控規大數據

『壹』 如何利用大數據平台提升稅收治理

一、用「互聯網+」大數據強化稅源控管

「互聯網+」大數據條件下，稅務部門在積累了納稅人大量有價值數據基礎上，通過與工商、銀行、海關、技監、住建、房產、規劃、社保、審計等部門聯網，在雲計算數據綜合分析判研的驅動下，從海量數據中挖掘有價值的經濟稅收數據，從所有經濟稅收數據信息中掃描、控管全部的經濟稅源。如地稅部門要建立個人財產收入信息大數據平台，通過對個人的房產租賃、存款利息、有價證券溢價、財產增值、股權轉讓、投資收益等財產收入的海量數據進行綜合的邏輯判研和嚴密的數理分析，使個人財產的稅源在「互聯網+」大數據的透視下一覽無遺。基於雲計算、大數據的運用，通過對稅收彈性分析、稅負分析、稅收關聯分析等方法，對經濟形勢作科學研判，對稅收收入作精準預測，就能對動態的經濟稅源進行有效嚴密控管。一言蔽之，稅收數據挖掘有多深，雲計算數據就有多精，稅源控管就有多准。「以票控稅」時代將終結，「人海戰術」被「雲海戰術」所取代，以專業、精準的大數據分析，可以牢牢控管住所有的經濟稅源。

二、用「互聯網+」大數據應對新生業態的稅收征管

在「互聯網+」大數據的作用下，網路銷售平台、互聯網金融等新興經濟業態以其虛擬、無址、跨域、高效、隱蔽等特點，使經營地點、稅源歸屬、征管許可權、稅收分配等發生重大變化，極大地挑戰了傳統的稅收征管模式。為加強對新生業態稅收征管，稅務部門要通過「互聯網+」大數據，從「管事制」向「管數制」轉變，實施「數據管稅」：將納稅人稅收、財務、經營等信息鏈條完全打通，實現涉稅信息電子化，稅務機關、納稅人、消費者和第三方部門的信息數據，完全取代紙質申報和發票等實物載體，構建以信息數據為核心要素展開的稅收征管新模式；利用「互聯網+」大數據助推納稅人自助式管理，使納稅人自主申報、稅收政策自動適用成為征管主流；藉助「互聯網+」大數據效率高、成本低的優勢，改變以往征管強調抓大放小、集中精力管好重點稅源，轉變為大企業與中小型企業並重，重點稅源與非重點稅源並重；對稅收信息判研出納稅人的異常數據，為一線稅管員提供「精確制導」，以強化稅收征管。

三、用「互聯網+」大數據加強稅收風險管理

「互聯網+」大數據通過雲計算等技術手段，使政府信息系統和公共數據逐步互聯共享，稅務部門從海量資料庫中獲取大量有價值的涉稅數據，為推動稅收風險管理提供有利條件。在簡政放權的大背景下，涉稅事項逐步發展為納稅人對照稅法和稅收政策、自行掌握執行、稅務機關進行後續管理的方式。稅務機關更多地通過大數據、涉稅信息平台抓取有關經濟涉稅信息數據進行比對分析、評估判研，將所有的海量涉稅信息轉化為可量化、可比對的數據，實現涉稅信息的數字化管理。通過網路技術、信息技術、整合技術等判研，對納稅人涉稅情報進行智能化分析、計算、比較、判斷、甄別、聯想和定性，依據採集和積累的征管基礎數據、風險分析數據、第三方數據等信息資源，多角度對稅收風險進行綜合關聯分析，精準計算出如稅負、稅種、行業、納稅規模、納稅信用、納稅遵從等各種稅收風險指數，揭示涉稅風險的發展規律。針對不同類別、不同稅收風險的納稅人，採取不同的稅收風險應對措施：對高風險的納稅人實施稅務稽查，對中等風險的納稅人進行稅務約談，對較低風險的納稅人則通過納稅輔導以促進納稅遵從。

四、用「互聯網+」大數據做好納稅服務

「互聯網+」大數據條件下，納稅人類型、辦稅業務、時空跨度、新興業態的多樣化，必然導致納稅服務需求的多元化。針對當前稅務部門大眾化的納稅服務資源和能力過剩，個性化納稅服務不足的困局，必須從納稅人的個性化需求出發，切實改進納稅服務的有效供給，以滿足納稅人個性化的納稅服務需求。稅務部門要依託大數據分析制導服務供求，做到始於需求、終於滿意。在「互聯網+」大數據相互作用下，個性化納稅服務需求容易被識別，對於納稅大戶、高新技術企業、小微企業等個性化、特殊化的納稅服務容易實現。因此，稅務部門要針對不同行業、不同類型納稅人，從改變納稅服務的供給側角度入手，根據每個納稅人所需求的納稅服務進行「私人定製」，一改粗放型「端菜式」的納稅服務為精準型「點菜式」的納稅服務。要藉助「互聯網+」大數據，超越時間、空間、地域、業態等限制，使納稅人可以在家裡、辦公室、旅行途中通過互聯網全流程、無紙化辦理所有涉稅事務，在大大降低納稅成本的同時，享受到精準、便捷的納稅服務。要充分依託互聯網和移動通訊技術，構建「實體辦稅廳+網上辦稅+移動辦稅終端+自助辦稅終端」的納稅服務平台，將申報繳稅功能拓展到移動互聯網，支持銀行轉賬、POS機刷卡、網上銀行、手機銀行、微信支付等稅款繳納方式，使納稅人足不出戶就可以享受到優質、高效的納稅服務。

『貳』 大數據徵信與銀行風險控制創新

大數據徵信與銀行風險控制創新

數據將是未來銀行的核心競爭力之一,這已成為銀行業界的共識。在大數據時代，銀行所面臨的競爭不僅僅來自於同行業內部，外部的挑戰也日益嚴峻，互聯網、電子商務等新興企業在產品創新能力、市場敏感度和大數據處理經驗等方面都擁有明顯的優勢。在此形勢下，利用大數據徵信創新和提高銀行的風險把控也逐漸成為業界關注與探討的重要話題。

銀行業在風險控制中的不足之處

普華永道發布的《2015年中國金融及銀行業展望》指出，截至2014年第三季度末中國的商業銀行不良貸款總額上升36%，達到7670億元人民幣，是四年來的高點。預計2015年不良貸款上升的趨勢將持續。上述數據的背後，除了經濟下行導致的逾期風險上升的原因之外，銀行在風險控制中存在漏洞與缺陷也是重要原因。

信息不對稱與貸款欺詐

隨著P2P、小貸等民間借貸的興起，借款人越來越容易通過非銀行途徑獲得貸款。而民間借貸機構無須向人民銀行上報數據，非銀行體系的貸款申請情況、負債情況和逾期情況等信息不清晰、不透明、無法提前預知的矛盾愈發突出，往往到了借款人逾期甚至失聯，銀行才被動了解到借款人在民間借貸領域的部分歷史逾期借貸情況或負債過高等不良行為信息。

貸款欺詐問題也是銀行面臨的另一個問題，尤其是在信用卡領域和部分運用信貸工廠模式運作的貸款產品。銀行固化的發卡審核流程以及信貸工廠運作模式已經不再是秘密。目前信用卡、貸款的包裝、組團欺詐騙貸的情況屢見不鮮，尤其是在信用貸款領域，約有60%的信用貸款來自於欺詐，這其中有一半以上是由於身份造假和資料包裝。在數據維度不全面的情況下，銀行等放貸機構由於沒有第三方大數據支持，缺乏充分和有效的交叉核驗手段，容易被組團騙貸者鑽空子。

信息不及時與貸後風險防範

信息獲取的不及時也給銀行在貸後風險管理中帶來了不同程度上的麻煩。例如，銀行往往希望第一時間知道一家企業客戶在獲得貸款後是否面臨新的法律訴訟，但是大多數銀行使用的方式僅僅是依靠信貸經理不定期手動查詢當地法院網站的方式獲取信息，這當中存在著巨大的不確定性，一旦信貸經理忘記查詢或者操作失誤，貸後司法訴訟監控工作將形同虛設。這還不包括持續監控該客戶在民間借貸中的申請情況、負債情況和逾期情況等風險點。銀行在貸後風險防範過程中的手段和效率都極大地制約了銀行風險控制的效果。

成本和效率的矛盾

為了解決信息不對稱的問題和信息獲取不及時的問題，銀行往往需要採集大量的數據來輔助判斷。但是數據採集的過程中通常運用的方法是要求借款人或企業補充提供大量的資料，這個過程中涉及到大量的人工成本和時間成本。而為了提高效率，需要搭建一套能夠實現部分數據的自動採集，同時需要自動化程度較高的後台管理系統，但是這必須組建專門的工程師團隊和進行大量的IT開發工作，對不少中小銀行來說也是一個沉重的負擔。

大數據徵信與貸款風險控制

大數據徵信產業的興起

2015年1月，中國人民銀行發印發了《關於做好個人徵信業務准備工作的通知》，要求芝麻信用管理有限公司、騰訊徵信有限公司、拉卡拉信用管理有限公司等八家機構做好為期六個月的個人徵信業務准備工作。這意味著，這八家機構或將成為我國首批商業個人徵信機構。由此，正式拉開了大數據徵信產業的序幕，個人徵信市場成長空間已經打開。基於美國個人徵信市場達600億美元的規模，考慮到我國人口基數的龐大，未來發展成熟之後我國的個人徵信市場空間很可能達到1000億元規模。

值得注意的是，大數據徵信成為了互聯網巨頭的必爭之地。除了阿里巴巴和騰訊，網路、京東金融、小米金融、360金融等互聯網公司也表示將打造互聯網徵信系統，並有意申請第二批個人徵信牌照，部分機構已經向人民銀行提交了申請。互聯網公司的高調介入表明，一方面互聯網公司的創新特性和快速擴張特性給傳統徵信領域帶來了新的活力和機遇，另一方面互聯網公司各自不同的大數據優勢和應用場景優勢，將使得徵信市場的競爭日趨白熱化。
國內大數據徵信產業發展趨勢

各類大數據公司介入大數據徵信市場，使數據維度和種類相比兩年前有了極大的豐富。特別是伴隨著移動互聯網時代興起，圍繞著移動上網設備信息、地理位置信息、運營商信息的大數據公司和大數據服務層出不窮，並開始運用在P2P的貸款審核和交叉核驗流程中。但是，數據的來源和有效性依然制約著大數據徵信產業的發展，目前行業依然處於早起的探索階段，尚未有成熟的「殺手級」應用工具出現。

信息孤島依然存在。信息孤島是目前制約國內信貸行業發展的重要因素。信息不對稱、不透明，帶來了大量的多頭負債風險和欺詐風險。在國內大數據徵信產業興起時，市場對於消除信息不透明、打破信息孤島寄予極大的期待。從目前行業的發展情況來看，信息孤島在短期內無法完全消失。

首先，公共事業繳費、固定資產、社保、居住等與貸款風險控制息息相關的信息，依然歸屬於相關政府部門。雖然工商、司法等信息已經向社會開放，但是政府信息開放程度依然較低，這將是一個長期而復雜的過程。

其次，掌握大量公民信息的互聯網公司相互之間難以產生信息互通。目前國內社交數據、電商數據、地理位置數據、搜索數據、移動設備使用行為數據等互聯網信息分別集中於阿里、網路、騰訊、京東、360等互聯網巨頭手中，這些公司在跑馬圈地的過程中存在著大量的競爭關系，數據互通、信息共享在目前看來可能性極低。

最後，徵信公司之間的信息也難以互通。徵信公司的核心競爭力在於擁有自己獨有的信息。作為直接競爭對手，徵信公司之間不可能用自己的核心數據去提升競爭對手的競爭力。可以說，一方面徵信公司致力於解決信息不對稱，另一方面徵信公司也在構建數據壁壘。

應用場景逐漸豐富，組合信用評估或成主流。放眼徵信行業較為發達的美國，徵信報告的運用早已不僅限於金融領域，例如招聘、租房、租車、相親等行業和領域都需要使用個人徵信報告。隨著「互聯網+」的推動、大數據概念的提出以及P2P互聯網金融的發展，目前國內的徵信公司也在應用場景的豐富性上進行著探索和嘗試。

從國內大數據徵信行業的發展現狀來看，由於信息孤島、數據不完全共享的現狀將長期存在，當行業發展到一定階段，將會產生組合式的信用評估。譬如要求當事人同時出具多家機構的信用報告，從社交、電商、招聘、瀏覽行為、地理位置等不同角度對當事人做出全息用戶畫像，判斷其綜合情況。這是因為單方面的信用評估已不能全面評價一個人，必須發揮出各家大數據徵信公司的信息優勢才能全面評價。

大數據徵信在貸款風險領域的應用案例

反映電商信用行為的芝麻信用。芝麻信用基於阿里巴巴的電商交易數據和螞蟻金服的互聯網金融數據，並與公安網等公共機構以及合作夥伴建立數據合作，數據涵蓋了信用卡還款、網購、轉賬、理財、水電煤繳費、租房信息、住址搬遷歷史、社交關系等等。芝麻信用以芝麻分來直觀呈現信用水平，主要包含了用戶信用歷史、行為偏好、履約能力、身份特質、人脈關系五個維度，從950～350分劃分為5個等級，分數越高代表信用程度越好，違約可能性越低。芝麻徵信還出具個人信用報告，其主要由央行徵信中心負責提供，記錄了個人基本信息、貸款信息、信用卡信息和信用報告查詢記錄等。

反映互聯網社交行為的騰訊徵信。騰訊徵信的數據更多的是社交數據，其徵信產品有兩大類別：一是反欺詐產品，包括人臉識別和欺詐評測；二是信用評級產品，包括信用評分和信用報告。騰訊徵信反欺詐產品的主要服務對象包括銀行、證券、保險、消費金融、小貸、P2P等商業機構，它能幫助企業識別用戶身份，防範涉黑賬戶或有組織欺詐，發現惡意或者疑似欺詐客戶，避免資金損失。對於之前沒有個人徵信報告的藍領工人、學生、個體戶、自由職業者等用戶，騰訊通過他們使用社交、門戶、游戲、支付等服務，通過海量數據挖掘和分析技術來預測其風險表現和信用價值，為其建立個人信用評分。

反映借款人風險的好貸雲風控。好貸雲風控是好貸網和全球最大的個人信用評分機構FICO（費埃哲）共同打造的大數據風控平台，整合徵信公司、司法數據、工商數據、消費數據等重要數據源頭，構建了金融貸款機構風控所需全行業各領域的風險資料庫，同時包括反欺詐風險名單庫、重大風險識別名單庫、貸款申請記錄名單庫的數據，合計已超過7000萬條。多達6000多個維度的資料庫不僅能有效補足貸款機構本地的資料庫，還能協助其大幅提高反欺詐識別和信用風險識別能力，同時結合FICO的信貸決策引擎為信貸機構提供服務。金融機構不用再投入巨資自建系統，不用花巨大精力和成本尋找各種風控數據。

銀行風險控制與大數據徵信的結合

大數據難以解決所有問題，但可以作為有效的工具。大數據能為信貸行業帶來什麼價值？筆者的判斷是：大數據在未來一段時間，仍無法解決信貸風控中的所有問題；或者說單純依靠大數據進行信貸風控、審批全流程的貸款種類還很有限。

但是，大數據已經可以解決信貸行業的一部分問題，並且將發揮越來越重要的作用。比如，大數據在進行反欺詐識別、風險動態監測、用戶行為分析、用戶畫像等領域，都已經有了越來越多的運用。銀行機構應當擁抱大數據，敢於和善於運用大數據輔助進行風險把控。
通過大數據，將民間借貸信息對銀行透明化。銀行機構通過大數據徵信的數據，可以了解借款人在民間借貸的信息。目前大數據徵信公司提供的民間借貸相關信息主要包含黑名單信息、貸款申請信息和被查詢信息。以好貸雲風控為例，其包含了各家徵信公司的黑名單信息以及好貸雲風控平台整合的數十家P2P平台的黑名單信息，同時也包含了好貸網的1000萬條貸款申請記錄和每個星期增加一倍的被查詢信息。這些信息都從側面反映了借款人的民間借貸情況。通過大數據徵信，將能夠使民間借貸信息對銀行機構越來越透明，識別出更多的民間借貸風險，更好地進行貸款審核和反欺詐識別。

豐富數據維度，提升對信用檔案客群風控能力。2014年，美國政策與經濟研究委員會（PERC）對於非金融信息（也成為替代性信息）在信貸決策中作用的研究表明：諸如水、電、煤、有線電視、手機等非金融信息納入徵信系統，顯著地提高了信用檔案在案人群的信貸獲得能力。

目前不少銀行逐步認識到已經納入銀行傳統資料庫的信息量並不豐富和完整，開始積極與第三方大數據徵信公司頻繁接觸與接洽合作，如客戶信息、銀行擁有客戶的基本身份信息等。但客戶其他的信息，如性格特徵、興趣愛好、生活習慣、行業領域、居住狀況等卻是銀行難以准確掌握的；另一方面對於多種異構數據的分析是難以處理的，如銀行有客戶的資金往來的信息、網頁瀏覽的行為信息、服務通話的語音信息、營業廳、ATM的錄像信息，但除了結構化數據外，其他數據無法進行分析，更談不上對多種信息進行綜合分析，無法打破「信息孤島」的格局。通過與第三方大數據徵信公司的合作，盡力彌補自身在獲取信息維度以及數據挖掘和分析能力方面的不足。

綜上，筆者認為，在互聯網時代和大數據時代的背景下銀行如欲進一步加快轉型的步伐、實現誠信社會與普惠金融的願景、肩負信用風險管理重任，就要在信息使用、貸前調查、貸中監控等風險控制方面藉助互聯網的優勢，擁抱大數據徵信，充分利用內外各種信息做好客戶徵信和增信，進一步提高對風險的控制和管理水平，才能立於不敗之地。

以上是小編為大家分享的關於大數據徵信與銀行風險控制創新的相關內容，更多信息可以關注環球青藤分享更多干貨

『叄』 大數據風控到底能不能拯救網路借貸

大數據風控到底能不能拯救網路借貸

自2007年被引入中國，P2P行業在國內已經走過了八個年頭。2013年，P2P行業正式進入爆發式發展階段。與此同時，行業開始出現大面積的風險事件。據網貸之家數據顯示，截止2015年9月24日，P2P行業問題平台數量累計已達653家。另外，有數據披露當前P2P行業的壞賬率正持續走高，一度達到了5%。風險事件的屢見不鮮使得P2P行業在發展的同時也飽受批評，而最為核心的風控更是成為整個行業懸而未解的難題。P2P網路借貸起源於英美，是一種基於互聯網的陌生人借貸模式，後被引入中國。最原始的P2P模式被稱為純線上模式，貸前、貸中、貸後及相關過程中的一切盡調、審核等都在線上完成。但這種模式得以成功的前提是擁有一套完善的徵信體系作為社會基礎。眾所周知，英美國家的民間徵信體系非常健全，民間更是不乏成熟的信用評級機構，為其P2P行業提供了發展的沃土。但是國內不論是社會信用環境還是民間徵信體系的建設都與英美天差地別，因而P2P被引入中國之後，為了適應國內市場，便由原始的純線上模式演變為線上線下相結合的模式。由於線上+線下模式的特殊性，導致國內P2P行業難以效仿西方國家以數據分析來建立風險模型，而是開發出了線上融資、線下風控的風控方式。當前國內的P2P行業風險控制主要在貸前及貸後兩個階段上強化。1、貸前：信用審核貸前的信用審核主要依靠線下完成，需要線下的風控人員或信貸員進行實地走訪，對借款人的實際生活、經營環境進行調查，清晰掌握其收入、負債等資產情況，以此預測出借款人的還款意願及還款能力。P2P雖然基於互聯網，但就目前來看，貸前盡調上使用的方法與傳統的小貸公司無異。這種模式在中國不完善的徵信環境中得以發展成熟，盡調數據也具備一定參考價值。但其劣勢也顯而易見，一是增加了P2P平台的人力和財力成本;二是對借款人的評估和預判往往依賴於風控人員的主觀判斷，因此從某種意義上來說，該借款項目風險是否把控得當與工作人員的經驗多少有一定關系。2、貸後：擔保增信對於P2P平台而言，一方面由於自身技術能力有限;另一方面則受限於嚴重的信息壁壘，因此在批復放款之後，難以監控借款人的真實經營狀況及借款款項的具體流向，導致項目不良率居高不下。為了最大程度地降低風險，99%的P2P平台都會強化貸後風險管理手段，亦即在最後階段引入擔保機構進行風險共擔。擔保機構會承諾對該筆借款項目進行全額本息擔保，一旦極端風險事件爆發，將由擔保機構對投資人進行本息償付，隨後再進行逾期、壞賬項目的追償及催收等後續工作。由於當前P2P行業普遍採用的風控模式均來源於傳統手段，過於依賴人工，難以有效規避從業人員在信審過程中可能出現的道德風險和詐騙風險。因此，P2P平台雖然在高呼創新風控，但實際上並沒有解決核心問題。換言之，風控難題依然是當前行業發展過程中一道難以跨越的坎。什麼是大數據風控隨著行業的發展，風險積聚問題的嚴峻愈發突出，越來越多的人開始呼籲行業摒棄以個人經驗進行預判的傳統風控模式，而是應該深入挖掘數據建模的可行性，通過完善數據徵信來解決風控難題。根據網路的詞條解釋：大數據風控即大數據風險控制，是指通過運用大數據構建模型的方法對借款人進行風險控制和風險提示。迄今為止，大數據風控在互聯網金融領域的經典案例非阿里小貸莫屬，依託於阿里巴巴龐大的資料庫，阿里小貸通過雲計算來對用戶數據進行分析處理，最終產生用戶的信用數據。阿里資料庫的數據種類之多、容量之大，使得阿里小貸能夠通過現有數據來對用戶違約概率進行較為精準的預測，迅速確定用戶授信，真正實現信貸扁平化。P2P能不能實現大數據風控互聯網金融領域赫赫有名的「校長」曾經明確提出「大數據風控對P2P行業無效」的觀點，原因簡要概括如下：一是經濟形勢的不可預測性，一旦經濟形勢下行壓力過大，金融機構也無完卵，那麼風險管理在系統性風險面前毫無意義。二是P2P行業還難以達到大數據的邏輯標准——足夠大的樣本量，換言之，覆蓋的人群遠遠達不到樣本容量要求的P2P行業拿什麼來做大數據?因此，很長一段時間內大數據雖然概念火熱，基本上很少有P2P平台能夠真正運用。近日果樹財富高調宣布引進雲風控技術來進行借款人資信審核的新聞，將大數據風控的話題再一次擺到了檯面上，而關於大數據風控在P2P行業到底可不可行的討論又甚囂塵上了。筆者的觀點是：P2P做大數據風控，雖然無法照搬電商模式，但在適當范圍內可以嘗試。假設P2P平台能夠採集到一定基數的真實用戶數據，將可以建立一定容量的資料庫，以此為核心建立數據模型。第一，信用評分模型。平台可以通過評估用戶的歷史收入、資產、職業、年齡等信息，來估算出借款用戶的信用風險分數，以此預測其違約風險。但這種模型的局限性在於歷史數據的時效性及參考性十分有限，因而需要平台對用戶數據變數進行定期監測及更新。第二，違約概率模型。與傳統的人工經驗預判概率相比，P2P平台可以通過積累用戶的歷史數據，從中提煉出借款用戶的違約概率。綜上，不可否認，大數據在P2P行業風控中的應用不僅前景可期，同時也是具備一定可行意義的。一方面，大數據能夠幫助P2P平台擺脫高成本的人工信審現狀;另一方面，數據模型的統一化、標准化能夠改善當前憑個人經驗預判項目風險的風控現狀。從這個角度來看，短期之內大數據風控對於P2P平台的意義在於提高風控水平、降低風控成本、建立高效風控機制。這也是前文提到的果樹財富引入雲風控技術的原因之一，無非是為了低成本引入用戶數據報告，輔助平台核驗用戶資信和違約風險。

以上是小編為大家分享的關於大數據風控到底能不能拯救網路借貸的相關內容，更多信息可以關注環球青藤分享更多干貨

『肆』 城市控規哪些數據可以從大數據中或得

地形，水體，空氣指標，人口分布等等吧

『伍』 大數據對城市規劃將有怎樣的影響

個人判斷不是規劃換一批人來做，而是行業會細分。一部分人傾向於通過數據分析，判斷問題症結，解決建成區問題，優化格局；另一批人更偏向於設計，提供不同的解決方案。

其實判斷大數據對城市規劃未來的影響，看看當下大數據在城市規劃領域的處境多少能夠明白些。在現在的城市規劃中大數據在研究中是熱門事物，但在實際項目中卻不是。在城市規劃實務中，大數據分析一般作為專題研究附在如總體規劃等較高層面的發定規劃之中。除上海、北京等一線城市及二線主要城市，少有城市有專門的大數據研究專題，個人接觸到的也僅上海2040的上輪總規評估與武漢市總體規劃的評估有涉及相應技術，其他項目基本無涉及，僅按需要自己使用。究其原因如下，想到哪些寫哪些，排名無先後順序：
1、難立項。難立項主要體現在兩個方面，其一是因為城市規劃屬於法定流程，明文規定相應程序所需要的內容，由於大數據技術方法多樣，多針對特異性的具體問題研究，這給大數據研究應用法定化帶來極大難點。怎麼給一個或多個合適的名頭立項、立法定流程，如何定價，都是大難題，而這也是現在以專題形式依附總體規劃的主要原因之一。其二是主管部門分散，城市規劃業務主要針對住建、城建、規土口，但大數據（算上智慧城市建設吧）很多時候是工信部主導，跨部門操作也是一個問題。
2、高成本、低收益（這里僅指項目收益，不談社會收益）。目前，大數據在城市領域多立於學術研究領域，可以說很多時候是研究興趣使然下的自發行為。一項技術如果難以以模式化的方式應用，就很難降低成本，那麼就很難在市場上大范圍推廣，在城市規劃領域正是如此。對於一般的項目，比如一個1平方公里的舊城更新的控規項目，應用大數據分析需要幾個模塊？解決哪些問題？需要投入哪些成本？又能夠帶來哪些收益呢？有沒有替代方案，替代方案又會有多大差距，不用大數據分析，僅用常規數據做數據分析能否得到相近的成果？會不會增加項目的時長？思考完這些問題，再算筆賬就會發現，當下在大量控規、城市設計等項目中，運用大數據分析很可能是不劃算的。
3、沒有數據的時候怎麼辦？雖然城市規劃進入了存量規劃時代，但即使是存量規劃過程中也有大量新建的過程，部分地塊必然是要採用推平重建的方式（或者說是重要手段之一），大數據可以給出方案的限制，可以比選方案，但方案從無到有怎麼產生？
（想到再補充）
如果上述問題得以解決，那麼大數據一定能夠改變這個行業，不過這需要時間。有可能因為數據安全、隱私等問題，最終大數據分析的業務完全由規劃局或是其他政府部門完成也說不定，我相信那時，城市的大數據運營中心應該已經建成了。也可能有專門的運營公司運營，並完成相應的分析報告，這些報告最終成為規劃的基礎材料。可能今後大數據分析會成為單獨立項的東西，支持的也不僅僅是城市規劃，而是城市的全部過程。

『陸』 首都功能核心區控規「新」在哪兒

日前《首都功能核心區控制性詳細規劃（街區層面）（2018年-2035年）》發布，這次發布的首都功能核心區控規「新」在：公共服務——首次提出公共事務用地；老城保護——明確11類保護對象；街區更新——減量背景下的城市更新；韌性城市——新增公共衛生體系建設；林蔭街巷——喬灌草結合的街道空間；交通出行——綠色出行比例提高到85%以上。

1、公共服務——首次提出公共事務用地

核心區控規進一步明確首都功能核心區的規模與結構。

規劃嚴格落實「雙控四降」，讓首都功能核心區逐步「靜」下來，創造一流人居環境。通過嚴控增量和疏解存量相結合，向外疏解騰退和內部功能重組雙向發力，嚴格控制建設總量與人口規模，優化用地結構與人口結構，創造良好人居環境。到2035年首都功能核心區常住人口規模控制在170萬人左右（到2050年控制在155萬人左右），地上建築規模控制在1.19億平方米左右，到2050年穩定在1.1億平方米左右。

在調整優化用地結構方面，通過適度提高公共服務設施及公共事務用地比重、大幅提高公共空間規模和服務能力，提高居住品質，改善人居環境。到2035年，公共服務設施及公共事務用地佔規劃區域總面積的比重由現狀11.1%提高到12.3%，公共空間面積佔比由現狀34.3%提高到38.4%。

在這里，考慮到當前的街區保護更新工作存在多重不確定因素，核心區控規首次創新性提出公共事務用地這一用地類型。公共事務用地內不固定某類特定功能，而是允許結合現實需求適時安排文化、基礎教育、醫療衛生、體育、社會福利、社區綜合服務等任一類型的公益性設施，並可隨需求變化進行調整。

2、老城保護——明確11類保護對象

規劃將加強格局保護作為老城整體保護最重要的任務。提出要綜合運用多種手段，結合城址遺存保護、歷史水系恢復、綠化空間建設，將歷史文化融入城市景觀，進一步強化老城空間的整體性。

規劃圍繞老城核心價值，深入解讀「應保盡保」的保護要求，在城市總體規劃提出的九個方面文化遺產保護對象基礎上，突出首都功能核心區文化遺產特色，明確核心區11類保護對象，將傳統胡同、歷史街巷、傳統地名、歷史名園、革命史跡等納入其中。逐步擴大歷史文化街區保護范圍，嚴格落實老城不能再拆的要求，以更加深入的價值挖掘、更加廣闊的保護視野，讓老城保護上升到前所未有的高度。

3、街區更新——減量背景下的城市更新

街區保護更新是城市更新在首都功能核心區里的特定說法。北京的城市更新有四個特點：一是千年古都的城市更新；二是落實新時代首都城市戰略定位的城市更新；三是減量背景下的城市更新；四是滿足人民美好生活需要的城市更新。

這些特點在核心區的城市更新工作中表現得更為充分，實施以街區為更新單元、以保護為更新重點的城市更新更符合核心區的特點與定位。街區保護更新從街區、地塊、建築三個層次，針對政務、文化、居住、產業四種功能類型，按照歷史保護、保留提升和更新改造三種方式推動街區小規模、漸進式、可持續更新。

街區保護更新的主要目標是有序疏解非首都功能，優化提升首都功能。街區保護更新的對象主要包括建築物、公共空間、公服設施、城市部件等內容。建築物的更新包括外立面、建築屋頂整治更新，也包括建築內部使用功能的改造提升，如果是文物、歷史建築等保護類建築，更新方式需要按照保護要求進行保護、修繕以及調整不合理使用功能。

街區保護更新不能是增量式的更新，而應該是減量更新；不以規模論，而是以服務品質論。這就需要以綉花功夫做出精細活，以節約、高效為原則，通過建築設計、規劃設計、政策設計等更新手段提升存量空間利用效率與利用水平，促進核心區高質量保護與發展。

4、韌性城市——新增公共衛生體系建設

明確加強公共衛生體系建設的主要內容。抓好疾病預防控制，在核心區保留市疾控中心應急處置與檢測功能，做優做強區級疾病預防控制中心。結合街道社區范圍以及防災生活圈劃定衛生分區，分類分區施策，提升基層衛生設施建設標准，加強醫療救治力量配備和能力建設，築牢基層公共衛生「網底」。

加強社區衛生服務中心建設，發揮其「探頭」作用。建立各級醫療機構長效合作協同機制，實現基層首診、分級診療。提高院前急救能力，按照標准設置急救中心、急救中心站和急救工作站，配備洗消設施。

進一步發展互聯網醫療，加快智慧城市建設，深化大數據、雲計算、區塊鏈、人工智慧等新技術的應用，提高精準防疫水平。

夯實公共衛生基層基礎。強化32個街道公共衛生職責，把公共衛生服務管理納入183個街區的社區治理體系，發揮社區公共衛生委員會作用，用好物業企業力量，依靠居民建立物管會或自管會，加強失管、棄管小區的服務管理。

建設韌性城市。降低人口與建築密度，為應對突發公共衛生事件預留空間。注重留白增綠，增加小微綠地、口袋公園，提升公共開放空間覆蓋率，加強城市通風廊道建設。堅持平戰結合，統籌好應急救災物資的運輸和儲備，建設應急救災物資儲備庫。體育場館等大型公共設施建立平疫轉換預案。

5、林蔭街巷——喬灌草結合的街道空間

核心區的林蔭街巷應具有良好的連續性和通達性，並能夠體現老城歷史文化價值與現代城市風貌。林蔭街巷根據空間位置、功能屬性的不同劃分為三級，分別是作為老城棋盤路網格局的林蔭路，由其他城市幹道或支路構成的林蔭景觀街，以及景觀生態與文化功能並存、串聯了城牆遺址、歷史名園、歷史水系等特色場所的林蔭漫步道，共同形成貼近市民日常活動、滿足各類步行需求的林蔭網路。

林蔭街巷不斷追求綠化景觀的優化建設，提升市民出行的綠色獲得感。林蔭街巷將種植高大茂密的喬木，通過喬灌草相結合的方式營造尺度親切的街道空間，並設置植籬、花壇、花架與休閑設施，共同營造環境優美的街巷景觀。

尤其是林蔭漫步道將使市民在漫步中領略自然的生機盎然與濃厚的文化氛圍，什剎海環湖綠道、傳統商業文化漫步道、紅牆漫步道、文化探訪路漫步道等多種主題的街道風格串聯其上，展示核心區特色，成為核心區步行的精品路線。

6、交通出行——綠色出行比例提高到85%以上

核心區控規提出要提高首都功能核心區綠色出行比例，到2035年綠色出行比例由現狀73%提高到85%以上，到2050年綠色出行比例不低於90%。通過街道空間整體設計，加大步行、自行車路權保障，提高沿街綠蔭覆蓋，加強停車治理調控，綜合改善慢行體驗，多措並舉引導綠色出行，建設健步悅騎城區。

在安寧交通方面，核心區控規提出，要通過各種措施最大限度降低小汽車交通對居住區、學校、醫院等區域的雜訊干擾或安全影響等。

『柒』 何謂大數據大數據的特點,意義和缺陷.

大數據（big data），指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

大數據，更多的功能是分析過去，提醒現在，展望未來。廣泛應用於商業領域，藉以實現精準營銷，預測趨勢，實現商業利益的最優與最大。體現的價值為：

（1）利用大數據針對大量消費者的消費習慣，精準提供產品或服務；

（2）利用大數據做服務轉型，做小而美模式；

（3）不能充分利用大數據價值的企業，將會在互聯網壓力之下搖搖欲墜。

國家通過結合大數據和高性能的分析，是指效率更加提高，同時也能降低國家運行成本。如：

（1）為成千上萬的車輛規劃實時交通路線，躲避擁堵；

（2）及時解析問題和缺陷的根源，是制度更加完善。

（3）使用點擊流分析和數據挖掘來規避欺詐行為。

大數據的缺陷：

企業遭到黑客攻擊，客戶的資料大量非法流出，再利用大數據分析挖掘，人群進行分類排除，從而讓人更容易受騙。

(7)控規大數據擴展閱讀：

2016年3月17日，《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》發布，其中第二十七章「實施國家大數據戰略」提出：把大數據作為基礎性戰略資源，全面實施促進大數據發展行動，加快推動數據資源共享開放和開發應用，助力產業轉型升級和社會治理創新。

具體包括：加快政府數據開放共享、促進大數據產業健康發展。

『捌』 大數據究竟是什麼大數據有哪些技術呢

大數據本身是一個抽象的概念。從一般意義上講，大數據是指無法在有限時間內用常規軟體工具對其進行獲取、存儲、管理和處理的數據集合。
目前，業界對大數據還沒有一個統一的定義，但是大家普遍認為，大數據具備 Volume、Velocity、Variety 和 Value 四個特徵，簡稱「4V」，即數據體量巨大、數據速度快、數據類型繁多和數據價值密度低，如圖 1 所示。下面分別對每個特徵作簡要描述。

1）Volume：表示大數據的數據體量巨大。
數據集合的規模不斷擴大，已經從 GB 級增加到 TB 級再增加到 PB 級，近年來，數據量甚至開始以 EB 和 ZB 來計數。

例如，一個中型城市的視頻監控信息一天就能達到幾十 TB 的數據量。網路首頁導航每天需要提供的數據超過 1-5PB，如果將這些數據列印出來，會超過 5000 億張 A4 紙。圖 2 展示了每分鍾互聯網產生的各類數據的量。

2）Velocity：表示大數據的數據產生、處理和分析的速度在持續加快。

加速的原因是數據創建的實時性特點，以及將流數據結合到業務流程和決策過程中的需求。數據處理速度快，處理模式已經開始從批處理轉向流處理。

業界對大數據的處理能力有一個稱謂——「 1 秒定律」，也就是說，可以從各種類型的數據中快速獲得高價值的信息。大數據的快速處理能力充分體現出它與傳統的數據處理技術的本質區別。

3）Variety：表示大數據的數據類型繁多。

傳統 IT 產業產生和處理的數據類型較為單一，大部分是結構化數據。隨著感測器、智能設備、社交網路、物聯網、移動計算、在線廣告等新的渠道和技術不斷涌現，產生的數據類型無以計數。

現在的數據類型不再只是格式化數據，更多的是半結構化或者非結構化數據，如 XML、郵件、博客、即時消息、視頻、照片、點擊流、 日誌文件等。企業需要整合、存儲和分析來自復雜的傳統和非傳統信息源的數據，包括企業內部和外部的數據。

4）Value：表示大數據的數據價值密度低。

大數據由於體量不斷加大，單位數據的價值密 度在不斷降低，然而數據的整體價值在提高。以監控視頻為例，在一小時的視頻中，有用的數據可能僅僅只有一兩秒，但是卻會非常重要。現在許多專家已經將大數據等同於黃金和石油，這表示大數據當中蘊含了無限的商業價值。

『玖』 北新板塊釐定四至，控規圖里釋放了哪些關鍵信息

城市漸次生長，以市中心為圓點，以外溢效應為因，城市各個方向上終會形成特質不同的新板塊。經過近20年的發育，成都的房地產板塊已經被業內劃分為大大小小幾十個。
或因開發商標榜區域地理位置之需；或為媒體方便寫作和包裝，隨後板塊聲勢越來越強，最終被房地產數據機構將之整合為既定的系統概念，並相襲沿用。
當下，北新板塊的躍眾而出，也符合這一城市生長的規律，並更有標志性的新意。
北新板塊蓄力而生四至塵埃落定
與過去十幾年野蠻生長最終發育成形的那些板塊不同，近幾年無論是華府板塊、新川板塊乃至北新板塊的崛起，背後或多或少有了官方更科學和體系化的引導。
即政府在某一區域出現居住人群和產業聚集之前，就開始聯手類似西南建築設計院、仲量聯行這種大型規劃設計機構，從專業角度，將這個板塊未來的居住就業人口結構、規劃產業能級、土地供應規模、交通及商業、教育及醫療配套的情況、入駐開發企業情況、當前房價地價數據、從規劃到基本建成的年限規劃等都想清楚，形成細致的城市級規劃方案和概念草案。
事實上，北新板塊並非官方一廂情願的產物。
2012年，城北荷花池商圈搬遷，「北改」進行得風風火火。近兩年，碧桂園、保利、綠地、優品道為代表的大型品牌房企紛紛搶子入駐。
2015年，金牛區政府正式提出「南改舊城、北建新城」的戰略思路，南改舊城主要在三環以內圍繞舊城改造，優化創新創業生態環境，形成新的經濟增長極；北建新城主要在三環以外利用北部新城等區域內良好的生態本底、深厚的文化底蘊和豐富的都市旅遊資源，作為金牛區建成「四態合一」的「科貿之都、文化北城」的重要支撐。
2016年5月，華僑城與金牛區政府簽訂的「文化北城」核心區項目合作協議，更是將城北，尤其是北新板塊房地產市場的開發推向一個新的高點。至此，市場與官方兩條發展線索走向不謀而合，北新板塊前期醞釀達到臨界點，板塊順勢而生。

▲北新板塊四至道路區劃示意
為順應市場的發展，為業內提供更加精準的市場研究，也對業內城北投資有所增益。金牛區政府、西南院、市規劃設計院、仲量聯行、銳理數據等多方通過各種考量和現場數據調研和分析， 北新板塊四至被界定為東至川陝路117范圍，西至北星大道西側，北至毗河，南至三環鳳凰山街道範圍內的區域。
從行政區劃上看，除大豐板塊屬於新都外，板塊內大部分區域都位於金牛區的北部新城。光北部新城佔地就達到了27平方公里，可建設用地20.8平方公里，佔用地規模77%，戶籍人口5.3萬。用地廣人稀來形容北新板塊再合適不過了。
北新板塊地廣人稀配套先行後勁更足
在最新透露的板塊控規圖里，銳理觀察員看到區域內未來將形成三心即都心、文心、綠心，兩區即現代商貿區、科技創新區的空間發展格局，打造宜居、宜業、宜商的國際化現代山水新城。

▲北新板塊「三心兩區」空間格局圖
圍繞「三心」 文化、生態、城市逐漸展開
都心這里未來將被打造成為成都的城市副中心。在北星大道兩側，以高端服務業為核心，打造創意辦公、特色商業街、品質居住為一體的北新板塊城市花園CBD。
文心依託金牛區天回鎮獨有的漢唐文化、蜀道絲路文化、生態旅遊文化，打造集古鎮、特色產業、主題社區於一體的天回大觀。突出區域的旅遊特色，以文化旅遊提升周邊價值。
綠心以植被豐富的鳳凰山公園為基礎，生態旅遊、休閑觀光、文化創意、健康養生為主線，通過資源挖掘和產業培育，形成北部新城休閑之心。
「兩區」支撐現代商貿區和科技創新區帶來GDP和大量人口
如何導入人口盤活區域價值，是解決城市增量發展、新城開發的核心問題，而規劃合理、提檔升級的產業布局恰能解決這一關鍵問題，且對人口結構起到優化作用。
以現代商貿區和科技創新區為主的兩大產業區發展，將顛覆人們對北新板塊「物流集散」、「商品買賣」、「城郊結合」等老舊印象。
現代商貿區：商貿歷來是金牛乃至城北的支柱產業，過去的城北大型專業市場集聚。隨著北改和中調的深入開展，專業市場外遷，現代商貿區基本定型。但在過去的幾年時間里，受自身配套不足、產業功能單一、電商沖擊等不利因素影響，純粹靠商品買賣的城北商貿業發展狀況並不樂觀，如何讓城北的傳統核心競爭力重煥生機，成為北新板塊發展中亟待解決的問題。
在現代商貿區的規劃上，仲量聯行提出了以城北成都國際商貿城為依託，利用互聯網+、蓉歐+的帶動作用對商貿產業進行升級的建議。規劃顯示，未來的現代商貿區，將以現有的成都國際商貿城為核心，拉動區域全產業鏈發展，建立免稅店、跨境電商體驗店、品牌中心店等增強體驗消費，實現商貿區國際化、電商化的飛躍發展。

▲西部地理信息產業園辦公區實景
科技創新區：說起產業，大多數成都人立馬想到的是高新區，更不會對成都本土的科技創新產業有所聯想。事實卻是，中鐵二院、中鐵二局、中鐵八局等為主要成員單位的軌道交通產業在全國范圍內都具有舉足輕重的地位。在這一片區，2014年，中鐵軌道交通產業園一期建成開園；2016年9月，西部地理信息產業園一期建成將正式開園，科技創新區已初步成形。以此兩大科技產業區為依託，藉助物聯網、大數據等產業支撐，彌補目前暴露出的產業核心聚集力不足、產業類型單一的短板。全面建成後，兩大產業園將吸引7萬以上的高科技服務人群，人口結構得到極大優化，使區域更具活力。
從總體布局圖上看，北新板塊內的大型產業項目遠不止上述兩個。還有涵碧樓酒店、紅星美凱龍等近15個大型商業、住宅項目，其中絕大部分已經簽約落地。未來這些產業逐一變現後，將吸引10萬以上的高科技、高收入第三產業人群聚集，其消費力和產業吸附能力，均具備無限的想像空間。
萬萬想不到多軌道交通+城市幹道避免城市病

▲北新板塊的軌道交通設計和地面交通動線規劃
過去，人們對城北，尤其是沙西線、川陝路、人北一線的交通狀況抱怨頗多，尤其是川陝路的物流停車場給區域交通擁堵帶來巨大負荷；類似的交通軟肋還有作為成都重要的物流、人流集散地的火車北站，曾為區域帶來可觀的經濟產值，但也像一道人工屏障阻斷了城北繼續向北發展的道路。
北新板塊則在前期規劃時避免這些城市病——北新板塊在交通體繫上，是典型的以交通引領發展的新區。 區域規劃布局了「七橫七縱」14條主幹道路，其中川陝路、北星干線、天龍大道等10條主幹道已全部建成通車；聚霞路、熊貓大道等3條主幹道已部分建成通車。其他蛛網型次幹道及支路正在加快形成。同時，更加註重軌道交通的建設。目前， 區域內規劃有1、3、5、9、27共計5條地鐵、1條BRT、1條有軌電車環線，當前地鐵1號線、3號線已建成通車。除完善城市內線路，城市間的交通紐帶也在布局中。
此外，北新板塊逐步呈現的教育、商業、醫療配套，將構建起完善的生活體系。以教育為例，板塊以區域發展至40萬人口的規模為依據， 規劃有11所中學、20所小學、32所幼兒園，以滿足區域教育需求。按照發達國家的發展路徑理解，主城區邊緣的新興板塊宜居和商業發展程度，將逐步把中心地區甩在身後，北新板塊也是如此。
可以預料，正在發展中的成都未來將還有諸多尚未命名的板塊。恐怕屆時，業內也不能釐清這些板塊的區別點在哪裡，界限在哪裡。而北新板塊的四至界定和城市級規劃的成熟，也為解決類似的困局，找到了一個可以參照的範例。