Optimale integratie van GIS in het moderne datalandschap

Allereerst is inzicht nodig in de manier waarop de organisatie data opslaat en beschikbaar stelt. In een data lake, een data warehouse of een combinatie van de twee - een data lakehouse - wordt data centraal opgeslagen en beschikbaar gesteld aan de organisatie voor analyses en rapportages. In een data mesh wordt de data vanuit verschillende domeinen verzameld en aangeboden in de vorm van kant-en-klare dataproducten. Bij verschillende organisaties zien we dat het datalandschap op verschillende manieren wordt ingericht.  “Er is geen goed of fout", benadrukt Peer. “Wel heeft het implicaties voor hoe je met (geo)data omgaat.”

“Wat GIS uniek, maar ook complex maakt, is dat het zowel een bronapplicatie als een doelapplicatie is ", voegt Peer toe  . “Informatie uit GIS-applicaties komt in een data lake of data warehouse terecht of wordt toegepast in dataproducten. Tegelijkertijd zijn GIS-professionals afnemers van de gevalideerde en geprepareerde datasets en -producten, die zij weer toepassen in informatieproducten. Geografische gegevens spelen een centrale rol in veel opgaven. Het is daarom des te belangrijker om mee te denken over de inrichting van de data-architectuur.”

Bert Havekes, enterprise GIS-consultant bij Esri Nederland vult aan: “Door het gesprek aan te gaan met specialisten, zoals data-analisten en data-architecten, wordt duidelijk hoe de opzet van het datalandschap eruitziet, en hoe u geodata en GIS-applicaties daarin kunt integreren. Zo geeft u GIS een goede plek in het datalandschap.”

Hoe de data- en informatie-architectuur is ingericht, heeft allereerst implicaties voor het ontsluiten van data binnen GIS-applicaties. Bert: “Als de organisatie data centraal beschikbaar maakt in een data warehouse, kun je met Query Layers deze data inladen in ArcGIS Pro, en deze daarmee voor alle gebruikers/GIS-professionals beschikbaar maken. Als dat niet het geval is, zijn er ook andere opties. Om data rechtstreeks uit andere bronnen, zoals BIM-software of IoT-sensoren, te ontsluiten, biedt ArcGIS Enterprise de mogelijkheid om custom datafeeds te creëren. Om data uit andere bronnen in te laden in ArcGIS Online, is onlangs de Data Pipelines-functionaliteit geïntroduceerd. Voor imagery is er daarnaast een universele optie, namelijk de ArcGIS Image Server, waarmee gebruikers van zowel de desktop- als onlineversies van ArcGIS bij imagery uit de cloud kunnen.” Dit zijn slechts enkele voorbeelden hoe data kan worden ontsloten binnen ArcGIS.

"Daarnaast vraagt de opkomst van big data om nieuwe tools voor het verwerken en analyseren van data", vertelt Bert. “Er is ontzettend veel data en er komt continu data bij. Dan is het slepen van data van het ene naar het andere systeem niet altijd een optie.” Veel data-analisten maken gebruik van een systeem als Apache Spark of Python voor het uitvoeren van analyses, en ArcGIS GeoAnalytics Engine werkt binnen die omgeving en brengt de technologie naar de data toe in plaats van andersom, wat de snelheid ten goede komt. Bovendien zorgt het ervoor dat specialisten in hun gebruikelijke werkomgeving kunnen blijven werken. Daarnaast hebben analisten notebooks tot hun beschikking of maken ze gebruik van hun eigen analysetool dankzij de REST of Python API. Een unieke vorm van big data is realtime data. Om die te kunnen gebruiken in de GIS-omgeving is er de GeoEvent Server voor ArcGIS Enterprise en ArcGIS Velocity voor ArcGIS Online. De functies daarvan zijn ook weer via de API beschikbaar."

De combinatie van eigen data en open data, zoals kaartlagen in de ArcGIS Levende Atlas, leidt tot waardevolle inzichten. Voor het samenbrengen en inzichtelijk maken van deze data zijn er meerdere mogelijkheden. “ArcGIS sluit goed aan bij veel gebruikte tools, zoals PowerBI en Autodesk”, vertelt Bert. “Vaak gaat deze integratie twee kanten op (bijvoorbeeld Autodesk gegevens gebruiken binnen Esri-applicaties, maar ook Esri-services gebruiken binnen Autodesk). Er is een uitgebreide set API’s om die integratie vorm te geven. Daarnaast ondersteunt ArcGIS bekende (geo)datastandaarden, waaronder OGC-standaarden als GeoJSON en I3S. Mocht er een formaat beschikbaar komen dat niet standaard ondersteund wordt, dan is het dankzij custom data feeds en zogenaamde interoperability tooling alsnog mogelijk om die gegevens te gebruiken. Afdelingen die vaak onafhankelijk van elkaar werken, kunnen zo gegevens samenvoegen en overstijgende inzichten verwerven. Dit kan veel bedrijfsprocessen versnellen. Ook het onderbouwen en maken van keuzes wordt hiermee eenvoudiger."

Met de juiste tools in handen blijft geen enkele kans in deze razendsnelle ontwikkeling onbenut. “Gebruik de middelen die tot uw beschikking staan”, besluit Peer. “Zoek elkaar op, ga in gesprek en zorg dat GIS een plek krijgt in de data-architectuur. Als GIS-specialist ben je binnen de datagedreven organisatie een spin in het web. Door samen te werken met data scientists, architecten, BI-ers en iedereen die met data en informatie bezig is, ontstaat een moderne data-architectuur die aansluit bij de doelen van de organisatie en de waarde van GIS weet te benutten.”

Meer weten over datagedreven werken en hoe u geodata een goede plek geeft in uw datalandschap? Neem contact op of ga samen aan de slag met een van onze consultants.