分析学与分析
原文链接: https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/analytics-vs-analysis
18908 为本文评分:
4.0
分析学与分析
匿名作者 2016年4月25日，星期一
“分析学”这一术语已变得无处不在，从个人理财广告到职业体育的实时解说，再到我们自身的地球空间科学、软件和解决方案领域，各种对话中都能见到它的身影。我听到“地理空间分析学”这个术语越来越多，在哈里斯地球空间公司这里，我们使用变体“ENVI 分析学”来描述我们的能力。然而，如果使用不当，它可能会被理解为“请相信我们，我们的软件很时髦很酷”的简写，而不是向您的客户传达有意义的信息。
那么，什么是地理空间分析学？它们与分析有何关系？毕竟，分析是人类的活动，我们开发软件就是为了实现、增强和改进它。当部署在桌面端时，像 ENVI 这样的软件为分析人员提供了一个丰富的工具和算法环境，使他们能够查询数据、应用遥感原理来进行测量、获取信息，并以可解释的方式可视化结果。它本质上是交互式和迭代式的；需要与数据亲密接触，以加深对问题集的了解，并提高分析人员的领域知识、主题专业知识和技能。以全色锐化为例；在 ENVI 3.X 版本发布 SPEAR 工作流之前，将多光谱影像与同一场景的高分辨率全色影像融合是手动完成的，分析人员需要通过一个迭代且劳动密集的过程对数据进行配准，选择并应用最佳色彩变换，然后将结果写入文件以检查产品。这几乎从未在第一次就成功，但这种亲自动手的方法通过强制与数据亲密接触并赋予实践过程的经验，加深了操作员的分析技能。
相比之下，分析学是通往答案的捷径，即所谓的“简单按钮”，旨在将特定算法应用于特定数据，以在界定明确的一组参数范围内提供答案。在全色锐化的例子中，这样的“分析学”可能要求分析人员只需选择数据，定义全色锐化输出的边界，然后点击“开始”。地理空间分析学，如上文所述的全色锐化任务，之所以能够在 ENVI 服务引擎 中实现，是因为我们已经将处理从桌面端转移到了云端，将分析引擎与用户界面解耦，并将 ENVI 固有的处理和利用工具重构为更原子级别的任务。这些任务，字面意思称为“ENVI 任务”，是从传统的 ENVI 应用程序编程接口 构建模块——ENVI_DOIT 例程——演变而来，并现已取代了它们。这种演变不仅对技术具有变革性，使我们能够在云上处理数据并将结果返回到我们的网络查看器或瘦客户端，它对 ENVI 用户的分析应用方式也具有变革性。
我们可以从多种方式来思考这一点。例如，通过为分析人员提供一套预定义的地理空间分析学工具，如视域分析、变化检测、监督/非监督分类，云端 ENVI 使分析人员免于定义和实施这些分析学所需的繁琐处理。人们注意到这减少了操作员与数据的亲密接触，但在大数据时代，这在许多应用中已成为一种必要的妥协。或者，换一种方式思考，这套分析学工具可以用于串联针对特定问题集的独特工作流，这些工作流可以在处理新数据类型或研究新现象时轻松地实时定制。这恢复甚至增强了与数据的亲密接触，这在大数据时代是一个有趣的概念。在第一种范式中，ENVI 提供了工具，将为今天在地理空间处理服务不足的垂直市场中的最终用户“普及”地理空间数据。消费者不需要知道视域分析是做什么的，而只关心他的屋顶是否能接收到足够的太阳辐射，从而使光伏阵列的投资物有所值——ENVI 分析学使之成为可能。在第二种范式中，地理空间分析人员不仅关心视域分析是做什么的，还想对其进行优化以考虑附近作物的季节性生长，确保全时间段的覆盖——ENVI 分析学不仅能做到这一点，而且使得与数据亲密接触的分析人员能够创建复杂且可扩展的分析工具，以更有效、更快速地解决更多问题。
要回答标题中提出的问题“分析学与分析”，请将 ENVI 分析学视为支持人类分析所需的信息处理和任务执行的提炼。分析学是易于配置和部署的原子级别任务，推动您的地理空间企业持续并加速从桌面端向云端的迁移。