Это гостевая статья. Если вы тоже хотите поделиться своим опытом с аудиторией Картетики, предложите свою публикацию.
⌛️ Время прочтения: 3 минуты
Об авторе:
Камиль Габбасов – ML-инженер в IT-компании и основатель проекта GeoRisk. Объединив бэкграунд в сфере машинного обучения с экспертизой в науках о Земле, он собрал проект, который решает задачу поиска земельных участков. Эта статья – про идею проекта и про его реализацию.
Развитие облачных технологий, открытых баз данных и алгоритмов машинного обучения привело к тому, что для запуска полноценного геоинформационного продукта не нужен штат из множества разработчиков и аналитиков. Знания в области ГИС, работы с пространственными базами данных (PostgreSQL+PostGIS) и базового бэкенда позволяют собрать автономный соло-SaaS проект, который решает конкретную проблему рынка и генерирует стабильный доход.
В этой статье на примере автоматизированного сервиса проверки земельных участков GeoRisk разберем, как объединить разрозненные геоданные в коммерческий продукт, который решает задачи многих клиентов.
Примечание: SaaS (Software as a Service) – это тип предоставления услуг, при котором поставщик предоставляет клиентам доступ к готовому интернет-сервису и отвечает за обслуживание.
Как не купить участок с ограничениями: идея проекта GeoRisk
Любой успешный SaaS начинается с понятной «боли» аудитории. В сфере недвижимости это, например, покупка неликвидной земли. Люди приобретают участки, оформляют сделки, а затем получают предписание о сносе дома или запрет на строительство.
Причина проста: базовые документы (например, стандартная реестровая выписка) не отражают полной картины физических и зональных ограничений. Охранные зоны ЛЭП, водоохранные территории, трубопроводы и опасные уклоны рельефа разбросаны по десяткам муниципальных архивов, открытых и закрытых ведомственных карт. Чтобы свести это воедино, обычно нанимают специалистов, чьи услуги стоят дорого и требуют времени. На этой боли и зародилась идея о создании проекта GeoRisk – сервиса по автоматической проверки земельных участков на риски и ограничения.
Архитектура продукта. Как собрать гео-SaaS
Создание подобного инструмента требует перехода от десктопных ГИС-решений (вроде QGIS, где удобно тестировать гипотезы и готовить данные) к веб-архитектуре.
Ядро сервиса строится вокруг пространственной базы данных. Я выбрал архитектуру PostgreSQL + Fastapi. Это абсолютный стандарт, который позволяет «на лету» выполнять сложные пространственные запросы: проверять пересечения полигонов (ST_Intersects), вычислять площади наложений (ST_Area) и строить буферные зоны (ST_Buffer).
Типичный стек выглядит так:
- База данных: PostgreSQL+PostGIS, где хранятся миллионы пространственных объектов.
- Агрегация данных (ETL): Скрипты на Python, которые регулярно парсят открытые источники (OpenStreetMap, геопорталы), подключаются к API государственных сервисов и обновляют локальную базу.
- Логика и ML-модули: Python-бэкенд, который принимает кадастровый номер от пользователя, запрашивает геометрию участка и запускает перекрестную проверку по всем слоям из базы. Сюда же интегрируются ML-алгоритмы для оценки физики рельефа (например, расчета угла уклона на основе цифровых моделей рельефа).
- Деплой: Облачные платформы (Vercel, Render) для хостинга фронтенда и API, обеспечивающие быструю масштабируемость без необходимости вручную администрировать серверы.
Работа с данными
Сложность гео-SaaS заключается не только в написании кода, но и в качестве исходных данных. Государственные карты и федеральные порталы могут содержать неполные сведения: например, объект существует физически и предусмотрен законодательством, но его контур еще не отображается в базе. Поэтому GeoRisk использует инструменты геоинформатики для обработки, анализа и обогащения пространственных данных.
Например, для водотоков можно взять геометрию русел, определить их протяженность и автоматически построить вокруг них расчетные водоохранные зоны в соответствии со статьей 65 Водного кодекса РФ. Для рек и ручьев длиной до 10 км ширина такой зоны составляет 50 метров, от 10 до 50 км — 100 метров, а для водотоков длиной 50 км и более — 200 метров. Это можно предварительно сделать как в QGIS, так и в других софтах.
После этого полученные геометрии сохраняются в пространственной базе PostGIS вместе с исходными данными, параметрами расчета и сопутствующей информацией. При проверке участка алгоритм сопоставляет его границы с этими слоями и определяет, есть ли пересечение с водоохранной зоной.
По такому же принципу обрабатываются и другие наборы данных: контуры ООПТ, охранные зоны, рельеф, уклоны и различные ограничения. В результате формируется собственная структурированная база пространственных объектов, подготовленная специально для автоматической проверки земельных участков.
Пользователь получает сразу готовый результат: выявленные пересечения, их интерпретацию, правовой статус, оценку возможных рисков и рекомендации в PDF-отчете. Так пространственные данные превращаются в законченный B2B- и B2C-продукт.
Юнит-экономика и маркетинг
Разработать сервис – лишь половина дела. Вторая половина – научиться его продавать. Для микросервисов с невысоким чеком (в GeoRisk стоимость одной проверки составляет 280 рублей) стоимость привлечения клиента – это критический фактор.
Что работает в этой нише по опыту:
- Использовать узкие целевые запросы, вроде «где проходит лэп на участке», «водоохранная зона ограничения», «опасный уклон рельефа». Трафика по ним немного, но это целевые клиенты, которым нужно решение здесь и сейчас.
- Оптимизация на конечную цель. Алгоритмы рекламных сетей нужно жестко ограничивать, обучая их на факт успешной покупки.
- Контент и SEO-поддержка. Блог со статьями на сайте проекта хорошо индексируется поисковиками и приносит дополнительный трафик.
Востребованность сервиса можно оценить по ключевым метрикам за последние несколько месяцев:
Итог
Собственный SaaS-сервис на базе геоданных – это непростой, но возможный пример того, как экспертиза в узкой нише может приносить дополнительный доход. Кейс GeoRisk показывает, что для создания востребованного продукта не требуются огромные инвестиции, а нужна только незакрытая проблема потенциальных клиентов и хороший стек навыков. Достаточно связать PostgreSQL, алгоритмы анализа пространственных данных и понятный пользовательский интерфейс, чтобы получить прибыльный продукт. Собственный коммерческий проект – это окно возможностей для всех специалистов ГИС-отрасли.
Материал подготовил Камиль Габбасов
В случае вопросов и комментариев можно связаться с автором через Телеграм: @pulya102
