控规大数据

『壹』 如何利用大数据平台提升税收治理

一、用“互联网+”大数据强化税源控管

“互联网+”大数据条件下，税务部门在积累了纳税人大量有价值数据基础上，通过与工商、银行、海关、技监、住建、房产、规划、社保、审计等部门联网，在云计算数据综合分析判研的驱动下，从海量数据中挖掘有价值的经济税收数据，从所有经济税收数据信息中扫描、控管全部的经济税源。如地税部门要建立个人财产收入信息大数据平台，通过对个人的房产租赁、存款利息、有价证券溢价、财产增值、股权转让、投资收益等财产收入的海量数据进行综合的逻辑判研和严密的数理分析，使个人财产的税源在“互联网+”大数据的透视下一览无遗。基于云计算、大数据的运用，通过对税收弹性分析、税负分析、税收关联分析等方法，对经济形势作科学研判，对税收收入作精准预测，就能对动态的经济税源进行有效严密控管。一言蔽之，税收数据挖掘有多深，云计算数据就有多精，税源控管就有多准。“以票控税”时代将终结，“人海战术”被“云海战术”所取代，以专业、精准的大数据分析，可以牢牢控管住所有的经济税源。

二、用“互联网+”大数据应对新生业态的税收征管

在“互联网+”大数据的作用下，网络销售平台、互联网金融等新兴经济业态以其虚拟、无址、跨域、高效、隐蔽等特点，使经营地点、税源归属、征管权限、税收分配等发生重大变化，极大地挑战了传统的税收征管模式。为加强对新生业态税收征管，税务部门要通过“互联网+”大数据，从“管事制”向“管数制”转变，实施“数据管税”：将纳税人税收、财务、经营等信息链条完全打通，实现涉税信息电子化，税务机关、纳税人、消费者和第三方部门的信息数据，完全取代纸质申报和发票等实物载体，构建以信息数据为核心要素展开的税收征管新模式；利用“互联网+”大数据助推纳税人自助式管理，使纳税人自主申报、税收政策自动适用成为征管主流；借助“互联网+”大数据效率高、成本低的优势，改变以往征管强调抓大放小、集中精力管好重点税源，转变为大企业与中小型企业并重，重点税源与非重点税源并重；对税收信息判研出纳税人的异常数据，为一线税管员提供“精确制导”，以强化税收征管。

三、用“互联网+”大数据加强税收风险管理

“互联网+”大数据通过云计算等技术手段，使政府信息系统和公共数据逐步互联共享，税务部门从海量数据库中获取大量有价值的涉税数据，为推动税收风险管理提供有利条件。在简政放权的大背景下，涉税事项逐步发展为纳税人对照税法和税收政策、自行掌握执行、税务机关进行后续管理的方式。税务机关更多地通过大数据、涉税信息平台抓取有关经济涉税信息数据进行比对分析、评估判研，将所有的海量涉税信息转化为可量化、可比对的数据，实现涉税信息的数字化管理。通过网络技术、信息技术、整合技术等判研，对纳税人涉税情报进行智能化分析、计算、比较、判断、甄别、联想和定性，依据采集和积累的征管基础数据、风险分析数据、第三方数据等信息资源，多角度对税收风险进行综合关联分析，精准计算出如税负、税种、行业、纳税规模、纳税信用、纳税遵从等各种税收风险指数，揭示涉税风险的发展规律。针对不同类别、不同税收风险的纳税人，采取不同的税收风险应对措施：对高风险的纳税人实施税务稽查，对中等风险的纳税人进行税务约谈，对较低风险的纳税人则通过纳税辅导以促进纳税遵从。

四、用“互联网+”大数据做好纳税服务

“互联网+”大数据条件下，纳税人类型、办税业务、时空跨度、新兴业态的多样化，必然导致纳税服务需求的多元化。针对当前税务部门大众化的纳税服务资源和能力过剩，个性化纳税服务不足的困局，必须从纳税人的个性化需求出发，切实改进纳税服务的有效供给，以满足纳税人个性化的纳税服务需求。税务部门要依托大数据分析制导服务供求，做到始于需求、终于满意。在“互联网+”大数据相互作用下，个性化纳税服务需求容易被识别，对于纳税大户、高新技术企业、小微企业等个性化、特殊化的纳税服务容易实现。因此，税务部门要针对不同行业、不同类型纳税人，从改变纳税服务的供给侧角度入手，根据每个纳税人所需求的纳税服务进行“私人定制”，一改粗放型“端菜式”的纳税服务为精准型“点菜式”的纳税服务。要借助“互联网+”大数据，超越时间、空间、地域、业态等限制，使纳税人可以在家里、办公室、旅行途中通过互联网全流程、无纸化办理所有涉税事务，在大大降低纳税成本的同时，享受到精准、便捷的纳税服务。要充分依托互联网和移动通讯技术，构建“实体办税厅+网上办税+移动办税终端+自助办税终端”的纳税服务平台，将申报缴税功能拓展到移动互联网，支持银行转账、POS机刷卡、网上银行、手机银行、微信支付等税款缴纳方式，使纳税人足不出户就可以享受到优质、高效的纳税服务。

『贰』 大数据征信与银行风险控制创新

大数据征信与银行风险控制创新

数据将是未来银行的核心竞争力之一,这已成为银行业界的共识。在大数据时代，银行所面临的竞争不仅仅来自于同行业内部，外部的挑战也日益严峻，互联网、电子商务等新兴企业在产品创新能力、市场敏感度和大数据处理经验等方面都拥有明显的优势。在此形势下，利用大数据征信创新和提高银行的风险把控也逐渐成为业界关注与探讨的重要话题。

银行业在风险控制中的不足之处

普华永道发布的《2015年中国金融及银行业展望》指出，截至2014年第三季度末中国的商业银行不良贷款总额上升36%，达到7670亿元人民币，是四年来的高点。预计2015年不良贷款上升的趋势将持续。上述数据的背后，除了经济下行导致的逾期风险上升的原因之外，银行在风险控制中存在漏洞与缺陷也是重要原因。

信息不对称与贷款欺诈

随着P2P、小贷等民间借贷的兴起，借款人越来越容易通过非银行途径获得贷款。而民间借贷机构无须向人民银行上报数据，非银行体系的贷款申请情况、负债情况和逾期情况等信息不清晰、不透明、无法提前预知的矛盾愈发突出，往往到了借款人逾期甚至失联，银行才被动了解到借款人在民间借贷领域的部分历史逾期借贷情况或负债过高等不良行为信息。

贷款欺诈问题也是银行面临的另一个问题，尤其是在信用卡领域和部分运用信贷工厂模式运作的贷款产品。银行固化的发卡审核流程以及信贷工厂运作模式已经不再是秘密。目前信用卡、贷款的包装、组团欺诈骗贷的情况屡见不鲜，尤其是在信用贷款领域，约有60%的信用贷款来自于欺诈，这其中有一半以上是由于身份造假和资料包装。在数据维度不全面的情况下，银行等放贷机构由于没有第三方大数据支持，缺乏充分和有效的交叉核验手段，容易被组团骗贷者钻空子。

信息不及时与贷后风险防范

信息获取的不及时也给银行在贷后风险管理中带来了不同程度上的麻烦。例如，银行往往希望第一时间知道一家企业客户在获得贷款后是否面临新的法律诉讼，但是大多数银行使用的方式仅仅是依靠信贷经理不定期手动查询当地法院网站的方式获取信息，这当中存在着巨大的不确定性，一旦信贷经理忘记查询或者操作失误，贷后司法诉讼监控工作将形同虚设。这还不包括持续监控该客户在民间借贷中的申请情况、负债情况和逾期情况等风险点。银行在贷后风险防范过程中的手段和效率都极大地制约了银行风险控制的效果。

成本和效率的矛盾

为了解决信息不对称的问题和信息获取不及时的问题，银行往往需要采集大量的数据来辅助判断。但是数据采集的过程中通常运用的方法是要求借款人或企业补充提供大量的资料，这个过程中涉及到大量的人工成本和时间成本。而为了提高效率，需要搭建一套能够实现部分数据的自动采集，同时需要自动化程度较高的后台管理系统，但是这必须组建专门的工程师团队和进行大量的IT开发工作，对不少中小银行来说也是一个沉重的负担。

大数据征信与贷款风险控制

大数据征信产业的兴起

2015年1月，中国人民银行发印发了《关于做好个人征信业务准备工作的通知》，要求芝麻信用管理有限公司、腾讯征信有限公司、拉卡拉信用管理有限公司等八家机构做好为期六个月的个人征信业务准备工作。这意味着，这八家机构或将成为我国首批商业个人征信机构。由此，正式拉开了大数据征信产业的序幕，个人征信市场成长空间已经打开。基于美国个人征信市场达600亿美元的规模，考虑到我国人口基数的庞大，未来发展成熟之后我国的个人征信市场空间很可能达到1000亿元规模。

值得注意的是，大数据征信成为了互联网巨头的必争之地。除了阿里巴巴和腾讯，网络、京东金融、小米金融、360金融等互联网公司也表示将打造互联网征信系统，并有意申请第二批个人征信牌照，部分机构已经向人民银行提交了申请。互联网公司的高调介入表明，一方面互联网公司的创新特性和快速扩张特性给传统征信领域带来了新的活力和机遇，另一方面互联网公司各自不同的大数据优势和应用场景优势，将使得征信市场的竞争日趋白热化。
国内大数据征信产业发展趋势

各类大数据公司介入大数据征信市场，使数据维度和种类相比两年前有了极大的丰富。特别是伴随着移动互联网时代兴起，围绕着移动上网设备信息、地理位置信息、运营商信息的大数据公司和大数据服务层出不穷，并开始运用在P2P的贷款审核和交叉核验流程中。但是，数据的来源和有效性依然制约着大数据征信产业的发展，目前行业依然处于早起的探索阶段，尚未有成熟的“杀手级”应用工具出现。

信息孤岛依然存在。信息孤岛是目前制约国内信贷行业发展的重要因素。信息不对称、不透明，带来了大量的多头负债风险和欺诈风险。在国内大数据征信产业兴起时，市场对于消除信息不透明、打破信息孤岛寄予极大的期待。从目前行业的发展情况来看，信息孤岛在短期内无法完全消失。

首先，公共事业缴费、固定资产、社保、居住等与贷款风险控制息息相关的信息，依然归属于相关政府部门。虽然工商、司法等信息已经向社会开放，但是政府信息开放程度依然较低，这将是一个长期而复杂的过程。

其次，掌握大量公民信息的互联网公司相互之间难以产生信息互通。目前国内社交数据、电商数据、地理位置数据、搜索数据、移动设备使用行为数据等互联网信息分别集中于阿里、网络、腾讯、京东、360等互联网巨头手中，这些公司在跑马圈地的过程中存在着大量的竞争关系，数据互通、信息共享在目前看来可能性极低。

最后，征信公司之间的信息也难以互通。征信公司的核心竞争力在于拥有自己独有的信息。作为直接竞争对手，征信公司之间不可能用自己的核心数据去提升竞争对手的竞争力。可以说，一方面征信公司致力于解决信息不对称，另一方面征信公司也在构建数据壁垒。

应用场景逐渐丰富，组合信用评估或成主流。放眼征信行业较为发达的美国，征信报告的运用早已不仅限于金融领域，例如招聘、租房、租车、相亲等行业和领域都需要使用个人征信报告。随着“互联网+”的推动、大数据概念的提出以及P2P互联网金融的发展，目前国内的征信公司也在应用场景的丰富性上进行着探索和尝试。

从国内大数据征信行业的发展现状来看，由于信息孤岛、数据不完全共享的现状将长期存在，当行业发展到一定阶段，将会产生组合式的信用评估。譬如要求当事人同时出具多家机构的信用报告，从社交、电商、招聘、浏览行为、地理位置等不同角度对当事人做出全息用户画像，判断其综合情况。这是因为单方面的信用评估已不能全面评价一个人，必须发挥出各家大数据征信公司的信息优势才能全面评价。

大数据征信在贷款风险领域的应用案例

反映电商信用行为的芝麻信用。芝麻信用基于阿里巴巴的电商交易数据和蚂蚁金服的互联网金融数据，并与公安网等公共机构以及合作伙伴建立数据合作，数据涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息、住址搬迁历史、社交关系等等。芝麻信用以芝麻分来直观呈现信用水平，主要包含了用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度，从950～350分划分为5个等级，分数越高代表信用程度越好，违约可能性越低。芝麻征信还出具个人信用报告，其主要由央行征信中心负责提供，记录了个人基本信息、贷款信息、信用卡信息和信用报告查询记录等。

反映互联网社交行为的腾讯征信。腾讯征信的数据更多的是社交数据，其征信产品有两大类别：一是反欺诈产品，包括人脸识别和欺诈评测；二是信用评级产品，包括信用评分和信用报告。腾讯征信反欺诈产品的主要服务对象包括银行、证券、保险、消费金融、小贷、P2P等商业机构，它能帮助企业识别用户身份，防范涉黑账户或有组织欺诈，发现恶意或者疑似欺诈客户，避免资金损失。对于之前没有个人征信报告的蓝领工人、学生、个体户、自由职业者等用户，腾讯通过他们使用社交、门户、游戏、支付等服务，通过海量数据挖掘和分析技术来预测其风险表现和信用价值，为其建立个人信用评分。

反映借款人风险的好贷云风控。好贷云风控是好贷网和全球最大的个人信用评分机构FICO（费埃哲）共同打造的大数据风控平台，整合征信公司、司法数据、工商数据、消费数据等重要数据源头，构建了金融贷款机构风控所需全行业各领域的风险数据库，同时包括反欺诈风险名单库、重大风险识别名单库、贷款申请记录名单库的数据，合计已超过7000万条。多达6000多个维度的数据库不仅能有效补足贷款机构本地的数据库，还能协助其大幅提高反欺诈识别和信用风险识别能力，同时结合FICO的信贷决策引擎为信贷机构提供服务。金融机构不用再投入巨资自建系统，不用花巨大精力和成本寻找各种风控数据。

银行风险控制与大数据征信的结合

大数据难以解决所有问题，但可以作为有效的工具。大数据能为信贷行业带来什么价值？笔者的判断是：大数据在未来一段时间，仍无法解决信贷风控中的所有问题；或者说单纯依靠大数据进行信贷风控、审批全流程的贷款种类还很有限。

但是，大数据已经可以解决信贷行业的一部分问题，并且将发挥越来越重要的作用。比如，大数据在进行反欺诈识别、风险动态监测、用户行为分析、用户画像等领域，都已经有了越来越多的运用。银行机构应当拥抱大数据，敢于和善于运用大数据辅助进行风险把控。
通过大数据，将民间借贷信息对银行透明化。银行机构通过大数据征信的数据，可以了解借款人在民间借贷的信息。目前大数据征信公司提供的民间借贷相关信息主要包含黑名单信息、贷款申请信息和被查询信息。以好贷云风控为例，其包含了各家征信公司的黑名单信息以及好贷云风控平台整合的数十家P2P平台的黑名单信息，同时也包含了好贷网的1000万条贷款申请记录和每个星期增加一倍的被查询信息。这些信息都从侧面反映了借款人的民间借贷情况。通过大数据征信，将能够使民间借贷信息对银行机构越来越透明，识别出更多的民间借贷风险，更好地进行贷款审核和反欺诈识别。

丰富数据维度，提升对信用档案客群风控能力。2014年，美国政策与经济研究委员会（PERC）对于非金融信息（也成为替代性信息）在信贷决策中作用的研究表明：诸如水、电、煤、有线电视、手机等非金融信息纳入征信系统，显著地提高了信用档案在案人群的信贷获得能力。

目前不少银行逐步认识到已经纳入银行传统数据库的信息量并不丰富和完整，开始积极与第三方大数据征信公司频繁接触与接洽合作，如客户信息、银行拥有客户的基本身份信息等。但客户其他的信息，如性格特征、兴趣爱好、生活习惯、行业领域、居住状况等却是银行难以准确掌握的；另一方面对于多种异构数据的分析是难以处理的，如银行有客户的资金往来的信息、网页浏览的行为信息、服务通话的语音信息、营业厅、ATM的录像信息，但除了结构化数据外，其他数据无法进行分析，更谈不上对多种信息进行综合分析，无法打破“信息孤岛”的格局。通过与第三方大数据征信公司的合作，尽力弥补自身在获取信息维度以及数据挖掘和分析能力方面的不足。

综上，笔者认为，在互联网时代和大数据时代的背景下银行如欲进一步加快转型的步伐、实现诚信社会与普惠金融的愿景、肩负信用风险管理重任，就要在信息使用、贷前调查、贷中监控等风险控制方面借助互联网的优势，拥抱大数据征信，充分利用内外各种信息做好客户征信和增信，进一步提高对风险的控制和管理水平，才能立于不败之地。

以上是小编为大家分享的关于大数据征信与银行风险控制创新的相关内容，更多信息可以关注环球青藤分享更多干货

『叁』 大数据风控到底能不能拯救网络借贷

大数据风控到底能不能拯救网络借贷

自2007年被引入中国，P2P行业在国内已经走过了八个年头。2013年，P2P行业正式进入爆发式发展阶段。与此同时，行业开始出现大面积的风险事件。据网贷之家数据显示，截止2015年9月24日，P2P行业问题平台数量累计已达653家。另外，有数据披露当前P2P行业的坏账率正持续走高，一度达到了5%。风险事件的屡见不鲜使得P2P行业在发展的同时也饱受批评，而最为核心的风控更是成为整个行业悬而未解的难题。P2P网络借贷起源于英美，是一种基于互联网的陌生人借贷模式，后被引入中国。最原始的P2P模式被称为纯线上模式，贷前、贷中、贷后及相关过程中的一切尽调、审核等都在线上完成。但这种模式得以成功的前提是拥有一套完善的征信体系作为社会基础。众所周知，英美国家的民间征信体系非常健全，民间更是不乏成熟的信用评级机构，为其P2P行业提供了发展的沃土。但是国内不论是社会信用环境还是民间征信体系的建设都与英美天差地别，因而P2P被引入中国之后，为了适应国内市场，便由原始的纯线上模式演变为线上线下相结合的模式。由于线上+线下模式的特殊性，导致国内P2P行业难以效仿西方国家以数据分析来建立风险模型，而是开发出了线上融资、线下风控的风控方式。当前国内的P2P行业风险控制主要在贷前及贷后两个阶段上强化。1、贷前：信用审核贷前的信用审核主要依靠线下完成，需要线下的风控人员或信贷员进行实地走访，对借款人的实际生活、经营环境进行调查，清晰掌握其收入、负债等资产情况，以此预测出借款人的还款意愿及还款能力。P2P虽然基于互联网，但就目前来看，贷前尽调上使用的方法与传统的小贷公司无异。这种模式在中国不完善的征信环境中得以发展成熟，尽调数据也具备一定参考价值。但其劣势也显而易见，一是增加了P2P平台的人力和财力成本;二是对借款人的评估和预判往往依赖于风控人员的主观判断，因此从某种意义上来说，该借款项目风险是否把控得当与工作人员的经验多少有一定关系。2、贷后：担保增信对于P2P平台而言，一方面由于自身技术能力有限;另一方面则受限于严重的信息壁垒，因此在批复放款之后，难以监控借款人的真实经营状况及借款款项的具体流向，导致项目不良率居高不下。为了最大程度地降低风险，99%的P2P平台都会强化贷后风险管理手段，亦即在最后阶段引入担保机构进行风险共担。担保机构会承诺对该笔借款项目进行全额本息担保，一旦极端风险事件爆发，将由担保机构对投资人进行本息偿付，随后再进行逾期、坏账项目的追偿及催收等后续工作。由于当前P2P行业普遍采用的风控模式均来源于传统手段，过于依赖人工，难以有效规避从业人员在信审过程中可能出现的道德风险和诈骗风险。因此，P2P平台虽然在高呼创新风控，但实际上并没有解决核心问题。换言之，风控难题依然是当前行业发展过程中一道难以跨越的坎。什么是大数据风控随着行业的发展，风险积聚问题的严峻愈发突出，越来越多的人开始呼吁行业摒弃以个人经验进行预判的传统风控模式，而是应该深入挖掘数据建模的可行性，通过完善数据征信来解决风控难题。根据网络的词条解释：大数据风控即大数据风险控制，是指通过运用大数据构建模型的方法对借款人进行风险控制和风险提示。迄今为止，大数据风控在互联网金融领域的经典案例非阿里小贷莫属，依托于阿里巴巴庞大的数据库，阿里小贷通过云计算来对用户数据进行分析处理，最终产生用户的信用数据。阿里数据库的数据种类之多、容量之大，使得阿里小贷能够通过现有数据来对用户违约概率进行较为精准的预测，迅速确定用户授信，真正实现信贷扁平化。P2P能不能实现大数据风控互联网金融领域赫赫有名的“校长”曾经明确提出“大数据风控对P2P行业无效”的观点，原因简要概括如下：一是经济形势的不可预测性，一旦经济形势下行压力过大，金融机构也无完卵，那么风险管理在系统性风险面前毫无意义。二是P2P行业还难以达到大数据的逻辑标准——足够大的样本量，换言之，覆盖的人群远远达不到样本容量要求的P2P行业拿什么来做大数据?因此，很长一段时间内大数据虽然概念火热，基本上很少有P2P平台能够真正运用。近日果树财富高调宣布引进云风控技术来进行借款人资信审核的新闻，将大数据风控的话题再一次摆到了台面上，而关于大数据风控在P2P行业到底可不可行的讨论又甚嚣尘上了。笔者的观点是：P2P做大数据风控，虽然无法照搬电商模式，但在适当范围内可以尝试。假设P2P平台能够采集到一定基数的真实用户数据，将可以建立一定容量的数据库，以此为核心建立数据模型。第一，信用评分模型。平台可以通过评估用户的历史收入、资产、职业、年龄等信息，来估算出借款用户的信用风险分数，以此预测其违约风险。但这种模型的局限性在于历史数据的时效性及参考性十分有限，因而需要平台对用户数据变量进行定期监测及更新。第二，违约概率模型。与传统的人工经验预判概率相比，P2P平台可以通过积累用户的历史数据，从中提炼出借款用户的违约概率。综上，不可否认，大数据在P2P行业风控中的应用不仅前景可期，同时也是具备一定可行意义的。一方面，大数据能够帮助P2P平台摆脱高成本的人工信审现状;另一方面，数据模型的统一化、标准化能够改善当前凭个人经验预判项目风险的风控现状。从这个角度来看，短期之内大数据风控对于P2P平台的意义在于提高风控水平、降低风控成本、建立高效风控机制。这也是前文提到的果树财富引入云风控技术的原因之一，无非是为了低成本引入用户数据报告，辅助平台核验用户资信和违约风险。

以上是小编为大家分享的关于大数据风控到底能不能拯救网络借贷的相关内容，更多信息可以关注环球青藤分享更多干货

『肆』 城市控规哪些数据可以从大数据中或得

地形，水体，空气指标，人口分布等等吧

『伍』 大数据对城市规划将有怎样的影响

个人判断不是规划换一批人来做，而是行业会细分。一部分人倾向于通过数据分析，判断问题症结，解决建成区问题，优化格局；另一批人更偏向于设计，提供不同的解决方案。

其实判断大数据对城市规划未来的影响，看看当下大数据在城市规划领域的处境多少能够明白些。在现在的城市规划中大数据在研究中是热门事物，但在实际项目中却不是。在城市规划实务中，大数据分析一般作为专题研究附在如总体规划等较高层面的发定规划之中。除上海、北京等一线城市及二线主要城市，少有城市有专门的大数据研究专题，个人接触到的也仅上海2040的上轮总规评估与武汉市总体规划的评估有涉及相应技术，其他项目基本无涉及，仅按需要自己使用。究其原因如下，想到哪些写哪些，排名无先后顺序：
1、难立项。难立项主要体现在两个方面，其一是因为城市规划属于法定流程，明文规定相应程序所需要的内容，由于大数据技术方法多样，多针对特异性的具体问题研究，这给大数据研究应用法定化带来极大难点。怎么给一个或多个合适的名头立项、立法定流程，如何定价，都是大难题，而这也是现在以专题形式依附总体规划的主要原因之一。其二是主管部门分散，城市规划业务主要针对住建、城建、规土口，但大数据（算上智慧城市建设吧）很多时候是工信部主导，跨部门操作也是一个问题。
2、高成本、低收益（这里仅指项目收益，不谈社会收益）。目前，大数据在城市领域多立于学术研究领域，可以说很多时候是研究兴趣使然下的自发行为。一项技术如果难以以模式化的方式应用，就很难降低成本，那么就很难在市场上大范围推广，在城市规划领域正是如此。对于一般的项目，比如一个1平方公里的旧城更新的控规项目，应用大数据分析需要几个模块？解决哪些问题？需要投入哪些成本？又能够带来哪些收益呢？有没有替代方案，替代方案又会有多大差距，不用大数据分析，仅用常规数据做数据分析能否得到相近的成果？会不会增加项目的时长？思考完这些问题，再算笔账就会发现，当下在大量控规、城市设计等项目中，运用大数据分析很可能是不划算的。
3、没有数据的时候怎么办？虽然城市规划进入了存量规划时代，但即使是存量规划过程中也有大量新建的过程，部分地块必然是要采用推平重建的方式（或者说是重要手段之一），大数据可以给出方案的限制，可以比选方案，但方案从无到有怎么产生？
（想到再补充）
如果上述问题得以解决，那么大数据一定能够改变这个行业，不过这需要时间。有可能因为数据安全、隐私等问题，最终大数据分析的业务完全由规划局或是其他政府部门完成也说不定，我相信那时，城市的大数据运营中心应该已经建成了。也可能有专门的运营公司运营，并完成相应的分析报告，这些报告最终成为规划的基础材料。可能今后大数据分析会成为单独立项的东西，支持的也不仅仅是城市规划，而是城市的全部过程。

『陆』 首都功能核心区控规“新”在哪儿

日前《首都功能核心区控制性详细规划（街区层面）（2018年-2035年）》发布，这次发布的首都功能核心区控规“新”在：公共服务——首次提出公共事务用地；老城保护——明确11类保护对象；街区更新——减量背景下的城市更新；韧性城市——新增公共卫生体系建设；林荫街巷——乔灌草结合的街道空间；交通出行——绿色出行比例提高到85%以上。

1、公共服务——首次提出公共事务用地

核心区控规进一步明确首都功能核心区的规模与结构。

规划严格落实“双控四降”，让首都功能核心区逐步“静”下来，创造一流人居环境。通过严控增量和疏解存量相结合，向外疏解腾退和内部功能重组双向发力，严格控制建设总量与人口规模，优化用地结构与人口结构，创造良好人居环境。到2035年首都功能核心区常住人口规模控制在170万人左右（到2050年控制在155万人左右），地上建筑规模控制在1.19亿平方米左右，到2050年稳定在1.1亿平方米左右。

在调整优化用地结构方面，通过适度提高公共服务设施及公共事务用地比重、大幅提高公共空间规模和服务能力，提高居住品质，改善人居环境。到2035年，公共服务设施及公共事务用地占规划区域总面积的比重由现状11.1%提高到12.3%，公共空间面积占比由现状34.3%提高到38.4%。

在这里，考虑到当前的街区保护更新工作存在多重不确定因素，核心区控规首次创新性提出公共事务用地这一用地类型。公共事务用地内不固定某类特定功能，而是允许结合现实需求适时安排文化、基础教育、医疗卫生、体育、社会福利、社区综合服务等任一类型的公益性设施，并可随需求变化进行调整。

2、老城保护——明确11类保护对象

规划将加强格局保护作为老城整体保护最重要的任务。提出要综合运用多种手段，结合城址遗存保护、历史水系恢复、绿化空间建设，将历史文化融入城市景观，进一步强化老城空间的整体性。

规划围绕老城核心价值，深入解读“应保尽保”的保护要求，在城市总体规划提出的九个方面文化遗产保护对象基础上，突出首都功能核心区文化遗产特色，明确核心区11类保护对象，将传统胡同、历史街巷、传统地名、历史名园、革命史迹等纳入其中。逐步扩大历史文化街区保护范围，严格落实老城不能再拆的要求，以更加深入的价值挖掘、更加广阔的保护视野，让老城保护上升到前所未有的高度。

3、街区更新——减量背景下的城市更新

街区保护更新是城市更新在首都功能核心区里的特定说法。北京的城市更新有四个特点：一是千年古都的城市更新；二是落实新时代首都城市战略定位的城市更新；三是减量背景下的城市更新；四是满足人民美好生活需要的城市更新。

这些特点在核心区的城市更新工作中表现得更为充分，实施以街区为更新单元、以保护为更新重点的城市更新更符合核心区的特点与定位。街区保护更新从街区、地块、建筑三个层次，针对政务、文化、居住、产业四种功能类型，按照历史保护、保留提升和更新改造三种方式推动街区小规模、渐进式、可持续更新。

街区保护更新的主要目标是有序疏解非首都功能，优化提升首都功能。街区保护更新的对象主要包括建筑物、公共空间、公服设施、城市部件等内容。建筑物的更新包括外立面、建筑屋顶整治更新，也包括建筑内部使用功能的改造提升，如果是文物、历史建筑等保护类建筑，更新方式需要按照保护要求进行保护、修缮以及调整不合理使用功能。

街区保护更新不能是增量式的更新，而应该是减量更新；不以规模论，而是以服务品质论。这就需要以绣花功夫做出精细活，以节约、高效为原则，通过建筑设计、规划设计、政策设计等更新手段提升存量空间利用效率与利用水平，促进核心区高质量保护与发展。

4、韧性城市——新增公共卫生体系建设

明确加强公共卫生体系建设的主要内容。抓好疾病预防控制，在核心区保留市疾控中心应急处置与检测功能，做优做强区级疾病预防控制中心。结合街道社区范围以及防灾生活圈划定卫生分区，分类分区施策，提升基层卫生设施建设标准，加强医疗救治力量配备和能力建设，筑牢基层公共卫生“网底”。

加强社区卫生服务中心建设，发挥其“探头”作用。建立各级医疗机构长效合作协同机制，实现基层首诊、分级诊疗。提高院前急救能力，按照标准设置急救中心、急救中心站和急救工作站，配备洗消设施。

进一步发展互联网医疗，加快智慧城市建设，深化大数据、云计算、区块链、人工智能等新技术的应用，提高精准防疫水平。

夯实公共卫生基层基础。强化32个街道公共卫生职责，把公共卫生服务管理纳入183个街区的社区治理体系，发挥社区公共卫生委员会作用，用好物业企业力量，依靠居民建立物管会或自管会，加强失管、弃管小区的服务管理。

建设韧性城市。降低人口与建筑密度，为应对突发公共卫生事件预留空间。注重留白增绿，增加小微绿地、口袋公园，提升公共开放空间覆盖率，加强城市通风廊道建设。坚持平战结合，统筹好应急救灾物资的运输和储备，建设应急救灾物资储备库。体育场馆等大型公共设施建立平疫转换预案。

5、林荫街巷——乔灌草结合的街道空间

核心区的林荫街巷应具有良好的连续性和通达性，并能够体现老城历史文化价值与现代城市风貌。林荫街巷根据空间位置、功能属性的不同划分为三级，分别是作为老城棋盘路网格局的林荫路，由其他城市干道或支路构成的林荫景观街，以及景观生态与文化功能并存、串联了城墙遗址、历史名园、历史水系等特色场所的林荫漫步道，共同形成贴近市民日常活动、满足各类步行需求的林荫网络。

林荫街巷不断追求绿化景观的优化建设，提升市民出行的绿色获得感。林荫街巷将种植高大茂密的乔木，通过乔灌草相结合的方式营造尺度亲切的街道空间，并设置植篱、花坛、花架与休闲设施，共同营造环境优美的街巷景观。

尤其是林荫漫步道将使市民在漫步中领略自然的生机盎然与浓厚的文化氛围，什刹海环湖绿道、传统商业文化漫步道、红墙漫步道、文化探访路漫步道等多种主题的街道风格串联其上，展示核心区特色，成为核心区步行的精品路线。

6、交通出行——绿色出行比例提高到85%以上

核心区控规提出要提高首都功能核心区绿色出行比例，到2035年绿色出行比例由现状73%提高到85%以上，到2050年绿色出行比例不低于90%。通过街道空间整体设计，加大步行、自行车路权保障，提高沿街绿荫覆盖，加强停车治理调控，综合改善慢行体验，多措并举引导绿色出行，建设健步悦骑城区。

在安宁交通方面，核心区控规提出，要通过各种措施最大限度降低小汽车交通对居住区、学校、医院等区域的噪声干扰或安全影响等。

『柒』 何谓大数据大数据的特点,意义和缺陷.

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

大数据，更多的功能是分析过去，提醒现在，展望未来。广泛应用于商业领域，借以实现精准营销，预测趋势，实现商业利益的最优与最大。体现的价值为：

（1）利用大数据针对大量消费者的消费习惯，精准提供产品或服务；

（2）利用大数据做服务转型，做小而美模式；

（3）不能充分利用大数据价值的企业，将会在互联网压力之下摇摇欲坠。

国家通过结合大数据和高性能的分析，是指效率更加提高，同时也能降低国家运行成本。如：

（1）为成千上万的车辆规划实时交通路线，躲避拥堵；

（2）及时解析问题和缺陷的根源，是制度更加完善。

（3）使用点击流分析和数据挖掘来规避欺诈行为。

大数据的缺陷：

企业遭到黑客攻击，客户的资料大量非法流出，再利用大数据分析挖掘，人群进行分类排除，从而让人更容易受骗。

(7)控规大数据扩展阅读：

2016年3月17日，《中华人民共和国国民经济和社会发展第十三个五年规划纲要》发布，其中第二十七章“实施国家大数据战略”提出：把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治理创新。

具体包括：加快政府数据开放共享、促进大数据产业健康发展。

『捌』 大数据究竟是什么大数据有哪些技术呢

大数据本身是一个抽象的概念。从一般意义上讲，大数据是指无法在有限时间内用常规软件工具对其进行获取、存储、管理和处理的数据集合。
目前，业界对大数据还没有一个统一的定义，但是大家普遍认为，大数据具备 Volume、Velocity、Variety 和 Value 四个特征，简称“4V”，即数据体量巨大、数据速度快、数据类型繁多和数据价值密度低，如图 1 所示。下面分别对每个特征作简要描述。

1）Volume：表示大数据的数据体量巨大。
数据集合的规模不断扩大，已经从 GB 级增加到 TB 级再增加到 PB 级，近年来，数据量甚至开始以 EB 和 ZB 来计数。

例如，一个中型城市的视频监控信息一天就能达到几十 TB 的数据量。网络首页导航每天需要提供的数据超过 1-5PB，如果将这些数据打印出来，会超过 5000 亿张 A4 纸。图 2 展示了每分钟互联网产生的各类数据的量。

2）Velocity：表示大数据的数据产生、处理和分析的速度在持续加快。

加速的原因是数据创建的实时性特点，以及将流数据结合到业务流程和决策过程中的需求。数据处理速度快，处理模式已经开始从批处理转向流处理。

业界对大数据的处理能力有一个称谓——“ 1 秒定律”，也就是说，可以从各种类型的数据中快速获得高价值的信息。大数据的快速处理能力充分体现出它与传统的数据处理技术的本质区别。

3）Variety：表示大数据的数据类型繁多。

传统 IT 产业产生和处理的数据类型较为单一，大部分是结构化数据。随着传感器、智能设备、社交网络、物联网、移动计算、在线广告等新的渠道和技术不断涌现，产生的数据类型无以计数。

现在的数据类型不再只是格式化数据，更多的是半结构化或者非结构化数据，如 XML、邮件、博客、即时消息、视频、照片、点击流、 日志文件等。企业需要整合、存储和分析来自复杂的传统和非传统信息源的数据，包括企业内部和外部的数据。

4）Value：表示大数据的数据价值密度低。

大数据由于体量不断加大，单位数据的价值密 度在不断降低，然而数据的整体价值在提高。以监控视频为例，在一小时的视频中，有用的数据可能仅仅只有一两秒，但是却会非常重要。现在许多专家已经将大数据等同于黄金和石油，这表示大数据当中蕴含了无限的商业价值。

『玖』 北新板块厘定四至，控规图里释放了哪些关键信息

城市渐次生长，以市中心为圆点，以外溢效应为因，城市各个方向上终会形成特质不同的新板块。经过近20年的发育，成都的房地产板块已经被业内划分为大大小小几十个。
或因开发商标榜区域地理位置之需；或为媒体方便写作和包装，随后板块声势越来越强，最终被房地产数据机构将之整合为既定的系统概念，并相袭沿用。
当下，北新板块的跃众而出，也符合这一城市生长的规律，并更有标志性的新意。
北新板块蓄力而生四至尘埃落定
与过去十几年野蛮生长最终发育成形的那些板块不同，近几年无论是华府板块、新川板块乃至北新板块的崛起，背后或多或少有了官方更科学和体系化的引导。
即政府在某一区域出现居住人群和产业聚集之前，就开始联手类似西南建筑设计院、仲量联行这种大型规划设计机构，从专业角度，将这个板块未来的居住就业人口结构、规划产业能级、土地供应规模、交通及商业、教育及医疗配套的情况、入驻开发企业情况、当前房价地价数据、从规划到基本建成的年限规划等都想清楚，形成细致的城市级规划方案和概念草案。
事实上，北新板块并非官方一厢情愿的产物。
2012年，城北荷花池商圈搬迁，“北改”进行得风风火火。近两年，碧桂园、保利、绿地、优品道为代表的大型品牌房企纷纷抢子入驻。
2015年，金牛区政府正式提出“南改旧城、北建新城”的战略思路，南改旧城主要在三环以内围绕旧城改造，优化创新创业生态环境，形成新的经济增长极；北建新城主要在三环以外利用北部新城等区域内良好的生态本底、深厚的文化底蕴和丰富的都市旅游资源，作为金牛区建成“四态合一”的“科贸之都、文化北城”的重要支撑。
2016年5月，华侨城与金牛区政府签订的“文化北城”核心区项目合作协议，更是将城北，尤其是北新板块房地产市场的开发推向一个新的高点。至此，市场与官方两条发展线索走向不谋而合，北新板块前期酝酿达到临界点，板块顺势而生。

▲北新板块四至道路区划示意
为顺应市场的发展，为业内提供更加精准的市场研究，也对业内城北投资有所增益。金牛区政府、西南院、市规划设计院、仲量联行、锐理数据等多方通过各种考量和现场数据调研和分析， 北新板块四至被界定为东至川陕路117范围，西至北星大道西侧，北至毗河，南至三环凤凰山街道范围内的区域。
从行政区划上看，除大丰板块属于新都外，板块内大部分区域都位于金牛区的北部新城。光北部新城占地就达到了27平方公里，可建设用地20.8平方公里，占用地规模77%，户籍人口5.3万。用地广人稀来形容北新板块再合适不过了。
北新板块地广人稀配套先行后劲更足
在最新透露的板块控规图里，锐理观察员看到区域内未来将形成三心即都心、文心、绿心，两区即现代商贸区、科技创新区的空间发展格局，打造宜居、宜业、宜商的国际化现代山水新城。

▲北新板块“三心两区”空间格局图
围绕“三心” 文化、生态、城市逐渐展开
都心这里未来将被打造成为成都的城市副中心。在北星大道两侧，以高端服务业为核心，打造创意办公、特色商业街、品质居住为一体的北新板块城市花园CBD。
文心依托金牛区天回镇独有的汉唐文化、蜀道丝路文化、生态旅游文化，打造集古镇、特色产业、主题社区于一体的天回大观。突出区域的旅游特色，以文化旅游提升周边价值。
绿心以植被丰富的凤凰山公园为基础，生态旅游、休闲观光、文化创意、健康养生为主线，通过资源挖掘和产业培育，形成北部新城休闲之心。
“两区”支撑现代商贸区和科技创新区带来GDP和大量人口
如何导入人口盘活区域价值，是解决城市增量发展、新城开发的核心问题，而规划合理、提档升级的产业布局恰能解决这一关键问题，且对人口结构起到优化作用。
以现代商贸区和科技创新区为主的两大产业区发展，将颠覆人们对北新板块“物流集散”、“商品买卖”、“城郊结合”等老旧印象。
现代商贸区：商贸历来是金牛乃至城北的支柱产业，过去的城北大型专业市场集聚。随着北改和中调的深入开展，专业市场外迁，现代商贸区基本定型。但在过去的几年时间里，受自身配套不足、产业功能单一、电商冲击等不利因素影响，纯粹靠商品买卖的城北商贸业发展状况并不乐观，如何让城北的传统核心竞争力重焕生机，成为北新板块发展中亟待解决的问题。
在现代商贸区的规划上，仲量联行提出了以城北成都国际商贸城为依托，利用互联网+、蓉欧+的带动作用对商贸产业进行升级的建议。规划显示，未来的现代商贸区，将以现有的成都国际商贸城为核心，拉动区域全产业链发展，建立免税店、跨境电商体验店、品牌中心店等增强体验消费，实现商贸区国际化、电商化的飞跃发展。

▲西部地理信息产业园办公区实景
科技创新区：说起产业，大多数成都人立马想到的是高新区，更不会对成都本土的科技创新产业有所联想。事实却是，中铁二院、中铁二局、中铁八局等为主要成员单位的轨道交通产业在全国范围内都具有举足轻重的地位。在这一片区，2014年，中铁轨道交通产业园一期建成开园；2016年9月，西部地理信息产业园一期建成将正式开园，科技创新区已初步成形。以此两大科技产业区为依托，借助物联网、大数据等产业支撑，弥补目前暴露出的产业核心聚集力不足、产业类型单一的短板。全面建成后，两大产业园将吸引7万以上的高科技服务人群，人口结构得到极大优化，使区域更具活力。
从总体布局图上看，北新板块内的大型产业项目远不止上述两个。还有涵碧楼酒店、红星美凯龙等近15个大型商业、住宅项目，其中绝大部分已经签约落地。未来这些产业逐一变现后，将吸引10万以上的高科技、高收入第三产业人群聚集，其消费力和产业吸附能力，均具备无限的想象空间。
万万想不到多轨道交通+城市干道避免城市病

▲北新板块的轨道交通设计和地面交通动线规划
过去，人们对城北，尤其是沙西线、川陕路、人北一线的交通状况抱怨颇多，尤其是川陕路的物流停车场给区域交通拥堵带来巨大负荷；类似的交通软肋还有作为成都重要的物流、人流集散地的火车北站，曾为区域带来可观的经济产值，但也像一道人工屏障阻断了城北继续向北发展的道路。
北新板块则在前期规划时避免这些城市病——北新板块在交通体系上，是典型的以交通引领发展的新区。 区域规划布局了“七横七纵”14条主干道路，其中川陕路、北星干线、天龙大道等10条主干道已全部建成通车；聚霞路、熊猫大道等3条主干道已部分建成通车。其他蛛网型次干道及支路正在加快形成。同时，更加注重轨道交通的建设。目前， 区域内规划有1、3、5、9、27共计5条地铁、1条BRT、1条有轨电车环线，当前地铁1号线、3号线已建成通车。除完善城市内线路，城市间的交通纽带也在布局中。
此外，北新板块逐步呈现的教育、商业、医疗配套，将构建起完善的生活体系。以教育为例，板块以区域发展至40万人口的规模为依据， 规划有11所中学、20所小学、32所幼儿园，以满足区域教育需求。按照发达国家的发展路径理解，主城区边缘的新兴板块宜居和商业发展程度，将逐步把中心地区甩在身后，北新板块也是如此。
可以预料，正在发展中的成都未来将还有诸多尚未命名的板块。恐怕届时，业内也不能厘清这些板块的区别点在哪里，界限在哪里。而北新板块的四至界定和城市级规划的成熟，也为解决类似的困局，找到了一个可以参照的范例。