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
在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16