De verschillen tussen BI en spatial BI

Veel organisaties maken gebruik van business intelligence bij het nemen van belangrijke beslissingen. Op basis van trendanalyses, histogrammen en lijngrafieken wordt gekeken in welke richting de strategie moet veranderen. Bij Tensing zien we daar in veel gevallen nog een belangrijke component ontbreken: de kaart. In dit blog beschrijven de meerwaarde en geven we graag een voorbeeld van de extra inzichten die een spatial BI oplevert.

Wat is de meerwaarde van spatial BI?

De belangrijkste meerwaarde van spatial BI is wat mij betreft het snelle inzicht dat je krijgt dankzij de toevoeging van het geografische component van data. Naast informatie met cijfers, tabellen en grafieken zie je wáár die informatie plaatsvindt. In een stad kan je dan bijvoorbeeld denken aan informatie op straat-, buurt- of wijkniveau.

Een spatial BI zet data met een locatie component dus in het juiste perspectief. Daarnaast is het sterk om dit te combineren met data die eveneens locatie gebonden is en openbaar beschikbaar is. Dan kan je bijvoorbeeld denken aan data van het CBS en de KNMI. Vragen die je bijvoorbeeld dan kan beantwoorden zijn of er op regenachtige dagen in bepaalde wijken juist meer of minder overlast van fijnstof is.

Welke waarde heeft dat voor mij?

Business Intelligence oplossingen zijn er voor twee belangrijke doelen: inzicht leveren en actie ondernemen. De toevoeging van locatie versnelt beide processen. In jouw rol als data analist geef je sneller inzicht die een bredere doelgroep door de kaartvisualisaties sneller begrijpt. Daarnaast maak je de consequenties van bepaalde acties sneller inzichtelijk zodat ook het maken van de juiste keuzes wordt versneld. Een toegevoegde waarde is dat je op basis van de locatie data uit verschillende organisatieonderdelen met elkaar kan koppelen en daar nieuwe analyses op kan uitvoeren.

Welke keuzes kan ik wel maken met spatial BI en niet met een gewoon BI?

Welke keuzes je wel en welke je niet kan maken, kan ik eigenlijk het beste illustreren met een voorbeeld. De waterzuiveringsinstallatie in een stad distribueert het water via een complex leidingsysteem. In dat leidingsysteem zitten allerlei meetpunten om de kwaliteit van het water te controleren. In een traditioneel BI krijg je als output een tabel met daarin alle gegevens van alle meetpunten.

Als je de locatie toevoegt, kan je ook bepalen wat er tussen bepaalde meetpunten gebeurt.  Bij het vervangen van leidingen kan het waterbedrijf dus gaan kijken welke delen van de leiding het meest optimaal zijn voor de gestelde eisen en op basis daarvan keuzes maken. Bijvoorbeeld over de diameter, het materiaal, het aantal gemeten bacteriën enzovoorts. Zo kan je zaken aan elkaar relateren en allerlei analyses uitvoeren om uiteindelijk een betrouwbare conclusie te trekken.

Tegelijk kan je met deze informatie een kaart maken met daarop alle details over de actuele waterkwaliteit in bepaalde leidingen. Hiermee maak je snellere en gefundeerde beslissingen. Dankzij de geometrie uit het netwerk kan je dus veel diepgaandere analyses maken dan de standaard analyses in traditionele BI software.