京公网安备 11010802034615号
经营许可证编号:京B2-20210330
不要简单地说大数据可以预测未来
在简练表达“何为城市理想”之后,茅明睿马上向听众直言了城市规划师所直面的“理想与现实”之间的残酷距离。他说,作为一个在规划圈待了十余年的人,这当中体会最深的两对矛盾就是,“理想与谋生需求的冲突,个体认知与上位要求的冲突”。
虽然规划师们始终在尝试运用先进的技术工具和手段,助力规划信息化水平,对接城市居民的切实需求,但是也会经常被人吐槽。尤其是一些技术手段,往往沦为华而不实的一个PPT作为锦上添花的配图工具。
除此以外,茅明睿坦言,虽然城市规划师看似就像握着画笔的画家,基于科学论证挥洒着他们的想象力。但现实中,即便他们也是上要照顾领导,下要养家糊口。一名城市规划师的真实处境,其实是在民众与公权力的夹缝中求生存。
寻求城市理想要接地气,更要转型创新
茅明睿认为,人口红利的逐渐消失,让城市规划逐渐变成一个解决存量问题的工作。另一方面,互联网技术的发展,也在推动规划行业转型创新。比如城市规划领域,有了自己的组织群体,例如BCL、青年规划师联盟、NGO,以及各种在微信上建立的规划群等等。不仅如此,规划行业也在深处变革,比如从以往的垄断数据到现在的开放数据、从以往的IT到现在的DT、从权力到权利的转变……这些都格外引入注目。
而关键的问题也来了:城市规划,到底如何接地气地跟上如今社会转型的需求?茅明睿给出的答案是,规划业务要转型、规划院管理要转型,规划师更要积极自我转型。
他提到,规划院要积极建立云平台,集合数据和规划师组织,做好大数据的获取挖掘与城市研究、汇集集体智慧,同时,在自下而上的社区治理和规划实践中,广泛收集社会意见和建议,形成城市规划的决策动力。
谈及规划师的自我转型,茅明睿表示既要下得去社区,更要玩得转数据。如果现在的规划师还无法运用大数据来辅助甚至引领城市规划,接下来面临的处境很可能是淘汰出局。
城市规划 只聚焦交通大数据你就错了
城市交通与城市规划的关系是密不可分的。不过在茅明睿看来,提到城市规划的时候,公众甚至很多规划师也会首先想到城市交通。但,一个好的城市规划师不只是关注交通,或者是眼下提得更多的交通大数据。
茅明睿表示,在交通大数据上单一地发力,很难在实质上推动城市规划形成好的解决方案。更多时候,交通大数据能提供的基本是一个道路拥堵与否的参考。他认为,真正的城市规划解决方案还需要依托多个城市生活维度的综合考量,深层次定夺方案。
数据的来源应该更多,更广泛。关注的维度应该更多,更立体。
提到大数据,茅明睿认为“感知即参与”,他以北规院举办的“长辛店老镇复兴计划”、积水地图为例,解释了云平台如何利用线上线下的服务实现数据众筹。真正让城市规划云平台充当好完善城市规划与便捷百姓生活的优质角色。
“不要简单地说大数据可以预测未来!”
“未来的城市规划,一定少不了大数据。”这一观点贯穿在茅明睿的整场演讲中。然而,大数据到底如何看待,到底怎么用?茅明睿表示,“不要简单地说,大数据可以预测未来!”
茅明睿表示,北规院在大数据方面也做了很多的研究。在现场,他结合了“利用公共交通刷卡数据分析北京通勤出行情况”、地铁里的灰色人群等丰富案例来解释大数据的相关实际应用。
除此之外,他以顺义、通州为例,展示了“人迹地图”这一城市数据平台功能在人流分析、人群分析、单元画像、城市光谱等方面的案例。
总结时,茅明睿在一再强调,一定不能简单认为大数据拿来了就能预测,要基于原有统计做深植,要通过数据观察现象、提取信息、发现具体规律,这样才能看出城市规划中,具体的公共决策会对这个城市的人群造成什么样的影响。路很漫长,要做的事情还有很多,希望在未来,以数据感知分析为桥梁,“下社区”去实现真正的城市理想。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12