Géomatique décisionnelle La place de la Géomatique Décisionnelle dans le processus de décision - Arnaud Van De Casteele Mines ParisTech - CRC Arnaud {dot} van_de_casteele {at} mines-paristech.fr Les rencontres SIG La Lettre 1/28 17-05-2011
Plan Objectifs Entrepôt de données d Générale Géodécisionnel, concepts et champs d'applications Historique Le décisionnel, des besoins spécifiques Entrepôt de données spatiales Architecture géodécisionnelle Les étapes d'un projet géodécisionnel L'analyse des besoins et des ressources Préparation des données Stockage des données Représentation des données à la base de données Gaspar des données sources Modèle multidimensionnel Volumétrie de la base & exemples de requêtes Implémentation dans Map4Decision 2/28
Plan Objectifs Entrepôt de données d Objectifs Comprendre les concepts de l'informatique (Géo)Décisionnelle Identifier les étapes d'un projet décisionnel 3/28
Historique Besoins spécifiques Entrepôt de données Architecture géodécisionnelle Pourquoi l'informatique décisionnelle? Années 90 Augmentation des données disponibles Incohérences entre les différentes sources Architecture inadaptée au contexte décisionnel Ralentissement / Surcharge des systèmes opérationnels Codd et al, Providing OLAP to User-Analysts: An IT Mandate, 1993 Quel constat pour les SIG actuels? Aujourd'hui Des données de plus en plus abondantes Produites de manière individuelle ou par service Inadéquation des logiciels SIG à soutenir le processus décisionnel (temporalité, agrégation..) IT RoadMap to a geospatial future, 2003 Cai et al, Human-GIS Interaction Issues in Crisis Response, 2005 4/28
Historique Besoins spécifiques Entrepôt de données Architecture géodécisionnelle A qui s'adresse l'informatique décisionnelle Acteurs Décisionnel décisions Problèmes non structurés Décision à long terme Données agrégées Préfet Experts du domaine Problèmes semi structurés Officiers, Décision à moyen terme Responsable d'intervention Données atomiques / agrégées Stratégique Opérationnel informations Problèmes structurés Décision à court terme Pompiers Données atomiques policiers Pyramide d'anthony 1965 5/28
Historique Besoins spécifiques Entrepôt de données Architecture géodécisionnelle Comparaison Opérationnel / Décisionnel Utilisateur Système Opérationnel Décisionnel Données orientées application Données orientées utilisateur Boite à outils Processus et analyses métier déjà implémentés Données atomiques Données atomiques et agrégées Requêtes simples Requêtes complexes Modélisation entités/relations Modélisation multidimensionnelle Mises à jour fréquentes Mises à jour contrôlées Optimisation du stockage Optimisation des temps de réponse 6/28
Historique Besoins spécifiques Entrepôt de données spatial Architecture géodécisionnelle Entrepôt de données «L'entrepôt de données (Data Warehouse) est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d'un processus d'aide à la décision» Inmon, Building the data warehouse, 1996 7/28
Historique Besoins spécifiques Entrepôt de données spatial Architecture géodécisionnelle Union du décisionnel et des SIG Rapidité d'exécution des requêtes Modèle de données plus facile Utilisation intuitive, etc... 80% des données possèdent une référence spatiale Pouvoir d'abstraction de la carte Mode d'exploration privilégié, etc... SOLAP : «Plateforme visuelle conçue spécialement pour supporter une analyse spatio-temporelle rapide et efficace à travers une approche multidimensionnelle qui comprend des niveaux d agrégation cartographiques, graphiques et tabulaires» Bedard, Geospatial Data Warehousing, 1997 Caron, Étude du potentiel OLAP pour supporter l'analyse spatio-temporelle, 1998 Rivest et al, Toward better support for spatial decision making, 2001 8/28
Historique Besoins spécifiques Entrepôt de données spatial Architecture géodécisionnelle Cube de données spatial Exemple de requête : Quel est le nombre d'arrêtés de catastrophes naturelles en 2008 par commune Risques Temps Somme Moyenne France Région Dép Communes 5 124 Dimensions Somme Moyenne 5 124 Faits Mesures 9/28
Historique Besoins spécifiques Entrepôt de données spatial Architecture géodécisionnelle Cube de données spatial Exemple de requête : Quel est le nombre d'arrêtés de catastrophes naturelles ces 10 dernières années par région? Risques Temps Drill-up Agrégation spatiale et temporelle France Région Dép Communes 10/28
Historique Besoins spécifiques Entrepôt de données spatial Architecture géodécisionnelle Les composantes de l'architecture géodécisionnelle 11/28
Analyse besoins & ressources Préparation des données Stockage des données Représentation des données Audit des besoins et des ressources Identifier les indicateurs de performance à implémenter Lister les différentes sources de données disponibles Conceptualiser le modèle multidimensionnel Accompagner les utilisateurs dans l'appropriation de l'outil 12/28
Analyse besoins & ressources Préparation des données Stockage des données Représentation des données Extraction, transformation et chargement Capter les différentes données sources Homogénéiser les données sources Calcul / Agrégation des données pertinentes Insertion dans l'entrepôt de données spatiales FME Geokettle Spatial Data Integrator www.safe.com/ www.spatialytics.org/projects/geokettle/ www.talendforge.org/wiki/doku.php?id=sdi:mainpage ETL DW SOLAP 13/28
Analyse besoins & ressources Préparation des données Stockage des données Représentation des données Stockage des données Relational OLAP (ROLAP), Multidimensional OLAP (MOLAP), Hybrid OLAP (HOLAP) Spatial OLAP (MOLAP), ajout de la composante spatiale Relational OLAP (ROLAP) est le plus couramment utilisé Nécessite d'avoir une modélisation multidimensionnelle Possibilité d'utiliser les moteurs de bases de données relationnelles (Postgres/gis, MySql, Oracle, etc) kimball, The Data WareHouse toolkit, 1996 Temps Risque Faits Zones Modélisation multidimensionnelle Organisée sous forme de - Dimensions ETL - Faits - mesures DW SOLAP 14/28
Analyse besoins & ressources Préparation des données Stockage des données Représentation des données Moteur & client SOLAP Interpréte les requêtes du client Interface multi-modale (carte, graphiques, tableaux, etc) Requêteur multidimensionnel (spatial drill-up, slic, etc) SAS Bridge for Esri GeoMondrian & SolapLayers www.sas.com/products/bridgeforesri/ www.spatialytics.org/projects/geomondrian/ Map4Decision www.intelli3.com/fr/map4decision.php ETL DW SOLAP 15/28
Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation Base de données Gaspar Recense les documents d'informations préventive ou à portée réglementaire sur les risques naturels Données : PPR, AZI, Arrêtés Catnat Format :Dbf, Microsoft Access 23 Tables au total 16/28
Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation Modélisation en étoile 6 axes d'analyse (dimension) : Date, Risque, CatNat, Azi, PPR, Communes 5 Mesures : superficie, nombre d'habitants, nombre de risque par commune, etc 17/28
Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation Modélisation relationnelle gaspar Modélisation en étoile 18/28
Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation Stockage des données Base de données : Postgresql + cartouche spatiale postgis Alimentation via l'etl Talend & GeoKettle Temps de construction du cube pour deux dimensions 5 heures 242 211 lignes dans la table de faits pour uniquement deux dimensions SELECT COMMUNE.COD_REGION, Count(RISQUE_RN_RT.NUM_RN_RT) AS Nb_Risk FROM (RISQUE_RN_RT INNER JOIN (RISQUE_ALEA INNER JOIN RISQUE ON RISQUE_ALEA.NUM_ALEA = RISQUE.NUM_ALEA) ON RISQUE_RN_RT.NUM_RN_RT = RISQUE_ALEA.NUM_RN_RT) INNER JOIN ((REGION INNER JOIN (DEPARTEMENT INNER JOIN COMMUNE ON DEPARTEMENT.COD_DEPARTEMENT = COMMUNE.COD_DEPARTEMENT) ON REGION.COD_REGION = DEPARTEMENT.COD_REGION) INNER JOIN COMMUNE_RISQUE ON COMMUNE.COD_COMMUNE = COMMUNE_RISQUE.COD_COMMUNE) ON RISQUE.NUM_RISQUE = COMMUNE_RISQUE.NUM_RISQUE WHERE RISQUE_ALEA.NUM_RN_RT='1' OR RISQUE_ALEA.NUM_RN_RT='2' OR RISQUE_ALEA.NUM_RN_RT='3' GROUP BY RISQUE_RN_RT.NUM_RN_RT, COMMUNE.COD_REGION; SELECT "id_communes", "id_risque", "nb_risk_communes" FROM "faitsevents" WHERE ("id_communes" IN ('21Reg')) AND ("id_risque" IN ('3','1','2')) Requêtes Bd Relationnelle Requêtes Bd Dimensionnelle 19/28
Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation Map4Decision Développé par Intelli3 (www.intelli3.com/) Co-fondateur Professeur Yvan Bédard du CRG Laval (père du SOLAP) Ajoute de la composante SOLAP au moteur cartographique JMAP Interface d'administration SOLAP : Sélection des mesures, dimensions, etc Connexion à divers sources de données : Postgres/gis, pentaho, Access Interface client : multi-vues, plusieurs modes de représentation Gestion de la composante temporelle Synchronisation des différents composants (graphiques, cartes, etc) Calcul de nouevaux indicateurs 20/28
Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation Nombre d'inondations par région 21/28
Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation Nombre d'inondations par département pour les Alpes Maritimes 22/28
Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation Analyse des risques Naturels par département dans le Languedoc Roussillon 23/28
Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation Paramétrage de la symbologie 24/28
Réflexion sur le concept SOLAP : Avantages Utilisation intuitive par les utilisateurs même non spécialistes Requête rapides Gestion de volumes de données importants Gestion de la dimension spatiale et temporelle Amélioration du cycle décisionnel E SIG E Cycle décisionnel classique D A Cycle décisionnel avec SOLAP Solap D A E Évènement D Décideur A Action 25/28
Réflexion sur le concept SOLAP : Avantages Offre logicielle peu développée Nécessite la mise en place d'une architecture spécifique Mise en œuvre complexe Nécessite des compétences spécifiques pour la construction du système Temps de construction du cube non négligeable 26/28
Travaux futurs autour du SOLAP Intégration de données raster Intégration d'analyses spatiales poussées Interaction avec des composant de l'informatique décisionnel (métadonnées, qualité) Solap Mobile Géocollaboration 27/28
Van De Casteele Arnaud Arnaud {dot} van_de_casteele {at} mines-paristech.fr 04 93 95 75 77 Je vous remercie de votre attention Des questions? Remerciements à l'équipe d'intelli3 pour leur disponibilité 28/28