ArcGIS GeoAnalytics Engine 1.1, plus d'analyse spatiale pour vos Big Data !

ArcGIS GeoAnalytics Engine apporte de puissantes capacités d'analyse spatio-temporelle et de data science sur des Big Data de vos environnements cloud et de vos entrepôts de données, tout cela en s'appuyant sur l'environnement de traitement distribué Spark. Les spécialistes du traitement des données peuvent tirer parti d'une bibliothèque complète de fonctions, d'outils et d'utilitaires spatiaux qui permettent de résoudre des questions d'intelligence spatiale à grande échelle.  Esri vient d'annoncer la disponibilité d'une nouvelle version 1.1 d'ArcGIS GeoAnalytics Engine qui introduit plusieurs fonctionnalités et capacités nouvelles que je vous propose de découvrir.

Cette version offre des nouvelles possibilités en matière d'analyse et d'indexation. Le nouvel outil Snap Tracks prend en charge un ensemble de données de positions et la génération d'une copie qui ajuste les données pour s'aligner sur les lignes d'un réseau (généralement routier ou ferré). La capture est basée sur des considérations telles que la distance du point à la ligne et les observations précédentes et futures. Il peut être utilisé pour améliorer la visualisation des données de voie ainsi que d'autres analyses en aval telles que le calcul d'itinéraires plus précis et des modèles de comportement de mouvement.

Un autre nouvel outil, Nearest Neighbors, identifie un nombre donné d'enregistrements spatiaux les plus proches de chacun d'un ensemble d'enregistrements spatiaux en entrée. Il s'agit d'une capacité d'enrichissement utile qui peut être utilisée pour répondre à des questions telles que la détermination des ressources candidates pour répondre à une demande (dans des flux de travail commerciaux ou logistiques par exemple), ou la catégorisation des concurrents les plus fréquents pour mes points de vente ainsi que la synthèse de leur proximité moyenne.

Les utilisateurs auront également à leur disposition plusieurs nouvelles fonctions spatiales dans cette nouvelle version 1.1. Plus particulièrement, vous découvrirez de nouvelles fonctions comme ST_H3Bin / H3Bins et ST_BinId qui permettent d'indexer les données selon la spécification H3 bin, qui est un système d'indexation géospatiale hiérarchique couramment utilisé pour regrouper facilement les données ponctuelles et afficher des modèles de haut niveau. D'autres nouvelles fonctions, ST_ClosestPoint et ST_ShortestLine (et leurs équivalents géodésiques), continuent d'élargir l'ensemble des utilitaires de proximité dans GeoAnalytics Engine, et le nouveau ST_Densify / GeodesicDensifypermettent d'ajouter des sommets et de raccourcir la longueur des segments sur des entités complexes, ce qui peut prendre en charge les flux de travail autour de l'alignement des jeux de données provenant de différentes sources.

La prise en charge de certains formats de données a été élargie dans cette version 1.1 pour inclure les données GeoJSON en entrée et en sortie des opérations, permettant ainsi aux utilisateurs de travailler avec des sources de données assez classiques en Data Science. De plus, les données peuvent désormais être lues et écrites au format GeoParquet. Le format GeoParquet est un format de plus en plus populaire dans les workflows de traitement Big Data, et sa prise en charge par GeoAnalytics Engine élargit la possibilité pour les utilisateurs de travailler directement ce type de données directement depuis leurs Data Lake et leurs Data Warehouse.

Les Data Scientists travaillant en collaboration avec des géomaticiens seront heureux d'apprendre qu'Esri a ajouté la prise en charge l'enregistrement des données de sortie dans les services d'entités hébergés dans ArcGIS Enterprise ou ArcGIS Online. En utilisant GeoAnalytics Engine dans un script ou un Notebook, les utilisateurs peuvent désormais enregistrer les données de sortie de leur traitement Big Data dans une nouvelle couche, écraser une couche existante ou les ajouter à une couche déjà présente sur le portail ArcGIS. Et tout se fera très simplement, à l'aide de Spark DataFrameWriter. Ces options simplifiées de stockage des données en sortie dans des couches SIG facilitent la visualisation des résultats d'analyse et le partage de produits d'information (cartes, apps, dashboards, ...) pour la prise de décision stratégique.