空间分析可以帮助生成深入见解。

商业智能是从数据中生成见解，从而做出决策和采取行动，帮助改善企业的命运。

空间分析也是利用数据，只不过这些数据会引用特定地理区域或位置。

示例包括特定区域中的对象或事件、道路和属性地址、用于跟踪移动模式的 GPS 数据以及森林或农田等地形。它经常将地理坐标等特征与位置属性相结合，例如它是房屋、商业建筑还是开放空间。

数据和分析培训和研究公司TDWI的商业智能高级研究总监David Stodder表示，所有这些信息都可以为通常通过BI收集的见解添加额外的（通常是关键的）背景信息，使它们更加有效。

Stodder在1月24日由TDWI主办的网络研讨会上说：“空间分析是新数据见解的关键，位置对于分析来说很强大。位置智能（回答空间分析问题）可以带来新的见解并提供新的视角。”

他继续说道，特别是，空间分析可以揭示为什么会发生某些事情，可能看起来不相关的事件与趋势之间的相关性。

它不仅仅是将映射添加到现有的 BI 应用程序。它可以用于数据科学模型，而不仅仅是包含在数据检查中，它能够对某个位置发生的事情及其对该位置的所有事物的潜在影响进行深入分析。

Stodder 称：“这种事情可以通过给企业更好的地理感来阐明这些领域，通常，位置可使数据汇集并使数据具有有意义。”

空间分析的应用

空间分析的主要应用是发现扩展和降低风险的机会。

企业通常希望扩张，这通常意味着进入新的地理位置，无论是通过添加新的物理位置还是针对新领域的客户。

虽然企业可以通过各种数据了解有关其竞争对手的关键信息，但只有空间分析才能告知他们这些竞争对手及其客户所在的位置。正是有了这些信息，企业才能更好地确定某个领域是否已经成熟，可以扩张，或者考虑到竞争对手可能拥有的立足点，风险太大。

通过了解自己客户的地理位置，以及结合其他数据，例如其客户的经济构成，企业可以推断出有关其吸引谁的信息，然后设计有针对性的营销工作。

Stodder称：“在很多行业中，从地理空间上了解竞争对手正在做什么是有帮助的，包括位置和营销以及其他类型的努力。”

供应链管理是空间分析的另一个常见应用。

对于成功的供应链，弹性和效率至关重要。当供应链在任何一个阶段发生故障时，都可能影响供应链的所有后续阶段，并导致延误。当供应链与分布在各地的供应商随意组合在一起时，交货时间比必要的时间更长，并且与燃料和人员相关的成本也会上升。

因此，在寻找供应商和拼凑供应链时，位置至关重要。

Stodder称：“位置是非常有价值的信息。”

空间分析的其他常见用途包括本地执法和国际情报，其中GPS数据很重要，以及跟踪医疗保健趋势。

空间数据也是气候变化和其他环境分析的基础，使企业能够分析当前问题并发现有关未来问题的警告，从而制定如何处理气候相关事件的计划。

位置智能供应商Carto的空间数据科学副总裁Matthew Forrest说：“你可以查看几乎任何空间或行业，并找到地理空间数据的用例。气候变化和弹性是巨大的领域，这一切都围绕着地理空间数据。”

Stodder指出，由于空间分析可以为传统BI增加价值，TDWI的研究表明，其调查的企业中有34%已经将地理空间数据纳入其分析中。另有8%尚未这样做，但已制定纳入空间分析的计划。

空间分析的挑战

虽然空间分析比单独使用BI可获得更好见解，但它也存在挑战。

特别是，速度和规模会带来问题。

企业在全球范围内收集的数据量正以指数级的速度增长。根据Statista的数据，2010年创建、捕获、复制和使用的数据总量为2泽字节。到2020年，这一数字已增长到64.2泽字节。到2025年，预计将达到180泽字节以上。

正如收集的数据总量在增长一样，地理空间数据量也在增长。

移动设备和越来越多的物联网设备正在导致新数据源的爆炸式增长，企业需要以某种方式利用所有这些数据来获得有意义的见解。

Stodder称：“收集和管理新的和更大的数据绝对是挑战。”

他继续说道，传统的本地分析部署根本没有足够的存储空间或计算能力。因此，使用云数据仓库或数据湖正变得势在必行。

基于云的存储库不仅提供比本地系统无限的空间和更多的计算能力，而且还可更容易地集成来自不同来源的数据，从而减轻数据工程师的一些重大数据准备负担。

Stodder 表示：“数据来源可能多种多样，数量肯定会上升。因此，如果企业使用传统类型的数据管理和数据存储系统，这肯定会带来挑战，这通常是他们迁移到云端以利用云存储的原因。”

除了规模和速度之外，数据集成以及获取可信且准确的数据也是空间分析面临的挑战。

同样，根据Stodder的说法，云端的统一数据结构可以带来更好的结果。

云存储库使自动化数据集成变得更加容易。它们还使企业能够连接来自不同部门的数据，以打破可能导致数据重复和缺乏数据一致性的孤立孤岛。

Stodder 称：“它简化了分析新数据和新数据集的能力。数据的移动、数据的提取和数据的查找难度较小。拥有统一的数据架构并开始减少数据孤岛，对于使空间数据发现和分析更加完整非常重要。”