大数据与城市计算方法研究

『壹』 大数据分析重大 计算方法选择需慎重

大数据分析重大 计算方法选择需慎重
大数据分析依靠机器学习和大规模计算，对规模巨大的数据进行分析。作为时下最火热的IT行业的词汇，数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。大数据时代的来临，大数据分析应运而生。
安联全球救援长期从事道路救援已有12年，利用大数据分析科学分析救援数据，在第一时间内合理调配救援资源，并在最短时间内通知相关部门展开对应的援助。2015年7月6日，安联全球救援在北京庆祝在华第500万个成功道路救援案例诞生。在过去的12年里，安联全球救援投入了大量资金和资源在全国范围内建立专业服务网络，并分别在北京和成都设立运营中心，其网络覆盖全国1762个城市，平均服务到达时间为39分钟。利用大数据分析，大大提高了道路救援效率。
那么大数据分析究竟是怎么样?那些方法更有效?我们该如何利用起来呢?
大数据分析可以分为五个基本方面：
1.可视化分析(Analytic Visualizations)——不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。
2.数据挖掘算法(Data Mining Algorithms)——可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。
3.预测性分析能力(Predictive Analytic Capabilities)——数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。
4.义引擎(Semantic Engines)——我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。
5.数据质量和数据管理(Data Qualityand Master Data Management)——数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。
大数据分析方法的选择
大数据分析性能的好坏，也就是说机器学习预测的准确率，与使用的学习算法、问题的性质、数据集的特性包括数据规模、数据特征等都有关系。一般地，Ensemble方法包括Random Forest和Ada Boost、SVM、Logistic Regression分类准确率最高。没有一种方法可以“包打天下”。RandomForest、SVM等方法一般性能最好，但不是在什么条件下性能都最好。
不同的方法，当数据规模小的时候，性能往往有较大差异，但当数据规模增大时，性能都会逐渐提升且差异逐渐减小。也就是说，在大数据条件下，什么方法都能work的不错。对于简单问题，Random Forest、SVM等方法基本可行，但是对于复杂问题，比如语音识别、图像识别，最近流行的深度学习方法往往效果更好。深度学习本质是复杂模型学习，是今后研究的重点。
在实际应用中，要提高分类的准确率，选择特征比选择算法更重要。好的特征会带来更好的分类结果，而好的特征的提取需要对问题的深入理解。
大数据分析策略分析
建立大数据分析平台时，选择实现若干种有代表性的方法即可。当然，不仅要考虑预测的准确率，还有考虑学习效率、开发成本、模型可读性等其他因素。大数据分析平台固然重要，同时需要有一批能够深入理解应用问题，自如使用分析工具的工程师和分析人员。
只有善工利器，大数据分析才能真正发挥威力。

『贰』 研究丨大数据与智慧城市之间存在怎样的关联关系

大数据、云计算、移动互联网、物联网等新技术，不仅在全部智慧城市构建中会发生很大的效果，在智慧城市构建中也会表现大效果。

建造智慧城市的一个主要方针，即是要坚持以提高公共效劳功率为中心，经过进一步改善惠民的效劳，建造调和、宜居、赋有活力和现代化的城市。这个方针离不开领先和立异技术的支撑，其中关键技术即是大数据，大数据已成为智慧城市建造的中心内容。

一个城市的办理和运营需求科学的决议计划，只要数据支撑才干保证智慧城市的真实运转。城市开展需求完结大数据的收集、处理、结合、同享、发掘、分析和使用，经过了解城市运转状况与开展态势，为各部门协同工作、领导决议计划提供支撑，进而效劳于市民。

金鹏信息智慧城市专家以为，智慧城市大数据决议计划渠道应当集成了包含地理信息、GPS数据、建筑物三维数据、统计数据、摄像头收集画面等多类数据，能够把市政、警务、消防、交通、通讯、商业等各部门各类型的数据交融打通，聚集在一致的大数据渠道上。

“智慧城市渠道上的数据能对应急指挥、城市办理、公共安全、环境保护、智能交通、基础设施等范畴完成办理决议计划支撑，然后用于归纳办理城市全体运转态势。比方，采取圈选式查询，能够了解某一区域一切监控画面及警车散布状况;智能园区可视化体系则可交融打通园区各个体系数据，完成智能制造、智能楼宇、出产安全等可视化办理。”金鹏信息智慧城市负责人如是说。据悉，该公司的网络安全可视决议计划渠道可出现安全要挟事情来历信息和方针信息，一起经过3D虚拟现实展现可交互的三维机房环境，实时反映网络运转及安全状况，金鹏信息智慧城市软件。

专家表明，“智慧郑州”之所以在全球取得“2015我国领军智慧城市”、“智慧城市总裁格外大奖”等一系列荣誉，主要原因是其使用大数据探索了城市办理和开展形式立异，能够说郑州形式现已具有了城市大数据使用的雏形。

『叁』 未来城市智能计算“心脏” AI赋能凸显

【导读】从经济发展来看，未来城市需要向AI要增长。AI赋能可以让传统产业真正从数字化转向智能化，从而创造更大的价值。未来，智能计算会像阳光、空气、水一样，成为城市的一个生活基础单元，未来的城市发展需要一颗只能计算“心脏”。

在2020全球智慧城市大会上海分会场，来自上海、广东等省市的智慧城市领域相关企业、机构代表，围绕智慧城市、智慧出行、数字化转型等话题，探讨未来城市的创新理念。其中，国家信息中心信息化和产业发展部联合浪潮发布了《智能计算中心规划建设指南》，明确智能计算中心的作用，对地方政府如何定位、规划和建设给出有针对性的建议。

有研究机构预测，人工智能将每年为中国经济带来0.8个至1.4个百分点的GDP增长。未来人工智能计算将占据80%以上的计算需求。智能计算中心不同于传统的数据中心，它不只是“存数据”，更重要的是实现高效“用数据”。“智慧城市最核心的就是数据，但大数据得不到有效处理反而会成为负担，借助智能计算中心，我们能通过算力的生产、聚合、调度和释放，让数据变得有意义有价值，进而对产业发展及城市治理提供高效支撑。”

不是“锦上添花”，专家们表示智能计算中心在未来智慧城市建设中，将成为标配的公共基础设施，智能算力将像工业时代的电力一样重要，不论是传统产业的数字化、智能化转型升级，还是城市治理的创新高效，都需要依靠智能计算中心这颗“心脏”，智能计算中心的建设具有公共基础设施的性质，需要在地区或国家层面合理布局与规划，让中小微企业也能用得起，真正赋能千行百业的智能化升级，拓宽经济增量空间。

建成智能计算中心只是智能化转型的第一步，未来还需要政府、业界的协作，在智慧城市、智慧制造、智慧医疗、智慧农业等领域，不断打通场景与生态，让智能计算中心发挥出关键作用。

『肆』 浅析大数据时代下市场研究方法

浅析大数据时代下市场研究方法

大数据时代新的市场研究方法使“无干扰”真实还原消费过程成为可能，智能化的信息处理技术使低成本、大样本的定量调研成为现实，这将推动消费行为及消费心理研究达到一个新的高度，帮助快速消费品企业更为精准地捕捉商机。大数据时代的市场研究方法1、基于互联网进行市场调研提高了效率，降低了成本网络调研具有传统调研方法无可比拟的便捷性和经济性。快速消费品企业在其门户网站建立市场调研板块，再将新产品邮寄给消费者，消费者试用后只要在网站上点击即可轻松完成问卷填写，其便利性大大降低了市场调研的人力和物力投入，也使得消费者更乐于参与市场调研。同时，网络调研的互动性使得企业在新产品尚处于概念阶段即可利用3D拟真技术进行产品测试，通过与消费者互动，让消费者直接参与产品研发，从而更好地满足市场需求。2、挖掘网络社交平台信息成为研究消费态度及心理的新手段脸谱、QQ、微博、微信等社交平台已日渐成为新生代消费群体不可或缺的社交工具，快速消费品的消费者往往有着极高的从众性，因此针对社交平台的信息挖掘成为研究消费潮流趋势的新手段。例如，通过微博评论可以统计分析消费者对某种功能型产品的兴趣及偏好，这对研究消费态度及心理有非常大的帮助。更重要的是，这类信息属于消费者主动披露，与访谈形式的被动挖掘相比信息的真实性更高。3、移动终端提供了实时、动态的消费者信息随着3G网络及智能手机普及，市场研究已渗透到移动终端领域。大量的手机APP应用（例如二维码扫描等）为实时采集消费信息提供了可能性，移动终端的信息分析在购买时点、产品渗透率及回购率、奖励促销效果评估等方面将发挥不可估量的作用。4、零售终端信息采集系统帮助企业了解市场目前，PC-POS系统在零售终端得到了广泛的应用，只要扫描商品条形码，消费者购买的商品名称、规格、购进价、零售价、购买地点等信息就可以轻松采集。通过构建完整的零售终端信息采集系统，快速消费品企业可以掌握商业渠道的动态信息，适时调整营销策略。智能化信息采集、储存及分析1、超大容量的数据仓库数据仓库具有容量大、主题明确、高度集成、相对稳定、反映历史变化等特点，可以有效地支撑快速消费品企业进行大数据分析与应用。数据仓库可以更有效地挖掘数据资源，并可以按照日、周、月、季、年等周期提供分析报表，有助于营销人员更有效地制定营销战略。2、专业、高效的搜索引擎旅游搜索、博客搜索、购物搜索、在线黄页搜索等专业搜索引擎已经得到了广泛应用，快速消费品企业可以根据自己的特点构建专业化的搜索引擎，对相关的企业信息、产品信息、消费者评价信息、商业服务信息等数据进行智能化检索、分类及搜集，形成高度专业化、综合性的商业搜索引擎。3、基于云计算的数学分析模型市场研究的关键是洞察消费者需求，基于云计算的数学分析模型可以将碎片化信息还原为完整的消费过程信息链条，更好地帮助营销人员研究消费行为及消费心理。这些碎片化的信息包括消费者在不同时间、不同地点、不同网络应用上发布的消费价值观信息、购买信息、商品评论信息等。基于云计算的智能化分析，一方面可以帮助市场研究人员对消费行为及消费心理进行综合分析，另一方云计算成本低、效率高的特点非常适合快速消费品企业数据量庞大的特性。大数据运用中的问题传统的市场研究包括定性研究及定量研究，以座谈会为主的定性研究受制于主持人的访谈技巧，以街头拦截访问为主的定量研究虽然以严谨的抽样理论为基础，但同样不能完全代表总体的客观情况。而大数据时代革命性的调研方法为市场研究人员提供了以“隐形人”身份观察消费者的可能性，超大样本量的统计分析使得研究成果更接近市场的真实状态。与此同时，大数据时代的新方法、新手段也带来新的问题，一是如何智能化检索及分析文本、图形、视频等非量化数据，二是如何防止过度采集信息，充分保护消费者隐私。虽然目前仍然有一定的技术障碍，但不可否认的是大数据市场研究有着无限广阔的应用前景。

以上是小编为大家分享的关于浅析大数据时代下市场研究方法的相关内容，更多信息可以关注环球青藤分享更多干货