Vuosittain järjestetään avoimen lähdekoodin paikkatietosovelluksiin keskittyviä tapahtumia. Yksi tunnetuimmista on FOSS4G -konferenssit. Niitä on tarjolla sekä maailman laajuinen globaali tapahtuma että pienempiä tapahtumia.

Tänä vuonna FOSS4G Global järjestetään Japanin Hiroshimassa 30.8.-5.9. Koska kauas on pitkä matka, Eurooppalaisia saattaa kiinnostaa enemmän eurooppalainen versio FOSS4G Europe, joka tänä vuonna järjestetään Timisoarassa Romaniassa 29.6.-3.7. Timisoarassa on mahdollista kuunnella Gispon Pekka Sarkolan esitys: Enterprise GIS: Building and Maintaining the Database

Kolmas tämän vuoden iso tapahtuma on QGIS User Conference. Se järjestetään Sveitsin Laaxissa 5.-6.10.

Oskari on ohjelmisto, jolla voi tehdä selainpohjaisen karttapalvelun. Avoimen lähdekoodin paikkatietosovelluksena Oskari on tietysti Gispolle tärkeä. Oskarin ympärille on muodostettu verkosto, joka yhdessä kehittää ohjelmistoa ja pohtii sen tulevaisuutta. Oskari-verkostoa koordinoi Maanmittauslaitos, ja Gispon Juho Rekilä toimii Oskarin viestintäkoordinaattorina.

Oskari-verkosto kokoontuu vuosittain yhteiseen verkostopäivään, joka järjestetään lähitapahtumana. Viimeisin verkostopäivä järjestettiin 19.5.2026 ja se keräsi yhteen Oskarin kehittäjiä ja muita ohjelmistosta kiinnostuneita. Juho oli suunnittelemassa ja fasilitoimassa tapahtumaa.

Tämänvuotinen verkostopäivä rakentui kolmesta osiosta:

Tervetulotoivotukset ja lyhyt katsaus siihen, mitä Oskarissa on muuttunut viimeisen vuoden aikana
Oskari-kehittäjien esityksiä
Työpaja Oskarin ohjausryhmän (Oskari Joint Development Forum) toiminnan parantamiseksi, uusien yhteisöjäsenten valinta ja tilaisuuden päätös

Mikä Oskarissa on muuttunut edellisen verkostopäivän jälkeen?

Oskarin tekninen koordinaattori Sami Mäkinen antoi yleiskatsauksen uusimmista Oskari-julkaisuista ja niiden tärkeimmistä muutoksista. Vuoden 2025 verkostopäivänä Oskarin uusin major release -versio oli Oskari 3.0. Sen jälkeen on tehty neljä pienempää julkaisua. Ne sisältävät monia kirjastopäivityksiä, helpotuksia ohjelmiston kehittämiseen ja konfigurointiin sekä admin-toimintojen parannuksia.

Ohjelmiston päivittämisen ja ylläpidon helpottamiseksi on tuloillaan useita muutoksia. Ensinnäkin vanhojen jQuery-pohjaisten komponenttien migraatio React-pohjaisiksi jatkuu viime vuosien tapaan. Toiseksi, Omat aineistot (userlayer) ja Omat paikat (myplaces) toiminnot korvataan uudella myfeatures-bundlella (jonka lopullinen nimi on vielä auki). Verkostopäivän osallistujat pääsivät kokeilemaan viimeksimainittua uutta työkalua tapahtuman aikana ja kommentoivat sitä paikalla olleille MML:n Oskarin ydinkehittäjille. Kolmanneksi, analyysitoiminnallisuus on poistettu Oskarin ytimestä, koska sitä käytettiin vähän ja sen tekninen ylläpito oli työlästä.

Nämä ovat vain muutamia kuluneen vuoden muutoksista. Kattava lista muutoksista, bugikorjauksista, uusista ominaisuuksista ja parannuksista löytyy Oskarin Changelogista. Oskari-karttapalvelun ylläpitäjille vielä lisähuomiona: Oskarin dokumentaatioon on lisätty uusi luku, Usage Instructions, joka sisältää esimerkiksi ohjeet karttatasojen lisäämiseen ylläpitäjille.

Kolme näkökulmaa Oskarin kehittämiseen

Kolme yritystä piti esityksen Oskarin kehittämisestä. Ubigun Ilpo Tammi puhui Oskari-infrastruktuurin automatisoinnista sekä muista Oskariin liittyvistä aiheista. Timo Aarnio Gispolta kertoi käyttötapauksesta, jossa julkisesta GitHub-repositoryssä ollutta räätälöityä Oskari-sovellusta lähdettiin jatkokehittämään uudelle asiakkaalle. Lopuksi Mikko Kolehmainen Sitowiselta esitteli työkalun, jonka avulla on mahdollista useiden Oskari-instanssien keskinäisen karttatasohallinnan.

Ubigu ylläpitää Tampereen kaupungin Oskari-instansseja. Ubigulla on luotu Docker-image Oskari-palvelusta ja automatisoitu koko paikkatietoinfrastruktuurin pystytys. Perusrepositorio ja käyttöohjeet toteutukseen ovat saatavilla Tampereen kaupungin GitHub-repositoriossa.

Meillä Gispolla on työstetty nyt muutaman vuoden ajan Oskari-projektia joka hyödyntää laajasti ohjelmiston RPC-toiminnallisuutta. Tuotettava karttapalvelu on pitkälle tilaajan tarpeisiin räätälöity Oskari-toteutus. Kehityksen aikana Oskarin ytimeen on tuotu kolme uutta ominaisuutta, ja lisäksi parhaillaan käydään keskusteluja myös uuden vektoritasojen tyylittelyominaisuuden tuomisesta Oskarin ytimeen.

Sitowise esitteli tasonhallintatyökalun, joka auttaa ylläpitäjiä kopioimaan, siirtämään ja poistamaan tasoja eri ympäristöjen välillä. Työkalu helpottaa tasojen vertailua ja siirtoa kehitys-, testi- ja tuotantoympäristöjen välillä eri Oskari-instansseissa. Toistaiseksi Sitowise ei ole tuonut työkalua julkisesti saataville, sillä se on suunniteltu erityisesti heidän asiakkaansa tarpeisiin.

Päivän päätteeksi kehitystä ja uusia yhteisöjäseniä

Iltapäivän ohjelmassa oli kahvitauon jälkeen työpaja Oskarin ohjausryhmän toiminnan parantamiseksi sekä yhteisön tarpeiden ja toiveiden läpikäyntiä. Jotkin ideat (esimerkiksi kuvaukset Oskarin vaatimasta paikkatietoinfrasta) ovat jo työn alla.

Päivän päätteeksi valittiin uudet yhteisöjäsenet ohjausryhmään. Paikallaolijat äänestivät eri organisaatioiden välillä, ja äänestyksen voittivat Gispo Finland Oy ja Ubigu Oy. Aiemmin yhteisöjäseninä olivat olleet Ubigu ja Joensuun kaupunki.

Syksyllä on luvassa Oskarin kehittäjien tapaaminen, josta lisää tietoa myöhemmin.

Syksyllä 2026 tarjoamme avoimina kursseina joukon suosituimpia kurssejamme sekä uuden tulokkaan! Avoin kurssi on kurssi, jolle me annamme päivämäärän ja kuka tahansa voi ilmoittautua mukaan kehittämään paikkatieto-osaamistaan.

Johdanto QGISin käyttöön 28.–29.8.2026
Paikkatiedon mobiilikeruu QFieldillä 8.–9.9.2026
PostgreSQL and the basics of PostGIS 22.–25.9.2026
QGISin kertauskurssi 8.10.2026
QGIS Plugin development 6.–7.10.2026
Pistepilvien käsittely QGISillä 17.–18.11.2026
Johdanto GeoServerin käyttöön 1.–4.12.2026
QGIS perusteet kunnille 8.–9.12.2026

Jos valikoimasta ei löydy sinulle sopivaa koulutusta, voit aina pyytää meiltä tarjouksen omiin tarpeisiisi – niin sisällöllisesti kuin aikataulullisestikin – sopivasta koulutuksesta. Tarjouspyynnön pääset jättämään tästä.

Oletko jo kauan toivonut pääseväsi tutkailemaan pistepilviä QGISissä? Onko organisaatiollanne käytössään arvokasta pistepilviaineistoa, jonka tehokas hyödyntäminen tuntuu kuitenkin vielä vieraalta?

Syksy tuo mukanaan uusia tuulia Gispon kurssitarjontaan. Meillä on ilo esitellä uusi kurssimme: Pistepilvien käsittely QGISilla! Kurssilla sukellamme pistepilvien maailmaan ja näytämme, kuinka monipuolinen työkalu QGIS on myös kolmiulotteisessa ympäristössä.

Pistepilviaineistot ja -työkalut ovat nyt saatavilla

Tekemiseen tarvitaan sekä raaka-aineita että työkaluja. Ja raaka-aineitahan nykyään löytyy: Maanmittauslaitoksella on tarjolla tarkkaa, avointa laserkeilausaineistoa koko Suomesta, ja yhä useampi kaupunki tuottaa omaa dataa esimerkiksi droonilentojen avulla. Nämä pistepilviaineistot koostuvat yksittäisistä pisteistä, joista luokittelun jälkeen voidaan tutkia tarkasti niin maanpintaa ja rakennuksia kuin erotella vaikkapa yksittäiset puut latvuksineen jatkotutkimuksia varten. Raaka-aineiden lisäksi tarvitaan kunnon työkalut: QGISin vakiotyökaluihin kuuluva Point Cloud Tools -työkalut mahdollistavat pistepilvien käsittelyn suoraan QGISissä.

Point Cloud -työkalut mahdollistavat muun muassa aineistojen luokittelun, suodatuksen, visualisoinnin ja formaattien muuntamisen ja edelleen pisteistä jalostettuna korkeus- ja maastomalleja eli jatkuvaa pintaa rasterimuodossa. Looginen seuraava askel sen jälkeen, kun pistepilvi on saatu hallintaan, on siirtyä tekemään analyysejä maastomallin avulla. Esimerkkeinä voi mainita rinneprofilliit, rinteiden suunta ja jyrkkyys, näkyvyysalueanalyysit, valuma-alueet ja volyymien laskennan.

Lutra Consulting on kehittänyt QGISin 3D-työkaluja työkaluja joukkorahoituksen avulla usean vuoden ajan. Taustajoukoista eli rahoittajista löytyy mm. Suomen Maanmittauslaitos. Työkalut kehittyvät jatkuvasti ja niitä löytyy tietysti myös lisäosista. Hatunnoston arvoista työtä koko yhteisön iloksi. Kiitos vielä kerran tekijät ja tukijat!

Miksi halusimme luoda pistepilvikurssin?

Vaikka aineistoa on paljon saatavilla niin käyttäjien osaaminen tulee usein hieman perässä. Koska avoimen lähdekoodin työkalut ja 3D-käyttö ovat kehittyneet nopeasti viime aikoina, niiden käyttö voi tuntua hankalalta ja vieraalta.

Yksi tärkeä syy pistepilvien käyttöön on juuri se, että samasta lähdeaineistosta voi suodattamalla johtaa erilaisia pintamalleja eri käyttäjien tarpeisiin. Mikäli käyttää valmiita maastomalleja, säästyy tietenkin aikaa, joka kuluisi valmisteluihin, mutta on samalla sidottu alkuperäisen mallin tekijän valintoihin.

Valmiista mallista on hyvin hankala luoda itselle sopivaa aineistoa esimerkiksi näkyvyysalueanalyyseihin tai valuma-alueen tutkimiseen, jos kaikkia tarvittavia maastonmuotoja ei ole otettu siinä huomioon. Tämän takia halusimme luoda uuden kurssin, joka madaltaa kynnystä tarttua näihin raskaisiinkin aineistoihin ja näyttää, kuinka monipuolinen työkalu QGIS todella on myös kolmiulotteisessa maailmassa.

Miksi tulla Pistepilvien käsittely QGISilla kurssille?

Tällä kurssilla madallamme kynnystä tarttua 3D-aineistoihin kouluttajamme avustuksella. Koulutuksen antamat opit tehostavat päivittäistä työtäsi ja auttavat saamaan irti kaiken potentiaalin olemassa olevasta datasta. Pistepilvet eivät ole enää vain tiedostoja koneen syövereissä, vaan aktiivisesti hyödynnettävää tietoa.

Kurssilla opit muun muassa seuraavat taidot: pistepilvien peruskäsitteet, suodattamisen ja editoinnin. Saat valmiuden visualisoida LAS-tiedostomuodossa tallennettuja pistepilviaineistoja ja opit jalostamaan pistepilven jatkuvaksi pinnaksi eli luomaan korkeusmalleja. Lisäksi tutustut rasteriaineistojen työstämiseen tarkoitettuihin analyysityökaluihin. Teemme kurssilla muun muassa näkyvyysanalyysin.

Jos kurssin jälkeen jokin asia jää vielä askarruttamaan, asiantuntijamme auttavat sinua ongelmissa koulutuksiin kuuluvan tukipalvelun kautta.

Kenelle Pistepilvien käsittely QGISillä –kurssi sopii?

Tämä kurssi on suunniteltu edistyneemmille QGIS-käyttäjille, oletuksena siis että tiedät mitä on paikkatieto ja QGISin peruskäyttö onnistuu. Kurssi sopii erityisen hyvin sinulle, jos:

Tunnet jo paikkatiedon ja QGIS-ohjelmiston perusteet.
Hyödynnät työssäsi omia tai avoimia pistepilviaineistoja (tai suunnittelet tekeväsi niin tulevaisuudessa).
Haluat syventää osaamistasi rasteri- ja 3D-analyyseissä.

Jos olet vasta aloittelemassa QGISin käyttöä, suosittelemme lämpimästi osallistumaan ensin joko QGIS perusteet kunnille tai Johdanto QGISin käyttöön -kursseillemme!

Tule mukaan ottamaan seuraava askel QGIS-osaamisessasi ja tekemään pistepilvistä näkyvä osa paikkatietotyötäsi! Ilmoittaudu mukaan tästä.

Mietityttääkö, miten tekoälyä voisi oikeasti hyödyntää paikkatiedon parissa? Tuntuuko, että yrityksesi on vaarassa kadota AI-sumuun?

Et ole yksin. Tekoälystä puhutaan nyt kaikkialla, mutta harva osaa sanoa, mitä se tarkoittaa käytännössä sille omalle tutulle vektorikitille. Me Gispolla emme halua rakentaa kanssanne avaruusasemaa ensimmäisessä työpajassa (ellette välttämättä halua, mutta aloitetaan silti mieluummin maankamaralta). Uuden GeoAI-palvelumme tavoitteena onkin raapaista pintaa rikki ja etsiä ne kaikkein tutuimmat, tylsimmät ja siksi parhaat arjen työnkulut, joita tekoäly voisi oikeasti sujuvoittaa. Ja mikä parasta: teemme tämän tietysti puhtaasti avoimen lähdekoodin paikkatietoteknologioilla (FOSS4G).

Miten homma etenee?

GeoAI-hyppy otetaan haltuun kolmessa napakassa tapaamisessa:

Missä mennään nyt? (Nykytilan kartoitus)
Istutaan alas ja katsotaan, mitä paikkatietoaineistoja, työkaluja ja rutiineja teillä jo on käytössä. Samalla perataan ne ideat, joita teillä on ehkä jo kahvikoneen ääressä pohdittu. Lopputuloksena meillä on tilannekuva siitä, missä tekoäly toisi teille aitoa ajansäästöä.
Mitä kaikkea voisitte tehdä? (Työkalut ja inspiraatio)
Tämä on se hauska osuus. Unohdetaan kalvosulkeiset ja siirrytään käytäntöön. Esittelemme teidän tarpeisiinne sopivia avoimen lähdekoodin GeoAI-työkaluja ja näytämme konkreettisia esimerkkejä siitä, miten aineistojen käsittelyä tai analytiikkaa voi tehostaa.
Miten tästä eteenpäin? (Jatkosuunnitelma)
Lopuksi paketoimme keskustelut selkeäksi, realistiseksi jatkosuunnitelmaksi. Käymme läpi ehdotuksen seuraavista askelista ja mahdollisista piloteista aikatauluineen.

Usein suurin hyöty piilee yllättävän arkisissa asioissa, kuten automaattisessa laadunvalvonnassa tai rutiininomaisessa kohteiden tunnistuksessa.

Miksi ihmeessä juuri nyt? Koska LIH osallistuu kustannuksiin!

Tämä palvelu toteutetaan osana EU:n rahoittamaa Location Innovation Hubia (LIH). Palvelun todellisesta 4 800 euron kokonaisarvosta teille jää maksettavaksi vain kolmasosa! Tämä tarjous kannattaa poimia talteen, paikkoja vielä pari jäljellä!

Kiinnostuitko? Ota yhteyttä Maijuun (maiju@gispo.fi) ja jutellaan, millainen GeoAI-loikka sopisi parhaiten juuri teille!

Maailmalla natisee ja paukkuu ja eletään suhteellisen epävarmoja aikoja. Silloin kun ei voi enää oikein luottaa, mitä entiset kumppanit tekevät, on ehkä parempi alkaa etsiä kavereita oman tontin rajojen sisältä. Euroopassa tämä on tarkoittanut viime aikoina mm. vahvaa siirtymää vihreään teknologiaan, mineraalien etsimiseen Euroopan alueelta sekä digitaalista siirtymää kohti eurooppalaisia teknologioita.

Avoimen lähdekoodin näkökulmasta siirtyminen eurooppalaisiin palveluntarjoajiin vahvistaa ja tukee jo aiemmin tehtyjä strategisia päätöksiä organisaatiossa. Avoimen lähdekoodin toimittajan kun voi valita mistä vain maailmasta ja toimittajalukkoja ei pitäisi olla. Avoimen lähdekoodin käyttö mahdollistaa myös koodin tarkastelun (auditoinnin) ja sen varmentamisen, että järjestelmissä ei ole ”takaovia” tai piilotettuja toimintoja, jotka voisivat sallia asiattomien osapuolten pääsyn kriittiseen informaatioon tai henkilötietoihin Jos organisaatio ei vielä ole tehnyt siirtymää avoimelle puolelle, nyt on hyvä aika harkita asiaa. Tässä pohdinnassa avaan muutamia asioita, joista voi olla hyötyä siirtymässä.

Siirtymä avoimen lähdekoodin järjestelmiin

Siirtyminen eli migraatio yhdestä työkalusta toiseen on aina hankalaa ja vie aikaa. Siirtymässä pitää huomioida uuden teknologian mahdollisuudet ja rajoitukset, aineistojen siirron työmäärää, henkilöstön uudelleen kouluttautuminen ja paljon muuta. Siksi migraatioon pitää olla hyvät perustelut ja selkeä suunnitelma.

Aiemmin organisaatioita toivat avoimen lähdekoodin pariin säästöt esimerkiksi lisenssimaksuista ja teknologian yleiset hyödyt (kuten toiminnallisuudet, joita kaupallisilla ratkaisuilla ei ollut) tai vaikkapa kaupallisen toimittajan huono palvelulupaus. Nyt avoimen lähdekoodin puolelle vie halu hallita omaa dataa ja turvata sen käyttöä. Vastapuolella voi painaa nykyisen järjestelmän käytön helppous ja migraation vaativuus – ja edelleen raha. Näitä työntö- ja vetotekijöitä pitää jokaisessa organisaatiossa punnita kunnolla, ja päätökseen vaikuttavat varmasti monet asiat.

Tällä hetkellä on jo ennakkotapauksia siitä, että amerikkalaisilla palvelimilla olevia tietoja voidaan käyttää tiedustelutarkoituksiin (Cloud Act) tai poistaa joku käyttäjä tietystä palvelusta kokonaan, jos Yhdysvaltain hallintoa ei asia miellytä. Jos siis palvelussa säilytetään kriittistä informaatiota, henkilötietoja tai muuten vain ei haluta palveluun pääsyä asiattomille osapuolille, on ehkä hyvä harkita palvelinpuolen siirtoa oman maan kamaralle. Käytännössä kaikki Suomen valtion ja kuntien palvelut olisi hyvä tarkastella tästä näkökulmasta, mutta ymmärrettävästi siirtymä tulee kestämään ja maksamaan.

Paikkatietopuolella ohjelmistojen osalta siirtymää on tehty jo useita vuosia, joten sen osalta ollaan aika hyvällä mallilla. QGISiä ei tarvitse asentaa millekään palvelimelle, vaan se on työkonekohtainen haluttaessa. PostGIS ja GeoServer tarvitsevat kuitenkin palvelinympäristön, mutta ne voivat pyöriä hyvin vaikka suomalaisen UpCloudin palvelimella. Paikkatietopuolen avoimen lähdekoodin ohjelmistojen pääkehittäjistäkin suurin osa on eurooppalaisia yrityksiä. Siirtymä esimerkiksi Azuresta tai Amazon Web Servicestä UpCloudiin voi kuitenkin olla hieman työläs – riippuen kuinka paljon automatiikkaa palvelinpuolelle on rakennettu. Kaikkia samoja työkaluja ei löydy, joten ne pitää vaihtaa tai rakentaa itse.

Suomessa media ja kansa älähti Kelan Salesforce-hankinnasta. Ja syystä. Mutta hiljaista on ollut valtion tai kuntien paikkatietotyökalujen hankinnoissa vielä digitaalisen suvereniteetin näkökulma. Paikkatiedoilla kuitenkin hallitaan aika isoa osaa kriittisestä infrastruktuurista tässä maassa. Yleisesti ottaen todella monen organisaation palvelut pyörivät pilvipalveluissa, joihin voi olla pääsy muualtakin. Näistä pilvipalveluista käytetään sanaa “julkipilvipalvelu”, joka kuulostaa jotenkin julkishallinnon validoimalta, mutta itseasiassa se on juurikin “julkinen” pilvipalvelu ei yksityiseen käyttöön tarkoitettu palvelu.

Julkipilven suurin haaste liittyy juuri siihen juridiseen ja geopoliittiseen riskiin, josta keskusteltiin aiemmin: koska suuret julkipilvet ovat amerikkalaisten jättiyhtiöiden omistuksessa, eurooppalaisten organisaatioiden data voi teoriassa päätyä esimerkiksi Yhdysvaltain viranomaisten käsiin (esim. CLOUD Actin nojalla), vaikka itse palvelinsali sijaitsisi fyysisesti Suomessa tai Euroopassa. Paikkatietojärjestelmät, kuten PostGIS ja GeoServer, tulisi suunnitella niin, että ne voidaan siirtää (tai ajaa samanaikaisesti) helposti useiden eurooppalaisten pilvipalveluiden välillä (multi-cloud strategy) tai jopa omalle laitteistolle (on-premise). Julkishallinnon tulisikin sisällyttää hankintaprosesseihin selkeät kriteerit digitaalisen suvereniteetin varmistamiseksi.

Kohti käytännön toimia

Yksi tapa tukea eurooppalaisita softakehitystä eli meidän tapauksessamme keskittyä kriittisiin FOSS4G (Free and Open Source Software for Geospatial) -hankkeisiin (kuten QGIS, PostGIS, GeoServer) ja ohjata niihin riittävästi eurooppalaista julkista ja yksityistä rahoitusta. Tämä vähentää riippuvuutta ulkomaisista rahoituslähteistä ja varmistaa, että kehitysprioriteetit vastaavat eurooppalaisia tarpeita ja lainsäädäntöä. Tästä hienona esimerkkinä onkin QGISIn flagshipmembership sponsorointi, jonka COSS ry toteuttaa suomalaisten QGIS-käyttäjäorganisaatioiden puolesta.

Samaan aikaan pitää sanoa, että olemme tässä kaikki samassa veneessä. Gispollakin on palveluita Amazon Web Serviceissä ja käytämme Googlen työkaluja. Eli emme voi elvistellä sillä, että meillä olisi kaikki ideaalilla tasolla. Mutta siirtymistä voi suunnitella ja vahvistaa omaa digitaalista suvereniteettiä pienillä askelilla kerrallaan. Meillä tämä tarkoittaa, että suosittelemme jatkossa aina lähtökohtaisesti eurooppalaisia avoimen lähdekoodin päälle tehtyjä ratkaisuja asiakkaillemme ja tutkimme koko ajan vaihtoehtoja, jotka mahdollistavat paremman digitaalisen suvereniteetin.

Mitä siis tehdä?

Siirry avoimen lähdekoodin paikkatietojärjestelmien tai muiden ohjelmistojen käyttöön
Kouluttaudu asiassa – sisäisen kyvykkyyden kehittäminen on osa osaamisen suvereniteettiä
Tutki omat paikkatietojärjestelmät ja pohdi, mitkä niistä voivat sisältää kriittistä informaatiota ja ovatko tiedot julkipilvessä
Pohdi, onko järkevää siirtyä jonkin palvelun osalta eurooppalaisiin tai suomalaisiin vaihtoehtoihin
Tee tiekartta tai suunnitelma siirtymiseen: mitä se vaatii, mitä se tulee maksamaan, milloin se kannattaa toteuttaa
Jos tarvitset apuja, kilauta kaverille tai alan ammattilaiselle

P.S. tämän blogin tekemiseen käytettiin faktantarkistukseen tekoälymoottori Geminiä, joka on myös osa ongelmaa. Gemini sekoili hetken, mutta lopulta antoi linkit blogissa viitattuihin tapauksiin. Se myös ehdotti koulutuksen huomioimista suverenitettiasioissa ja rahoituksen suuntaamista FOSS4G-softiin sekä koodikatselmoinnin lisäämistä avoimen lähdekoodin hyötyihin.

Koulutukset ovat keskeinen osa Gispon tarjontaa. Koulutamme erilaisten paikkatieto-ohjelmistojen käyttöä, koulutamme etänä ja lähinä, avoimilla kursseilla ja asiakasorganisaatioille järjestetyillä kursseilla, ja kaikki tämä kolmella kielellä. Yksi asia yhdistää kaikkia koulutuksiamme, kouluttajana on aina Gispon asiantuntija, eli ihan oikea elävä ihminen, joka tietää mistä puhuu.

Tutustutaan nyt neljään Gispon kouluttajaan. He ovat kaikki monitaitureita ja tekevät Gispolla kouluttamisen lisäksi asiakasprojekteja. Lisäksi he ovat kaikki valtavan mukavia ihmisiä!

Reetta Lindberg on Gispon koulutuspäällikkö, joka toimii lisäksi projektipäällikkönä ja paikkatietoasiantuntijana. Hänellä on pitkä kokemus opettamisesta ja kouluttamisesta:

“Ennen Gispoa toimin yli 10 vuotta AMK-lehtorina. Tutuksi tulivat tutkintoon johtava koulutus ja täydennyskoulutukset.” Reetan voit tavata QGIS-kursseillamme.

Emil Ehnström on jokapaikan paikkatietohöylä eli paikkatietoasiantuntija laajalla osaamisella. “Suurin osa ajastani menee asiakasprojektien kanssa. Niissä on usein jonkinlainen räätälöity postgis/geoserver/qgis -toteutus. Koulutan tietysti myös ja kirjoittelen blogeja ja vastailen välillä tukipalvelun viesteihin. Kielitaitoni ansiosta teen myös jonkin verran hommia Gispo Sverigelle.” Emilin voit tavata etenkin Geoserver- ja PostGIS-kursseilla ja välillä myös muilla kursseilla.

Jaakko Lehto on porukan pitkäaikaisin gispoliitti ja paikkatietoasiantuntija. Hän on ehtinyt työskennellä Gispon koko palvelutarjonnan parissa (koulutus, tukipalvelu, ohjelmistokehitys, konsultointi). Viime aikoina Jaakko on keskittynyt hieman teknisempiin konsultointiprojekteihin sekä sovelluskehitykseen. Samanlainen kehitys on havaittavissa Jaakon kouluttajapolussa Gispolla:

“Olen kouluttanut jossain vaiheessa lähes kaikilla Gispon eri kursseilla, ja nykyään minut tapaa varmimmin kursseilla, jotka liittyvät johonkin seuraavista: QGIS-lisäosien kehitys, PostgreSQL/PostGIS tai QField.”

Elisa Hanhirova on paikkatietoasiantuntija ja moniosaaja. On hyvin mahdollista, että olet saanut Elisalta postia tai yhteydenoton, etenkin jos tilaat Gispon uutiskirjettä, lähetät tukipalveluun kysymyksiä tai ilmoittaudut koulutuksiin.

“Gispolla olen kehittänyt ja räätälöinyt eri QGIS-koulutuksia ja opettanut niin etänä kuin lähitoteutuksinakin useille kunnille ja organisaatioille QGISin saloja! “ Elisan voit siis tavata etenkin QGIS-kursseillamme.

Koulutusta suurella sydämellä

Kouluttajillamme on paljon kokemusta opettamisesta ja kouluttamisesta jo ennen Gispolle tuloa. Reetta toimi AMK lehtorina, Emil ja Elisa ovat opettaneet yliopiston maantieteen kursseja, Jaakko on opettanut luonnontieteitä ja matematiikkaa kaikilla asteilla peruskoulusta yliopistoon.

Paikkatiedon ja opettamisen ammattilaisemme kouluttavat suurella sydämellä. Heille on tärkeää kohdata koulutusten osallistujat aidosti yksilöinä, ja he iloitsevat siitä, kun näkevät ihmisten oppivan ja oivaltavan.

“Minulle on tärkeää olla täysillä läsnä koulutustilanteessa ja luoda ilmapiiri, jossa on turvallista kysyä apua. Parasta on nähdä osallistujien onnistumisia ja oivalluksia.” kertoo Reetta ja muut ovat samaa mieltä. “Osallistujien ei tarvitse ymmärtää kaikkea syvällisesti, mutta haluan, että koulutuksen jälkeen osallistujilla on varmempi olo opitun ohjelmiston kanssa.” täydentää Emil.

Kouluttajamme haluavatkin nähdä kursseilla tyyppejä, jotka ovat ennakkoluulottomia, innostuneita ja uudelle avoimia.

“Kursseilla on ihana nähdä porukkaa, joilla on intoa ja tarvetta asioiden oppimiseen ja jotka ovat kiinnostuneita, miten oppeja saa hyödynnettyä omassa työssä. Kurssilaisten omien paikkatieto-ongelmien selvittely on aina mielenkiintoista!” summaa Elisa.

Millainen on hyvä koulutus?

Hyvässä koulutuksessa peruspalaset ovat kohdallaan. Kokonaisuus on hyvin suunniteltu ja tavoitteet ovat selvät kaikille osapuolille. Gispon koulutukset on pääasiassa rakennettu keskenään vuorottelevista napakoista tietoiskuista ja oppimista tukevista harjoituksista. Lopulta kuitenkin ihmiset luovat koulutuksen ja kouluttajamme pitävätkin vuorovaikutusta tärkeänä ja palkitsevana osana koulutusta.

“Hyvä koulutus koostuu vuorovaikutuksesta, hyvästä oppimateriaalista, innostuneista osallistujista sekä toimivasta aikataulusta.” muotoilee Emil ja Reetta on samoilla linjoilla: “Onnistunut koulutus on vuorovaikutteista, sen aikana nousee kysymyksiä ja keskusteluita, sekä löytyy uusia ideoita aihepiirin soveltamisesta kouluttautujan työhön.”

Gispo järjestää koulutuksia etänä ja livenä. Reetta kertoo lähitoteutuksena pidetystä QGIS-koulutuksesta pienessä kunnassa: “Osallistujat olivat innokkaita ja kokeilivat ennakkoluulottomasti QGISiä, vaikka se oli melko tuntematon entuudestaan. Koulutus ei mennyt tismalleen harjoitusmateriaalien mukaan, vaan pystyin soveltamaan olemassa olevaa harjoitusrunkoa sen mukaan, mitä kysymyksiä asiakkailta nousi esille. Päivä oli todella vuorovaikutteinen. Tämä on usein haastavampaa etäkoulutuksissa. Oli mahtavaa päästä tekemään lähikoulutusta innokkaiden osallistujien kanssa ja kuulla jälkikäteen, että asiakas oli tyytyväinen ja olivat lähteneet hyödyntämään QGISiä työtehtävissään.”

Lopulta tärkeintä onkin asiakkaan saama hyöty: koulutuksen jälkeen on varmempi olo lähteä käyttämään uutta ohjelmistoa tai on saanut uusia ideoita ja oivalluksia jo käytössä olevan ohjelmiston hyödyntämiseen.

“On hienoa, kun huomaa että koulutuksista on asiakkaille hyötyä ja asiat loksahtelevat kohdilleen,” kertoo Jaakko. Parhaimmillaan koulutuksesta saadut opit ja ideat auttavat asiakasta muovaamaan omia työtapoja ja organisaation työnkulkuja tehokkaammiksi.

Heräsikö kiinnostus lähteä näiden tai jonkun muun gispoliitin koulutettavaksi? Tutustu kurssivalikoimaamme Koulutus-sivulla.

Tämän päivän tekoälybuumissa saattaa toisinaan unohtua, että tekoälyä on käytetty eri aloilla jo vuosikymmenten ajan. Yhtenä esimerkkinä tällaisesta sovelluksesta on ilmakuvien tulkinta, esimerkiksi maapeitealueiden tunnistaminen koneoppimista hyödyntäen. Silti viime vuosina myös tällaiset vakiintuneemmat käyttökohteet ovat ottaneet uusia kehitysaskeleita.

Googlen tekoälyä ja syväoppimista tutkiva DeepMind-yhtiö julkaisi vuonna 2025 uudentyyppisen aineiston, Google Satellite Embedding V1:n. Kyseessä on Googlen AlphaEarth Foundations -tekoälymallin tuottama aineisto, jossa on yhdistetty informaatiota “analyysivalmiiksi” aineistoksi valtavasta määrästä satelliitti-, tutkasatelliitti- ja Lidar-dataa sekä mittaus- ja mallidataa (esim. ilmasto-, painovoima- sekä korkeusmalleja).

Kun Metsähallituksen Metsätalous Oy:llä oli tarve löytää keinoja maajäkälien automatisoituun tunnistamiseen Pohjois-Suomen poronhoitoalueella, tiesimme, että tämä pilottiprojekti voisi olla erittäin mielenkiintoinen tilaisuus tutkia kyseisen aineiston mahdollisuuksia ongelman ratkaisuun.

Perinteisesti jäkäläalueita on tunnistettu vääräväri-ilmakuvia manuaalisesti tulkiten, mikä on työlästä ja vaatii harjaantuneisuutta ja asiantuntijuutta aiheesta. Toisaalta koska poronhoitoalue on hyvin laaja, saattaisi perinteisten ilmakuvien käytöstä koneoppimiseen tulla ongelmia. Miksi? No muun muassa siksi, että eri alueita on kuvattu eri aikoina ja erilaisilla kalustoilla, joten aineisto olisi ensin prosessoitava jollakin tavalla yhtenäiseksi. Googlen Satellite Embedding -aineisto puolestaan muodostaa maailmanlaajuisestikin yhtenäisen datasetin, jolloin käyttö on tässäkin suhteessa suoraviivaisempaa. Esittelemme tässä ensin lyhyesti sen, mistä kyseisessä aineistossa on kyse ja kuvaamme sitten maajäkälä-projektista saatuja kokemuksia ja oppeja sen käytöstä.

Google Satellite Embedding V1: Uusi analyysivalmis satelliittiaineisto

Kuten sanottu Satellite Embedding -aineisto on koostettu valtavasta määrästä olemassa olevaa mm. mittaus-, malli- ja kuvadataa, jota on käytetty AlphaEarth-tekoälymallin opettamisessa.

Aineisto kattaa koko maapallon, sen spatiaalinen resoluutio on 10 metriä, ja ajallisesti se on yhteenveto kustakin pikselistä koko vuoden ajalta. Tällä hetkellä aineisto on julkaistu vuosilta 2017–2024. Aineisto itsessään koostuu 64-dimensioisista upotusavaruuden vektoreista (“nuolista”, eli suureista, joilla on pituus ja suunta), josta nimikin siis tulee. Tämä tarkoittaa yksinkertaisesti sitä, että kuhunkin 10 m * 10 m pikseliin liittyy 64-komponenttinen vektori. Jonkinlaisena analogiana voi pitää “virtuaalista” satelliittikuvaa, jossa on 64 kaistaa, mutta liian pitkälle tätä analogiaa ei kannata viedä, sillä esimerkiksi vektorin yksittäisten komponenttien tulkinta ei tällä tavoin ole mahdollista.

Kuhunkin pikseliin liittyvä vektori on lisäksi normoitu siten, että sen pituus on tasan yksi. Tämä on hyödyllinen ominaisuus analyysejä silmälläpitäen, ja tarkoittaa sitä, että vektorit muodostavat 64-dimensioisen avaruuden yksikköpallon, aivan samoin kuin ykkösen pituiset vektorit (“eri suuntiin osoittavat nuolet”) koottuna yhteen muodostaisivat pallon kolmessa ulottuvuudessa. Jos kahteen eri maanpinnan pisteen pikseliin liittyvät vektorit ovat lähekkäin tämän pallon pinnalla, merkitsee se sitä, että itse maanpinnan pisteet ovat jollain tavalla hyvin samankaltaisia, similaareja. Lisäksi kuhunkin vektoriin on sisällytetty tietoa pikselin laajemmasta ympäristöstä (“kontekstista”) n. 1,28 km * 1,28 km alalta. Tämä kaikki kuulostaa kenties hieman abstraktilta ja 64-komponenttinen upotusvektori tarpeettoman monimutkaiselta, mutta määrä ei ehkä sittenkään ole niin suuri, kun pitää mielessä kuinka valtavan määrän lähtöinformaatiota se koodaa sisälleen.

Kaiken kaikkiaan, koko lähestymistavan ideana on tuottaa yhdenmukainen ja analyysivalmis aineisto, jolla olisi mahdollista havaita lokaaleja ja globaaleja ilmiöitä, mikä perinteisillä satelliittikuvilla tai yksittäisillä aineistoilla ei olisi useinkaan mahdollista. Google Satellite Embedding V1 -aineisto on lisensoitu CC-BY 4.0 -lisenssillä, joten sitä voi muokata ja jakaa kunhan viittaa aineiston julkaisijaan. Aineisto on helpoiten saatavissa ja käytettävissä Google Earth Engine -analyysialustan kautta, mutta periaatteessa aineiston voi ladata ja sitä voi käyttää myös muita työkaluja hyödyntäen.

Maajäkälien luokittelu: Similariteettianalyysi ja koneoppiminen käytännössä

Pilottialueena Metsähallituksen projektissa oli reilun 40000 hehtaarin alue Pohjois-Suomessa. Tältä alueelta oli tuotettu valmiita ilmakuvilta tehtyjä tulkintoja, eli ruutuja joihin oli merkitty oliko alue todennäköisesti, mahdollisesti vai epätodennäköisesti jäkäläkangasta. Tätä aineistoa käytettiin analyyseissä opetusaineistona. Google Earth Enginelle tuotettiin koodia erilaisten analyysien ajoon, tärkeimpinä similariteettianalyysi sekä ohjattu koneoppimisalgoritmi.

Kuten aiemmin totesimme kuvatessamme aineistoa upotusvektoreina, tämä rakenne mahdollistaa eri pikseleihin liittyvien vektoreiden vertaamisen keskenään. Perusidea on, että mikäli kaksi vektoria “osoittaa samaan suuntaan”, ovat pikselien kuvaamat alueet samankaltaisia. Matemaattisesti tämä kuvataan lineaarialgebrasta tuttuna pistetulona. Otimme siis opetusaineistosta jäkäläkankaita todennäköisesti sisältävät ruudut ja niiden upotusvektorit ja vertasimme sitten alueen kaikkien muiden pikselien vektoreita näihin. Mikäli pistetulo oli suurempi kuin sopivasti valittu kynnysarvo lähellä ykköstä, pikseli oli tulkittava jäkäläkankaaksi. Tällainen oli yksinkertaisuudessaan similariteettianalyysi. On huomattava, ettei algoritmi vaatinut erillistä opettamisvaihetta vaan koostui pelkästään pistetulon laskemisesta, ja oli siten laskennallisesti nopeaa.

Myöskään ohjatun oppimisen analyysissä Satellite Embedding -aineisto ei vaatinut suurempia esiprosessointeja vaan käyttö oli suoraviivaista ja luokittelussa käytettiin KNN-luokittelijaa (K Nearest Neighbours) K:n eri arvoilla. Käytännössä kaikki pienet K:n arvot toimivat hyvin, ja kaikilla K:n arvoilla päädyttiin yli 90 % tarkkuuksiin, usein reilustikin yli.

Lopputulos ja saadut opit: Kuinka tarkasti jäkälät löytyivät?

Analyysejä varten tuotettiin koodia Google Earth Enginen koodieditoria ja ohjelmointirajapintaa käyttäen. Earth Engine -ympäristö on tarkoitettu globaalin mittakaavan analyyseihin, ja suuren laskentatehon ansiosta tulosten saaminen isommallekin alalle oli nopeaa. Tuloksien tarkkuutta tarkasteltiin sekä numeerisesti jakamalla osa opetusaineistosta validointiin että asiantuntijan ilmakuvilta jälkikäteen tarkastamana. Maastoon tuloksia ei päästy tarkastelemaan lumisena aikana, ja suuren alueen vuoksi se olisi ollut varsin työlästä. Sekä similariteettianalyysin että valvotun koneoppimisen tapauksessa tulokset olivat kuitenkin oikeansuuntaisia, joskin asiantuntijan harjaantunut silmä löysi alueita, jotka vaatisivat lisätarkasteluja. Satellite Embedding -aineistolle on ominaista, että opetusaineistoon on kiinnitettävä erityistä huomiota, määrä korvaa laadun. Lumettomana aikana tehdyt maastokäynnit ovatkin varmasti hyödyllisiä ja mahdollistavat analyysien uudelleen tarkastelun ja kehittämisen.

Kaiken kaikkiaan pilotti oli onnistunut ja havainnollisti kuinka tällaiset uudet aineistot ja ennakkoluulottomat lähestymistavat voivat auttaa perinteisten sovelluskohteiden ja ongelmien ratkaisussa.

PostGIS on paikkatietolaajennos PostgreSQL-tietokannalle. Siinäpä se!

Eikun hei! PostGISin voi kyllä määritellä yhdellä lauseella, mutta jos ei ole ennestään vihkiytynyt aiheeseen, lyhyt vastaus herättää vain enemmän kysymyksiä. Puretaanpa siis äskeinen vastaus osiin:

PostGIS
Paikkatietolaajennos
PostgreSQL
Tietokanta

Lähdetään purkamaan tätä kokonaisuutta ja sen osia aloittaen tietokannasta.

Tietokanta

Tietokanta on kokoelma järjestettyä tietoa. Ennen tieto järjestettiin fyysisesti paperikansioihin, kortistoihin, savitauluihin ja muihin asioihin, joista teinit eivät ole koskaan kuulleetkaan. Nykyään suositaan pääasiassa digitaalisia järjestettyjä tietokokoelmia. Sellaisiin viittaamme nyt, kun puhumme tietokannoista.

Järjestetty tieto tietenkin viittaa siihen, että asiat eivät ole hujan hajan siellä täällä, vaan esimerkiksi kentällä otetut kuvat kaupungin liikennemerkeistä ovat samassa kansiossa (joko digitaalisesti tai ihan konkreettisesti) ja jokaisesta niistä on kirjattu olennaisia tietoja (sijainti, väri, korkeus, merkitys, nimi, yms). Näin on saatu kasaan tietokanta.

Relaatiotietokannat, taulut ja relaatiot

Miten tietoja voi sitten järjestellä tietokantoihin? Tätä tarkoitusta varten on olemassa erilaisia järjestelmiä. Niihin viitataan, kun puhutaan esimerkiksi PostgreSQL:stä, Oraclesta tai MySQL:stä. Niitä kutsutaan yleensä relaatiotietokannoiksi, mutta oikeasti ne ovat järjestelmiä relaatiotietokantojen hallintaan. Niillä on myös pidempi ja monimutkaisempi nimi: Relational Database Management Systems eli RDBMS. Kyseessä on siis tarkalleen ottaen ”järjestelmä relaatiotietokantojen hallintaan”.

Mutta mikä ihme on relaatiotietokanta? Relaatioita eli suhteita? Ei kai tietokannalla voi olla sellaisia?

Kuten ehkä jo arvasit, kyse ei ole rakkaussuhteista, vaan jostain vähemmän jännittävästä. Relaatiotietokannassa tieto järjestetään tauluihin. Eri taulujen väliltä löydämme suhteet eli relaatiot. (Kuten todettu, tämä ei ollut kovin jännittävää…)

Kuvitellaan, että meillä on taulu rakkausromaaneille ja taulu kirjailijoille, niin voimme luoda relaation romaanien ja kirjailijoiden välille. Jos yksi kirjailija voi kirjoittaa useita kirjoja, mutta jokaisella kirjalla on vain yksi kirjoittaja, on kyseessä “one-to-many” -suhde (yksi-moneen). Jotta suhde olisi helpompi ymmärtää, toimitamme siitä seuraavaksi kuvamateriaalia:

Olemme tulleet luoneeksi tietokantamallin! (kaksi taulua ja niiden välinen relaatio). Tällä tietokantamallilla voisimme alkaa pitää tietokantaa eri rakkausromaanien kirjoittajista ja heidän kirjoistaan. Jokaiselle kirjalle ja kirjoittajalle voisimme kirjata meitä kiinnostavia, olennaisia tietoja. Mikäs sen kiehtovampaa!

Mutta nyt ei ollut tarkoitus puhua romaaneista ja suhteista vaan PostGISistä.

PostgreSQL ja sen paikkatietolaajennos PostGIS

Nyt tiedämme, mitä relaatiotietokanta tarkoittaa: siinä on tauluja, joilla on suhteita (relaatioita) keskenään ja jotka muodostavat järjestetyn tiedon kokoelman. Tiedämme, että relaatiotietokantaa voidaan käsitellä käyttämällä suosittua relaatiotietokantajärjestelmää nimeltä PostgreSQL.

PostgreSQL (sanotaan lyhyesti vain Postgresiksi, jotta vältytään kielen nyrjähtämiseltä) perustuu avoimeen lähdekoodiin ja täyttää itse asiassa tänä vuonna (2026) pyöreät 30 vuotta! Kyseessä on siis vakiintunut tekijä tietokantamarkkinoilla. PostgreSQL on edelleen yksi maailman suosituimmista relaatiotietokantajärjestelmistä. Me täällä Gispolla pidämme PostgreSQL:stä – ennen kaikkea siksi, että se on avointa lähdekoodia ja sille on olemassa PostGIS-niminen paikkatietolaajennos. Nyt olemme päässeet varsin lähelle valmista vastausta kysymykseen siitä, mikä on PostGIS.

PostGIS on laajennos, joka asennetaan PostgreSQL-tietokantaan. Ilman PostGISiä PostgreSQL on melko neuvoton paikkatiedon kanssa. PostGIS mahdollistaa suurten paikkatietoaineistojen sujuvan käsittelyn ja analysoinnin. Sen ansiosta voidaan ottaa käyttöön muun muassa spatiaaliset tiedostomuodot ja paikkatietoanalyysit. Sen avulla voidaan vääntää isosta datamassasta muutamalla komennolla analyysejä, joiden pyörittäminen työpöytäohjelmistolla olisi työlästä ja aikaavievää. Herättikö tämä kiinnostuksesi? Siinä tapauksessa sinun kannattaisi ehkä osallistua Gispon PostGIS-kurssille.

Kerrataan!
– Mikä on PostGIS?
– PostGIS on paikkatietolaajennos PostgreSQL-tietokannalle. Siinäpä se!

Bonuskysymys: Kuka tarvitsee PostGISiä?

– Organisaatiot, jotka haluavat pitää paikkatietonsa hyvässä järjestyksessä ja hyödyntää niitä tehokkaasti, eivätkä halua maksaa lisenssimaksuja paikkatietokannastaan.

Kenttätyön digitalisoituminen on arkipäivää monille organisaatioille, ja QField sekä Mergin Maps ovat suosittuja työkaluja tähän tarkoitukseen.

Ohjelmistoja käyttäessä on hyvä ymmärtää, miten niiden tietoturva toimii, ja miten valita omalle organisaatiolle sopivin ratkaisu.Olemme kirjoittaneet QFieldistä ja MerginMapsista ennenkin: esimerkiksi täällä vertailimme paitsi sovelluksia myös niiden pilvipalvelumahdollisuusksia: Ei vain mobiilisovelluksia: Vertailussa Mergin Maps ja QField . Molempien sovellusten uusimmat ominaisuudet puolestaan löytyvät listattuna täältä: Mergin Maps ja QField – lisää kaikkea kaikille.

SaaS-palvelu – Helppoutta ja joustavuutta paikkatietojen mobiilikeruuseen

Sekä QField että Mergin Maps tarjoavat SaaS- eli Software as a Service -palveluita. Tämä tarkoittaa sitä, että ohjelmistot ja data sijaitsevat palveluntarjoajan hallinnoimilla palvelimilla.

Molemmat palveluntarjoajat noudattavat EU:n tietosuoja-asetusta (GDPR), mikä on tärkeää erityisesti julkishallinnon organisaatioille. SaaS-palvelu tarjoaa monia etuja, kuten helpon käyttöönoton, automaattiset päivitykset ja skaalautuvuuden. Nämä vähentävät organisaation omaa ylläpitovastuuta, sillä palveluntarjoaja huolehtii palvelinympäristön päivityksistä, haavoittuvuuksien korjauksista ja tietoturvakovennuksista keskitetysti. Tämä pienentää väärin konfiguroitujen palvelimien riskiä ja varmistaa, että järjestelmä pysyy ajan tasalla ilman erillisiä toimenpiteitä. Tähän palvelumuotoon liittyy myös riskejä, kuten riippuvuus palveluntarjoajasta ja datan sijainti ulkopuolisen hallinnoimalla palvelimella.

On-Premises -ratkaisu – Täysi kontrolli omasta datasta

Vaihtoehtoisesti organisaatiot voivat pystyttää oman on-premises-ratkaisun, jossa QFieldin tai Mergin Mapsin palvelinohjelmisto asennetaan omille palvelimille. Tällöin organisaatio hallitsee täysin dataansa ja infrastruktuuriaan. On-premises-ratkaisun hyötyjä ovat:

Täysi kontrolli datasta: Data pysyy omalla palvelimella, mikä vähentää tietosuojariskejä.
Parempi turvallisuus: Mahdollisuus toteuttaa tiukemmat tietoturvakäytännöt.
Pitkäaikainen kustannustehokkuus: Vaikka alkuinvestointi on suurempi, ylläpitokustannukset voivat olla pienemmät pitkällä aikavälillä.
Yhteensopivuus ja joustavuus: Mahdollisuus räätälöidä järjestelmä organisaation tarpeisiin ja helpompi integraatio muihin omiin järjestelmiin.

QField ja online-työskentelyn tietoturva

QField ottaa huomioon useissa eri ratkaisuissa tietoturvan. Yksi näistä on Cloud-palvelun secrets-toiminto, joka mahdollistaa projektikohtaisten asetusten turvallisen ja salatun tallentamisen. Salaisuuksia käytetään erityisesti silloin, kun halutaan suojata arkaluontoisia tietoja, kuten tietokantayhteyksiä tai ympäristömuuttujia, jotka ovat tarpeen projektin suorittamisen aikana. Salatut tiedot ovat käytettävissä automaattisesti projektin työnkulkujen (jobs) aikana, mutta eivät näy muille käyttäjille tai tallennu projektitiedostoihin. Tämä mahdollistaa esimerkiksi tietokantayhteyksien hallinnan ilman, että kirjautumistiedot näkyvät avoimesti.

Jos QField-projektissa haluaa käyttää suoraa tietokantayhteyttä, edellyttää QField, että PostGIS-tietokanta on julkisesti saatavilla ja tunnistetietojen tulee löytyä salaamattomina QGIS-projektista, mikä on tietoturvariski eikä missään tilanteessa suositeltavaa. Tämän vuoksi QField suosittelee näissä tapauksissa vahvasti käyttämään PG Service -tiedostoa.

Käyttämällä PG Service ‑tiedostoa:

tietokantayhteyden asetukset voidaan tallentaa nimettynä palveluna
tiedot voidaan tallentaa salaisuutena (secret) QFieldCloudiin
salasanoja ei tarvitse kirjoittaa projektitiedostoihin, komentoriveille tai skripteihin
vältetään riski, että salasanat päätyvät komentorivin historiaan

Gispon blogissa on aiemmin pohdittu vaihtoehtoja tiedon siirtämiseksi QFieldistä tietokantaan.

Mergin Maps ja tietoturva

MerginMaps ei edellytä PostGIS‑yhteyden avaamista suoraan internetiin. Sen sijaan se käyttää Db‑Sync‑työkalua, joka tuo turvaa siirrettäessä dataa esimerkiksi PostGIS‑tietokantaan.

Db‑Sync:

synkronoi muutokset GeoPackagen ja PostGISin välillä
toimii molempiin suuntiin
mahdollistaa käyttöoikeuksien määrittämisen käyttäjäkohtaisesti
poistaa tarpeen käsitellä tietokantatunnuksia mobiililaitteella

MerginMaps Enterprise ‑ratkaisussa palvelin voidaan ajaa omassa ympäristössä, jolloin organisaatiolla on täysi kontrolli tietoturvasta. Arkkitehtuuri on myös yksinkertaisempi, mikä vähentää virhekonfiguraatioiden riskiä.

MerginMaps minimoi verkon yli kulkevan liikenteen riskejä, sillä mobiililaite ei koskaan käsittele tietokantatunnuksia.

Paikkatietojen mobiilikeruu Offline-työskentelynä

QFieldissä offline‑kopiot tallennetaan laitteelle, mikä vaatii laitekohtaista suojausta (salasanasuojaus, salaus, MDM). Kun tämä puoli on kunnossa, QFieldin offline‑malli tarjoaa erittäin turvallisen ratkaisun, sillä data ei liiku verkon yli lainkaan ja kaikki riskit rajautuvat fyysisesti laitteeseen.

Mergin Mapsissa kaikki projektin tiedot tallennetaan paikallisesti laitteelle GeoPackage‑tiedostoon, ja käyttäjä voi työskennellä täysin ilman verkkoyhteyttä. Muutokset jonoutuvat automaattisesti ja synkronoituvat palvelimelle vasta, kun verkkoyhteys on saatavilla. Mobiililaite ei koskaan muodosta suoraa yhteyttä PostGIS‑tietokantaan eikä käsittele tietokantatunnuksia, mikä pienentää hyökkäyspintaa ja tekee offline‑mallista turvallisen, kunhan laite on suojattu asianmukaisesti.

Gispo auttaa ratkaisun valinnassa ja toteutuksessa

Me Gispolla autamme organisaatioita valitsemaan ja toteuttamaan sopivimman ratkaisun QFieldin ja MerginMapsin käyttöön. Tarjoamme:

Konsultointia: Autamme arvioimaan organisaation tarpeet ja valitsemaan SaaS- tai on-premises-ratkaisun.
Asennus- ja konfigurointipalveluita: Toteutamme on-premises-asennukset ja varmistamme, että järjestelmä on oikein konfiguroitu.
Koulutusta: Järjestämme koulutuksia QFieldin ja MerginMapsin käytöstä.
Tukea ja ylläpitoa: Tarjoamme jatkuvaa tukea ja ylläpitoa järjestelmille.