Python으로 작동하는 Desktop GIS

Python 클라우드 컴퓨팅, 빅데이터, AI 등의 다양한 분야에 널리 쓰이고 있는 간결하고 생산성 높은 프로그래밍 언어입니다. GIS 소프트웨어 기능 역시 Python 맞을 있습니다. SuperMap iDesktop Java 9D 버전은 다음과 같이 Python 통합됩니다:

 

기본 제공되는 Python 런타임 환경

Java Desktop Python 3.5 런타임 라이브러리와 통합되는 PyDev Python 런타임 환경을 내부적으로 구축했습니다. 또한 추가 Python 패키지를 설치하지 않고도 Java Desktop에서 Python 스크립트를 작성하고 실행할 있습니다.

 

Python IDE 

ava Desktop 오픈 소스 텍스트 편집기 RSyntaxTextArea 기반으로 하며 Python 통합 개발 환경을 독립적으로 개발합니다. Java Desktop Python IDE Python 인코딩 스타일, 인터페이스 방법, 매개 변수 자동 완성 기능의 지능형 프롬프트, 내장된 API 대한 인터페이스 설명 자동으로 Python 스크립트의 신속한 개발을 요청할 있습니다

Python IDE Java Desktop 사용하면 쉽게 데이터에 액세스하고 결과를 확인할 있습니다. IDE에서는  Java Desktop 사용하여 데이터를 있습니다. IDE 실행 결과는 Java Desktop 데이터 소스에 저장되며 지도와 화면에 시각적으로 표시할 있습니다.

 

 

Python 도구

Java Desktop Toolbox 여러 Python 도구를 제공하며 도구 스크립트 보기 수정을 지원합니다. Java Desktop Python 파일(*.py) 로드하여 도구를 만들 있는 기본 IDE 통해 Python 스크립트 작성을 지원합니다. Python 도구를 실행할 출력 영역에는 해당 Python 코드 출력이 있어 코드 실행을 적시에 추적할 있습니다.

또한 도구 상자의 도구는 Python 인터페이스 보기와 상세한 인터페이스 구문, 기능 소개 및 다양한 매개 변수에 대한 설명을 제공하여 Python 언어 개발을 용이하게 합니다.

 

 

Python 시각적 모델링 통합

Java Desktop에서 제공하는 Python 도구는 직접 실행될 수 있을 뿐만 아니라 Python 도구의 시각적 모델링을 지원합니다. 모델 캔버스에 직접 Python 도구를 추가하고 이를 다른 도구와 연결하여 데이터 생산 프로세싱과 같은 자동화된 워크플로우를 구축할 수 있습니다.

Java Desktop에서 만든 모델은 데스크탑에서뿐만 아니라 Python 스크립트 파일(*.py)로도 쉽게 재사용할 수 있습니다. 예를 들어 출력 Python 스크립트를 Java Desktop으로 다시 가져오거나 Python 코드를 복사하여 Python 편집 영역에 붙여 편집기에서 파라미터를 수정한 후 직접 코드를 실행할 수 있습니다. 또한 Java Desktop Python에서 출력되는 스크립트를 데스크탑 없이 사용할 수 있습니다.

Java Desktop 데이터 처리, 토폴로지, 보간 근접 분석과 같은 많은 SuperMap iObjects Python 기능을 통합합니다. 사용자는 Python 언어로 비즈니스 요구 사항에 맞는 개발을 신속하게 진행할 있습니다.

 

 

 

SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.

CIO Summit 2019 후기 – 빠르게 변화하는 디지털 시대에 앞서나갈 수 있는 방법은?!

 

Vodafone 사례를 설명하고 있는 SPH 조영만 차장

 

올해로 10주년을 맞이한 국내 최대 규모의 CIO 행사 ‘CIO 서밋 2019’가 지난 2 21일 인터콘티넨탈 서울코엑스에서 개최되었습니다.  ‘Digital 2019, 연결하고 해석하고 지능화하라!’라는 주제로 진행된 이번 서밋에서는 롯데백화점 디지털사업부문장, 문화체육관광부 정보화담당관, 미래에셋대우 IT 대표가 참여하여 프로젝트 성공담을 전했습니다.  그 외에도, 시만텍코리아, 리미니스트리트, IBM, 효성인포메이션시스템 등이 참여하여 디지털화 과정을 공유했습니다.

서밋 발표는 ‘Intelligence’, ‘Analytics’, ‘Connectivity’의 세 트랙으로 나누어져 진행되었습니다. 5G 이동통신 시대에서 가장 중요한 키워드는데이터연결입니다. 연결 속에서 점점 더 많은 데이터가 쌓이고, 이를 제대로 분석해야 빠른 디지털 전환에 대비할 수 있습니다.

 

부스를 둘러보는 참가자들로 가득한 행사장

 

SPH 부스

 

저희 SPH는 유일한 GIS 관련 부스로 참여하여, 지도의 디지털화를 소개했습니다. SPH는 구글 지도와 CARTO를 활용한 애셋 트레킹, 상권 분석, 그리고 SuperMap 기반의 시설물 관리 사례를 공유했습니다.

 

SPH의 애셋 트레킹 솔루션은 항공, 선박, 차량에 대한 스마트한 관제를 가능하게 합니다. 부스에서도 소개된 아시아나 항공의 비행 감시 시스템은 운항 관련 데이터를 실시간으로 확인할 수 있어 안전 운항을 강화할 수 있습니다. 또한 글로벌 전자 기업의 차량 감시 시스템은 수리기사의 위치를 실시간으로 관리하여, 운영 효율과 비용 절감의 효과를 볼 수 있습니다.

또한 상권분석 사례로는 유럽 최대 통신사 Vodafone 사례와 함께, SK텔레콤의 Geo마케팅 사례가 소개되었습니다.

 

 

 

이번 서밋에서 처음 영상으로 소개된 시설물 관리 솔루션은 GIS와 시설 관리를 연계하여, 현장 업무를 신속하고 정확하게 처리할 수 있도록 합니다. 서밋에서는 미래엔서해에너지의 지리정보시스템이 해당 사례로 소개되었습니다.

(해당 영상은 보안 관련 문제로 삭제되었습니다)

 

이번 서밋에서는 IT 관련 분야 뿐만 아니라, 공공, 금융, 물류 등 다양한 산업의 참가자들이 저희  부스를 방문하여, 이제 로케이션 인텔리전스는 모든 비즈니스에서 필수적 요소임을 알 수 있었습니다. 빅데이터를 효과적으로 분석하고 활용하기 위해, 지도를 활용해보시는 건 어떨까요?

CIO 서밋에 참가하지 못하신 분들이나, 부스에서 해결하지 못한 궁금한 사항이 있으신 분들을 위해, SPH는 고객 사례에 맞는 무료 세미나 및 컨설팅을 제공하고 있습니다. 관심있으신 분들은 언제든 여기로 신청 부탁드립니다.

 

SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.

[구글맵 업데이트] Places SDK for Android & iOS 업데이트

 

구글맵은 지난 6월, 구글 지도 플랫폼(Google Maps Platform)이라는 새 이름과 함께 새로운 가격 정책과 시스템을 도입했습니다

 

이러한 변화에 발맞추어 구글은 1월 29일, 업그레이드된 Places SDKs for Android and iOS를 발표했습니다. 이제 홈페이지에서 새로운 Places SDKs for Android & iOS 마이그레이션 가이드를 확인하실 수 있습니다. 기존의 Places SDK는 2019년 7월 29일까지 유효합니다.

업그레이드된 SDK는 다른 구글지도플랫폼 제품과 동일한 안정성, 보안 및 고객 지원을 제공하여 사용자가 장소 데이터를 쉽게 사용하고 확장할 수 있도록 설계되었습니다.

 

변경 내용:

  • 일일 쿼리량 무제한 (QPD) – 기존 SDK보다 크게 증가
    • 기존: 1,000개(결제 계정無), 15,000개(결제 계정 有)
  • Places Picker 기능 삭제 (Places Picker 기능 역시, 2019년 7월 29일 이후 삭제됩니다. )

1월 29일부터 이 기간까지 Places Picker를 계속 이용하시려면,

    • Places Picker는 지원되지 않으므로 아직 새 SDK로 마이그레이션하지 마십시오.
    • Google Cloud Platform 프로젝트에서 iOS용 Places SDK를 비활성화하지 마십시오. 그러면 Places Picker도 비활성화됩니다.

추가적으로, 그동안 많은 요청이 있어왔던 기능들도 추가되었습니다:

  • Places Details에 오픈 시간 추가
  • 각 장소의 총 리뷰 수
  • plus code 접근 – 거리 주소가 존재하지 않는 지역에서도 전세계 모든 위치에 주소를 제공하는 짧은 코드

 

더욱 자세한 내용은 Places SDKs for Android & iOS 마이그레이션 가이드에서 확인하실 수 있습니다.

SPH는  구글맵 사용에 어려움이 있으신 분들을 위한 컨설팅 및 기술 지원을 제공합니다. 정책 변화로 인해 지도 사용에 어려움이 있거나, 앞으로의 계약에 대해 문의 사항이 있으시다면 여기로 문의주시기 바랍니다.

 

SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.

 

 

쌓여만 가는 위치데이터, 효율적으로 이용하는 방법은?

빅데이터, 인공지능과 같은 키워드는 이제 모든 산업에서 중요한 위치를 차지하고 있습니다. 데이터가 중요한 시대가 되며, 위치데이터 역시 비즈니스에 필수적인 요소가 되었습니다.

한국인터넷진흥원이 발행한 ‘2018 국내 위치정보산업 동향조사 보고서에서는 2019 위치정보산업 10대 키워드 전망을 인공지능, 자율주행차, 빅데이터, 사물인터넷, 스마트 물류/유통, 5G, AR/VR/MR, 블록체인, O2O, 스마트 헬스케어로 꼽았습니다.

위치정보산업이 점점 중요해지고 있다는 것은, 위치정보산업의 매출액 증가만 보아도 알 수 있습니다.

2018 위치정보산업 매출액은 지난 2017년보다 18.1% 증가하였고, 2019년에는 22.6% 증가한 1 2,546억원이 것으로 예상하고 있습니다.

 

매출액 증가율 1위는빅데이터 분석 서비스였습니다. 단순히 위치데이터를 제공하는 것이 아닌, 위치데이터를 분석하고 활용하는 것이 더더욱 중요하다는 사실을 알 수 있습니다.

 

CARTO ‘The State of Location Intelligence 2018’에서는, 겨우 17%의 데이터 분석가들이 자사의 위치 데이터를 분석하고 있다고 답했습니다. 대부분의 회사들이 위치 데이터를 보유하고는 있지만, 어떻게 활용해야할지는 모른다고 답변했습니다.

 

시각화 및 반복 분석을 통해 회사는 위치 데이터를 비즈니스 결과로 전환할 수 있습니다. 그렇다면 어떻게  방대한 위치 데이터를 분석하면 좋을까요?

 

기업은 위치 정보 프로세스를 문서화하고, 공식화해야 합니다.

대부분의 기업과 데이터 전문가들은 위치 데이터에 익숙하지만, 공간 분석을 적용하는 것과 같은 중요한 단계를 놓치거나, 행정 경계 수준(,국가 등)에서만 위치 데이터를 검토하는 것과 같이 오래된 관행을 따르고 있습니다. 이러한 실수를 피하기 위해서는, 공식적인 위치 정보 가이드 제작이 필수적입니다. 데이터 기반 질문의 명확한 이해, 내부 및 외부 소스로 데이터를 풍부하게 하는 방법에 대한 이해, 대화형 지도 및 기타 유형의 데이터 시각화를 수행하는 방법, 반복적인 공간 분석 적용 방법 등에 대한 숙지가 필요합니다.

더 많은 정보를 위해서는 다음 가이드를 참고하세요: A Really Good Guide to Location Intelligence Implementation

 

데이터 분석가는 공간 데이터 사이언스를 연구하고 적용해야 합니다.

CARTO ‘The State of Location Intelligence 2018’에서, 대부분의 사용자 및 데이터 분석가가 공간 데이터 사이언스를 비즈니스 과제나 데이터셋에 거의 적용하지 않고 있다는 사실을 발견했습니다. 위치 데이터는 비즈니스의 성공에 점점 더 중요해지고 있으며, 데이터를 시각화 및 분석하는 방법과 전략도 점점 더 복잡해지고 있습니다. 기업들은 공간 데이터를 효과적으로 조작하는 방법을 이해하는 데이터 분석가를 원하고 있으며, 반복적인 공간 분석을 수행하는 것은 가장 중요한 단계입니다.

더 많은 정보를 위해서는 다음 가이드를 참고하세요: LEARN Guides for Spatial Data Science

 

SPH CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.

 

 

두 기업의 입지 선정 전략: 던킨도너츠 vs 스타벅스

 

마스터카드 지출 데이터를 CARTO를 활용하여 지도에 올려, 매출 및 거래 지수를 기반으로 스타벅스와 던킨도너츠의 입지를 비교한 글입니다. 콘텐츠 원문은 여기서 확인하실 수 있습니다. 

카드 데이터를 이용한 새로운 입지 평가 지표
CARTO를 활용하여 판매 데이터 지도로 한 눈에 파악하기
시각화 분석으로 스타벅스와 던킨도너츠의 입지 선정 전략 파악

 

패스트푸드 레스토랑에 대한 수요가 증가하면서 개인 투자가 및 부동산 투자가들은 경쟁력 확보를 위해 과거 입지 선정 결정을 기반으로 한 새로운 방안을 내놓고, 과거 판매 실적과 같은 패스트푸드 레스토랑 평가 매트릭스를 보완하기 시작했습니다.

투자자들은 패스트푸드 레스토랑의 매력을 “이커머스에 영향을 받지 않는 것”으로 보고 있습니다. Boulder Group의 사장 Randy Blankstein은 “인터넷으로는 그 누구도 도넛, 타코, 버거, 프라이 등을 완벽하게 만들어낼 수 없다.”고 덧붙였습니다.

거래처, 판매 애널리스트 및 시장 조사가가 패스트푸드 레스토랑을 평가하는 일반적인 방법은 다음과 같습니다:

  • 장소별 판매 실적
  • 선별된 시장 혹은 특정 장소 내에서의 성공 기록 추적
  • 시장점유율의 격차를 찾아 해결하기 위한 의지
  • 다른 시장에도 적용될 수 있는 사업 전략

이 평가 지표에는 위치 구성요소가 모두 포함되어 있지만, 다양한 케이스에서 기본적인 패턴을 식별하기는 어렵습니다. 이는 같은 시장에서 경쟁사 브랜드를 만날 때 더욱 복잡해지기만 합니다.

최근 한 고객이 동일한 시장에서 두 경쟁사의 시장 진출 전략을 비교하기 위해 비교 지출 데이터를 사용할 수 있는 방법을 물어왔습니다. 내부 판매 데이터에 대한 액세스가 부족하기 때문에, 다음 두가지 질문에 답할 수 있는 비슷한 규모의 적절한 프록시 값이 필요했습니다.

  1. 이때까지 각 브랜드의 어떤 위치가 가장 많이 발전했는가?
  2. ‘어떤 브랜드가 더 가치있는 위치를 점하고 있는가’의 기준으로 알 수 있는 입지 선정 전략은 무엇인가?

우리는 마스터카드 지출 데이터를 이용하여 이러한 질문들에 대한 비교 모델을 세울 수 있었습니다. 이 모델을 구축하는 과정에서 어떤 단계를 거쳤는지와 과거 위치 데이터에서 도출할 수 있는 다양한 추론을 자세히 살펴봅시다.

위치 데이터로 매개 변수와 프록시 설정하기

이 사용 사례에서는 POI (Points Of Interest)를 사용하여 뉴욕시 전역의 던킨 도넛과 스타벅스 위치를 맵핑했습니다. CARTOframes를 통해 분석 및 시각화를 실행하여 추출, 변환 및 로드(ETL) 프로세스를 간소화할 수 있기 때문에 Jupyter Notebook에 POI 데이터를 준비했습니다. 그리고 나서, SQL API를 사용하여 최종 데이터셋(마스터카드 지출 데이터와 결합된 POI 데이터 포함)를 CARTO 계정에 올립니다.

아래 지도는 2018년 2월 던킨 도너츠(금색) 및 스타벅스(녹색) 위치를 보여줍니다.

그런 다음, 위치 결정에 있어서 어떤 브랜드가 가장 개선되었는지 확인하기 위해 영업 활동에 대한 인사이트와 함께 또 다른 데이터 계층이 필요했습니다. 매장별 판매 실적이 아닌 각 지역의 판매 실적에 초점을 맞추면, 마스터 카드 지출 데이터를 통해 특정 지역의 과거 성과를 평가할 수 있습니다. 이 모델에는 5가지 지출 데이터가 모두 포함되지만, 그동안의 위치 향상을 평가하기 위해서는 다음 두 가지 지표만 사용되었습니다.

  1. 판매 지수: 전년도 평균 월 매출액 기준으로 해당 월까지의 순위를 정합니다.
  2. 거래 지수: 전년도 평균 거래 수를 기준으로 해당 월까지의 순위를 정합니다.

지출 데이터는 다양한 지리적 수준에서 사용할 수 있습니다. 이 분석에서는 뉴욕 시 전역에서 입지 선정을 검토하므로, 동일한 대도시 지역에 있는 식당들의 순위를 비교하면서 세밀한 수준(인구조사 트랙, 인구조사 블록그룹, 인구조사 블록)까지 확인할 것입니다.

*미국의 지리적 단위. 인구조사 트랙 > 인구조사 블록그룹 > 인구조사 블록

세분화 수준 결정하기

마스터카드 지출 지수 데이터는 실제 거래 내역에서 가져온 것이지만, GDPR 규정에 따라 고객의 개인정보를 보호하기 위해 익명화되고 총계처리되어 집계됩니다. 이는 소비자 익명성을 보장하는 최소 임계값 카운트가 충족되지 않는 인구조사 블록과 같이 더 세분화된 수준에서는 데이터를 사용할 수 없기 때문에, 지출 데이터를 볼 세분화 레벨을 결정할 때 문제가 될 수 있습니다.

다양한 집계 결과에서 사용 가능한 데이터를 살펴보겠습니다.

인구조사 트랙 집계는 넓은 커버리지 영역에서 데이터를 이용할 수 있다는 이점이 있습니다.

인구조사 블록 그룹을 집계했을 때는 더 적은 데이터가 이용 가능합니다.

그리고 인구조사 블록은 뉴욕 시의 한 블록 정도 됩니다. 인구조사 블록 그룹보다 이용 가능한 데이터가 더 적습니다.

중요한 것은, 세분화 수준은 분석 및 원하는 결과에 따라 달라져야 합니다. 거시 분석(시장 점유율, 점유율 격차, 경쟁사 분석)에서는 인구조사 트랙이 최선의 선택일 수 있습니다. 같은 시장 내에서의 경쟁사를 분석하는 경우에는 인구조사 블록을 선택할 것입니다.

다음으로, 공간 조인 쿼리를 통해 POI 데이터를 인구 조사 블록 지출 데이터와 연결했습니다.

이제, Jupyter Notebook으로 다른 종류의 시각화 분석을 생성할 수 있습니다.

위의 쿼리는 각 브랜드의 중간 거래 지수를 반환합니다. 스타벅스가 844점으로 1위, 던킨 도넛이 710점으로 2위를 차지했습니다. 따라서, 우리는 스타벅스 거래 빈도를 기준으로 스타벅스가 교통량이 많은 지역에 위치해 있다고 추론할 수 있습니다.

이제 이 데이터를 Jupyter Notebook에서 CARTO로 불러와 모델을 구축해봅시다.

CARTO VL을 통해 입지 선정 전략 맵핑하기

스타벅스와 던킨도너츠는 가격 차이가 크지 않기 때문에, 각 지역의 거래 지수 중간값에 비례하는 원을 만들려고 합니다. 아래 지도에는 스타벅스(녹색)와 던킨도너츠(금색) 매장 위치가 뉴욕 시 전역에 표시되어 있습니다.

CARTO VL을 사용하면 비례하는 도형(이 지도에서는 그라데이션 원)이 매장 위치와 거래 지수 중간값 간에 서로 다른 수준에서 볼 수 있도록 확대/축소 방식으로 스타일을 설정할 수 있습니다.

또한, 특정 매장 위치를 선택했을 때, 200x200m 이내의 인구조사 블록은 2018년 2월부터의 판매 지수로 구분합니다. 이 비교 프레임워크는 다음과 같은 질문에 답하는 데 도움이 됩니다:

  1. 주변 지역의 상업 활동은 어떻습니까?
  2. 주변 지역의 업계 실적과 비교했을 때 특정 상점의 판매 실적은 어떻습니까?
  3. 근처에 경쟁사가 어디에 위치해있습니까?

이러한 질문들을 통해 우리는 어떤 브랜드가 더 가치있는 위치를 점하고 있는지 알 수 있습니다.

브루클린 근교의 한 블록에는 스타벅스와 던킨도너츠가 나란히 위치해 있습니다. 아래 사진은 이 블록의 지출 지수를 보여줍니다. 작년과 비교했을 때, 스타벅스와 던킨도너츠의 판매 지수는 더 높아졌음에도 불구하고 예상 판매 지수가 더 낮아진 것을 볼 수 있습니다. 과거 지출데이터는 2012년까지 볼 수 있기 때문에, 무엇이 이러한 불균형을 만들어냈는지를 이해하기 위해 과거 데이터를 살펴볼 수 있습니다.

2014년부터 2017년까지 판매와 거래 지수는 지속적으로 증가함에도 불구하고, 예상 판매지수는 급격하게 감소했습니다. 2013년 말, 던킨도너츠가 Bedford에 처음 매장을 오픈했습니다. 많은 사람들이 던킨도너츠는 외곽 지역에서 강세를 보이고, 스타벅스는 맨해튼 주변에 집중되어 있다고 생각하지만, 이 둘은 윌리엄스버그에서 엄청난 경쟁에 직면했습니다. 이러한 요인이 커피 메뉴를 찾는 고객의 예상 판매 감소와 두 브랜드가 계속 새로운 메뉴를 내지 않는 것에 기여했을 것입니다.

이러한 과거 데이터 분석은 오리지널 맵에서 관심있는 각 블록에 대해 수행되어, 시간 경과에 따라 가장 중요한 위치를 점한 매장을 더 정확하게 평가할 수 있습니다.

입지 선정, 위치 기반 마케팅, 물류 최적화 등에 활용될 수 있는 CARTO를 경험해보시려면, 아래의 신청폼을 통해 30일 무료 평가판을 신청하세요! 

CARTO 30일 평가판 신청하기

*


  

SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.