première solution intégrée au monde sortie du
  CRG
• Pas encore de serveur SOLAP dédié au spatial
  (donc utilise serveurs OLAP ou relationnels)
• Cubes relationnels ou multidimensionnels, selon
• la technologie utilisée
• le contrôle désiré sur les agrégats
• le temps de développement/peuplement que lon
  peut y consacrer
• Tableau de bord géodécisionnel/rapporteur/requêteu
  rs
• Intégration supportée de fonctions SIGet SOLAP
  minimales

13
Etat de lart

• Spatial Data Mining
• Beaucoup a été fait en RD pour le spatial
  non-géo, mais très peu pour le géospatial qui
  présente souvent des contraintes géographiques à
  respecter (ex. relief, réseau routier)
• Principale difficulté actuelle de la
  géomatiquedécisionnelle peuplement des cubes
  géospatiaux
• Comme pour les systèmes transactionnels

14
Etat de lart le défi de la référence spatiale
15
Etat de lart le défi de la référence spatiale

• L'aggrégation des données fines pour obtenir les
  données agrégées est parfois non-automatisable
• Discordance entre agrégation spatiale et
  généralisation cartographique
• Discordance entre sources à différentes échelles
• Prise en compte des fonctions d'analyse spatiale
  et spatio-temporelles
• Évolution du découpage territorial (ex. fusions)
• etc.

16
Impacts

• Les premières applications géodécisionnelles sont
  cartographiquement simples
• Cest déjà un grand pas vers lavant !
• La facilité et rapidité dobtention de
  linformation géospatiale agrégée offre de
  nouvelles possibilités non-imaginées auparavant
• Met en valeur les données des SIG
• Élargit le cercle dutilisateurs de lIG
• Requiert une nouvelle expertise et technologie
  supplémentaire pour la mise en uvre et la
  maintenance
• Intérêt accru sur la qualité des données etles
  avertissements contextuels

17
Approches de développement

• Pas encore besoin de démarche car peu utilisée
• Spatial Data Mining (plutôt du domaine RD)
• Démarches traditionnelles, peu modifiées
• Entrepôts de données/datamarts
• Tableaux de bord géodécisionnels
• Requêteurs/rapporteurs géodécisionnels
• Démarches nouvelles, enrichissant les approches
  traditionnelles
• SOLAP

18
Approches pour le développement dapplications
SOLAP

• Ad hoc, programmation propriétaire et spécifique
  à une application.
• Couplage des capacités SIG OLAP
• SIG dominant
• OLAP dominant
• SOLAP intégré

• Loutil dominant offre lensemble de ses
  fonctionnalités mais un sous-ensemble seulement
  des fonctions de loutil minimal.- Linterface
  graphique provient de loutil dominantou est
  développé par-dessus les deux logiciels.

19
Approches pour le développement dapplications
SOLAP

• 1- Ad hoc, programmation propriétaire
• Typiquement utilisée pour développer une
  application pour un besoin spécifique sans
  utiliser de serveur OLAP ou de librairies SIG.
• Avantages
• Peut répondre parfaitement aux besoins, ni plus
  ni moins.
• Inconvénients
• Très coûteux.
• Très long délais avant livraison.
• Lourd à maintenir.
• Très difficile à modifier pour dautres usages.
• Applications dites en silo.

20
Approches pour le développement dapplications
SOLAP

• 2- OLAP dominant
• Application développée autour dun serveur OLAP.
• Les fonctions OLAP sont dominantes et les
  fonctions SIG sont minimales.
• Ex. zoom, déplacement, sélection, gestion des
  couches actives.
• Parfois, forage spatial minimal.
• Avantages
• Supporte lexploration et la visualisation OLAP.
• Utilise les capacités dun serveur OLAP.
• Adéquat pour des besoins dexploration et de
  visualisation cartographiques simples.

21
Approches pour le développement dapplications
SOLAP

• OLAP dominant
• Inconvénients
• Nécessite des analyses complexes pour fournir une
  interface à lusager élégante et efficace.
• Requiert des mois de programmation.
• Les alliances récentes entre les fournisseurs
  OLAP et SIG simplifient grandement ces
  développements
• Nombre limité de dimensions spatiales et
  danalyses.
• Interactions limitées.
• Sintègre mal au processus complexe demise à
  jour des données spatiales.

22
Approches pour le développement dapplications
SOLAP

• 3- SIG dominant
• Applications développées autour dun SIG et dun
  SGBD.
• Fonctions SIG prédominantes et fonctions OLAP
  minimales.
• Ex. Forage et remontage sur un tableau
• Avantages
• Supporte la cartographie thématique propre aux
  SIG.
• Utilise des capacités danalyses spatiales.
• Adéquat lorsque les cartes ont une importance
  principale et que les tableaux et
  graphiquesrestent simples.

23
Approches pour le développement dapplications
SOLAP

• SIG dominant
• Inconvénients
• Nécessite des analyses complexes pour fournir une
  interface à lusager élégante et efficace.
• Requiert des mois de programmation.
• Les alliances récentes entre les fournisseurs
  OLAP et SIG simplifient grandement ces
  développements
• Interactions limitées.

24
Approches pour le développement dapplications
SOLAP

• 4- SOLAP intégré
• Haut niveau de fonctionnalités pour les vues et
  données spatiales et non-spatiales.
• Intégration sophistiquée et synchronisée des
  fonctions OLAP et SIG.
• Avantages
• Interface à lusager plus efficace.
• Fonctions plus riches.
• Ex. exploration synchronisée des cartes, tableaux
  et graphiques.
• Sintègre bien au processus complexes de mises à
  jour des données spatiales.
• Requiert ou non des SIG ou OLAP(peut exploiter
  directement les données).

25
Approches pour le développement dapplications
SOLAP

• Avantages avec une technologie client SOLAP
  intégrée (ex. Jmap Spatial OLAP).
• Ne requiert pas defforts de programmation.
• Inconvénients avec des solutions  bridge 
  SIG-OLAP
• Nécessite des analyses complexes pour fournir une
  interface à lusager efficace.
• Requiert passablement de développement
• Élimine la plupart des inconvénients
  dessolutions 1, 2 et 3
• Le défi du peuplement du cube demeurepeu importe
  lapproche utilisée

26
La recherche se poursuit pour réduire les
inconvénients
Hydro-Québec
Défense Canada
Kheops
Syntell
Transport Québec

• Chaire de recherche industrielle CRSNG
• 4M
• 5 ans

RNCan
Intélec
U. Laval
Holonics
27
Conclusion

• Certaines technologies sont là pour la géomatique
  décisionnelle
• De nouvelles technologies vont venir alléger le
  peuplement des cubes de données géospatiales
• Ex. serveurs SOLAP
• Ces technologies vont de plus en plus interopérer
• Ex. SOLAP et tableaux de bord géodécisionnels
• Ex. SOLAP et Spatial Data Mining
• Ex. serveur SOLAP et SIG
• Intégration du monde open-source
• Intégration du multimédia
• Systèmes gérant la qualité de linformation
  etoffrant des avertissements contextuels