数据挖掘-大数据选址问题(PPT+论文)详解.pptx

大数据中商铺选址问题 曾柏树 目录 1 大数据时代的4个“V” 2 关于商铺选址 3 如何用大数据来看“风水” 4 百度大数据实验室 5 慧选址 6 总结 “大数据”的定义是可以归纳为4个V：海量的数据规模（volume）、多样的数据类型（variety）、快速的数据流转和动态的数据体系（velocity）和巨大的数据价值（value）。 简单来说就是数量巨大（Volume）、种类繁多（Variety）、速度（Velocity）和价值（Value） 利用对目标地段的位置，热门商圈，离居民区、学校、商业区的距离，还有调查人流量、交通方式等数据进行分析，期间还要处理种种噪声数据的影响，数据挖掘技术在大数据时代中为商铺选址带来了答案。 关于商铺选址，派人深入该地实地调查应该是最笨的土办法。而当将范围扩展至全国百余城市的重点商业圈时，个人和小团队仅凭商业直觉和有限的知识是远远不够的。这从而推动了利用商业地理数据进行商业选址及消费者地理细分的普及。但目前市面上已有基于数据驱动的选址方案同样也存在一定问题，一般是通过人群密度或者人群画像，来观察可能的消费者的分布。但是人群密度大的地方，并不代表潜在的消费者分布也多；同样，人群画像的属性也难以准确表达用户对具体位置服务的需求。 1. 从全球范围来看，采用商业地理数据进行商业选址及消费者地理细分在发达经济体已经非常普及。为更精准地服务不断升级的中国消费者，宜家家居、麦当劳、星巴克等专门成立了商业地理分析团队，来指导其在中国的店铺选址。麦肯锡的“解读中国”商业地理分析团队亦感受到来自客户方越来越强烈的需求。 2. 对于快餐连锁店，能够对比各种各样的数据，了解车流量、消费群体分布、安全信息、商业构成以及其它相关信息，可以帮助他们在决定门店选址中节省大量的开支。 下面是一份研究的是星巴克和海底捞未覆盖地区的用户对这两家店的需求分析的数据图表 分析：对比一周的需求，吃货们在周末对海底捞的需求高过星巴克。 分析：在一天之内，单身狗喜欢在午饭后约女神喝星巴克 分析：七成星巴克消费者一般选在附近1公里，而吃海底捞一般需要跑更远的距离（大约3公里）。 现有网点未覆盖的用户需求分布热力图，红色的点表示现有的海底捞火锅店的位置。 选址优化模型计算出的新网点候选位置 用大数据测算结果跟实际地址对比一下。水滴标记是初算的地址，小圆点是第二、三步复算出的地址，大圆点是最终的建议选址 实地考察的兴趣点、网民行为、消费能力、消费习惯、人口、经济数据、小区、房屋、商圈面数据……在这种种海量数据作支撑的基础上，慧选址构建了一套精准的选址分析模型，可以快速准确的帮你分析出什么类型的店开在什么地方可以挖掘最大的用户群体，并热心的为你推荐周边的待租店铺，帮你快速选择出最合适的最符合你期待的店铺位置。 连锁餐饮关注度人数热力图例 周边商品分析，合理设置菜式 参照周边人均消费情况，做好价格定位 从大数据分析选址位置人群消费时间，目的让快餐店合理应对消费高峰时期 周边配套数据分析 选址尽量远离厌恶场所 智能决策选址评分 正如大数据改变着世界一样，商业地理分析将推动新一轮大数据的进化。前瞻未来，也许重要的变革机遇就蕴藏在地理数据分析中。 谢谢聆听！