
中國(guó)視角:大數(shù)據(jù)與商業(yè)地理分析_數(shù)據(jù)分析師
從全球范圍來(lái)看,采用商業(yè)地理數(shù)據(jù)進(jìn)行商業(yè)選址及消費(fèi)者地理細(xì)分在發(fā)達(dá)經(jīng)濟(jì)體已經(jīng)非常普及。為更精準(zhǔn)地服務(wù)不斷升級(jí)的中國(guó)消費(fèi)者,宜家家居、麥當(dāng)勞、星巴克等專門成立了商業(yè)地理分析團(tuán)隊(duì),來(lái)指導(dǎo)其在中國(guó)的店鋪選址。麥肯錫的“解讀中國(guó)”商業(yè)地理分析團(tuán)隊(duì)亦感受到來(lái)自客戶方越來(lái)越強(qiáng)烈的需求。我們以下圖來(lái)說(shuō)明架構(gòu)在大數(shù)據(jù)之上的商業(yè)地理分析。
“80%的商業(yè)數(shù)據(jù)都是帶有地理信息的”
“商業(yè)地理分析的目的就是把對(duì)的產(chǎn)品放在對(duì)的位置上”
“選址分析專家就是幫助客戶找到最有利位置的‘風(fēng)水’先生”
科學(xué)選出最優(yōu)位置
我們服務(wù)過(guò)一家全國(guó)股份制商業(yè)銀行,該銀行希望規(guī)劃未來(lái)在中國(guó)某一線城市的網(wǎng)點(diǎn)開設(shè)計(jì)劃。這些網(wǎng)點(diǎn)須開設(shè)在(潛在)顧客集中的區(qū)域,方便個(gè)人及企業(yè)客戶的業(yè)務(wù)辦理,同時(shí)要避免選擇過(guò)度競(jìng)爭(zhēng)的區(qū)域,確保業(yè)務(wù)的健康增長(zhǎng)。該如何科學(xué)地選出最優(yōu)位置?
而這正是商業(yè)地理分析最擅長(zhǎng)的領(lǐng)域。評(píng)估某一個(gè)特定地點(diǎn)是否具有商業(yè)價(jià)值,深入該地進(jìn)行調(diào)查是傳統(tǒng)的“笨”辦法。若想從一百多個(gè)城市中選出每個(gè)城市的重點(diǎn)商圈,僅憑個(gè)人或者小團(tuán)隊(duì)的有限知識(shí)和商業(yè)直覺是遠(yuǎn)遠(yuǎn)不夠的。我們認(rèn)為,一個(gè)可行的方案是,利用這些城市的矢量地圖并加載更細(xì)層面的經(jīng)濟(jì)、人口和地理數(shù)據(jù),借助地理信息系統(tǒng)(GIS)來(lái)實(shí)現(xiàn)批量處理和定量分析。打個(gè)比方,風(fēng)水先生一旦配備了現(xiàn)代化裝備,就升級(jí)成為商業(yè)地理分析專家,他們憑借商業(yè)地理數(shù)據(jù)幫助客戶尋找并確定城市中的最優(yōu)位置。
為了幫助這家股份制銀行挑選最有利位置,我們采取了抽絲剝繭層層深入的方法,從街道到商業(yè)樓宇,對(duì)可能的位置進(jìn)行深入分析。綜合該城市超過(guò)200個(gè)街道的人口統(tǒng)計(jì)信息、分區(qū)富裕程度、分區(qū)內(nèi)各銀行網(wǎng)點(diǎn)的分布及開業(yè)年限、各類商業(yè)信息點(diǎn)的分布等信息,將這些街道分區(qū)歸納為核心分區(qū)、次核心分區(qū)和避免分區(qū)三個(gè)大類。新設(shè)網(wǎng)點(diǎn)時(shí)優(yōu)先考慮核心分區(qū)。接下來(lái),深入到每一個(gè)街道分區(qū)內(nèi)部,根據(jù)分區(qū)特征、商業(yè)信息點(diǎn)的分布與區(qū)域聚集度進(jìn)行打分,結(jié)合該城市各分區(qū)內(nèi)已建/在建/籌建樓宇列表選出網(wǎng)點(diǎn)的最優(yōu)位置(見圖1)。
沙盤上的商業(yè)地理
商業(yè)地理分析正如將軍俯視沙盤,挖掘商業(yè)數(shù)據(jù)的地理緯度,將城市的戰(zhàn)略高地和價(jià)值洼地一覽無(wú)遺,運(yùn)籌帷幄,決勝千里。
打開麥肯錫“解讀中國(guó)”的22個(gè)城市集群,查訪每一個(gè)城市,從市轄區(qū)到街道,從街道到居委會(huì),乃至2km×2km的柵格,商業(yè)地理的分析工具使得“戰(zhàn)略圖景”的解析度和可視化程度大大提高。全新的高清影像不僅沖擊著跨國(guó)公司、本地龍頭企業(yè),還有政策制定者。即使是城市軌道交通建設(shè)這樣長(zhǎng)期而浩大的工程,商業(yè)地理分析亦能提供獨(dú)特的視角。
近期我們獲邀為西南某省會(huì)城市的軌道交通發(fā)展把脈。從地理空間的角度來(lái)考察地鐵規(guī)劃再合適不過(guò)。該市地鐵尚處于公共軌道交通建設(shè)初期,而未來(lái)10年間將從現(xiàn)在的2條線增加到10條線。
將該市的地鐵規(guī)劃、人口分布、商業(yè)網(wǎng)點(diǎn)分布及樓宇價(jià)格都放在GIS平臺(tái)上,地鐵的未來(lái)藍(lán)圖躍然紙上(見圖2)。全面竣工后39%的城市人口將會(huì)在地鐵站點(diǎn)周邊800米內(nèi)。但與倫敦和莫斯科等國(guó)際都市相比,地鐵站點(diǎn)密度仍然偏低。同時(shí),半數(shù)以上的醫(yī)院和學(xué)校超出了地鐵站點(diǎn)800米覆蓋范圍,站點(diǎn)附近尚缺乏足夠的配套公共服務(wù)設(shè)施。進(jìn)一步分析發(fā)現(xiàn),還有部分地鐵站點(diǎn)周圍人口稀疏且商業(yè)活動(dòng)不頻繁,可能是城市中的價(jià)值洼地(見圖3)。
處于地理信息產(chǎn)業(yè)鏈的頂端
地理信息產(chǎn)業(yè)在中國(guó)方興未艾。近年來(lái),提供地理信息系統(tǒng)、數(shù)據(jù)和服務(wù)的公司呈現(xiàn)出跨越式增長(zhǎng)。從地圖測(cè)繪和遙感影像獲取,到地圖加工并構(gòu)建地理信息數(shù)據(jù)庫(kù),再到數(shù)據(jù)的批發(fā)與零售,一個(gè)完整的地理信息產(chǎn)業(yè)鏈已經(jīng)形成。借助成熟的GIS軟件,通過(guò)圖形化的二次開發(fā)界面,商業(yè)地理分析員可以根據(jù)客戶需求快速地進(jìn)行定制分析。
最大的贏家將是站在產(chǎn)業(yè)鏈頂端的定制商業(yè)地理分析產(chǎn)品的提供者。商業(yè)地理分析產(chǎn)品將涵蓋:選址分析、銷售區(qū)域分配、配送路徑優(yōu)化、潛在消費(fèi)者空間分布、城市規(guī)劃等。其中,如前所示的選址分析應(yīng)用最廣最深,涉及經(jīng)濟(jì)環(huán)境分析、交通條件分析以及競(jìng)爭(zhēng)/互補(bǔ)店分析,稱其為商業(yè)地理的靈魂亦不為過(guò)。
幾乎所有的行業(yè)都需要商業(yè)地理分析:銀行、快消、電信、醫(yī)藥、航運(yùn)、家具等等,即便是電子商務(wù)這樣虛擬的行業(yè),也需要商業(yè)地理的幫助,來(lái)判斷消費(fèi)者的地理分布以及不同地區(qū)消費(fèi)者的特點(diǎn),從而有的放矢地發(fā)布網(wǎng)絡(luò)或者平面廣告,抑或根據(jù)不同地區(qū)制定相應(yīng)戰(zhàn)略。物流公司更是離不開商業(yè)地理分析的統(tǒng)籌規(guī)劃,通過(guò)與全面系統(tǒng)的商業(yè)地理信息數(shù)據(jù)庫(kù)相結(jié)合,傳統(tǒng)的運(yùn)籌學(xué)煥發(fā)出新的活力。
以我們?cè)?jīng)服務(wù)過(guò)的某物流公司為例,該公司希望知道在上海布局多少個(gè)配送中心才能使配送成本最小。利用GIS軟件中的Vehicle Route Problem模型可以很好地解決這個(gè)問(wèn)題,我們測(cè)試從8個(gè)配送中心開始,把配送中心地理位置 、收寄件人的位置、配送員數(shù)量及載貨量、配送員小時(shí)工資和油耗、交通情況等作為參數(shù),求解得到總成本,再與其他數(shù)量的配送中心求解得到的總成本進(jìn)行比較,得到一條配送中心數(shù)量與總成本的曲線,從而求得配送中心的最優(yōu)數(shù)量和地理位置 (見圖4)。
商業(yè)地理分析面對(duì)的客戶往往是有著成千上萬(wàn)個(gè)網(wǎng)點(diǎn)的實(shí)體零售商或電商、數(shù)以千萬(wàn)計(jì)接貨送貨人的物流公司、網(wǎng)點(diǎn)遍布全國(guó)的大型銀行。為這類大客戶服務(wù),決定了商業(yè)地理分析將處于地理信息產(chǎn)業(yè)鏈的頂端,并必然伴隨著豐厚利潤(rùn)回報(bào)率。而中國(guó)目前專門從事商圈分析及商業(yè)選址分析的公司還只是少數(shù),擁有大客戶資源、掌握豐富數(shù)據(jù)且具備商業(yè)地理分析技術(shù)的公司將會(huì)成為新興產(chǎn)業(yè)的領(lǐng)袖。
“數(shù)據(jù)難”制約中國(guó)商業(yè)地理分析
從商業(yè)地理的全球?qū)嵺`來(lái)看,發(fā)達(dá)經(jīng)濟(jì)體可以將地理信息成熟運(yùn)用于商業(yè)的各個(gè)環(huán)節(jié),在印度、印尼這樣的新興經(jīng)濟(jì)體中,地理信息技術(shù)也日益得到重視。
相比國(guó)外完善的商業(yè)地理數(shù)據(jù)服務(wù),目前在中國(guó),地理信息數(shù)據(jù)的可獲取性、準(zhǔn)確性和全面性仍然制約著中國(guó)地理信息產(chǎn)業(yè)的發(fā)展。能夠提供商業(yè)價(jià)值較高的街道及以下層次(如街道、郵編區(qū)域、居委會(huì)乃至小區(qū))邊界的地圖供應(yīng)商極為稀少,與之相配套的數(shù)據(jù),如人口、收入、消費(fèi)、住房房?jī)r(jià)和商業(yè)樓盤的租金,也不易獲取。在二線以下城市,邊界地圖數(shù)據(jù)可能要從各地測(cè)繪機(jī)構(gòu)零散地加以收集,獲取覆蓋全國(guó)的數(shù)據(jù)非常困難。
過(guò)去幾年,在麥肯錫全球商業(yè)地理分析團(tuán)隊(duì)的幫助和多方努力下,我們已經(jīng)構(gòu)建了深入到街道級(jí)別的地理信息數(shù)據(jù)庫(kù),涵蓋近千萬(wàn)的商業(yè)信息點(diǎn),并已經(jīng)應(yīng)用于數(shù)十個(gè)客戶項(xiàng)目的分析中,在中國(guó)處于領(lǐng)先地位。目前,全國(guó)人口普查數(shù)據(jù)、房?jī)r(jià)數(shù)據(jù)都已經(jīng)整合進(jìn)入這一空間數(shù)據(jù)庫(kù),更細(xì)層次(如居委會(huì)等)的數(shù)據(jù)整合工作正在進(jìn)行中。
正如大數(shù)據(jù)改變著世界一樣,地理坐標(biāo)將推動(dòng)新一輪大數(shù)據(jù)的進(jìn)化。前瞻未來(lái),也許重要的變革機(jī)遇就蘊(yùn)藏在商業(yè)地理分析中。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11