Depuis déjà plusieurs années, les technologies du domaine de l’intelligence d’affaires (BI), comme les tableaux de bord et l’analyse en ligne OLAP, deviennent populaires dans le domaine géospatial. Bien entendu, une adaptation est nécessaire à ces produits afin de répondre aux problématiques particulières du domaine spatial. Dès 1995, une équipe de recherche de l’Université Laval dirigée par Dr Yvan Bédard développa son expertise autour d’une nouvelle technologie décisionnelle, le Spatial OLAP. Cette solution combine des composantes multidimensionnelles du monde BI aux capacités cartographiques des SIG. La technologie doit offrir un temps de réponse rapide (< 10 secondes) et un usage facile (sans nécessiter de langage SQL ou de connaissances en bases de données) pour être facilement adoptée par les analystes et décideurs. La technologie doit exploiter les données spatiales comme une partie intégrante de la navigation et offrir des fonctionnalités pour gérer ces objets spatiaux.

Depuis 2004, cette équipe soutient une chaire de recherche industrielle, financée par le CRSNG et 9 partenaires industriels, et oriente ses travaux sur les bases de données géospatiales pour l’aide à la décision. Par conséquent, à l’été 2007, une étude a été réalisée sur 10 produits commerciaux offrant des capacités combinées d’analyse multidimensionnelle et de cartographie. L’objectif de cette étude était d’identifier, à partir de caractéristiques fondamentales, les solutions les plus complètes pour l’analyse géospatiale décisionnelle.

Les caractéristiques fondamentales retenues pour de cette étude s’orientent sur deux aspects : l’architecture supportée et la richesse des fonctionnalités.

L’architecture supportée comprend une composante multidimensionnelle et une composante cartographique. Il existe plusieurs types de composantes cartographiques utilisées pour développer la solution (ex. visualiseurs vectoriels, visualiseurs cartographiques, SIG-Web et SIG). D’un autre coté, la composante multidimensionnelle utilisée (ex. serveur OLAP) améliore la gestion des cubes de données contrairement à une solution sans serveur utilisant une structure en étoile. Ces composantes sont implantées selon une approche de couplage partiel (loosely coupled) ou intégrée (strongly coupled). Les couplages partiels nécessitent de plus grands investissements de programmation et de déploiement pour construire l’environnement, l’interface et les opérateurs de l’application. Ceux-ci étant disponibles dans les solutions intégrées prête à l’emploi.

Exemple d'interface Spatial OLAP. Cliquez sur l'image pour l'agrandir.

Pour se qualifier comme une solution Spatial OLAP complète, celle-ci doit supporter la gestion des membres spatiaux en tant qu’objets individuels afin de permettre l’exploration interactive dans les niveaux des données spatiales par les forages spatiaux et les pivots sur les cartes. La solution doit aussi supporter de manière automatisée plusieurs types de cartes avancées permettant la comparaison temporelle et thématique des données spatiales (ex. multicarte temporelle, carte statistique avec diagrammes superposés). Finalement, un haut niveau d’automatisation pour la création de cartes doit exister afin de ne pas interrompt le flux de pensée de l’usager. Sinon, ceci en fait un obstacle fondamental à son adoption puisque l’analyse SOLAP requiert une fluidité dans la navigation pour permettre l’exploration INTERACTIVE et non-obstructive au fil de pensée de l’utilisateur. (Voir le site SpatialBI.com pour plus de détails sur les fonctionnalités de visualisation et de navigation des technologies SOLAP).

Malheureusement, peu de solutions analysées supportent l’ensemble de ces caractéristiques. En fait, seulement JMAP Spatial OLAP (KHEOPS Technologies) et SAS Web OLAP Viewer for Java (SAS-ESRI) offrent des solutions intégrées supportant l’approche SOLAP dans sa raison d’être. Malgré tout, certaines solutions de couplage partiel avec des SIG sont d’intérêt (ex. Location Intelligence (MapInfo), MapIntelligence (Integeo). Cependant, l’offre provenant du monde du BI est moins riche puisque plusieurs outils OLAP ne supportent pas encore de composante cartographique (ex. Cognos Analysis Studio et Beyond 20/20 Perspective) ou ne la supporte plus (ex. Proclarity Analytics et Speedware Media). Bien que l’offre est plus grande autour des tableaux de bord et des requêteurs (ex. Cognos 8i, WebFocus d’information Builder et Microsoft Performance Point), ces outils n’offrent pas la gestion des membres spatiaux et l’exploration interactive nécessaires pour supporter l’approche SOLAP. Bien souvent, ils se limitent à filtrer le contenu d’un rapport sans offrir de niveaux de détails dans les données spatiales. (Voir la liste complète des produits évalués ainsi que les grilles d’évaluation).

En résumé, l’efficacité de la solution offerte est directement dépendante de l’architecture et de la richesse des fonctionnalités supportées. Le niveau de couplage de la solution fera en sorte que les solutions intégrées offriront une interface et des environnements et opérateurs prêts à l’emploi tandis que les solutions partielles demanderont des efforts pour leur développement. Par conséquent, les solutions optimales résultent de l’intégration de serveurs OLAP et de SIG (ou SIG-Web), mais à ce jour, le marché propose en majorité des couplages partiels. Les solutions les plus riches offrent des capacités qui assistent l’usager dans son processus de découverte de connaissance comme les opérateurs de forages spatiaux, les cartes avancées et un haut niveau d’automatisation. C’est surtout sur ces fonctionnalités que les solutions se distinguent le plus.

NDLR: Cet article résume une conférence qui sera présentée le 29 avril 2008 dans le cadre de l'événement Location Intelligence 2008, Santa Clara, CA.

Les auteurs de cet article sont Marie-Josée Proulx, M.Sc. chargée de recherche, et Yvan Bédard, Ph.D., professeur titulaire au Département des sciences géomatiques de l’Université Laval (Québec, Canada). Yvan Bédard est titulaire de la Chaire CRSNG de recherche industrielle en bases de données géospatiales décisionnelles.

Les auteurs ont tenu à spécifier que le produit JMAP Spatial OLAP est le résultat d’un transfert technologique entre l’Université Laval et la compagnie KHEOPS Technologie et avait été conçu spécifiquement pour pallier aux lacunes des produits du marché.

Glossaire

• Tableaux de bord : Un tableau de bord d'un gestionnaire ou d'un décideur présente des indicateurs permettant de suivre et d'anticiper le fonctionnement et l'activité de l'entreprise ou du service.
• OLAP : On-Line Analytical Processing: Désigne une catégorie d'applications et de technologies permettant de collecter, stocker, traiter et restituer des données multidimensionnelles à des fins d'analyse.
• Spatial OLAP : Une plateforme visuelle construite spécialement pour supporter de manière facile et rapide l’analyse spatio-temporelle et l’exploration des données suivant l’approche multidimensionnelle utilisant des niveaux d’agrégations disponibles dans des affichages cartographiques aussi bien que dans des tableaux et des diagrammes.
• Structure en étoile : Cette technique permet de faire de l'analyse multidimensionnelle à partir de données stockées dans des bases relationnelles. Il s’agit d’un modèle dont au centre, on trouve la table de faits, dont les colonnes constituent les mesures du multidimensionnel. Les branches de l'étoile qui rayonnent à partir de la table de faits correspondent aux dimensions.
• Forages spatiaux : Drill down/up: Un opérateur analytique où l’usager navigue dans les niveaux de détails des données spatiales du plus agrégé (ex. Pays) aux plus détaillés (ex. Provinces, Régions, Villes).
• Pivots : Un opérateur analytique permettant de changer l’orientation des dimensions dans l’affichage afin de produire une nouvelle carte. Par exemple, produire une carte statistique (toutes les années combinées) à partir de plusieurs cartes (une par année).