Grâce à cette entente, PG Solutions Inc., devient le distributeur unique de MAP4DECISION pour la grande majorité des domaines d’affaires du monde municipal.

« La réputation de PG Solutions auprès des municipalités et villes en combinaison avec notre application performante nous permettra d’étendre nos solutions dans le domaine municipal québécois » a expliqué Marie-Josée Proulx, présidente d’Intelli3. « Nos solutions sont déjà présentes dans des domaines autres que le municipal et elles ont révolutionné la façon d’analyser les données pour les analystes et gestionnaires. Le domaine municipal profitera donc grandement des possibilités offertes par MAP4DECISION. »

« PG Solutions Inc., est heureuse de s’associer avec Intelli3 afin d’élargir son offre de services à ses clients » a confirmé Daniel Desaulniers, président du groupe Harris Québec. L’intégration de MAP4DECISION à nos solutions nous permettra d’offrir à nos clients un outil qui permet de visualiser leurs données et de mieux les analyser à l’aide de la cartographie. L’intégration des données cartographiques déjà en fonction dans nos solutions depuis plusieurs années sera bonifiée par un outil d’intelligence d’affaires unique dans le marché et tout à fait approprié pour le monde municipal. Il s’agit d’une solution idéale pour les gestionnaires et les élus qui veulent se doter d’outils d’aide à la décision et de visualiser ses indicateurs sur leur territoire. »

À propos d’Intelli3
Intelli3 est une entreprise de services-conseils et un éditeur logiciel spécialisé dans le domaine du géodécisionnel. L’équipe d’Intelli³ a forgé au fil des ans une vision unique basée sur l’étude et le développement des concepts géomatiques et décisionnels fondamentaux et sur l’expérimentation des technologies disponibles sur le marché. Cette expertise se reflète, entre autres, dans notre logiciel Map4Decision (basé sur la technologie Spatial OLAP ou SOLAP), ainsi que par nos réalisations en mandats de solutions géodécisionnelles combinant diverses technologies du marché.

À propos de PG Solutions Inc.
Fondée en 1980, PG Solutions se dédie entièrement à la conception et à l’intégration de solutions d’affaires et de gestion dans les domaines municipal et gouvernemental. Les domaines d’affaires touchés par les solutions de PG Solutions sont les services en ligne, la gestion du territoire, la gestion financière, l’évaluation foncière, les loisirs, la gestion documentaire.

Aujourd’hui, PG Solutions est implanté chez plus de 1 000 clients au Québec. PG Solutions exerce ses activités à partir de ses bureaux de Montréal, Boisbriand, Québec et Rimouski.

PG Solutions est une filiale à part entière de N. Harris Computer Systems inc. Harris est un fournisseur principal de solutions logicielles en gestion financière et en services d’informations. Depuis 1976, Harris vise à offrir des solutions polyvalentes et clé en main à tous les niveaux de gouvernement local, de services publics en eau et en électricité ainsi qu’auprès des établissements scolaires à travers l’Amérique du Nord.

Informations supplémentaires

Intelli3
Monsieur Daniel Doucet
Téléphone : 418-655-3307
Courriel : daniel.doucet@intelli3.com

PG Solutions
Monsieur Yvan Leclerc
Téléphone : 866 617-4468, poste 2296
Courriel : yleclerc@pgsolutions.com

Offres emploi

Participez à notre croissance!

Intelli3 est une firme en géospatial et intelligence d’affaires qui développe une solution logicielle cartographique pour l’aide à la décision dans les domaines d’affaires tels les administrations portuaires, les organisations publiques et les municipalités.

Notre niveau d’expertise nous amène à travailler en collaboration avec d’autres firmes de TI sur des mandats impliquant l’intégration de la géomatique dans les architectures d’intelligence d’affaires en plus de répondre à diverses demandes de service professionnel sous les plateformes Oracle 11g, Oracle Business Intelligence Enterprise Edition (OBIEE), Microsoft SQL Server/Analysis Services dans nos propres mandats.

Les postes suivants sont à combler:

Poste 1 : Analyste-développeur

Lieu: Québec
Durée: temps plein
Début: 4 janvier 2012

Baccalauréat en géomatique / équivalent informatique
Responsabilité : Développement de panoramas de tableau de bord sous la responsabilité de l’analyste principale.

Expérience en tant qu’analyste-développeur (besoins d’affaires, analyse de données, spécifications fonctionnelles,  conception d’application, etc.)
Spécialisé en base de données relationnelle ORACLE 11g

Excellente connaissance du langage SQL

Atouts :

Connaissance en bases de données multidimensionnelles

Connaissance de différentes plateformes BI du marché (ex. BO, Cognos, OBIEE)

Poste 2 : Analyste en intelligence d’affaires/géospatial

Lieu: Québec
Durée: temps plein
Début: Mai 2012
Maîtrise en géomatique / équivalent informatique
Excellente maîtrise de l’anglais oral et écrit

Responsabilité : Chargé de projet dans un projet d’envergure de 3 ans.

Habilité pour analyser les besoins du client, traduire ces besoins en spécifications techniques, présenter un schéma détaillé au client, modéliser les données et processus, développer les applications client sous les plates-formes Oracle.

Excellente connaissance en bases de données relationnelles ORACLE 11g .

Connaissance des langages PL/SQL et SQL .

Bonne connaissance de ETL (FME ou Talend open studio SDI).

Faites suivre vos CV à :

info@intelli3.com
Intelli3 inc.
2750 rue Einstein, bureau 130
Québec (Qc)
G1P 4R1

tél: 418-262-1944

Infrastructures routières

Une vague d’intérêt pour la démocratisation des données publiques s’abat sur le Québec (Montreal Open Data Hackathon, Capitale Ouverte) pour ne pas dire sur le monde (Open Data Day).  C’est d’ailleurs le principal objectif du mouvement « Open data » qui propose de  nouvelles applications ou utilisations des données publiques.

Dans les faits, l’information disponible dans les organisations publiques peut être très riche, mais elle n’est pas toujours valorisée au maximum. Par exemple, le site Ponts et Routes- Information aux citoyens mis en ligne par Transports Québec permet de connaître l’état des infrastructures routières de la province (ex. pont, mur, ponceau, tunnel). Ce site permet d’obtenir le pedigree de chaque structure individuellement et de consulter le dénombrement de structures par région, par indice d’accessibilité et par indice de condition générale. Quelques jours après la mise en ligne de ce site, une application Google a été développée (The Gazette) afin de présenter les points des 5228 structures ainsi qu’une fiche descriptive sur chacune des structures. Toutefois, ces données offrent un potentiel d’analyse beaucoup plus élevé que ce qui a été démontré jusqu’ici.

Pour vous en faire la démonstration, nous avons récupéré la balle au bond (et les données sur ce site). À partir de ces données opérationnelles, nous apporterons un volet plus stratégique et analytique en produisant différents regroupements afin de comparer les structures dans le temps et dans l’espace. Sur la base des données que nous avions à notre disposition, il est important de mentionner que le processus décrit plus bas n’a requis que quelques heures pour la structuration des données et nous a permis d’ajouter de la nouvelle information aux données initiales du Ministère. Tout en assurant des résultats rapides, nous pouvons facilement imaginer les différentes analyses et croisements qui pourraient être réalisés avec un accès aux données complètes et la collaboration des experts du Ministère.

L’objectif de notre structuration de données est de produire une information de synthèse à partir de l’information détaillée. Nous avons regroupé les informations ci-dessous à des niveaux de synthèse et calculé la sommation des structures selon ces niveaux. Les niveaux d’analyse indiqués en couleur sont ceux qui apportent une plus-value aux axes d’analyse suivants:

• Axe cartographique permettant de localiser les structures individuellement, mais aussi par municipalité,  MRC, région administrative et province
• Axes temporels permettant de regrouper les dates de dernière inspection et de prochaine inspection par année et pour l’ensemble des années.
• Axes thématiques permettant de regrouper les structures par:
  • Type de structure (ex. pont suspendu), groupe (ex. pont), tous les types
  • Indice d’accessibilité (ex. aucune restriction), tous les indices IA
  • Indice de condition générale (ex. nécessitant des travaux majeurs), tous les indices ICG

Carte du dénombrement des structures par région (à gauche) et le détail spécifique d’une structure au niveau le plus détaillé (à droite).

Carte de l’indice de condition générale par MRC (à gauche) et par structure individuelle (à droite)

Carte de l’évolution temporelle des dates de dernières inspections par région (à gauche) et l’histogramme temporel des inspections de la région de Québec (à droite).

Visualisez la démonstration vidéo de l’application: Démonstration- Inspection des infrastructures du MTQ.

Il serait possible avec ces données d’illustrer cartographiquement l’assignation des structures au réseau routier et ainsi permettre de visualiser les structures par grands axes routiers jusqu’aux plus petits segments de route. Une analyse plus poussée des données quantitatives permettrait de produire différentes  mesures dérivées comme, le délai entre la  dernière inspection et le mois en cours. On pourrait certainement dériver un indice de sollicitation de la structure à partir des caractéristiques de la route impliquée comme le pourcentage de camion qui y circule, le débit journalier moyen annuel et la classe de route.

En fait la mise en valeur des données organisationnelles passe avant tout par l’analyse de la nature  des données disponibles et d’une connaissance approfondie des différentes possibilités qu’offre le domaine d’affaires auquel on s’adresse. Ensuite, avec un peu d’expérience en structuration de données et un bon outil de visualisation géodécisionnel, il est possible de faire parler les données comme jamais vous ne l’aurez fait!

Description du processus de structuration des données

N’ayant pas exactement les découpages géographiques officiels utilisés par le ministère, nous n’avions pas d’équivalence nominale pour l’ensemble des données. Par conséquence, le fichier KMZ de la localisation ponctuelle des structures a été joint spatialement aux fichiers géographiques des municipalités, MRC, régions administratives disponibles à Ressources naturelles Québec afin d’identifier les géométries d’appartenance des structures. Ce processus, nous a permis de déterminer, par exemple, dans quels polygones de municipalité, de MRC et de régions administratives appartient chaque structure.

Ensuite, les données en format CSV ont été importées dans une base de données et structurées sous la forme d’un modèle en étoile contenant les faits et les axes d’analyse. Les faits sont les informations détaillées de chaque structure (les identifiants et les codes qui réfèrent aux attributs de chaque axes). Nous y avons ajouté la sommation du nombre de structures, à partir d’un calcul croisant les données pour toutes les combinaisons possibles des niveaux d’analyse énumérés précédemment.

Un programme d’agrégation maison nous a permis de produire les 360 requêtes SQL requises pour calculer les statistiques sur le croisement des 6 axes d’analyse. Ceci nous a permis de produire 873 765 combinaisons statistiques sur ce jeu de données. Le processus de calcul s’est exécuté en 39 secondes.

Les rencontres Sig-la-lettre 2012

Dr Yvan Bédard, conseiller stratégique et scientifique à Intelli3 et professeur à l’Université Laval, a été invité comme grand témoin 2012 aux rencontres Sig-La-Lettre de Marne-La-Vallée en avril 2012. Sa confrérence « Données libres, cartographie participative, interopérabilité, services web, data mashup, géodécisionnel, qualité des données … Les SIG deviennent-ils le nouveau terrain pour le jeu de vérités-mensonges ? Enjeux de Société et défis de recherche pour la prochaine décennie » sera présentée mercredi 4 avril à 14h.

Voici le résumé: Nous avons débuté une ère où les applications SIG sont devenues ubiquistes et les données géospatiales un produit de masse. Grâce à de magnifiques innovations technologiques, tout le monde peut maintenant accéder à des données de qualité à coût négligeable, en produire lui-même, contribuer à des bases de données collaboratives, utiliser des SIG web pour effectuer des analyses spatiales, agréger des données pour produire de l’information géodécisionnelle et même faire appel à des services web hétérogènes pour diffuser de nouvelles cartes composites (data mashups). Ces nouvelles capacités extraordinaires ne sont pas sans lancer de nouveaux défis tout aussi fascinants à la communauté géomatique.

Cette conférence va présenter les principaux défis qui en résultent. Après avoir énoncé les grandes tendances technologiques depuis la cartographie collaborative et les services web interopérables jusqu’aux technologies géodécisionnelles, nous allons discuter des résultats inévitables liés à la multitude d’informations produites à des fins spécifiques, ses bons et mauvais côtés, et surtout les défis liés aux différences qui en découlent. Dans ce nouvel univers SIG, le vieux dicton voulant que « toute carte ment » fait-il place au jeu de vérités-mensonges où deux mensonges existent pour chaque vérité ? La nouvelle réalité de l’univers des SIG crée-t-elle le besoin de détecteurs de mensonges ? Nous traiterons donc des nouveaux défis qui résultent de toutes ces tendances, principalement en matière de gestion du risque pour les producteurs, les diffuseurs et les utilisateurs de données. Ces défis seront traités tant sur le plan Sociétal que de la R&D.

Une autre conférence de l’équipe d’Intelli3 est a été soumise au comité et est en attende d’une réponse.

Multicarte temporelle et carte avec diagrammes superposés

D’excellents articles traitent ce mois-ci des concepts SOLAP. Depuis octobre 2011, Michael Tranchant du Laboratoire d’Informatique de Grenoble (LIG), niché à l’Ensimag tient un blogue qui aborde différents sujets dont le géodécisionnel. Pour avoir échangé l’été dernier avec Michael, nous sommes bien heureux de lire aujourd’hui ses articles sur le sujet.

Pour votre intérêt, voici les trois billets:

• Qu’est ce que l’informatique décisionnelle? qui traite des concepts OLAP et des entrepôts de données.
• Qu’est-ce que l’information géographique ? qui traite de l’apport des SIG
• Décisionnel + Géographique = SOLAP qui traite des concepts SOLAP et des relations spatio-temporelles dans ces solutions.

Ce dernier billet aborde aussi le concept de carte de flux implanté pour la production de carte origine-destination que la solution Map4Decision supporte.

Ces billets démontrent bien l’intérêt grandissant du géospatial dans le domaine décisionnel.

Je vous souhaite donc d’apprécier ces lectures!

5 constats peuvent être discutés quand vient le temps de manipuler les données géospatiales:

Il existe des défis liés à l’intégration et à la visualisation des données géospatiales, mais la simple conscience de celles-ci est suffisante pour mettre en œuvre un projet et en bénéficier.

La composante géospatiale est partout. Dans une adresse, un nom de lieu, un numéro de téléphone, un code postal, un nom de circonscription électorale, etc. Vous avez déjà dans vos systèmes organisationnels la capacité de représenter vos données cartographiquement. Toutefois, afin de conserver la référence spatiale de manière homogène et plus stable, pensez à utiliser les coordonnées géographiques (ex. longitude, latitude) qui peuvent ensuite servir à la cartographie.

La nature des données géospatiales est riche. La position obtenue par les coordonnées géographiques permet de mettre en relation sur le territoire les données et de découvrir des informations qui ne sont pas explicites par leur dimension descriptive. Les caractéristiques spatiales des données permettent d’abord d’apprécier la position d’un phénomène, sa forme, son orientation et sa taille. Par la suite, des relations spatiales entre plusieurs phénomènes peuvent être déduites, comme la distribution (ex. centralisée, groupée, aléatoire), l’adjacence, l’inclusion, l’intersection.

Exemples de caractéristiques et de relations spatiales entre les phénomènes

On peut obtenir ces données par des levés sur le terrain (ex.  capteurs GPS), des images satellites ou aéroportées, des services cartographiques web (ex. G.O.LOC), des fichiers intégrés (ex. site GeoGratis), etc. La diversité des sources rend leur intégration complexe puisqu’il faut tenir compte de différents paramètres propres aux données géospatiales et à la façon dont elles ont été captées et transformées avant d’être livrées.

En plus des défis sémantiques, descriptifs et temporels propres à l’intégration de données de différentes sources (ex. différentes définitions sémantiques, différents types d’attribut, différents domaines de valeurs, différents unités de mesure, différentes dates de mise-à-jour), la nature des données géospatiales introduit des défis liés à la référence spatiale et à la représentation cartographique des données cf. Figure -Défis liés à l’intégration des données géospatiales.

Défis intégration des données géospatiales, source: Notes de cours Dr Yvan Bédard, Université Laval

La référence spatiale réfère, entre autres, au système de coordonnées et à la projection cartographique utilisés. Ces modèles mathématiques permettent de mettre en relation les objets les uns par rapport aux autres en les mettant en valeur selon leur position sur la terre et en conservant des caractéristiques importantes (ex. distance, angle, superficie).

• Le positionnement des objets au mauvais endroit (cf. Figure Problèmes de systèmes de coordonnées)
• Le chevauchement incongru d’objets (ex. route dans un cours d’eau, routes qui intersectent un bâtiment)
• De mauvais résultats de calcul de distance et de superficie

Problèmes de systèmes de coordonnées (1)

L’intégration de différentes sources de données géographiques ne possédant pas les mêmes projections ou systèmes de coordonnées nécessite le recours à des outils de transformation spécialisés tels que FME et Spatial Data Integrator Talendque nous utilisons afin de transformer les données selon les mêmes références ou au moins de les afficher selon une référence spatiale commune. De plus, il est nécessaire de posséder une bonne connaissance des méthodes et technologies utilisées pour relever les phénomènes mesurés et traiter cartographiquement les données, car bien d’autres causes, non énumérées ici, peuvent être à la source des différences de coordonnées.

Le billet « Comment choisir les meilleures données géospatiales? Y parvenir en 5 étapes» présente une méthodologie efficace pour y arriver. Les défis liés à la représentation spatiale des données sont discutés au point suivant.

Les défis liés à la représentation spatiale des données incluent l’intégration des structures de données cartographiques. Ces défis incluent aussi l’usage des bonnes pratiques en visualisation cartographique afin de ne pas fausser l’information véhiculée par une carte. Ainsi, l’utilisation appropriée des variables visuelles telles que la taille, la forme, la couleur, la teinte et la trame permettront de bien faire ressortir les tendances alors qu’une utilisation inappropriée de ces variables visuelles camouflera toute tendance dans un fouilli graphique, voire laissera entrevoir des tendances fausses. La maîtrise des bonnes variables visuelles est en soi une expertise nécessaire pour faire des cartes efficaces. Pour en savoir plus, n’hésitez pas à consulter le livre The Visual Display of Quantitative Information de Tufte (2) qui est, selon moi, une bible en géovisualisation.

Comme en visualisation conventionnelle, l’usage d’un indicateur adéquat est indispensable. Une mesure ratio (ex. densité au km carré) offrira une meilleure représentation du résultat qu’une mesure absolue (ex. population). Sur une carte, cette mauvaise pratique sera percutante comme l’illustre la figure suivante.

Nombre absolu (gauche) et densité au km carré (à droite)

Le choix du spectre de couleurs (ex. qualitatif, quantitatif ou divergent) est aussi important afin de bien mettre en évidence l’indicateur. Pour y parvenir, le recours à un outil comme celui de ColorBrewer est suggéré. Cet applicatif suggère des spectres de couleur selon le nombre de classes et la nature des données.

Finalement, les défis liés à l’abondance de données ou à la surabondance d’information de contexte (cf. GéoBillet : Le Data-Ink ratio appliqué à la cartographie) requièrent de présenter à l’utilisateur des cartes lisibles impliquant dans plusieurs cas de faire un certain choix sur la façon de représenter les données en les regroupant ou en les agrégeant afin d’éliminer la surcharge d’information.

Ma collègue Sonia a présenté dans son billet « Le marché des logiciels géodécisionnels (version intégrale)» l’offre logicielle basée sur le Magic Quadrant for BI platforms de Gartner 2011. En 2007, lors de notre première veille technologique sur ce type d’approche, peu de solutions offraient cette capacité. Aujourd’hui, vous y verrez que ces solutions offrent des capacités cartographiques très simples pour certaines à plus évoluées pour d’autres. L’offre logicielle se complète et s’étoffe. La mise en place de capacités cartographiques à vos solutions en sera grandement facilitée.

En conclusion, ce billet souhaitait présenter certains éléments de la nature spécifique de l’information géographique et vous donner différentes pistes de compréhension pour approfondir votre réflexion sur la mise en place d’applications géodécisionnelles dans votre organisation. D’après l’intérêt qu’a suscité cette présentation au Salon du BI, l’avenir nous confirmera s’il s’agit d’une simple tendance ou d’un besoin réel dans votre organisation.

À vous de juger…

(1) Source http://www.colorado.edu/geography/gcraft/notes/coordsys/coordsys_f.html

(2) The Visual Display of Quantitative Information, Second Edition, Edward Tufte, 2001

Bien qu’il s’agisse d’une caractéristique peut-être encore méconnue de vos données, la composante géospatiale est partout. Dans une adresse, un nom de lieu, un numéro de téléphone, un code postal, un nom de circonscription électorale, etc. Vous avez déjà dans votre système organisationnel la capacité de représenter vos données cartographiquement.

Pour démontrer la plus-value du géospatial dans l’analyse d’un phénomène, voici quelques arguments:

Démonstration de la plus-value de la composante géospatiale

En définitive, l’ajout de composantes visuelles supplémentaires facilite la représentation mentale. Sans la composante géospatiale, vous seriez tout de même en mesure de transposer mentalement les données du tableau précédent pour répondre à la question sur leurs positions relatives, car on traite ici que 13 provinces ou territoires.

Démonstration de la plus-value du géospatial sur une grande sélection d'objets

Comme nous n’avons pas tous les capacités de Rainman, nous pouvons exploiter la composante géospatiale des données pour les mettre en relation les unes par rapport aux autres et ainsi faciliter notre interprétation de la situation. La nature des données géospatiales met en valeur la position d’un phénomène, sa forme, son orientation, sa taille, les relations spatiales entre divers phénomènes, des corrélations ainsi que des distributions que la représentation graphique ou tabulaire ne peut illustrer.

De plus, l’ajout de la composante géospatiale dans une base de données permet de définir une référence commune aux données dans l’espace comme dans le temps.

Qu’arrive-t-il si vous souhaitez comparer des phénomènes dans l’espace, par exemple, des conditions de santé qui se manifestent sur des populations? Vous pouvez associer ces conditions de santé:

• à des individus localisés par leur adresse
• à des populations animales localisées par des coordonnées géographiques
• à des régions où les populations sont observées (ex. limite administrative (ex. municipalité), limite politique (ex. division de recensement), limite physique (ex. réserve faunique)

Qu’arrive-t-il si vous souhaitez comparer ces conditions de santé avec des données démographiques des populations? Vous devez alors associer ces deux jeux de données à une référence commune. Celle-ci peut facilement être la position géographique du lieu où se produisent ou se décomptent les phénomènes.

Qu’arrive-t-il si vous souhaitez comparer des phénomènes dans le temps ? Malheureusement, le nom de la rue ou le nom de la région sur lesquels vous avez référencé vos données, à une certaine époque, peuvent avoir changés. La comparaison devient alors difficile à effectuer. Une stratégie pour traverser le temps est de localiser le phénomène par ses coordonnées géographiques! Celles-ci sont invariables dans le temps et feront toujours référence au même lieu.

Maintenant pour en savoir plus sur les défis liés à l’intégration et la visualisation des données géospatiales, je vous propose de lire mon billet : 5 constats pour fait le
saut en géospatial décisionnel.

D’abord, l’offre géodécisionnelle des leaders du « Magic Quadrant for BI Platforms 2011 » de la firme Gartner sera présentée. Ensuite, des critères permettant d’évaluer la capacité de ces logiciels à satisfaire les besoins en géodécisionnel d’une organisation seront discutés. Les avantages et limitations des différentes catégories de logiciels seront aussi brièvement présentés. Le billet se terminera avec la présentation d’un exemple réalisé avec Oracle Business Intelligence Enterprise Edition 11g (OBIEE) .

L’offre géodécisionnelle

Les technologies décisionnelles (ou d’Intelligence d’affaires (BI)) peuvent être groupées en 4 familles, en fonction des résultats qu’ils fournissent et du type d’interaction qu’ils permettent : les logiciels de rapports et requêtes, les logiciels OLAP et de visualisation, les logiciels de tableaux de bord et les logiciels d’analyse prédictive. Les logiciels géodécisionnels viennent greffer une composante cartographique à une ou plusieurs de ces familles, au niveau d’une suite de logiciels (ex. OBIEE qui intègre la carte à l’analyse et au tableau de bord) ou d’un logiciel particulier (ex. Map4Decision qui intègre la carte à l’analyse de type OLAP). L’intégration d’une composante spatiale au sein des 3 premières familles est maintenant relativement courante sur le marché. Par contre, au niveau de l’analyse prédictive, l’intégration est peu répandue et encore surtout limitée au niveau des laboratoires de recherche.

Le tableau suivant donne un aperçu de l’intégration de composantes cartographiques aux logiciels du quadrant des « Leaders » du Magic Quadrant de Gartner.

 
Plusieurs autres logiciels intégrant des fonctionnalités géodécisionnelles existent sur le marché. Ils combinent l’aspect géospatial à une classe particulière d’outils décisionnels. C’est le cas de Map4Decision.

Évaluer l’offre

Face à cette diversité, il devient difficile de choisir. Il pourrait être utile de définir un « Quadrant magique géodécisionnel », par exemple. Il y a plusieurs possibilités pour la définition des axes de classification des logiciels. Dans notre présentation, nous avons proposé les axes suivants, qui offrent une bonne capacité discriminante, avec les critères s’y rattachant :

Axe 1 : Habileté géospatiale – Étendue des capacités géospatiales supportées

–      Facilité d’intégration dans les processus géospatiaux en place (création de données, mises à jour, …)

–      Formats géospatiaux supportés (et normes)

–      Types de cartes

–      Variables visuelles

–      Types de géométries

–      Fonctions cartographiques (pan, zoom, …)

–      Fonctions de navigation dans les cartes (forage, remontage, pivot, …)

–      Fonctions d’analyse spatiale

–      Gestion de l’évolution géométrique

–      Données intégrées dans le logiciel

Axe 2 : Niveau de consolidation (Solution consolidée = application/suite de produits venant d’un seul vendeur et complètement intégrée  VS Mashup = nouvelle application/nouveau produit résultant d’une combinaison de composantes provenant de différentes sources/vendeurs)

–      Nombre de composantes à installer/maintenir

–      Nombre de sources/vendeurs différents

–      Niveau d’intégration dans l’architecture logicielle/de données en place

–      Niveau d’automatisation des processus (ex. production d’une carte)

–      Niveau de gestion de la sécurité des données

–      Transformations de formats requises

–      Délais de propagation des données

–      Efforts de développement/intégration de la solution

Les avantages et limitations liés à ces critères de sélection sont présentés aux tableaux suivants :

 
Exemple d’application avec OBIEE 11g

Une application géodécisionnelle a été mise en place à Infrastructure Canada. Le but du projet était de développer un prototype de système géodécisionnel démontrant la capacité de OBIEE, combiné à Oracle Spatial, à satisfaire les besoins d’affaires d’Infrastructure Canada. Ces besoins d’affaires peuvent s’exprimer à différents niveaux : (1) au niveau de la conception et le développement de politiques et de programmes d’intervention, (2) au niveau de la mise en place des programmes, et (3) au niveau de l’évaluation de l’efficacité des programmes. Infrastructure Canada joue un rôle de premier plan dans la mise en œuvre de différents programmes d’infrastructures au Canada, entre autres au niveau des programmes liés au Plan d’action économique du Canada. Dans le cadre du projet, 2 rapports d’information ont été reproduits afin d’inclure des vues cartographiques. Un tableau de bord géospatial a aussi été défini, comprenant 5 sections : les programmes, les projets, les risques, les bénéfices et les communications.  

Je vous invite à consulter ma présentation faite à Géomatique 2011 à ce sujet.

Je vous invite aussi à consulter celle du Professeur Yvan Bédard rappelant les bases du géodécisionnel et les besoins que ces technologies visent à combler.