随着我们越来越依赖技术来做出决策，地理空间数据变得比以往任何时候都更重要。它是一种强大的资源，可用于解决各种问题，如跟踪物流、识别感兴趣的区域和潜在的灾难区域。
地理空间数据将数据与地理成分结合，例如纬度和经度坐标、地址、邮编或地名，并且可以从各种来源获取，包括卫星、传感器和调查，这使其成为一种非常强大的工具广泛的应用。
Google Cloud 的无服务器企业数据仓库 BigQuery 的主要功能之一是其分析地理空间数据的能力。然而，地理空间数据通常位于各种公共云中，而不仅是谷歌云。为了有效地访问，您需要一个多云分析解决方案，让您能够利用每个云平台的独特功能，同时从跨多个云平台的数据中提取见解和价值。
BigQuery Omni 架构
借助 BigQuery Omni，组织可以分析基于位置的信息或地理组成部分，例如纬度和经度坐标、地址、邮政编码或地名，甚至无需将数据复制到 Google Cloud。例如，您可以使用 BigQuery Omni 分析来自送货车队的数据，以跟踪其位置并识别潜在问题。
BigQuery Omni 和地理空间数据分析
如果您正在处理地理空间数据，BigQuery Omni 是一款功能强大的工具，可以帮助您从数据中获取见解。它具有可扩展性、可靠且安全，使其成为统一分析和充分利用数据的绝佳选择。
以下是组织使用 BigQuery Omni 处理地理空间数据的一些示例：
-
零售公司可以使用 BigQuery Omni 分析来自其销售点系统的数据，以跟踪客户行为并识别趋势。
-
运输公司可以使用 BigQuery Omni 分析车辆中 GPS 传感器的数据，以跟踪车队的移动情况并识别潜在问题。
-
政府机构可以使用 BigQuery Omni 分析来自天气传感器的数据，以跟踪风暴的移动并识别有洪水风险的区域。
BigQuery Omni 和地理空间数据可以结合使用，以深入了解各种业务问题。
具体来说，使用 BigQuery Omni 和地理空间数据的一些优势包括：
-
访问高质量的地理空间数据：BigQuery 支持加载以换行符分隔的 GeoJSON 文件，并为加载和查询地理空间数据提供内置支持。来自公共数据源（例如 BigQuery 公共数据集、Earth Engine 目录和美国地质调查局 (USGS)）的数据可以轻松集成到您的 BigQuery 环境中。
Earth Engine 有一个集成的数据目录，其中包含全面的分析就绪数据集，包括卫星图像和气候数据。该数据可以与 SAP、Oracle、Esri ArcGIS Server、Carto 和 QGIS 等专有数据源相结合。
-
地理空间数据的加载和预处理：BigQuery 内置支持加载和查询地理空间数据类型，您可以使用 FME Spatial ETL 等合作伙伴解决方案来加载数据。
-
使用不同的地理空间数据类型和格式：BigQuery 支持多种文件类型和格式，包括 WKT、WKB、CSV 和 GeoJSON。
-
坐标参考系统：BigQuery 的地理数据类型是全球一致的。这意味着您的数据已注册到 WGS84 参考系统，并且您的分析可以跨越一个城市街区或多个大陆。
总体而言，BigQuery Omni 的地理空间分析提供了广泛的技术功能来处理和分析地理空间数据，使其成为需要处理基于位置的数据的企业的强大工具。
使用 BigQuery Omni 分析地理空间数据
想象一下，一家零售商拥有一家大型连锁百货商店，其门店遍布全国。他们正在寻求扩大业务并希望确定具有高销售潜力的领域。他们希望有一种方法可以更好地了解特定地理范围内的销售量。为了实现这一目标，零售商求助于 BigQuery 中内置的 GIS（地理信息系统）功能。以下是零售商分析该数据集所采取的步骤：
步骤 1：AWS S3 上的初始订单数据集包含554 万行，并在 AWS S3 上具有单独的位置（300 行）和邮政编码（33144 行）元数据文件。
订购镶木地板文件：
位置和邮政编码文件
步骤 2：零售商使用 BigQuery Omni 在 AWS 中存储的数据和 BigQuery 之间建立连接，使他们能够从外部访问 S3 数据集。
AWS 的外部连接
订单外部表
第 3 步：他们使用 BigQuery Omni 合并订单和位置数据集，并在 AWS 上远程聚合数据。将此数据集与地理空间数据集连接有助于他们导出地理空间坐标。
最终聚合数据集减少至 23 行。随后，他们带回仅包含 23 行的结果数据集。这有助于他们将地理空间分析中提取的数百万行减少到仅 23 行。
Select sales.store_city store_city,
sales.number_of_sales_last_10_mins number_of_sales_last_10_mins,
sales.store_zip store_zip,
ST_GeogPoint(zip_lat_lng.longitude ,
zip_lat_lng.latitude ) geo
FROM (
SELECT
FORMAT_DATETIME(“%X”,
CURRENT_DATETIME(“America/Los_Angeles”)) current_time,
MAX(DATETIME(time_of_sale,
“America/Los_Angeles”)) time_of_last_sale,
COUNT(1) number_of_sales_last_10_mins,
locations.city store_city,
locations.zip store_zip
FROM
`bqomni-blog.aws_locations.orders_small` sales
JOIN
`bqomni-blog.aws_locations.locations` locations
ON
sales.store_id = locations.id
GROUP BY
locations.city,
locations.zip ) sales
JOIN
`bqomni-blog.aws_locations.zipcode` zip_lat_lng
ON
cast(sales.store_zip as INT) = cast(zip_lat_lng.zipcode as INT)
WHERE ST_WITHIN( ST_GeogPoint(zip_lat_lng.longitude , zip_lat_lng.latitude ) ,ST_GeogFromText(zip_lat_lng.zipcode_geom ) )
AND zip_lat_lng.state_name = “New York”
ORDER BY number_of_sales_last_10_mins
按地区汇总销售数据
为了构建更丰富的销量数据视图，该零售商使用 BigQuery GeoViz 集成，这是一个功能强大的工具，可以在地图上可视化地理数据。
BigQuery Geo Viz 是一个 Web 工具，用于使用 Google Maps API 在 BigQuery 中可视化地理空间数据。您可以运行 SQL 查询并在交互式地图上显示结果：
用于销售数据分析的 BigQuery Geo 视图
使用 BigQuery Omni 的好处
- 降低成本：BigQuery Omni 消除云之间数据传输的能力可以帮助组织降低成本并简化数据管理，使其成为多云分析的宝贵工具。此外，跨多个云访问和分析数据的能力可以减少数据复制和同步的需求，从而可以进一步简化 ETL 流程并提高数据一致性。
- 统一治理：BigQuery Omni 使用与 BigQuery 相同的安全控制，其中包括加密、访问控制和审核日志等功能，以帮助保护数据免遭未经授权的访问。
- 单一分析窗格：BigQuery Omni 提供用于跨所有三个云查询数据的单一界面，这可以简化数据分析过程并减少组织使用多个分析工具的需要。
- 灵活性：分析存储在任何受支持的云存储服务中的数据，使组织能够灵活地处理他们拥有的数据，无论数据位于何处
总而言之，BigQuery Omni 是地理空间分析的一个有价值的工具，因为它允许您分析多个来源的数据，而无需移动数据。这可以节省您的时间和金钱，还可以帮助您从数据中获得更准确的见解。