1、机器学习在LBS中的应用-百胜智能选址TalkingData 研发副总裁目录一三零售行业的发展现状和需求新一代位置智能-基于智能的位置数据四新一代位置智能-基于智能的应用工具五下一代商业智能的畅想二传统位置智能的现状和局限面向行业的分析-百胜当前经营状态西北东北西南全国8个大区市场人员200人要采集人口、流量、商业环境等大量数据每年要更新数据2次面向行业的分析-百胜当前经营状态管理成本：数据采集、整理成本巨大，每次采集人口均要走访当地，全国300个城市，小区、街道众多数据客观性：多数数据采集只是问问本地居委会等，很难确保数据客观准确数据新鲜程度：每年更新数据2次，但是现在人口流动情况复杂、城市

2、规划变化快数据解释性：采集上的人口，多数是户籍人口，但是无法覆盖非户籍人口，更无法准确采集动态流量面向行业的分析-百胜对数据、AI方面的需求根据人口、流量数据、现实竞争对手态势，持续的观察现实世界的商业变化，帮助企业快速做出决策和可执行的动作持续的智能传统使用者对人工智能还是心存疑虑，为了解决这种疑虑，人工智能要有可解释性。可解释的智能人口数据、流量数据要能解释现实状态，可以大范围替代现有人工采集的方式，数据大且精准全球领先的信息技术研究和顾问公司Gartner指出，增强型分析（augmented analytics）、持续型智能（continuous intelligence）与可解释型人工

3、智能（explainable AI）是数据与分析（data and analytics）技术领域内的主要趋势之一，并有可能在未来三到五年带来重大颠覆。目录一三零售行业的发展现状和需求新一代位置智能-基于智能的位置数据四新一代位置智能-基于智能的应用工具五下一代商业智能的畅想二传统位置智能的现状和局限传统位置智能的现状和局限第一代产品Map（Base）Point、Line、AreaVisualizationStyleTools（圆、多边形、距离、面积）Query、Label传统位置智能的现状和局限第二代产品传统位置智能的现状和局限2006开始应用GIS系统拥有200多个图层全国覆盖，大量聚客点大

4、量商业信息、情报和业务结合紧密，全国200多个市场人员使用传统位置智能的现状和局限目录一三零售行业的发展现状和需求新一代位置智能-基于智能的位置数据四新一代位置智能-基于智能的应用工具五下一代商业智能的畅想二传统位置智能的现状和局限基于算法的位置数据增强 方法论Enrich your data and add context with our value-added location data services:demographics,segmentation,routing and more.Process hundreds of millions of data points from

5、first、second、third partin the location analysis system.ANALYSE ToolsInteract with actionable dashboards and use geo-analytical algorithms to bring previously buried patterns and correlations to the surface.MAP&DISCOVERRadically shorten the time-to-insight to uncover root causes,improve operational p

6、rocesses,anticipate customer needs,find new areas of profitable growth and more.PREDICTENRICH Data基于算法的位置数据增强 如何用算法提高数据密度GPS基站WIFIWIFI数据在可定位数据中占较大的部分基于算法的位置数据增强 如何用算法提高数据密度设备的连接行为以一个月内0到23小时对应的连接天数来表征，共24维，Double类型，也就是说我们基于这24维特征进行聚类分析。常用的聚类算法有基于距离（相似度）的K-Means及其变体，基于密度的DBScan等，DBScan常用于位置点的聚类，能够识别出

7、异常点作为噪声，K-Means算法是通用的聚类算法，通过计算样本之间的距离（相似度）来聚类，目标是使得簇内距离尽可能小，簇间距离尽可能大。基于算法的位置数据增强 如何用算法提高人口数据精准度单台设备采集数据离散位置点离散位置点（共11个）红色：夜间采集点采集点（7个）蓝色：日间采集点采集点（3+1个）基于算法的位置数据增强 如何用算法提高人口数据精准度引入聚类算法进行地理上聚合问题：海量的离散位置点离散位置点无法表达精确精确定位信息（例如居住定位信息（例如居住地、工作地地、工作地），需要聚合成有意义的点），需要聚合成有意义的点经过N轮（例子中是12轮）聚合，将数百个离散点离散点聚合得到3个聚合

8、点聚合点（符号表示）聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。基于算法的位置数据增强 如何用算法提高人口数据精准度基于算法的位置数据增强 如何用算法提高人口数据精准度未经深度处理的人口数据经过深度处理的人口数据基于算法的位置数据增强 综合性数据平台整合整合打通三层核心数据，数据驱动量化决策打通三层核心数据，数据驱动量化决策品牌信息客流指数居住人口小区数据门店门址就业人口商圈围栏房价地理底图企业信息行政围栏街道围栏交通设施

9、年龄区段性别收入级别消费等级娱乐设施兴趣消费偏好教育情况教育设施医疗设施路网信息职业信息区域内人迹行为信息基础地理信息城市商业区域信息目录一三零售行业的发展现状和需求新一代位置智能-基于智能的位置数据四新一代位置智能-基于智能的应用工具五下一代商业智能的畅想二传统位置智能的现状和局限基于智能的应用工具-整体架构数字化选址决策辅助栅格化数据TD数据(TD Data)TD合作伙伴数据(3P Data)聚类算法分类算法回归算法决策树算法随机森林算法机器学习业务数据互联网数据（WWW）人口数据接口客流数据接口画像数据接口商圈/网格画像接口商圈/网格评估接口商圈/网格推荐接口多元数据存储平台数据增强平台

10、模型运行平台数据接口平台应用工具基于智能的应用工具-算法的平民化 插值和平滑算法的民用化 无监督学习的平民化 交通大数据的平民化 机器学习和深度学习的平民化基于智能的应用工具-如何发现商业价值房价餐饮购物插值平滑算法，以商业思维补充空值 样条化 高斯平滑 拉格朗日插值基于智能的应用工具-如何定义地块属性商业板块观测利用TalkingData POI数据，进行空间聚类，完全靠客观手段对网格进行画像纯商业纯住宅纯办公偏办公纯风景偏风景基于智能的应用工具-如何度量交通环境通达性问题利用交通大数据（立德空间），不出门就可以了解道路通达情况、监控现实世界客流变化基于智能的应用工具-如何观测门前客流场景：

11、GPS采样信号的质量会严重影响地图匹配结果：采样频率的降低、定位误差的加大、信号的丢失，都会使匹配的不准确性增加。这些情况在实际应用中经常出现。客流动线问题基于智能的应用工具-如何综合评估流量pk：option1option21.客流：option2店位相对option1店位人流均好性更强；2.交通动线：option2享有北向和西向的地铁来客，而option1单纯依赖于南向的地铁来客。option1option2商圈生态pk：option2option31.商圈属性：option2的覆盖商圈配套构成主要是商业区，而option3的覆盖商圈除了商业区外，还有大量的商业+住宅和办公+住宅的复合配套

12、类型，较好地均衡了日间和晚间的客流。2.增益品牌：Option3店位正对着家乐福，还有鼎好商城一堆出口。option1option2option3option3option2基于智能的应用工具-如何加持人工智能根据百胜已经选址的网格，加入TalkingData30个维度的特征，学习出方程，落地区域选择关键因子，找出城市中可选择最集中的区域，并进行排序，推荐出最值得关注，最优先进入的区域，锁定重点区块目录一三零售行业的发展现状和需求新一代位置智能-基于智能的位置数据四新一代位置智能-基于智能的应用工具五下一代商业智能的畅想二传统位置智能的现状和局限下一代商业智能的畅想下一代商业智能的畅想站点选址

13、通过对地址的纵向与横向多指标评估，衡量潜在的业务情况，给出指导建议与发展目标降低库存通过销售预测来指导进货与库存，在保证供给的前提下，进一步降低库存金额，降低成本评估销售目标通过对当前累计销售额与未来销售预期的预测分析，评估销售目标的完成进度与质量。有需要的还可以及时调整销售目标，做到敏捷运营。指导排产、配送准确的销售预测，还能够将预测数据倒推到生产、配送环节，指导排产、物流01020304指导人员排班通过分时段的销售预测，来指导门店进行更为合理的数据化排班，最大化地利用人力成本，同时保障客户消费体验。0506预测顾客需求通过市场调查、专家意见等定性预测或基于市场营销活动做因果模型预测，来预测客户需求的产品与需求的量，挖掘客户消费潜力下一代商业智能的畅想全国总计5000+门店最长提供未来21天SKU级别售卖量预测，平均每个门店接近100个SKU营业时间内30分钟预测一次当日未来每15分钟的售卖量，实时指导门店生产计划最长提供未来90天订单量与销售额预测，优化原料供应、人员招募与排班大范围细粒度准实时长周期机器学习建模实现销售预测