
大数据支撑智慧城市
智慧城市评价体系是欧盟提供的标准,包括智慧移动性、智慧经济、智慧环境,智慧人民、智慧生活和智慧治理。在中国,智慧城市被赋予更新的理念,例如创新城市、绿色城市、宜居城市、平安城市、健康城市、人文城市。智慧城市本身能产生大量数据,例如淘宝网2010年就有3.7亿会员,尤其在2012年11月11日当天达到2.15亿用户购物,处理交易上亿笔,峰值访问每分钟为9万笔;新浪微博在晚上高峰期,一秒钟接受100万以上响应请求;百度大概每天处理60亿次搜索需求、几十个PB数据;国家电网公司信息中心数据量已至2PB。综合以上信息可确定,当今中国已经进入大数据时代。
城市大数据“潜伏”于各领域
由于医疗健康、财务管理、物流管理、火种安全、交通流控、通信、制造业、贸易、财务防欺骗、防风险、零售等领域都可使用数据,所以智慧城市即充分利用城市掌握的数据对国家宏观经济进行有效掌控。美国印第安纳大学利用Google提供的心情分析工具,将网民的近千万条微博留言分为6种心情,从里面寻找并分析道琼斯工业指数,准确率高达87%。华尔街银行根据求职网站提供的岗位数来推断就业率,根据购物网站的顾客评论深入了解产品销售状况。然而,因为中国有“差评师”的存在,所以产品销售状况难以真实客观。
智慧城市的本质是创新,它与各项研发密切联系。美国宝洁公司建立了内部创新平台,鼓励公司外部专家多参与意见,如今它60%的新产品都由外部专家提出,极大缩短了决策时间,提高整体研发效率一半以上。同样,日本丰田公司也利用数据分析缩短新品开发时间,并避免了正式制作样车80%的缺陷。另外,数据分析还可以优化库存、方便系统管理。资料显示,全世界零售商因盲目进货造成1000亿美元/年的库存积压,可想而知如果有提前、到位的数据管理,就能避免很多不必要的损失。此外,我们通过观察超市购物车在每个货架停留的时间,可以分析顾客钟意什么样的商场布局、货架排列、热销产品。美国曾有家超市搜集整理了6000户家庭的收入、住房、子女数等信息,有针对性地向顾客发送邮件,介绍“对症”的商品,结果购买者比一般情况下多了近20倍。
此外,亚马逊网上购物也常分析顾客购买记录、爱好等,当你买某个产品后,它会提醒你可能还需要的相关东西,以及其他购买该产品的顾客还购买了什么别的商品,由此循循善诱、触类旁通,增加了30%的销售额。还有美国第2大超市Target认为女士是其黄金顾客,特别孕妇最喜欢买东西。于是,Target从数据仓库中挖掘25项与怀孕高度相关的商品,建立了一个孕妇预测指数,里面罗列了孕妇希望购买的无刺激性化妆品、营养钙片等。根据这些商品统计,Target借机把与孕妇有关的商品广告发放顾客,细分市场大大提升了它的销售额度。沃尔玛也一样,2009年12月31日超市结账时打出一个单子,专门分析顾客购买商品之间的关联性,甚至得出尿不湿有助于啤酒销售的数据。原因在于一些新爸爸去超市买尿不湿,会顺带犒劳自己买些啤酒。目前,中国的淘宝网等大型购物网站也都建立了这种可以共享、分析的大数据平台,以帮助商家全面摸透、掌控市场。
智慧城市的6大“变脸”
1、创新城市。很多创新城市本身就是大城市、金融中心,例如华尔街德温特资本市场公司,它通过分析全球3.4亿微博账户留言判断民众情绪,以了解人们何时高兴会买股票,何时焦虑会抛售股票。通过系列数据统计,它往往赶在大家买股票之前迅速购进股票,在大家抛股票之前先行卖掉股票,从而获得很好的基金收益。2012年至2013年上半年,中国也受到了金融危机影响,很多中小企业因为缺少担保而贷款困难,阿里公司专门从淘宝网筛选财务诚信企业,不需要担保条件就给予慷慨贷款。
2、绿色城市。智慧城市必须是绿色城市,城市环保必须是政府领导关注的重点。美国密西西比河上有个装置,可以先潜入水下200米取样,再返回水面取样,最后把水质报告传到卫星收集中心,完成全套环保数据的收集工作。此番数据收集不仅需要使用传感器、人工卫星,还得通过3S系统、云计算对比、分析历史数据,这类绿色城市正是智慧城市的一个缩影。比如城市的某条繁华大道上有无数摄像头,它们背后均连接电视屏,后台软件将无数摄像头的数据进行智能处理,就可以清晰看到整条马路的纬度、经度,以及所有路口的拥堵情况,甚至任何一个盲点都不会疏漏。
3、宜居城市。如今,美国纽约警察通过分析交通拥堵而有效防范治安,并从交通违规和事故中发现规律,有针对性的进行道路设计改造。在国内,北京公交一卡通每天有4千万条刷卡记录,通过分析收集刷卡数据,能够总结北京市民的出行规律,从而改善城市交通情况。另外,新加坡的公共交通部门还利用个人位置数据来分析交通需求,准确判断哪个路口最容易打到出租车或一路畅通,帮助市民解决出行难题。同时,国外还号召带有GPS和加速器的智能手机用户,一旦发现危险路况立刻拍图传给政府,充分体现宜居城市的服务魅力。
4、平安城市。平安城市的内容主要有两项。一是利用短信、微博、微信和搜索引擎,收集热点事件与舆情挖掘;二是通过手机用户身份和位置,来检测、了解突发事件的详情。例如我国各城市地区的视频监控分布广泛,有的城市摄像头多达几十万个,边边角角都有布控,北京、上海等地的摄像头多到你上街一天,至少要被拍到8次以上,想来应该不是夸张。这些有效全面的安保措施,在保护城市平安的同时也展现了智慧数据的强大功能。
5、健康城市。健康城市历来为老百姓所期待,由于医院的病历中隐藏大量有用数据,所以分析医疗数据也至关重要。随着电子化的应用,纸质数据信息将被充分挖掘,健康城市不仅从病历开始,还要从远程医疗和居家监护做起。陕西采用一种视联网技术,提供大规模高清医疗视频服务,可以多点对多点,将医院病床互动电视、医疗信息发布、排队叫号、安防监控、远程会诊、视频会议、ICU探视、远程陪护等信息数据整合,并且连接于多类终端上。如此病人住院,家属可以通过现场视频了解、照顾病人,甚至监督医院与护理工的状态。此外,健康城市还有别的用途,像Google公司会通过搜索引擎上的热门关键词,来确定最新社会新闻与焦点民情,这有利于支持智慧城市健康服务。
6、人文城市。故宫博物馆有180万件珍贵藏品,但只有几十万件能拿出来,信息数字化以后,人们可以随时观看三维显示,并能从不同角度旋转赏析。此外,一般没有机会接触到的国外著名博物展览馆,也都可以通过这种远程方式大饱眼福。人文城市讲究老百姓的参与,如今参与度最高的是微博、微信,微博融合了网页、手机客户端、短信、彩信、即时消息等多种方式,本身具有裂变性、主动性、即时性、便捷性、交互性、草根性、跟进性和临场感。目前,新浪和腾讯注册的微博账户超过3亿人,3亿网民都可以在微博上随意留言,触摸中国经济与社会脉搏。随着云平台的使用,我们现在可以很好做到三网融合、三屏互动,银屏加上多屏融合成为智能家居和智能车载的发展方向。未来,智慧城市不只是政府工程,更需要市民积极参与和管理。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10