京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代如何寻找地理可视化的引爆点
随着“大数据”应用的火爆,“地理大数据”逐渐成为了一个时髦的概念。“具有空间位置特征的地理信息数据天生具有大数据属性”更是给这个概念打上了完美的注脚。地理信息从业者敏锐地捕捉到了技术发展的方向,推出了一些优秀得“地理可视化”产品。
揭开地理大数据的面具
地理空间数据天生就是大数据。这是一句容易让人热血沸腾的话。如今我们获取地理空间数据的手段越来越多,除了卫星、无人机、移动测量车这些传统测绘技术带来的海量基础测绘数据外,很多传感器的实时监测数据、移动终端数据甚至各种UGC数据都构成了地理大数据。地理大数据满足了大数据定义中海量数据(Volume)、快速的数据流转和动态数据体系(Velocity)、多样的数据类型(Variety)以及真实性(Veracity)等四个特征指标。
我们更多关注的是地理大数据的第五个特征指标:价值(Value),也就是地理大数据的功用,它能够帮助用户干什么? 地理大数据(主要是基础测绘数据)在地表要素分析、遥感影像解译等领域已经有了深入的应用,但在其它行业领域似乎还没有太多典型应用。地理空间数据经过数据挖掘和数据分析后,需要揭示某些规律/行为模式/发展趋势。它的核心价值是发现规律和预测趋势,以便于最大限度地发挥业务潜力。这样的地理空间数据才算得上真正意义的地理大数据。
单纯的地理空间数据很难承担起规律分析和趋势预测的“重任”,只有和业务特征数据结合之后才能真正发挥大数据发现和预测的作用。这个结合点就是空间位置。空间数据被赋予业务属性之后便拥有了大数据分析的基础,业务数据装上了空间属性的翅膀后,才有机会在空间维度发掘数据价值。
地理可视化和地图制图
地理可视化是地理大数据应用的最后一公里。它涵盖了一系列不同的规模,小到单个房产, 大到全球比例尺的海量地景数据的可视化。地理可视化充分利用了地理信息技术的空间数据可视化能力,用地图的方式进行可视化表达,解决了大数据中空间位置表达的问题;同时,利用地理信息技术的空间分析能力,为地理大数据涉及到的大量空间分析提供了处理能力,在空间维度上初步实现了大数据的分析。
从本质上说,地理可视化开发了人的空间思维能力,使人们能够更加容易的发现隐藏在空间位置背后的复杂关系,提供对隐藏现象的清晰认识,缩短搜索时间和揭示事物之间可能被忽略的关系。比起使用文本或数字描述,地理可视化更加有效的帮助用户进行分析和学习,是一种用于探索、分析、综合和表达的强大研究方法。
从地图学/地理信息技术角度看,地理可视化是地图和信息可视化的结合,是在地图可视化基础上衍生的一种研究方法。地图是地理可视化的原型,地理可视化用地图的方式提供了独一无二的工具,让人们可以对庞大复杂无法直接观察的空间信息进行分类、表达和交流。
提到地图表达,自然会想起地图制图。 事实上,地图制图作为地图表达的一种既定表述方式和地理可视化是如此的相似,他们之间区别非常感性和微妙:地理可视化集成了数据可视化、地图制图、图像分析、探索性数据分析和可视分析,其可视化结果应当引导并最终提供有助于辅助决策的洞察力。两者的细微差别不在于地图语言的表述,而在于最终结果的价值导向。
地理可视化是银弹吗?
地理可视化能否作为地理大数据分析表达的银弹?我觉得,地理可视化至少还存在三个问题没有解决。
1. 地理可视化的效果是否存在标准的、有效的评价指标?
2. 什么样的地理可视化效果是有效的,为什么会有效?
3. 针对某类地理大数据,它最好的地图表达方法是什么?
地理数据可视化虽然是借助于地图制图的手段, 基于地图清晰有效地发掘和传达信息。但是,这并不就意味着,地理可视化就一定因为要实现其功能用途而令人感到枯燥乏味,或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达空间位置背后的信息概念,美学形式与功能需要齐头并进,通过直观地传达关键的方面与特征,从而实现对于相当稀疏而又复杂的数据集的深入洞察。
从已有的几款地理可视化产品使用体验来看,产品设计本身往往并不能很好地把握地图效果与数据探索之间的平衡。 有些地理可视化产品虽然坚持地图设计的既定用语(地图制图规范),但其基于UGC生产的应用案例从地图审美价值观方面来说,相当难看;另一些地理可视化产品虽然能创造出优美的可视化效果, 但其对于真实世界的分析并不起任何作用。
地理可视化应用的引爆点
地理可视化作为数据可视化的分支,目的是要解决大数据在地理空间维度的相关问题。从地理可视化内在的地图特性来看,我觉得,在三个应用场景可能存在引爆点:
1. 网络制图应用
2. 在线地理信息应用
3. 基于特定意义的模型驱动
网络制图应用是用户最为熟悉的产品设计形态。对于广大不具备地图制图技术背景的用户,网络制图应用不仅免去了专业制图软件高昂的购置费用,还简化了地图制图表达要求,降低了地图制作的技术门槛。作为一款优秀的网络制图应用,需要具备三方面的能力:第一,帮助用户制作标准的、规范的、符合地图表达要求的地图;第二,能够尽可能多的兼容用户自有的数据格式,并且能引导用户分析和制作有意义有价值的地理可视化产品(通过场景模板或地理分析业务模型);第三,能衔接用户最终使用的真实应用场景,比如用户创作的地图产品能够导入excel/word等常用软件和。网络制图应用的另一种模式是地图中间件的形式和某些特定行业的专业软件(如金融行业/ERP软件)进行集成耦合,满足它们对空间数据的处理和表达需求。
在线地理信息应用以SaaS的形态向用户提供专业的地理可视化服务,它隐藏了复杂的地理数据分析过程,把最终结果简洁直观的提供给用户。在线地理信息应用产品的一种服务方式,是在满足基本的地图设计原则上,引入地理分析技术,比如:商业选址/路线动态规划等;它的另一种服务方式是垂直业务模式,通过关注某类或某几类行业的业务数据和业务需求,在线提供一套完整的业务解决方案,满足大部分用户基本的业务需求。实际上,网络制图应用和在线GIS服务正在慢慢的改变地理可视化和空间数据的生态环境,它们的未来发展目标是成为大众可以使用的门户服务之一,可以集成或者混搭到其它众多应用中去。
基于特定意义的模型驱动是从地理大数据的大数据特性出发,强调大数据的规律发现和趋势预测的能力。地理可视化的一个重要作用是基于地理空间数据可视化效果,为用户提供辅助决策,引导用户进行形态预测。也就是,基于地理大数据(复杂散乱的带有业务特质的空间数据),抽象出业务特征维度,基于各种数据挖掘和分析形成客户画像,最终对客户人群的行为做出预测。地理数据的空间描述永远是简单的X/Y/Z或标准地址编码,而业务数据则是纷繁复杂各不相同。空间数据和业务数据的结合点就是空间位置,利用数据融合技术(海量数据清洗/处理/挖掘)融合两种不同数据类型。基于一套符合行业业务需求的具有特定意义的业务模型,驱动数据在业务通道中流动,最后形成一个对真实数据背后隐藏的复杂关系有显性指导意义的结论。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07