2017年 6月13日，由泰伯網(wǎng)主辦、主題為“空間大數(shù)據(jù)的崛起”的WGDC2017，在北京國家會議中心盛大開幕。大會由空間信息產(chǎn)業(yè)創(chuàng)新創(chuàng)業(yè)服務(wù)平臺泰伯主辦，秉承不斷引領(lǐng)和促進(jìn)空間信息技術(shù)創(chuàng)新與變革的宗旨，WGDC已走過六個年頭，如今成為全球最具前瞻性的跨界創(chuàng)新風(fēng)向標(biāo)。

　　14日，空間大數(shù)據(jù)+人工智能峰會(極?？v橫專場)開幕。峰會上，來自GeoHey·極海的數(shù)據(jù)總監(jiān)高楠發(fā)表了以“玩轉(zhuǎn)地理大數(shù)據(jù)，發(fā)掘更多地理價值”為題的精彩演講。以下為演講實(shí)錄(未經(jīng)本人核實(shí))：

　　高楠：大家上午好!我是極海數(shù)據(jù)總監(jiān)高楠，我一直致力于為用戶提供地理大數(shù)據(jù)，幫助大家獲取地理大數(shù)據(jù)，治理地理大數(shù)據(jù)，并從地理大數(shù)據(jù)中獲取地理價值，并同中獲益。

　　今天我將從5個方面為大家講述如何玩轉(zhuǎn)地理大數(shù)據(jù)，如何從地理大數(shù)據(jù)中獲取我們的大數(shù)據(jù)價值。接下來30分鐘我將為大家講述如何玩轉(zhuǎn)地理大數(shù)據(jù)，如何將地理大數(shù)據(jù)最終變?yōu)榻^妙的地理價值。這里總共會涉及到5個基本的問題，傳統(tǒng)的問題，搜集數(shù)據(jù)，提高數(shù)據(jù)質(zhì)量等等。在這個里面我們知道一個很好的概念，最近半年一直在講一個話題叫做新零售，新零售是當(dāng)下比較火熱的一個概念。時常聽到很多業(yè)界的人士在談?wù)?，總之我們的新零售就是要做好線下的生意。我發(fā)現(xiàn)有一套書特別好，叫做《新零售三部曲》，其中有一個書名道出了我的心聲，強(qiáng)調(diào)地理的意義，地理的意義何在呢?接下來我們就來看這些地理上的意義。這里講的第一個例子，一個傳統(tǒng)的廣告營銷的例子。在這個里面，有四幅圖，大家一定不陌生。我們?nèi)缃袼械娜硕荚谟弥悄苁謾C(jī)。我們可以說是機(jī)不離手，手在機(jī)在，這里的四幅圖一定不陌生，尤其是高亮的部分，高亮的部分是廣告，我們幾乎所有的APP里面都會有廣告的存在，只是唯一的不同是什么，你看到的廣告和我看到的廣告不一樣。這些廣告是怎么來的呢?我們知道傳統(tǒng)的做法，所有的廣告是跟我最近在網(wǎng)上瀏覽的數(shù)據(jù)相關(guān)。所以在這里可以看到，我最近瀏覽了有些汽車評測的視頻和網(wǎng)站，在此他會推薦我汽車相關(guān)的廣告，暗示我可能需要買一輛汽車，這樣的數(shù)據(jù)，通過線上數(shù)據(jù)分析，跟我是極大相關(guān)。但我不會打開它，因?yàn)樗覍?shí)在不相關(guān)。為什么這么說?

　　如果我們的廣告商，他已經(jīng)獲取了，他看一看我打開APP的位置，我經(jīng)常打開的APP的位置，他會發(fā)現(xiàn)我的位置實(shí)際上是離的很近的，我經(jīng)常打開APP的地方是在家里打開，有時候在公司打開APP。如果它查看一些我的APP的位置的話會發(fā)現(xiàn)我家的位置和公司的位置只有三公里，我每天上下班只需要騎自行車就好了，如果他推薦一個自行車的廣告，我一定會欣然打開，但并沒有。我再舉一個簡單的例子如果我們要投放廣告，我要給大學(xué)生投放廣告，我能不能針對玩王者榮耀的人投放廣告呢?顯然不行。我能不能給用玩王者榮耀的人，同時用大學(xué)生借貸，并且交了課程表的APP的人投放廣告呢?似乎是一個不錯的邏輯，如果你要做這樣的事情，你還要給數(shù)百上千的APP定義哪些APP是大學(xué)生會用的。如果在新出現(xiàn)一款新的軟件，你又得去定義這款軟件是不是大學(xué)生會用的軟件，你可以想象這是非常巨大的工作量。

　　我們用一個簡單的辦法，就是看大學(xué)生所有的APP，我們用個簡單的辦法，既然你在投放廣告的時候你的APP每打開一次就搜集一次我們的位置，就像這個圖象一樣，每一個黑點(diǎn)都是我們的一個位置，你為什么就不能做一個簡單的事情直接找一找哪些在學(xué)校里面經(jīng)常打開APP的人呢?這不是很簡單嗎，你不需要關(guān)注他用什么APP，我只要知道在這些范圍里面經(jīng)常打開APP就好了，我給這個區(qū)域里面的人投放廣告就可以了，免去前面的煩瑣的事情。

　　所以第一個問題，學(xué)校數(shù)據(jù)從哪兒來?我們不僅僅只是需要一個學(xué)校的數(shù)據(jù)，我們還需要用小區(qū)的數(shù)據(jù)，我們還要醫(yī)院的數(shù)據(jù)，公交的數(shù)據(jù)，商場的數(shù)據(jù)，籠統(tǒng)的說，我們需要數(shù)百上千的數(shù)據(jù)。

　　這是一件非常痛苦的事情，這個過程到底艱難在哪里?我們在以往做數(shù)據(jù)的過程中最大的困難是我沒有數(shù)據(jù)，數(shù)據(jù)匱乏。那如今物聯(lián)網(wǎng)，互聯(lián)網(wǎng)，數(shù)據(jù)已經(jīng)非常之多了，你可能會想到，我們就去搜集物聯(lián)網(wǎng)的數(shù)據(jù)，但是你去實(shí)際操作的時候你仍然會發(fā)現(xiàn)力不從心，為什么?數(shù)據(jù)越來越多，增長的速度越來越快。這就是問題的根本，數(shù)據(jù)太大了。

　　現(xiàn)在TB級的數(shù)據(jù)隨處可見，你隨便拿到的都是數(shù)百萬，甚至上億級的數(shù)據(jù)，我們用傳統(tǒng)的辦法已經(jīng)非常難去解決這樣的事情。我們可以想到，既然這樣的話我一定要借助機(jī)器的力量，我用機(jī)器來解決這樣的事情。如果用機(jī)器去解決，你一定會想到我們應(yīng)該用爬蟲的技術(shù)做這樣的事情。你有沒有想過你去做這樣的事情的時候，如果我們能夠保證我們的機(jī)器的運(yùn)轉(zhuǎn)在90分高分上運(yùn)算，意味著我每十只爬蟲有一只會出錯。假設(shè)我一個月要采集一百份數(shù)據(jù)，那我要花十天采集所有的數(shù)據(jù)，每個月都要更新，結(jié)果是什么?每個月你有一半的時間要去審視那些錯誤的數(shù)據(jù)，錯誤的爬蟲，因?yàn)槊刻煲幚硪粋€，你總共要處理十天。所以這個是很困難的事情。

　　為此我們搭建了一套系統(tǒng)來做這件事情，我們定期更新這些數(shù)據(jù)，當(dāng)然這些數(shù)據(jù)，我們現(xiàn)在做的也比較完善一些。效果還不錯。我搜集了非常大的數(shù)據(jù)，如果你像我一樣，你也搜集了那么多一籮筐數(shù)據(jù)的時候，你一定發(fā)現(xiàn)一個什么事情。這些數(shù)據(jù)里面好像有一些不太對勁的問題。有些特別特殊的現(xiàn)象，我們來看看這里有什么現(xiàn)象?這里有三個場景，都是跟我們的位置相關(guān)的。第一個場景，特別有意思，不管采集也好，從物聯(lián)網(wǎng)傳感器也好，或者不知道從哪兒來的數(shù)據(jù)，中南海里面的數(shù)據(jù)非常豐富，有4S店有小吃，各種餐飲餐館全都在里面，特別好玩。但是顯然是不可能的。中間這個地方可以看到，藍(lán)色區(qū)域是我們一個比較正常的區(qū)域，我用粉紅線畫出來的區(qū)域你會發(fā)現(xiàn)好像是有點(diǎn)像，有兩個數(shù)據(jù)似乎可以疊在一起，但是他們分成兩塊，這樣的數(shù)據(jù)似乎受到了某種不可描述的感染。

　　第三個事情我是一個自行車的愛好者，我去找一家復(fù)古的自行車看一些零配件，我辛辛苦苦跑了很遠(yuǎn)找到這個地方，發(fā)現(xiàn)這個店真的已經(jīng)成為永久不存在的一個店，已經(jīng)搬遷了。所以我們在上網(wǎng)查詢這些數(shù)據(jù)的時候發(fā)現(xiàn)，這樣的數(shù)據(jù)不值得信任，它不值得我去使用。如果我用這樣的信息做分析的話，肯定很難保證我們分析的一些質(zhì)量。

　　所以說，為了解決位置上出現(xiàn)的問題，我們做了一系列的流程，做了非常多的工作，來解決這樣的問題。我們所有的數(shù)據(jù)進(jìn)來，我們都會做一系列的規(guī)則上的過濾，還有技術(shù)上的處理。比如說有的數(shù)據(jù)在水面上，水上肯定不會有數(shù)據(jù)，除非它是跟水有關(guān)的數(shù)據(jù)，有些數(shù)據(jù)可能過期了，有些數(shù)據(jù)加密混淆，還有些數(shù)據(jù)根本不在地球上，還有的數(shù)據(jù)各種各樣的坐標(biāo)系。大家一定遇到有些數(shù)據(jù)可能直接給個坐標(biāo)，就是00原點(diǎn)，在大海中央，這樣的數(shù)據(jù)我們都需要過濾。這只是把位置的問題解決了一部分，還有一部分問題，我們非常非常的意外和驚喜。

　　如果有一個人跟你說這樣的事情，告訴你，兩居的房租下來人均10萬，最近的房價不行了，有一個新房，待定，如果經(jīng)常有一個人跟你描述這件事情你會覺得這個人極度的不可信，他描述的事情可能是有問題的，這樣的事情不是天方夜譚。

　　大家看，我剛才上面說的三個例子，是真實(shí)存在的。前面一個就是我們說的10萬塊錢的小吃，你去看評論，實(shí)際上是9塊9，但是后面的評論說沒想到10萬塊錢可以吃這么好的。反而，還有人調(diào)侃給了五星，價格相對優(yōu)惠，可以去嘗試一下，特別特別的調(diào)侃。還有中間說的另外兩種情況，這樣的數(shù)據(jù)我們不能說它是一個錯誤的數(shù)據(jù)，數(shù)據(jù)是沒有對錯的。如果你去餐館吃飯，給個五星，他送你一瓶可樂不是很正常的事情嗎，快遞小哥給你送外賣，求你給個五星，你也就給了他，也沒什么問題。這些數(shù)據(jù)是真真實(shí)實(shí)存在的，只是你不信賴用自己的數(shù)據(jù)去出的決策。數(shù)據(jù)一定要記住，沒有對錯，只是數(shù)據(jù)值不值得我們信任。如果我們能想到一種辦法，把這樣的數(shù)據(jù)，把里面可信賴的部分篩選出來，我們用值得信賴的那部分做出來的決策，是不是有極大可能就是我們可以信賴的一種結(jié)果。

　　所以說，在這里，我們會引入一種方法，叫做機(jī)器學(xué)習(xí)來解決這樣的問題。為什么要用機(jī)器學(xué)習(xí)?我前面已經(jīng)提到過了，在大數(shù)據(jù)時代，任何一點(diǎn)微小的問題都會放的很大。你可以想象，剛才我們所舉到的那幾個例子，我可以用一些規(guī)則篩選到那些價格奇高的小吃，我們也可以篩選到一些加一些規(guī)則，把那些不太合理的房價給它篩選出去。如果用這樣的方法你可以想，全國三百多個城市，每一個城市你都要設(shè)置一個房價規(guī)則的話，那剩下還有幾百個數(shù)據(jù)等著你去設(shè)置，這樣的話你基本上是沒辦法完成這樣的工作的。我們用機(jī)器學(xué)習(xí)的辦法，是怎么個原理呢?這里有一組表情，我們要做的事情就是把表情給它分成三類，高興、不高興，還有不知道是什么表情。我們從中選取一些我們認(rèn)為的一些我們叫訓(xùn)練數(shù)據(jù)也好，樣本也好，找出一些樣本表情來，我們?nèi)シ治觯恳粋€表情，一共有五種特征，叫做腦袋、顏色、眼睛、眉毛、嘴巴，總共5種特征，我們把這些所有的特征，把這些所有的樣本的數(shù)據(jù)放到我們的機(jī)器中去訓(xùn)練，機(jī)器會把這5種特征轉(zhuǎn)換為機(jī)器所認(rèn)識的語言，這樣的結(jié)果，我們稱之為模型。

　　用這樣的模型可以做什么呢?當(dāng)新來一個表情的時候，我們把這樣的表情放到模型中，機(jī)器會分析它的5種基本的特征，是不是小方的腦袋，是不是嘴角上揚(yáng)，是不是還有點(diǎn)眉飛色舞，如果是這樣的話它是一個開心的表情。同樣的我們可以想像，這5種要素中，如果缺少一個，比如說缺少了嘴巴，我們找到了一個表情是小方綠腦袋，并且它是眉飛色舞，沒有嘴巴，這時候我們的模型可以對它判斷，最大可能認(rèn)為它是一個笑臉，因?yàn)槎鄶?shù)笑臉都是方綠腦袋，并且眉飛色舞，我們可以把所有的數(shù)據(jù)看作一個表情，這樣我們可以找出來哪些是別墅，哪些是小區(qū)，哪些是高檔小區(qū)，哪些是低檔小區(qū)。我們甚至可以做一些復(fù)雜的事情，有卡迪爾和勞力士的商場可能就是一個高端地段的豪華商場。

　　我們說下面的事情，剛才我說了有卡迪爾，有勞力士，有商圈，有地段。這個里面涉及到了非常多的數(shù)據(jù)，至少有三種，有品牌的數(shù)據(jù)，商場的數(shù)據(jù)，還有商圈的數(shù)據(jù)，如果我們要對剛才的事情進(jìn)行分析，要三個數(shù)據(jù)結(jié)合到一起進(jìn)行分析，所以說我們在這里要說一個問題，如果去把所有的數(shù)據(jù)結(jié)合在一起來使用?首先要想一個場景可能是大家經(jīng)常遇到的，我們有數(shù)百種數(shù)據(jù)，如果像左邊這樣沒有任何的關(guān)聯(lián)，你在使用數(shù)據(jù)的時候，其實(shí)相當(dāng)于把一份數(shù)據(jù)重復(fù)使用了一百遍。就像這里剛才說的那幾樣場景，一份數(shù)據(jù)如果之間沒有關(guān)聯(lián)，你做交通智能分析交通的事兒，你做房產(chǎn)只能分析房產(chǎn)的事兒，你做購物只能分析購物的事兒，你沒辦法分析更復(fù)雜的事。在這里如果你要分析一些比較復(fù)雜的問題，你需要把數(shù)據(jù)全部結(jié)合在一起。但是你分析的問題，能夠分析多復(fù)雜的問題，這完全取決于你能把你的數(shù)據(jù)結(jié)合到什么樣子。

　　在這里給大家看一個問題，我們剛才說了，這里有幾份數(shù)據(jù)，比如說有道路的數(shù)據(jù)，有公司企業(yè)的數(shù)據(jù)，有商圈的數(shù)據(jù)，有寫字樓的數(shù)據(jù)。我們實(shí)際上做的就是把這些數(shù)據(jù)全部給它聯(lián)系在一起，到底是什么樣的數(shù)據(jù)可以把所有的東西聯(lián)系在一起呢，思來想去，只有位置。我們來舉個例子，北四環(huán)來上面有什么呢?千鶴家園、盤古大廈、五礦大廈，北四環(huán)路在亞運(yùn)村，GeoHey在千鶴家園，我們可以用地理上的觀點(diǎn)把它聯(lián)系在一起，這樣的事情有什么意義，很多人覺得很正常，這就是關(guān)聯(lián)。把剛才的事情詳細(xì)說，如果你要做今天這么一件事情，叫做我要找亞運(yùn)村，亞運(yùn)村里面所有的北四環(huán)路上所有的IT公司，并且IT公司他的租金是5塊錢以下，并且它還是一個商務(wù)樓。聽明白了嗎?如果我的問題要找亞運(yùn)村里面所有北四環(huán)路上的所有的IT公司，并且他在商務(wù)樓里面辦公，商務(wù)樓在5塊錢以下，只有用這樣的方法才能把這件事做出來，如果不用這樣的方法，很多人開始做各種各樣的操作。那將會是一件不可想象的事情，這只是關(guān)聯(lián)四種數(shù)據(jù)，如果關(guān)聯(lián)更多的數(shù)據(jù)呢?如果每一樣都要做空間關(guān)聯(lián)的話這是非常痛苦的事情。

　　現(xiàn)在這樣的事情我們再來看，這是我們公司的一個地址，這個最后要怎么用呢?我們公司地址一般來說北四環(huán)東路，108號院1號樓2003室，我想把所有的數(shù)據(jù)都關(guān)聯(lián)到我們公司上，怎么做?就往上加，我們可以把我們公司的地址完全的填出來，大概有十幾項(xiàng)信息，意味著什么?意味著十幾項(xiàng)數(shù)據(jù)。我把商圈跟我們公司關(guān)聯(lián)上了，如果我要把道路數(shù)據(jù)，我想知道我們公司附近的道路是不是擁堵，我把道路的數(shù)據(jù)關(guān)聯(lián)上了，我想知道我們公司的小區(qū)是什么樣的小區(qū)，我把住宅小區(qū)關(guān)聯(lián)上了，也可以用這樣的方法，全部關(guān)聯(lián)上。用位置的方法可以把所有的信息所有的數(shù)據(jù)關(guān)聯(lián)起來。細(xì)心的同學(xué)一定發(fā)現(xiàn)這個里面比較要命的問題，我怎么能保證所有的地址描述都是標(biāo)準(zhǔn)唯一的呢?比如說在這里，清華就是清華大學(xué)，帝都就是北京，我們平時說三里屯酒吧，其實(shí)就是指的南三里屯路。說GeoHey就是北京極?？v橫信息技術(shù)有限公司。 首先我們想一個問題，地址的變化雖然很多端，但是變化再多，其實(shí)就像我剛才說的那幅圖里面一樣，地址的描述方式就只有那么十幾二十種，為什么不可以把這些地址的描述都給它看成是一種表情的特征?我們把數(shù)據(jù)里面找出這些我們覺得相對描述比較準(zhǔn)確的表情拿出來作為我們的訓(xùn)練樣本對它進(jìn)行訓(xùn)練，訓(xùn)練的結(jié)果我們再來預(yù)測，再來找我們的數(shù)據(jù)里面哪些地址寫的不是那么的好看，有點(diǎn)擠眉弄眼，把那些擠眉弄眼的數(shù)據(jù)糾正回來，弄成眉飛色舞的數(shù)據(jù)就實(shí)現(xiàn)了。在這里我們繼續(xù)用機(jī)器學(xué)習(xí)做這件事情。

　　所有的問題我們再回歸一下，我們剛才一開始的時候說的是，我們要投放廣告的事情。我們要把廣告最終要投放給大學(xué)生，我們前面做了那么多花哨的工作，做了數(shù)據(jù)關(guān)聯(lián)，做了數(shù)據(jù)的數(shù)據(jù)，最后我們一定要把所有的數(shù)據(jù)要用起來，要用到投放到大學(xué)生這件事情上，大家最關(guān)心的其實(shí)就是我們用地理大數(shù)據(jù)，最后能不能找到各自關(guān)心的人群，能為我們做出一些決策上的支持。所以說在這里我們要想怎么能回歸到人群中去?雖然我們一直在做的事情是地理數(shù)據(jù)，但是你有沒有想過所有的地理數(shù)據(jù)都是由在座的所有人創(chuàng)造出來的，怎么說呢?

　　舉個例子。我家樓下一共有兩家理發(fā)店，我非常的好奇為什么有理發(fā)店，因?yàn)橛欣戆l(fā)所以有理發(fā)店，為什么要理發(fā)?因?yàn)槲疑习嗟臅r候不會理發(fā)，就下班的時候理，如果這里住很多人意味著理發(fā)店周邊有居民樓，一定不是寫字樓。反過來想，如果有兩家的理發(fā)店，為什么會有兩家理發(fā)店?如果一家理發(fā)店他的生存的成本是一千元的話，那么我們可以估計(jì)，如果他們一般說來，十分之一的人會去理發(fā)，如果這樣的話基本上可以算出來，根據(jù)兩家理發(fā)店可以算出來這里至少有兩百人，一家理發(fā)店的生存成本是一千元，有十分之一的人理發(fā)，這樣保證兩家理發(fā)店生活下去生存成本是兩千塊，十分之一的人理發(fā)，結(jié)果可以算出，這地最少需要兩百個人理發(fā)。所以我們可以推算一下這里的小區(qū)，可能大概會有兩千個人。這是我們只是算了一個理發(fā)店，那么蛋糕店是不是這樣，商場是不是這樣，快餐店是不是這樣?如果你可以把所有的地物都給它算一遍，我們是不是基本上可以推算這個區(qū)域至少有多少人。所以用這樣的方法我們把所有的事情關(guān)聯(lián)了。

　　我們還做了類似的事情，我們會延伸一些數(shù)據(jù)，我們可以算一算所有的寫字樓里面的人一般都在哪里，哪些商場里面購物。比如我們算一算有一些電影院，電影院吸引的人群在哪些小區(qū)。如果是這樣的數(shù)據(jù)已經(jīng)做出來直接使用的話發(fā)現(xiàn)我們要做投放廣告，這件事情會變得如此的簡單，如此的容易。最后我想強(qiáng)調(diào)一件事情我們做所有的事情一定要獲得地理大數(shù)據(jù)的價值，從前面講的所有的東西我們可以看到，我們做這件事情如果缺少可靠的數(shù)據(jù)，所有科學(xué)的辯駁都會是無源之水，無本之木，如果我們要避免這樣的事情，就是前面講的5個方面。

　　首先我們找到一個非常傳統(tǒng)的問題，針對這個傳統(tǒng)問題我們?nèi)フ腋魇礁鳂拥牡乩淼臄?shù)據(jù)，我們把這些所有的地理數(shù)據(jù)變得值得讓人信賴，然后把所有的數(shù)據(jù)通過各種技術(shù)手段把他們整合在一起，最后我們要把所有的數(shù)據(jù)給它延伸到我們的個人，讓我們的個人從中能夠受益。謝謝大家!