Görselleştirme Olmadan Konumsal Analiz Kullanma

Transkript

1 Görselleştirme Olmadan Konumsal Analiz Kullanma

2 Örnek 1 Yerel yönetimler vatandaşlarının mülklerinin yakınında bulunan kütüphane, toplu taşıma araçları ve atık toplama alanları ve çevrelerinde gelişen olaylarla (örneğin; planlanan uygulamalar ve yol çalışmaları) ilgili kolaylıklar sağlayarak bütün bunları tek bir yerde sunmak ve raporlamak istiyor. 2

3 Örnek 2 Bir araç kasko şirketi bir kazadan sonra müşterilerinin arayabileceği çağrı merkezine sahiptir. Çağrı merkezi personeli müşteriden detayları alarak onarımın yapılacağı tamirhaneye yönlendirmeyi sağlar. 3

4 Örnek 3 Mortgage eksperleri genellikle ipotek edilecek yeni bir mülkün gerçek değerini doğru bir şekilde değerlendirmekle yükümlüdür. Karşılaşılan zorluklar ise konumsal değerlendirmelerdeki karmaşa; karşılaştırılmalı satışlar ve potansiyel risktir. Mülkün gerçek anlamda değerlendirilebilmesi için çok büyük miktarda veri gerekebilir. 4

5 Verilere Konum Perspektifi Sağlamak Zenginleştirme Analiz Etme İyileştirme Organize Etme 5

6 56 Via Po Rome

7 Adres: Via Po Rome Rm Italy Grid Referansı (espg 4326) X: Y: Seçim Bölgesi Camera Collegio: Senato Collegio: Roma-Trieste Roma Parioli Trieste Turistik Yerler: Mausoleo Di Lucilio Peto Villa Albani 271 m Ipogeo Di Via Livenza 309 m Via Salaria 669 m Porta Pia 815 m 102 m Toplu Taşıma: OtobüsDurakları Po-Simeto 75 m Po-Simeto South 133 m Tartini 153 m Salaria-Adda 161 m Spontini 193 m Bankalar: Banca Monte Dei Paschi Unicredit Spa 224 m Unicredit Spa 241 m Banca Intermobiliare 248 m Intensa Sanpaolo Spa 279 m 86 m Metro İstasyonları: Metro-Castro Pretorio 998m

8

9 Verilere Konum Perspektifi Sağlamak İyileştirme Organize Etme Zenginleştirme Analiz Etme 9

10 İyileştirme 56 Via Po, Rome Via Po Rome Rm Italy 10

11 Verilere Konum Perspektifi Sağlamak Analyse İyileştirme Organize Etme Zenginleştirme 11

12 Organize Etme Cadde Via Po Apartman Numarası 56 Şehir Rome Ülke Italy Posta Kodu Bölge Rm Grid Referansı (espg 4326) X: Y:

13 Verilere Konum Perspektifi Sağlamak Analiz Etme İyileştirme Organize Etme Zenginleştirme 13

14 Zenginleştirme Grid Referansı (espg 4326) X: Y: Seçim Bölgesi Camera Collegio: Senato Collegio: Roma-Trieste Roma Parioli Trieste 14

15 Verilere Konum Perspektifi Sağlamak İyileştirme Organize Etme Zenginleştirme Analiz Etme 15

16 Analiz Etme X: Y:

17 Örnek 1 e geri dönersek Yerel yönetimler vatandaşlarının mülklerinin yakınında bulunan kütüphane, toplu taşıma araçları ve atık toplama alanları gibi tesislerle ilgili kolaylıklar sağlayarak bütün bunları tek bir yerde sunmak ve raporlamak istiyor. Temel olarak kullanıcı tarafından doldurulan basit bir web formu ile veri akışını Adres Doğrulama, Coğrafi Kodlama ve LIM in mekânsal yetenekleri kullanılarak yapılabildiğini gördük. Sonuç: Kullanımı kolay kişisel servis bilgi portalı. 17

18 Örnek 2 ye geri dönersek Bir araç kasko şirketi bir kazadan sonra müşterilerinin arayabileceği çağrı merkezine sahiptir. Çağrı merkezi personeli müşteriden detayları alarak onarımın yapılacağı tamirhaneye yönlendirmeyi sağlar. Çağrı merkezi operatörü müşteri adresi ve aracın marka/modelini içeren verileri ekranda görür. Veri girildikten sonra, adresi doğrulayarak ve onu coğrafi olarak kodlayarak bir veri akışı başlatılır. Bu coğrafi kod daha sonra aracın marka/ modelini ele alabilen, kullanıcılar tarafından yüksek oranla derecelendirilmiş tamirhanelerin adresini belirli bir yarıçap dahilinde veri tabanında kontrol eder. Sonuç: Uygun bir tamirhane için hızlı geri dönüş, Çağrı merkezi eğitim ihtiyaçlarını aza indirgemek. 18

19 Big Data December 10, 2018 Pitney Bowes 19

20 Spectrum Big Data Bileşenleri. MapReduce, Hive UDF ve Spark-tabanlı uygulamaları destekler Spectrum TM for Big Data SDK'ları ile veri kalitesi ve coğrafi alan teknolojisiyle büyük veri çerçevelerini etkinleştirme Big Data için Spectrum Veri Kalitesi Big Data için Spectrum Spatial Advanced Matching Universal Addressing Data Normalization Universal Name Global Geocoding Location Intelligence Enterprise Routing Geoenrichment Module 20

21 Big Data İçin Spectrum Spatial Modülleri MapReduce, Hive UDF and Spark-based uygulamaları destekler. Modül Big Data için Spectrum Geocoding Özellikler Global forward geocoding Global reverse geocoding 145 ülke için daha iyi sokak seviyesi Çeşitli hasassiyet seviyelerinde desteklenen 245 ülke Spectrum TM for Big Data SDK'ları ile veri kalitesi ve coğrafi alan teknolojisiyle büyük veri çerçevelerini etkinleştirme Big Data için Spectrum Spatial Big Data için Spectrum Location Intelligence En yakınını bul Nokta ve poligon Mekansal birleştirme Noktaya, şekle çizgiye göre uzaklık Advanced Matching Universal Address-ing Data Normaliz-ation Universal Name Global Geo-coding Location Intelligence Enterprise Routing Geoenrichment Module Big Data için Spectrum Routing Küresel rota üretimi, izochrone, izodistance Yürüyüş/Sürüş Zamanı Noktadan noktaya hesaplama 21

22 Big Data için Spectrum Spatial Modulleri MapReduce, Hive UDF and Spark-based uygulamaları destekler. Modül Spectrum Adres Eşleştirme Özellikler Anahtar oluşturucu ile eşleştirme İç akış/dış akış eşleştirme İşlemsel Eşleştirme En iyi tür Tekrar Eden Senkronizasyon Spectrum TM for Big Data SDK'ları ile veri kalitesi ve coğrafi alan teknolojisiyle büyük veri çerçevelerini etkinleştirme Big data için Spectrum Data Quality Spectrum Data Normalizasyonu Tablo Araması Advance transformer Ayrıştırıcıyı Açma Advanced Matching Universal Addressing Data Normalization Universal Name Global Geo-coding Location Intelligence Enterprise Routing Geoenrichment Module Spectrum Evrensel Ad Küresel Ad Çözümleyici İsim/Kullanıcı Adı Sözlüğü Spectrum Evrensel Adresleme 240 ülkede desteklenen Küresel Adresleme 22

23 Örnek 3 e geri dönersek Mortgage eksperlerigenellikle ipotek edilecek yeni bir mülkün gerçek değerini doğru bir şekilde değerlendirmekle yükümlüdür. Karşılaşılan zorluklar ise konumsal değerlendirmelerdeki karmaşa; karşılaştırılmalı satışlar ve potansiyel risktir. Mülkün gerçek anlamda değerlendirilebilmesi için çok büyük miktarda veri gerekebilir. Pitney Bowes, Amerika Birleşik Devletleri'ndeki her özellik hakkında 7000'den fazla öznitelik içeren Hadoop ta yerleşik olarak depolanan büyük ve endeksli bir veri deposu sağlar. Bu 875 Milyar Öznitelik içerir. Ek olarak, Amerika Birleşik Devletleri ndeki her mülkün derinlemesine ve zenginleştirilmiş görünümünü oluşturmak için veri deposundaki diğer mülkiyetlerin kaynaklarının özelliklerini Hadoop işlemlerine yerel olarak olanak sağlıyoruz. Mortgage işlemlerinde veri depolarının büyük bölümünü işlevsel hale getirmek için güçlü sorgu yetenekleri sağlıyoruz. Sonuç: Amerika Birleşik Devletleri'ndeki her mülkün gerçek değerini daha derinden anlayarak, ipotek oluşturucuların, üstlendikleri herhangi bir mülkün gerçek değerini daha doğru bir şekilde değerlendirmelerini sağlıyoruz. Finansal hizmetlerle müşterilerimiz tarafından taşınan ipoteklerin kişisel veri depomuzda güçlü sorgulama araçları ile derin bir kaynak oluşturmasını sağlıyoruz. 23

24 Veri 24

25 Big Data bulgularınızı daha da zenginleştirmek için güçlü bir küresel veri kümesinden seçim yapın.

26 uk.linkedin.com/in/andymillardpbs/