Het belang van Geospatial Analytics

Geospatial analytics, ook wel ruimtelijke analyses, zijn analyses waarbij ruimtelijke data wordt gebruikt voor het krijgen van beter inzicht. Dit kan zeer waardevol zijn voor jouw organisatie. Data gevisualiseerd op kaarten stimuleert samenwerkingen, maakt besluitvorming beter en eenvoudiger, bespaart kosten en stroomlijnt processen. Maar wat bedoelen we nu precies met geospatial analytics? In deze blog ga ik er uitgebreid op in!

Wat verstaan we onder geospatial analytics?

Om te begrijpen wat geospatial analytics zijn, is het handig te denken aan vragen die voor iedereen herkenbaar zijn. Dit zijn vragen als "waar heb ik mijn auto geparkeerd?", "waar is de dichtstbijzijnde supermarkt?" of "waar hebben ze de beste pizza's?". Ongeveer 80% van alle data bevat een locatiecomponent, bedenk maar eens wat de potentie van ruimtelijke analyse is voor jouw organisatie. 

Om duidelijk te maken wat Geospatial Analytics kan betekenen voor jouw organisatie, laten we een uitstapje maken met Anna, die een jaar geleden een restaurant is begonnen en haar restaurant naar een volgend niveau wil brengen, door geospatial data naar het volgende niveau te brengen

De verschillende niveaus van de Geospatial Maturity Index worden toegelicht in dit blogartikel en het webinar 'Een ruimtelijk perspectief op Business Intelligence'.

Geef het een locatie en zet het op een kaart

Anna heeft veel gasten die zich hebben ingeschreven voor haar nieuwsbrief en zij hebben hun adres ingevuld toen zij zich inschreven voor de nieuwsbrief. Door gebruik te maken van een geocoding service, kan zij XY-coördinaten toevoegen aan de adressen. Nu kan ze de coördinaten op een kaart zetten, en zoals ze verwachtte wonen veel mensen die zich hebben ingeschreven voor de nieuwsbrief in de buurt van het restaurant, maar ze ziet ook enkele clusters in andere delen van de stad. Aangezien de mensen die verder weg wonen minder geneigd zijn om spontaan langs te komen, vraagt ze zich af of het interessant zou zijn om een bezorgdienst te beginnen.

Ruimtelijke analyse met clustergebieden

Ze stelt voor zichzelf een aantal eisen, zoals dat de reisafstand voor de bezorging maximaal 20 minuten mag zijn. Haar volgende vraag is hoeveel adressen van de mensen die de nieuwsbrief ontvangen liggen binnen een rijafstand van 20 minuten? En zou het mogelijk zijn een optimale route te vinden om op dezelfde route op meerdere adressen te bezorgen? Met een ruimtelijke analyse komt ze erachter dat ze binnen 20 minuten kan bezorgen bij de clustergebieden van gasten. En dat als ze meerdere gasten in verschillende clusters heeft en er zelfs een optimale route is, zodat ze nog steeds binnen 20 minuten kan bezorgen. Zelfs bij meerdere gasten die in verschillende gebieden wonen.

Combineer data en vind patronen

Ze bedenkt dat als ze alleen zou bezorgen bij de mensen die de nieuwsbrief ontvangen, dat het financieel niet interessant zou zijn om een bezorgservice op te zetten. Aangezien haar gasten in bepaalde gebieden lijken te wonen, vraagt ze zich af of haar gasten gerelateerd kunnen worden aan bepaalde demografische gegevens.

Op de kaart voegt ze data rond demografie toe, aangeleverd door een externe partij, en ziet direct dat er een relatie is tussen leeftijd en inkomen en de gasten die ze heeft. Door de laag van de maximale bezorgafstand toe te voegen, komt ze erachter dat er een buurt is die dezelfde demografie heeft als de meeste van haar gasten, maar waar ze bijna geen abonnees heeft voor haar nieuwsbrief. Ze besluit een marketingcampagne te starten voor haar startende bezorgers in de buurten met de juiste demografie binnen bezorgafstand, en met een extra focus op de buurt waar ze nog bijna geen abonnees heeft.

Locatiescenario's voor bezorgservice

Na een jaar is ze gestart met de bezorgservice, de zaken gaan goed en ze kan gaan nadenken over het starten van nog een locatie. Maar wat moet ze doen? Een restaurant beginnen aan de andere kant van de stad? Of beginnen in een compleet nieuwe stad? Ze begint opnieuw door een aantal eisen aan zichzelf te stellen. Ze wil mensen bereiken die nu niet op bezorgafstand zitten en er mag geen overlap zijn in de bezorggebieden. Ook wil ze dat het restaurant in een buurt ligt met veel mensen die overeenkomen met het demografische beeld van haar gasten, en ten minste drie andere hotspots in het bezorggebied. Door op basis van haar eisen locatiescenario's op de kaart te maken, komt ze erachter dat er een stad in de buurt is met de beste zakelijke kansen en ze besluit in die stad een nieuw restaurant te beginnen.

Wat kun jij met geospatial analytics?

Deze voorbeelden laten zien hoe Anna geospatial analytics gebruikt, gebruikmakend van gegevens van haar restaurant en externe data. En het is een vereenvoudigd voorbeeld, jouw organisatie heeft waarschijnlijk meer data silo's. Maar het laat duidelijk zien wat het voordeel is van ruimtelijke gegevens. En het is niet beperkt tot deze voorbeelden, je kunt namelijk de component van tijd, 3D en realtime sensorgegevens toevoegen. Bijvoorbeeld om een real time operationeel beeld te creëren van een fabriek, van een logistiek proces, van het beheer van activa of van operatoren in het veld. Het volgende niveau zou het gebruik van Data Science zijn. En zoals in het geval van Anna, wordt waarde gecreëerd door ruimtelijke gegevens te combineren met andere bedrijfsgegevens. En onze ervaring is dat dit het geval voor veel organisaties. Maar waar te beginnen met jouw organisatie? De eerste stap is om uit te zoeken waar spatial analytics jou de meeste ROI zou kunnen bieden. Welke uitdaging is actueel en zou kunnen worden opgelost met behulp van geospatial analytics.