
![]()
长夜漫漫,无心睡眠,我以为只有我睡不着,原来晶晶姑娘你也睡不着!请问你也是春运没买到坐票吗?
每年的这个时候,总会流传着一张图片,那就是非洲的角马大迁徙和春运盛况的对比图,隐含的意思无非就是说“雨季又过了,又到了春运的季节,男男女女们挤在一起,随着列车轻轻的摇动,就如同那雄海龟趴在雌海龟的身上……”
所以当百度推出的春运迁徙地图在央视亮相的时候,马上让我眼前一亮。作为这种大数据可视化产品的脑残粉,一定要跳出来赞一下。
一.迁徙地图背后的大数据可视化
从全国迁徙图首页可以看出,数据来源是百度地图LBS开放平台,并且辗转找到此项目的负责人求证后,也验证了这一产品的数据来自于众多使用了百度地图的应用所传送来的定位请求,从而对所有请求信息进行辨认设备和定位位置变化来分析处理全样数据。
上面的话比较拗口,简单点儿说,就是只要你的手机里装有使用百度地图API的应用,那么你的长距离移动就是这张地图里的一条线。
只拿此刻的数据进行一下解读,1月26日上午十点,在过去八小时内最热的迁入城市前三名是北京重庆和赣州。无论重庆和赣州,都是劳务输出的重点地区,排名前三理所应当。那么北京为什么位居迁入城市第一?
点开北京的路线详情就能看到,迁入北京的大部分是廊坊、天津、葫芦岛等地的人,只是把北京当做一个交通中转站而已。这也就是北京能在迁出城市和迁入城市都能名列第一的原因了。
已经看到有人质疑这种产品有什么作用。在我看来,再牛逼的大数据挖掘技术,如果不能以一个接地气的方式表达出来,那么永远就只能停留在拙劣的公关PR稿中。举一个最浅显的例子,如果铁道部看完这个图,那么他们至少知道下一步的高铁线路应该怎么铺设。如果你是那个在火车上卖WIFI的小哥,你肯定也会选择最热线路吧?卖烧不坏的袜子、越南跌打膏之类的朋友们同理。
前两天,陌陌也推出了他们春运版的数据,盘点了热门回家线路热门群组各种数据。但是看完之后,我陷入了深深的失望,我最盼望的数据是“漂亮妹子最多的线路”“漂亮妹子最多的车厢”“D杯以上无座只好站着的漂亮妹子最多的车次”……
二.称赞与吐槽
一直以来,百度是我心目中人格最分裂的公司,A面是一个善于营销和自我推广的公司,但是最近几年推出的新产品基本都是跟随型产品,别人先蹚出一条血路,然后百度再用自己庞大的用户群和流量去拓宽这条路,包括踩死先行者。B面是一个拥有着众多牛人和牛逼数据的GEEK,但是却不拿这些数据来做一些让人拍案叫绝的东西。
如果想成为谷歌一样受到全世界尊重的搜索公司,那么百度必须要做一些让人惊叹的产品。例如2008年前,谷歌推出了一个单独的小产品--流感疫情地图,里面将从世界各国卫生组织收集到的流感信息用可视化的方式呈现出来,这样你在出差的时候,就知道是否应该带药品了。(嗯,根据地图显示,我国人民身体素质很好,身体倍棒吃嘛嘛香不得感冒)。
从表面上看,这产品对谷歌商业化产品没有任何拉动作用,但是经过这样的尝试,在两年后,当H1N1病毒肆虐的时候,谷歌已经能将患病高发区整合进自己的地图应用了。
百度迁徙地图算是百度近年来比较少见的,不以拉动任何产品下载使用为目的的数据产品了。但是就产品细节来说,有不少地方有待改进,例如视觉的炫酷感,例如地图的可点击操作等等。
无独有偶,就在五天前,英国《卫报》推出了他们的一个数据产品,叫做《在天上--航空的百年史》。因为1914年是世界上首个商业航班试飞成功,当时只有1名乘客。1914年全年也只卖了1205张票,而2013年卖了31亿2千万张飞机票。产品首页就实时展示了现在全世界上空正在飞行的飞机数和过去24小时所飞过的航线图,很炫很酷,并且密集恐惧症患者慎入。(地址,可能需要翻一下~)
三.大数据需要更接地气
大数据,要玩起来,才会更好玩。我们经常会在公关PR稿中看到这样的话“在本次发布会上推出的新版本,是基于大数据,由业内资深的大数据挖掘团队和机器学习团队埋头研究数月才推出的……”让人不明觉厉。同样的句式,放之四海而皆准,例如情趣用品,也可以说“我们这次推出的新的按摩棒,是基于大数据,由业内资深大数据挖掘团队和机器学习团队埋头研究数月才推出,完全符合绝大多数中国女性的使用习惯……”
所以,大数据现在需要的是将一个泛概念变成一个个接地气的产品或者项目。例如美国梅西百货,他们会根据库存和需求变化情况,实时的调整7300万种商品的实时定价。例如洛杉矶警局,会根据各个区域之前的犯罪率和居住情况,预测性的调整巡逻频率和力度。
百度迁徙地图,如今只是刚上线,所以更多起到的是公关和宣传的作用。而如果这个产品能坚持10年,那么这一定是了解中国产业结构变化和人群生态变化的最简单的途径。
打住,写到这里,突然觉得上面的文字正经到了可怕的地步。
我终于在过年回家之前,把自己的状态调整到了一个六线城市里的木讷内向男中年,准备在“瓜子花生矿泉水,鸡腿盒饭收收腿”的亲切乡音中要变身成地图上的一条线了……
|
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28