Was verstehen wir unter Location Intelligence? Wir geben einen Überblick, hier im Blog und auf der GIS Talk 2018 – der größten deutschsprachigen GIS-Konferenz.
Location Intelligence: Definition und Abgrenzung
In der letzten Digitalisierungsdekade hat sich GIS rasant weiterentwickelt – und kommt in immer mehr Unternehmensbereichen zum Einsatz. Für diese Entwicklung gibt es einen Begriff: Location Intelligence. Es ergänzt Business-Systeme und -Workflows um wertvolle GIS-Funktionalitäten, verknüpft Standortdaten mit anderen Datensätzen und deckt so räumliche Muster und Beziehungen auf. Auf diese Weise erhalten nicht nur GIS-Experten die Möglichkeit, ihre Analysen um die räumliche Komponente zu erweitern.
Doch wie grenzt sich Location Intelligence vom klassischen GIS ab?
Die Stärke von „schwergewichtigen“ GIS-Lösungen liegt in der Erfassung, Klassifizierung und Analyse historischer Daten mittels klassischer Geoprocessing-Tools.
Location Intelligence hingegen arbeitet verstärkt mit verknüpften Business-Daten. Neben klassischen Analysen stehen vor allem die Prognose, Optimierung und Echtzeitüberwachung von Ereignissen oder Sensoren und deren nachträgliche (Big Data-) Analyse im Fokus.
- Wie viele Ressourcen sind notwendig und wie sind diese zu organisieren?
- Wo soll ein neues Geschäft eröffnet oder ein bestehendes geschlossen werden?
- Wie sollten wir das Vertriebsnetz gestalten, um Zeit und Kosten zu sparen?
Mit der Verbreitung von Visualisierungstools und der rasanten Entwicklung des Internet of Things (IoT) wird Location Intelligence für alle Branchen zu einem integralen Bestandteil neuer Geschäftsmodelle.
Abbildung 1: Relevanz von Location Intelligence nach Branchen
QUELLE: DRESNER ADVISORY SERVICES 2018 LOCATION INTELLIGENCE MARKET STUDY
Location Intelligence und Business-Daten
- Steigerung des Umsatzes
- Senkung der Betriebskosten
- Reduzierung von Risiken
- Optimierung des ROI (Return of Invest)
- Verbesserung des Kundenservice
Die meisten Geschäftsentscheidungen, die zu diesen Zielen führen, basieren auf Standortdaten. Beispielsweise müssen Entscheidungsträger wissen, wo sich Vermögenswerte, Assets oder Ressourcen befinden, welchen aktuellen Status sie haben und wie sie verwendet werden können. Aktuelle und verlässliche Daten können hier entscheidende Antworten liefern – vorausgesetzt, sie werden richtig verknüpft und visualisiert.
Abbildung 2: Ad-hoc-Analysen mit Insights for ArcGIS
Geobasierte BI-Tools wie Insights for ArcGIS ermöglichen explorative ad-hoc-Analysen von Daten oder prozessieren Big Data im Batch mithilfe des ArcGIS GeoAnalytics Server. GIS-Professionals nutzen Smart Data Analyser in ArcGIS Pro oder ArcMap.
Abbildung 3: Smart Data Analyser, eine Erweiterung für ArcGIS Pro und ArcMap
Realtime und Big Data
Häufig müssen Daten in Echtzeit ausgewertet werden. Die Ortskomponente der sich bewegenden Assets spielt hierbei eine zentrale Rolle.
Ein Beispiel: Rund um Offshore-Windparks gibt es Sicherheitszonen. Nähert sich ein Schiff dieser Zone, die im Vorfeld mittels eines Geofence definiert wurde, kann Alarm ausgelöst werden. Hintergrund: Jedes Schiff sendet seine Position regelmäßig über AIS (Automatic Identification System).
Ähnlich funktioniert die Diebstahlssicherung von teuren Baustellenfahrzeugen, die den definierten Bereich einer Großbaustelle nicht verlassen dürfen.
Sensoren müssen jedoch nicht immer mobil sein und die Messwerte können auch zentral für nachfolgende Analysen gespeichert werden.
Ein weiteres Bespiel: Ein Unternehmen hat in ganz Deutschland rund 50 Millionen Messpunkte zu verwalten. Mehrfach täglich werden Messungen vorgenommen. Doch wie lässt sich hier eine performante Visualisierung und Analyse realisieren?
Eine Möglichkeit bietet die Aggregation der Messpunkte auf ein regelmäßiges Raster – oder wahlweise auf selbst definierte Flächen. Da der Zeitfaktor eine wichtige Rolle spielt, kann dieser direkt mit einfließen, ob als Raum-Zeit-Würfel oder als frei definierbare Raum-Zeit-Scheiben.
In diesen Szenarien kommt der ArcGIS GeoEvent Server bzw. der ArcGIS GeoAnalytics-Server zum Einsatz.
Abbildung 4: Schematische Darstellung einer Raum-Zeit-Analyse
Fazit
Location Intelligence macht deutlich, dass der Ortsbezug auch in nicht geozentrischen Bereichen (Business-Daten, Big Data und Realtime) eine große Rolle spielt. Die Ergänzung klassischer Analysemethoden um die Geo-Komponente eröffnet Unternehmen vollkommen neue Perspektiven. Entscheider erkennen dank moderner Visualisierungsmöglichkeiten räumliche Muster und Beziehungen, die bei klassischen Tabellen oder Diagrammen verborgen bleiben würden.