How to หา insight จากข้อมูลเชิงพื้นที่ ด้วย Data Studio และ BigQuery GIS

BigQuery GIS
How to หา insight จากข้อมูลเชิงพื้นที่ ด้วย Data Studio และ BigQuery GIS
เมื่อพูดถึง Data Warehouse เรามักจะนึกถึงระบบฐานข้อมูลขนาดใหญ่ที่มีข้อมูลระดับ Big Data ไว้เพื่อใช้ในการวิเคราะห์ต่างๆ โดยมีข้อมูลที่หลากหลายในเชิงธุรกิจ อาทิ ยอดขาย, รายชื่อลูกค้า, ร้านค้าที่ใช้บริการ ฯลฯ แต่ข้อมูลอีกรูปแบบหนึ่งที่อาจเป็นข้อจำกัดของ Data Warehouse ทั่วไป คือการวิเคราะห์ข้อมูลเชิงพื้นที่ เช่น สาขาที่ตั้ง, latitude, longitude ภูมิภาค, จังหวัด, รหัสไปรษณีย์ ร่วมกับข้อมูลทางธุรกิจที่เรามีอยู่ ซึ่งผลลัพะ์ทำให้ insight ที่ได้ยิ่งมีคุณค่ามากขึ้นและเป็นประโยชน์ต่อธุรกิจของเรา

เลือกอ่านตามหัวข้อที่สนใจ

ในอดีตเราอาจจะจำเป็นที่ต้องใช้ซอร์ฟแวร์เฉพาะทางอย่าง GIS ในการวิเคราะห์ข้อมูลเชิงภูมิศาสตร์ แต่ในปัจจุบันความสามารถเหล่านี้ถูกบรรจุอยู่ใน BigQuery แล้ว เราสามารถจัดเก็บพิกัดร้านค้า เส้นทาง หรือ ขอบเขตต่างๆ ด้วย geospatial data types ต่างๆ นำมาต่อยอดด้วย geospatial functions และสามารถนำผลลัพธ์มา visualize หรือวางแผนต่อได้อีกบน Data Studio

What is BigQuery GIS?

BigQuery GIS(Geographic Information Systems) เป็นหนึ่งในความสามารถของ BigQuery ที่ทำให้เราวิเคราะห์และ visualize ข้อมูล geospatial ใน BigQuery โดยใช้ data type และ function ในระบบภูมิศาสตร์ได้

ข้อมูลประเภท GEOGRAPHY จะอธิบายจุดที่ตั้ง (points) บนพื้นผิวโลก ชุดข้อมูลของแต่ละจุด (points) จะรวมกันเป็น lines และ polygons ซึ่งข้อมูลเหล่านี้เราสามารถสร้างจาก longitude และ latitude ที่เราเก็บไว้ใน table ด้วย function ST_GEOPOINT เป็นต้น

เรายังสามารถโหลดข้อมูลภูมิศาสตร์ที่มีความซับซ้อนจาก geospatial data format ต่อไปนี้ได้

  • Well-known text (WKT)
  • Well-known binary (WKB)
  • GeoJSON

สำหรับการโหลดข้อมูลเชิงภูมิศาสตร์เราสามารถดูเพิ่มได้ที่ Working with BigQuery GIS data

Geography functions in BigQuery GIS

Function ต่างๆ จากที่เกี่ยวข้องกับภูมิศาสตร์บน BigQuery GIS จะขึ้นต้นด้วย ST_ เช่น ST_AREA สำหรับหาพื้นที่, ST_INTERSECTS สำหรับเช็คว่ามีพื้นที่ทับซ้อนกันหรือไม่ ซึ่งมีมากกว่า 50 functions โดยสามารถแยกเป็นหมวดต่างๆ ได้ดังนี้

Category

Description

Constructors

ฟังก์ชันสำหรับสร้างค่าทางภูมิศาสตร์ใหม่จากพิกัดหรือข้อมูลที่มีอยู่

Parsers

ฟังก์ชันสำหรับสร้างค่าทางภูมิศาสตร์จาก format อื่นๆ เช่น WKT GeoJSON

Formatters

ฟังก์ชันสำหรับ export ข้อมูลทางภูมิศาสตร์ให้อยู่ใน format อื่นๆ เช่น WKT

Transformations

ฟังก์ชันที่สร้างค่าทางภูมิศาสตร์ใหม่จาก input เช่น ค่า centroid, เซ็ตของจุดที่ intersection กัน, เซ็ตของพื้นที่ที่ union กัน

Accessors

ฟังก์ชันที่ช่วยให้ได้ค่าคุณสมบัติต่างๆของค่าภูมิศาสตร์ได้ง่ายขึ้น เช่น เช็คว่ามี dimension เท่าไร, มีจำนวนจุดยอดของ polygon เท่าไร เป็นต้น

Predicates

ฟังก์ชันที่คืนค่าเป็น TRUE หรือ FALSE จากความสัมพันธ์ระหว่างค่าภูมิศษสตร์สองค่าหรือคุณสมบัติบางอย่างทางภูมิศาสตร์ มักจะใช้ในการกรองข้อมูล (filter clauses) อาทิ เช็คว่าเป็นพื้นที่ทับซ้อนกันหรือไม่

Measures

ฟังก์ชันที่คำนวณเป็นมาตรวัดในพื้นที่หนึ่งหรือหลายพื้นที่ เช่น จำนวนตารางเมตรใน polygon, ระยะทางระหว่างสองพื้นที่

Clustering

ฟังก์ชันสำหรับทำ clustering บนข้อมูลเชิงภูมิศาสตร์

สามารถดูรายละเอียดเพิ่มได้ที่ BigQuery Geography functions

Visualizing BigQuery GIS data

BigQuery GIS ช่วยให้เราสามารถแสดงผลข้อมูลทางภูมิศาสตร์บน based map ได้หลากหลายวิธีต่อไปนี้

  • Google Data Studio
  • BigQuery Geo Viz
  • Google Earth Engine
  • Jupyter notebooks

ซึ่งเราสามารถ visualize ข้อมูลได้ด้วยการคลิกเพียงครั้งเดียวนั้น ก็สามารถเห็นภาพเชิงภูมิศาสตร์ได้บน Google Data Studio หรือ GeoViz ด้วยการคลิกที่ EXPLORE DATA

Google BigQuery Visualize
Google Maps in Data Studio

Google Data Studio เป็น BI Tools จาก Google Marketing Platform ในการทำ data visualization ที่ไม่มีค่าใช้จ่ายใดๆ สามารถเชื่อมต่อกับ data source ที่หลากหลายรวมถึง BigQuery ด้วยรองรับ  geographic field types ในหลายรูปแบบ เช่น ชื่อจังหวัด, ชื่อประเทศ, latlong, รหัสไปรษณีย์ ฯลฯ รวมถึง choropleth maps ทำให้เราสามารถบิดมุมมองต่างๆ ทั้งการซูม, เปลี่ยนเป็นแผนที่ดาวเทียม และ Street View.

BI GMP
Google Cloud

สำหรับตัวอย่างการแสดงข้อมูลภูมิศาสตร์บน Data Studio สามารถอ่านเพิ่มเติมได้ที่ Visualize BigQuery GEOGRAPHY polygons with Google Data Studio

Clustering severe storms with BigQuery GIS and Data Studio

อีกหนึ่งตัวอย่างที่น่าสนใจคือ use case ต่อไปนี้ เรากำลังจะทำความเข้าใจกับพายุแต่ละแบบในแต่ละพื้นที่ (ซึ่งเก็บข้อมูลในรูปแบบ point lat,long) นอกเหนือจากการนำพายุแต่ละลูกไป visualize แล้ว เรายังสามารถทำ clustering analysis โดยจัดกลุ่มพายุแต่ละลูกเป็น cluster ตามแต่ละละแวก โดยใช้ geospatial function ที่กล่าวในหัวข้อข้างต้น นั่นคือ ST_CLUSTERDBSCAN จากนั้นจึงทำการรวมพายุแต่ละลูกที่อยู่ใน cluster เดียวกันให้กลายเป็นพื้นที่โดยใช้ ST_CONVEXHULL ในการวาดขอบเขตของมันแล้วจึงมา visualize แต่ละพื้นที่ในรูปแบบ polygons บน Data Studio

ตัวอย่าง BI แสดงผลข้อมูล

จาก dashboard ข้างต้น ทำให้เราเห็นความถี่และประเภทของพายุและการแปรผันตามทิศตะวันตกไปตะวันออก (ซ้ายไปขวา) จากน้ำท่วมบนบริเวณอ่าว (flood สีน้ำเงิน) เป็นพายุลูกเห็บ (hail สีขาว)  เป็นพายุฝนฟ้าคะนอง (thunderstorm wind สีเหลือง) ซึ่งทำให้เราได้ข้อมูลว่าถ้าอยากอาศัยในพื้นที่ที่ปลอดภัยจากพายุควรจะอาศัยที่รัฐที่อยู่บริเวณตะวันตกเฉียงเหนือ (Pacific Northwest) ซึ่งพบพายุที่ระดับรุนแรงไม่มากนัก

หากต้องการทดลอง query ข้อมูลพายุบน BigQuery public dataset สามารถใช้ SQL query ต่อไปนี้ได้เลย

with storms as (

select

st_geogpoint(event_longitude, event_latitude) as geo_point,
event_type

from `bigquery-public-data.noaa_historic_severe_storms.storms_2019`

),
storms_clustered as (

select

geo_point,
event_type,
st_clusterdbscan(geo_point, 20000, 20) over() as cluster_num

from storms

),
storm_cluster_polygons as (

select

cluster_num,
st_convexhull(st_union_agg(geo_point)) as hull,
approx_top_count(event_type, 1)[offset(0)].value as most_common_event_type

from storms_clustered
where cluster_num is not null
group by cluster_num

)
select *, st_area(hull) as cluster_area
from storm_cluster_polygons

Summary

การวิเคราะห์ข้อมูลเชิงภูมิศาสตร์บน Google Cloud ก็ไม่ต้องมี process ที่ยุ่งยากอีกต่อไปด้วย BigQuery GIS ซึ่งสามารถทำให้เราลด cost ที่เกิดขึ้นทั้งด้านเวลาและค่าใช้จ่ายที่ต้อง import/export ข้อมูลข้ามไปใช้บนเครื่องมือเฉพาะทางอื่นๆ และช่วยให้เราสามารถใช้หน่วยประมวลผลระดับสูงบน BigQuery ได้อย่างเต็มที่อีกด้วย

หากท่านใดสนใจเครื่องมือต่างๆ บนระบบ Google Cloud Platform ไม่ว่าจะเป็น AI/Machine Learning, Big Data, Data Governance หรือเครื่องมือเฉพาะทางด้านการวางแผนงานภูมิศาสตร์อย่าง MAPTIST ทาง Tangerine มีผู้เชี่ยวชาญคอยให้คำปรึกษา
สามารถ
ติดต่อได้ที่อีเมล google.sales@tangerine.co.th หรือโทร 062-992-4493 ได้ทันที

Share on social media

Tangerine Expertise

Related Solution

Expand Interests

All and More

  • All
  • Apigee
  • Application Development
  • Business Transformation
  • Cisco
  • Converged Infrastructure
  • Dell EMC
  • Dialogflow (Chatbot)
  • Event
  • G Suite
  • Google Cloud
  • Google Cloud Platform
  • Google Maps Platform
  • Google Workspace
  • Highlight
  • Huawei
  • Hybrid Cloud & Multi Cloud
  • Knowledge
  • Networking
  • Productivity & Work Transformation
  • Security
  • Smart Business Analytics & AI
  • Storage & Data Protection
  • Success Story
  • VMware
All
  • All
  • Apigee
  • Application Development
  • Business Transformation
  • Cisco
  • Converged Infrastructure
  • Dell EMC
  • Dialogflow (Chatbot)
  • Event
  • G Suite
  • Google Cloud
  • Google Cloud Platform
  • Google Maps Platform
  • Google Workspace
  • Highlight
  • Huawei
  • Hybrid Cloud & Multi Cloud
  • Knowledge
  • Networking
  • Productivity & Work Transformation
  • Security
  • Smart Business Analytics & AI
  • Storage & Data Protection
  • Success Story
  • VMware
HighlightVMware

สู่ยุคที่ธุรกิจขับเคลื่อนด้วย Application Software ให้ตอบโจทย์พฤติกรรมผู้บริโภคยุคใหม่

ทุกวันนี้การขับเคลื่อนเศรษฐกิจมันเปลี่ยนไปแล้ว Behavior ของผู้บริโภคก็เปลี่ยนไป ทำให้ธุรกิจต้องปรับตัวและเปลี่ยนกลยุทธ์อย่างต่อเนื่อง รวมถึงการพัฒนา App ที่เป็นที่นิยมกันในยุคสมัยนี้ให้ตอบโจทย์การใช้งานของลูกค้า เพราะเป็นส่วนสำคัญที่ช่วยกระตุ้นการขายให้กับธุรกิจ

Dell EMCHighlight

ภัยคุกคามทาง Cyber ที่คุณอาจจะมองไม่เห็น

ปัจจุบัน การโจมตีทางไซเบอร์ (Cyber-attack) มีรูปแบบการโจมตีที่มากขึ้น มีหลากหลายรูปแบบการโจมตี ในการโจมตีระบบที่สำคัญขององค์กร ในปัจจุบัน ทุกคนสามารถตกเป็นเป้าหมายของ cyberattacks ได้ และ แนวโน้มว่าธุรกิจขนาดเล็กเป็นหนึ่งในเป้าหมายที่พบบ่อยที่สุด โดยประมาณ 43% ของ cyberattacks มุ่งเป้าไปที่ธุรกิจขนาดเล็ก

GCP GCVE
Google CloudGoogle Cloud Platform

Public Cloud ตอบโจทย์ธุรกิจอย่างไร? ทำไมองค์กรหันมาใช้ Google Cloud VMWare Engine (GCVE)

ปัจจุบันองค์กรเริ่มนำ Cloud Platform มาใช้ในการขยาย / ปรับปรุงระบบ หรืออาจนำมาทดแทนระบบเดิม ผลการวิจัยจากแหล่งที่น่าเชื่อถือกล่าวว่า แนวโน้มการนำ Cloud Pltaform มาปรับใช้ในองค์กรในอนาคตอาจมีสัดส่วนสูงถึง 70-80% ในปี 2025 เทียบการลงทุนติดตั้งระบบแบบ On-premise ซึ่งประโยชน์ของการใช้ระบบ Cloud เราได้ประโยชน์ในเรื่องความอัตโนมัติของระบบ ความสำเร็จรูป ความรวดเร็ว ความปลอดภัย สร้างความต่อเนื่องของธุรกิจบนค่าใช้จ่ายตามการใช้งานจริง (Pay per use) และสามารถระงับการใช้งานได้ตลอดเวลา ด้วยความยืดหยุ่นเหล่านี้ไม่แปลกเลยทำไมระบบ Cloud จึงเป็นที่นิยม และขยายอย่างต่อเนื่อง

Dell EMCHighlight

เปิดตัว Dell EMC: PowerScale Storage ที่เน้นเก็บข้อมูล Unstructured Data

เมื่อวันที่ 16 มิถุนายน ที่ผ่านมา ทาง Dell EMC ได้เปิดตัว All-flash Storage ตัวใหม่อย่าง PowerScale เสริมทัพให้กับ Isilon เดิมที่เคยมี โดยมุ่งเน้นไปที่ข้อมูลที่มีปริมาณมหาศาลทั่วโลกอย่าง Unstructured Data

CiscoSecurity

All New Webex ทำงานแบบ Hybrid ตัวเร่งการทำงานแห่งอนาคต

แน่นอนแล้วว่าการทำงานในอนาคตจะเป็นรูปแบบการทำงานแบบ Hybrid ทำงานได้จากทุกๆ ที่ โดย 98% ของทุกการประชุม จะมีผู้เข้าร่วมประชุมอย่างน้อย 1 คน ที่เชื่อมต่อจากที่บ้าน ดังนั้น องค์กรต่างๆ ก็ต้องหาเครื่องมือต่างๆ มารับมือกับการเปลี่ยนแปลงครั้งนี้ โดยมีการใช้งานที่ยืดหยุ่น และมีประสิทธิภาพในการทำงานให้กับพนักงานทุกๆ คน

Scroll to Top

ติดต่อ tangerine

Tel: +66 2 2855511   |   Email: info@tangerine.co.th




This website uses cookies to ensure you get the best experience on our website. View Privacy Policy