近日有市场消息称，监管部门将对核准制下的主板申报进行了行业限制，限制行业涉及食品、餐饮连锁、白酒、防疫、学科培训、殡葬、宗教事务等，并称正在深交所主板IPO的蜜雪冰城已经撤材料。而在1月5日，接近蜜雪冰城相关人士透露：“公司的上市工作正常推进中，暂时没有接到任何相关通知。”我们暂且不论蜜雪冰城是否能顺利IPO，但想要真正看懂蜜雪冰城，关键要回答一个问题，那就是为什么它明明卖的这么便宜竟然还这么赚钱？围绕这个问题，极海策划了这期市场洞察专题，扩展聊聊蜜雪冰城的商业逻辑，更重要的是借由它去洞悉下沉市场的逻辑。由于内容篇幅过长，将分为上下两篇回答以下问题：开店到底有没有规模经济？实现规模经济的方法和过程是什么？为什么只有下沉市场才能出万店品牌？是什么造就了下沉市场的盈利能力？未来的大城市和小城市，哪里的连锁化率会高一些？加盟的困境到底是什么?蜜雪冰城还能开多少家门店？

如何估计全北京星巴克一天的售出杯数？不巧被我们说中了，瑞幸真的逆风翻盘了！深扒|即便退市，瑞幸的4541家门店也够你好好学一课！极海品牌监控平台正确打开方式，请mark!品牌监测报告

尽管星巴克一直在强调自己“第三空间”的属性，但面对业绩增长压力下越开越密的门店、占比越来越高的线上营收，星巴克“第三空间”的故事还能讲得通吗？*平均最短距离：一定范围内，每家门店与之最近门店距离的平均值。全文共6283字，干货较多，预计阅读需10分钟，欢迎收藏后再看。文章框架如下：第一部分：说明“密集型开店”策略在商业上应用的优势和局限第二部分：对比分析了多个不同指标来量化“门店密度”的概念第三部分：以星巴克为例，分析了“门店密度”指标在具体商业场景上的应用第四部分：探讨了“门店密度”在行业上的差异性以及如何用这一指标指导门店选址01门店密度越高，生意就越好？7-Eleven

我尝试以方便查询到的公开数据为基础，从零开始测算北京星巴克一天的售出杯数，所有数据都具有明确来源和计算方法，主要数据来源如下：1、查询美股上市公司财报：View

01一个成功的理论并不需要是最准确的理论，足够简单有时候更重要想象一下如果你能通过观察大街上女性裙子的长短，而不是一大堆复杂到让人脱发的计算数据来预测经济的股票走势，那你一定是别人眼中更富有“洞察”的那个人。1926年，经济学者乔治·泰勒提出了著名的“裙摆理论”，该理论表明，女装的边缘会随着股票价格的上涨而上升。泰勒是一个著名的劳资关系方面的专家，在他的职业生涯中，泰勒解决了2000多次罢工，但至今为人所津津乐道的，却是裙摆指数，不知道这对他是幸运还是不幸。类似的理论还有很多，靠谱的不靠谱的都有，它们的流行自然有其富有话题性的一面，但更重要的原因还是这些理论都在试图构建一种运用简单指标得到重要结论的关联性模型，我们的大脑对这种取巧的方法总是求知若渴。我并不认为这有什么不对，运用这种技巧在大多数情况下都是非常高效的。为什么广告总喜欢强调自己的销量领先，销量大产品就一定好吗？不一定，销量和产品质量没有直接关系，但销量好总有他卖的好的道理——它不一定对，但大概率对，又足够简单，这就足够了。显而易见，越简单的模型通用性越强，越复杂的模型限制也越大。当我们尝试用更易获取和处理的信息去构建一个有效的模型，我们称之为“洞察”，当我们尝试用更多数据更全维度去构建一个有效的模型，我们称之为“大数据”。构建模型并不难，难的是如何判断模型的有效性。所以要让洞察变得真正有价值，必须把洞察放到更多的例子中去不断验证。只有经过验证的洞察才是知识。02我们能用星巴克门店的多少来判断一个城市的经济水准吗？戴德梁行曾发布过一个“星巴克指标”，认为一座城市的星巴克越多就越有活力和竞争力。21世纪经济研究院也认为，星巴克的门店数量，是衡量一个地区商业与消费活跃程度的指标，侧面反映了一座城市或一个区域的投资价值。这一观察可能是符合直觉的，但个人直觉很难形成共识，至少深圳人对星巴克指数的认可度肯定就不如杭州人。（注：截至目前，星巴克在深圳223家，杭州301家）▲

哈佛大学，这所公认的世界名校，开创了很多领域。比如哈佛大学的计算机图形和空间分析实验室，在早期地图学和计算机领域的交叉应用，被认为是地理信息系统的鼻祖。鲜为人知的是零售餐饮行业的市场分析和选址，也是从哈佛大学开始体系化，并且开枝散叶。William

咨询公司所提供的，是当企业中高领导层面对一些重要问题无法回答的情况下，所展开的服务。一般来说，企业领导都知道自己企业发展中遇到的问题，但是受限于自身的能力、知识体系、利益冲突，甚至是企业内部政治斗争，他们必须要聘请一个外部的第三方机构来回答这些问题，并且提供解决方案。由于企业所面临的问题，有可能会影响数以亿计的投入和收入，花几百上千万来为咨询买单，是一个看起来不错的解决方案。在中国的实践案例里最著名的莫过于华为，他们花费数十亿美元聘请了IBM、贝恩、BCG、埃森哲们给他们提供各行各业的咨询方案，最终做成了一个一流的企业。婴儿和公司有什么共同点？他们有各种各样的需求，需要时常的照顾和管理，他们在不断的学习周边的变化，他们都能通过各种手段最大可能得到他们所希望的。这其中最重要的，在我看来，就是通过自身的成长和发展和对外界的观察和总结，在不断的学习。每一个企业，但凡有点进取心的，都会在循环中不断经历这个过程。特别是现在商业社会里，各种数据无处不在，自身运营数据，行业数据和外部另类数据等都给他们的成长提供了发展的空间，他们亟需希望能够有人，特别是外部的咨询公司来帮他们。当然，如果企业内部有外部咨询公司经历和相关背景的人，他们也会求助于这些人。咨询公司由于服务过很多企业，有自身的方法论，且站在软件数据供货商和企业中间扮演角色，能够更快进入回答问题的角色。站在公司最高的战略决策者的角度，他们的问题会是：我们在哪个战场展开并获胜？哪里是我增长最快的市场？如何最快的把我的产品交到客户手里？如何在合适的地点和时间成长为客户心中的最佳品牌。当这些问题转化为空间问题，那就会是：我自己现在的布局在哪里？竞争对手的位置在哪里？相比我自己的公司又如何？如何优化我的供应链能力和路径？哪里有增长的空间？如何优化增长？有些最高战略决策者的问题，看似和空间无关，其实亦能问出空间问题。比如在2015年通过的新会计准则下，长租的资产都会被记入企业的固定资产。这样一来资产回报率因为分母的变大而被拉低。这个法则的通过，对于重租赁的行业有很大挑战。对于实体零售企业而言，如果选址不当，等于一开始就背负了巨额债务，财务报表显得愈发难看。这本身是一个财务问题，但是最后归根结蒂，是一个空间的问题。我们这里总结了部分行业的常见的问题和解决方案。可以看到的是，不同类型的企业其实对于“空间”的需求是不一样的。在贝恩咨询的观点里，有些是工具的问题比如电信企业，有些是认知的问题比如化工企业，有些是执行的问题比如加盟连锁型企业（加盟商、分销商的水平层次不齐）。值得注意的是，其观点里自持型的连锁企业，企业需求简单，空间分析成熟度偏低。我个人觉得这个仅适用于类似企业的发展早期。假如我只有10个门店，我需要做扩展100个门店规划，作为比较典型的战略咨询公司所呈现出的结果，企业需求的确简单，空间分析也不需要复杂。但是一旦这样的公司继续自主持有（狭义的零售企业都是自主可控的），且进入到高速发展阶段，从100个门店扩展到1000个门店的时候，那么无论在企业的需求和空间分析的成熟度上，和早期完全不在一个水平线上。无论位于哪个象限，每一个带有“空间”构件的咨询项目都有成功和失败的案例。如果说成功的理由只有一个，那么失败的原因则有很多。最主要的包括：由于对问题的解析不够，对于那些低垂的果实视而不见，从而导致“立竿见影”的效果来的太晚。这需要有敏锐的问题解析能力。工具对于日常使用而言过于复杂，从而让执行变得非常波折。举个例子，咨询公司把适用于1000家门店规模的软件用于10家门店的企业，那必然导致项目失败。过于依赖工具。人变成了工具的奴隶，把真正有价值的思考让位于工具。实际上尽信书不如无书。带有地理空间的企业软件，有其复杂性，但亦有常识性。业务方向的领导并没有提供有效的支持。其实这一点和前面一点是相通的，因为一旦工具本身脱离了业务，价值本身就打了折扣。这一点在“空间分析”的项目上表现的尤为突出。把业务挑战和“空间”问题串起来，需要领导的透彻理解。一线人员不信任指导。这种情况就是我们说的领导热心而实际的操作人员并不在心。和前一条正好相反，就是一线人员对于空间的价值认知打折扣。找错了咨询对象。企业去和缺乏业务了解的软件公司/数据公司直接沟通，或者企业去和没有空间服务软件实施经验的咨询公司合作。在地理空间这有一定专业性的领域，这样的咨询肯定会以失败而告终。四大以及IBM，埃森哲等一些以业务流程实施为主的管理咨询企业很早就开始了地理、空间分析方面的咨询工作。他们服务于很多大型的油气、电力、零售企业，自然对于空间分析有很多需求。以我比较熟悉的零售为例，九十年代中后期，我的前老板，前麦当劳的房地产研究总监

极海品牌监测平台2.0版正式上线啦！它是国内首创的以门店位置作为关键维度、最快更新频率以“天”为单位、提供全量数据下载的产品，实质它是一个数据订阅产品。这是我们秉承着辅助零售品牌精准决策初心，一次针对垂直领域对线下大数据技术及其价值挖掘诚意满满的实践。▲

三年前，国内零售IT业的老兵，米雅科技的董事长杨德宏到访达拉斯。我每次去北京，只要有机会都要去拜访这位前辈，看着他从富基融通功成身退，继续在米雅科技开创一番新事业。这次作为东道主，我特意在达拉斯的一家叫米雅的餐厅招待了他。这家年纪比我还要大的餐厅是著名的牛腩塔克（墨西哥卷）的发源地。饭后我们步行到对面的7-11的门店，随意看看。一走进7-11，作为零售资深专家，杨总开始挨货架数店里的sku品种和数量。杨总介绍说一年前屈臣氏曾经找到米雅，想做一些品类管理的工作，同时想做一个门店位置品类打标签的工作，希望了解自己旗下的门店的类型，是否可以按照门店的位置打标签。做这个工作的目的，就是为了实现千店千面。所谓的“千店千面”就是打破目前的格式化零售，从店铺规划、商品组合、零售促销、门店运营等各个方面，实现真正的个性化零售、差异化经营，满足消费者的个性化消费需求，进一步增强零售店的吸客能力和经营活力。那么这第一步就是给门店打标签。如何去给门店打标签，定义其属性？埃森哲认为，首先，电子商务渠道敏感度对店面划分有较大的影响。其次，地理位置这一经典元素同样重要。通过地理位置对门店属性的定义，ICSC

想不到一个非一线、非直辖的城市诞生的连锁便利店品牌，在一省之内却开出全国数量最多的直营门店，更想不到这个品牌已上市8年，成立20年之久。它便是便利店界的”奇迹“——红旗连锁。而它的逐渐庞大，是从收购开始。从2015年起，红旗连锁进行了四次省内收购：2015年3月，红旗连锁公告拟以2.38亿元收购成都红艳超市旗下的125家门店以及位于温江的物流配送中心等相关资产；2015年6月，红旗连锁宣布拟以4.23亿元收购互惠超市，互惠超市的相关资产包括388家门店及其店内的设施设备、配送中心资产和农庄资产；2015年10月，红旗连锁再次出手，收购乐山四海超市的32家门店；2019年4月，公司宣布使用自有资金2800万元收购9010位于大成都地区的门店使用权及其门店设施、设备的所有权等。直到今年疫情期间，红旗连锁也未放缓市场开拓工作。9月17日，红旗连锁与甘肃省兰州国资利民资产管理集团投资的“红旗便利”连锁超市首批15家门店正式在兰州亮相，预示着它的跨省之路正式开启。据悉，双方合作力争2年内在兰州开设200家门店，3年内开设500家门店，并以兰州为中心逐步向周边城市拓展，辐射甘肃市场。而截至10月13日，极海品牌监控到的红旗连锁已在四川省内8个城市，拥有3259家门店，5家未正式营业。这8个城市包括成都、绵阳、乐山、眉山、德阳、内江、资阳和雅安。由于红旗连锁在兰州的便利店名为”红旗便利“，因此这15家门店没有计算在总数内，如果算上，红旗连锁旗下门店总数达到3274家。通过周门店数变化趋势线和月门店数变化趋势线，可以看出红旗连锁最近一个月门店数量都呈现上涨趋势，目前红旗连锁在四川省有3254家营业门店。这样一个强势的区域性品牌，它的市场策略和选址有什么可挖掘的呢？观察它的意义在于对红旗连锁未来门店布局的揣摩，毕竟这样一个财力雄厚、运营经验丰富的品牌，它的出川无疑会让全国铺店的连锁便利店品牌倍感压力。根据城市门店排名和分城市等级门店数排名两张图，红旗连锁门店只分布在四川省，有超过80%的门店分布在成都市。所以从分布来看红旗连锁品牌的定位是集中在特定地区的。根据门店类型结构图，红旗连锁门店绝⼤部分分布在住宅小区。综上所述，红旗连锁的选址策略会优先考虑四川省内城市的住宅小区附近。值得留意的是，由于红旗连锁在住宅小区周边驻扎的占比优势太过明显，这也说明它也深谙住宅区经营之道，而便利店行业（包括生鲜商超）未来下沉趋势之一便是社区化，因此红旗连锁累积的经验具有一定优势。红旗连锁另一大优势便是门店总数以及直营店属性，那它在便利店行业会是“常青树”般的存在吗？我们根据同行业门店总数对比图，单个色块面积大小代表该品牌门店数多少；可以看出红旗连锁和罗森位于行业的头部位置。而罗森布局全国，并且已开放了加盟。开放加盟后的罗森“来势汹汹”，10月上半月全国便利店品牌门店排行可以看出，罗森近30天内新增门店115家。增长紧随其后的是便利蜂，一个月新增45家门店。再者才是深耕本地的红旗连锁，新增门店29家。尽管目前，红旗连锁依旧占据行业头部位置，但紧追其后的罗森后劲更足。而通过便利店行业14个品牌最近一个月的门店数堆叠折线图，我们可以看到行业在最近一个月的门店数基本保持平稳。在平稳态势下，进击拓新的品牌就显得格外惹眼，红旗连锁的优势可以说非常明显了。按理它该大跨步的跨省铺店，乘胜追击才对，可见红旗连锁还是想走稳扎稳打的路线。在分析红旗连锁开店秘诀之时，我们由此也发现了些”好朋友“品牌布局奥秘，算是意外惊喜。首先，我们对红旗连锁门店在四川省范围内周边500米范围作统计，发现上图这些品牌出现在红旗连锁周边的经常出现，即红旗连锁的“好朋友”品牌。可以看到书亦烧仙草、绝味鸭脖、蜜雪冰城、瑞幸咖啡都是它选址的依附”好友“，上榜的名单中令人意外的便是书亦烧仙草和瑞幸咖啡，说明这两个品牌在四川省的铺店比重都很大，不然怎么跟红旗连锁做朋友。进一步的，我们选取红旗连锁门店分布最多的成都市作统计，在红旗连锁周边1000米范围内发现这些品牌经常出现；上图中大小代表着覆盖率的高低，进而可以理解成为关联程度的高低。灰色箭头线条的粗细代表着这条规律的出现的可能性大小。这些品牌包括书亦烧仙草、蜜雪冰城、绝味鸭脖、瑞幸咖啡、良品铺子还有苏宁电器等。根据红旗连锁周边的好朋友的关系，我们提出一个假设，在好朋友和好朋友组合的周边，也应该出现研究的目标品牌。那么基于这个假设，首先提取出“好朋友”们门店出现的区域，在这些区域里面筛除掉目标品牌门店存在的区域，剩下的就是目标品牌“应该出现但却没有出现”的区域，即红旗连锁的“空白市场”。图中即为红旗连锁在成都市的空白市场分布，颜色越深越接近空白市场中心，虚线围成区域为精确的空白市场。可以看到在成都市，它的空白市场只有9处，说明红旗连锁在成都已经拥有绝对优势，甚至到了转角可见的程度。为了了解区域铺店与全国铺店的品牌在选址上的异同，我们选择了全家便利店与红旗连锁进行门店比较。一个问题，为什么没有选择门店总数最接近，同时也全国布局的罗森呢？因为在红旗连锁门店全国周边1000米范围内，我们没有看到罗森便利店的身影。首先，对比红旗连锁和罗森近一个月的门店数，红旗连锁的门店数有明显上涨趋势，全家的门店数没有变化。从开关门店数上看，红旗连锁有5家未营业门店，全家没有未营业门店，二者营业状况都很好，全家相对更好。从省份和城市的覆盖上看，全家覆盖的省市多于红旗连锁。进而我们通过对红旗连锁1000米内全家门店距离比较，目前二者相遇平均距离644米，相遇门店中每个红旗连锁周边都有2.29个全家，它们相邻可能性不大，但竞争直接。并且它们相遇商圈蚕食率约为60.01%，处于较高水平。说明二者相遇时，红旗连锁和全家门店位置选择条件相近。那么全家和红旗连锁的选址策略是不是一样呢？我们可以从全国周边营商环境，人口、交通、地产、商业、消费这5项指标找到答案。、人口方面，全家门店覆盖的总人口更多，且所在位置的人口密度更高。交通方面，红旗连锁附近的交通更畅通，全家附近公共交通便利。地产方面，全家门店周边的房价水平明显高于红旗连锁；红旗连锁几乎不去办公区开店。商业方面，全家周边的竞品更多，红旗连锁附近生活便利程度高。消费方面，购物消费红旗连锁高于全家，其他方面全家的消费指数更高。总体来说，这种加强城市密度的铺店手段，对于便利店品牌是最佳的选址策略，红旗连锁的社区基因更具优势。其实中系便利店分为3类，24小时营业（石油系）、18小时营业（区域性龙头）以及部分时段无人模式（如苏宁小店和便利蜂）。而区域性龙头便利店的核心竞争力，在于是否可以构建“到家+到店”的综合模式。红旗连锁是中系便利店首家独立A股上市企业，而它在成都地区的门店比例占据全国市场的95%以上，可以说已经带有了”到家+到店“的基因。而且近年来红旗连锁充分运用大数据，上线了IMP综合营销平台、24小时无人售货服务、红旗连锁电子购物卡、红旗连锁到家服务等，打造社区零售新模式。因此它向外的拓店时机已经到了。而且今年出川探索的同时，红旗连锁也在加速省内网点布局。据悉在四川省部分二级城市，红旗连锁还未布局。未来，它将继续通过新开门店和对外并购的模式进行市场覆盖。我们看好红旗连锁的稳健，希望它能一直是便利店行业独树一帜的存在，对此极海也将继续关注红旗连锁出川之旅。零售行业专题目录业务专题

9月25日，蚂蚁集团在外滩大会上宣布，卫星遥感技术将在农村金融领域商用。这套以卫星遥感技术为基础的农村金融风控系统，被网商银行命名为“大山雀”。蚂蚁集团认为，用于支持农村金融的商业化卫星遥感，是一个万亿市场的生意。▲

迪卡侬运动零售超市作为全球最大的体育用品零售商，一直被业内誉为运动品牌中的“宜家”，自2003年进入中国，它持续火到现在都没有衰败的势头。根据2017财年迪卡侬公布的业绩，中国市场营收达到105亿人民币。而2019年迪卡侬集团全球总销售额达124亿欧元，同比增长9%，比耐克集团营收增幅高出2个百分点。迪卡侬是出了名的求稳，不激进扩张也不执迷于赚快钱。在中国，它每家卖场的占地面积从几千平米到上万平米不等。大体积也对它的选址提出了高要求，更直接挑战其运营力。根据极海品牌监测数据，截至9月28日，迪卡侬在全国30省份105座城市拥有门店291间，其中1间门店暂未营业。且通过周门店数变化趋势线和月门店数变化趋势线，可以看出迪卡侬最近门店数量十分稳定，而这种稳定而缓慢的增长，是迪卡侬一贯的作风。据悉，若非遭遇疫情，迪卡侬曾计划2020年大胆开拓更多三、四线市场，并逐渐从郊区店模式向中心城区布局转型。既然如此，本期我们不妨透过它的市场策略与选址偏好，换个角度查探迪卡侬的开店秘籍。根据城市门店排名和分城市等级门店数排名两张图，我们发现迪卡侬门店大部分分布于新一线城市和二线城市；而一线城市的平均门店数最多。所以从分布的城市来看迪卡侬品牌的定位是相对高端的。这也是由于一线市场更能接受从基础体育健身用品，到马术、高尔夫等小众运动装备，上万个SKU都能在一线市场找的相应的消费场景。而根据门店类型结构图，迪卡侬门店分布在购物中心的占比很大。综上所述，迪卡侬的选址策略会优先考虑一线、新一线城市的购物区，住宅区、写字楼等区域出现的可能性不大。再来看看体育用品行业整体情况如何。通过同行业门店总数对比图，单个色块面积大小代表该品牌门店数多少；可以看出李宁的门店总数是行业最多的，而迪卡侬处于行业中部的位置。由此，我们也拟出了行业9月品牌门店数排行榜，目前整个行业门店数排名第一的李宁全国拥有6647家门店，位居首位；近期门店数增长迅速的品牌是万斯，月增长10家门店，迪卡侬和奥龙世博新增1家门店，行业其他品牌门店数平稳。通过体育用品行业8个品牌最近一个月的门店数堆叠折线图，可以看到行业在最近一个月的门店数略有波动，但从最近的几天来看，行业的门店数有上涨趋势。这也是临近十一黄金周的缘故。虽然迪卡侬的门店增速和总数都不是最拔尖的，但它胜在一个体量，体量如此之大又全产品自营，侧面再次力证了它的商业模式和营运能力极其出众。那么，如此优秀的迪卡侬会不会也受锢于它的体量和门店规模呢？我们先来看看它偏好与哪些“好朋友”站在一起。在对迪卡侬门店在全国范围内周边500米范围作统计时，我们发现上图这些品牌出现在迪卡侬周边的经常出现，即迪卡侬的“好朋友”品牌。这些品牌包括肯德基、屈臣氏、星巴克、绝味鸭脖等消费品牌，运动或服饰品牌的好友名录里，出现了阿迪达斯、杰克琼斯、热风。为了更加聚焦，我们选取迪卡侬门店分布最多的上海市作统计。上图中大小代表着覆盖率的高低，进而可以理解成为关联程度的高低。灰色箭头线条的粗细代表着这条规律的出现的可能性大小。在上海市迪卡侬周边500米范围内发现上图这些品牌经常出现，其中关系最为密切的品牌是星巴克、肯德基、来伊份。根据迪卡侬周边的好朋友的关系，我们提出一个假设，在好朋友和好朋友组合的周边，也应该出现研究的目标品牌。那么基于这个假设，首先提取出“好朋友”们门店出现的区域，在这些区域里面筛除掉目标品牌门店存在的区域，剩下的就是目标品牌“应该出现但却没有出现”的区域，即迪卡侬的“空白市场”。▲

学生时代刚接触了互联网的我，很频繁的用“地球村”来形容这个世界：无论天涯海角皆近在咫尺，我们和全球各个种族的人都像村民一样近乎；2000年初工作后开始真实的社会生活，那时全国知识精英们都很推崇托马斯·弗里德曼的《世界是平的：一部二十一世纪简史》中“全球化是21世纪发展必然”的理念。现在看来，最近这三十年，只不过是中国人很想上全球化的船，而西方很多很多老百姓其实一直都想下船，无奈何这条船乘风破浪航行的太快，船员们都找不到下船的时机。从去年的贸易战开始，到今年的大疫情，这条船终于搁浅在一个险滩，下船的机会到了。上船下船，每个人都有自己的选择。我们既可以热情的使用美国货，也可以不再考虑让孩子出国读书镀金。从国家层面上，我相信中国会是坚定的“全球化倡导者”，我们中国还很想去维护老朋友，也去结交新朋友。而下船的人也未见得能将船困在浅滩不放行；大潮来临，大船再次出海，阻碍浮力非人力之所及。在9月22日的联合国大会上，我国宣布除了对联合国今年紧急事务的资金支持外，还会设立联合国全球地理信息知识与创新中心。这是一个相当开放的态度，要知道曾经我国在很长一段时间内，对地图、测绘和地理信息的发布都是非常谨慎的；现如今，大数据的时代特征无疑是数据越共享、越开放也越容易通过交叉、叠加、关联、衍生产生更大的价值。这个路线图，美国政府替我们早早的做了实践，奥巴马通过强制各个政府部门共享出来数据，用数据直接下载和API的形式，美国政府无意中催生出了一大批市场化运营的经济组织和创新公司，而这些新经济的创新方法和角度是政府部门想都没有想到的——数据在我这儿都是个负担，居然在人家那里却成了宝贝。美国的数据增值创新尤其体现在地理位置数据上，这一点让我们地理大数据的从业者无比羡慕。对美国开放政府数据平台data.gov上的数据统计，整个平台空间数据集和非空间数据集的数量对比是90：1，我们可以认为美国开放政府共享出来的数据，绝大多数都是带有位置信息的。无论大洋彼岸的“领导者”们让我怎样的闹心，作为一个地理信息的创业者，我始终对对岸的同行们抱有学习的心。在地理数据的合作共享上，美国的同行们还在继续大力前行。除了各城市级别的政府数据共享平台陆续上线（数据同样也是大量的以位置标签为鲜明特色），民间组织同样不甘寂寞：以API形式专门共享位置数据的社群组织Placekey，成员数量目前已经号称上千（thousands

8月31日，国美零售发布的2020年中期报告中称，公司收益190.75亿人民币，比上年同期降低44.44%；归母净利润亏损26.23亿人民币，同比减少3.8亿人民币。从国美财报数据能够看得出，上半年度国美零售遭受了史无前例的艰难，营业收入为190亿，而销售毛利却达到173亿，亏损26亿！2020年上半年度，国美的利润率小于9%，由此可见其境遇有多艰辛。今日国美的总市值与阿里巴巴或者其他的头部电商平台已经彻底不是一个数量级了，与苏宁易购对比也不上一半。有报道称，国美将来的转型发展之途将是精减线下推广店面，并下大力气打造出线上平台。如何精减，线下门店是否还有生机可循，本期极海数据图解国美电器，了解下它当下的处境以及门店布局情况。极海品牌监控数据显示，截至9月22日，国美电器已布局全国25省份164座城市，共拥有门店1307家，其中11家门店未营业。且近一个月门店开闭波动较大，近几天有闭店情况出现。国美电器线下门店选址多偏重于住宅小区聚集地，其次是办公场所附近，值得注意的是学校周边出现国美电器门店的机率要比购物中心大。国美电器在电器行业众多品牌中，属于第二梯队，门店积累仅次于苏宁电器，总体还是在行业TOP前3位置。我们找到国美电器门店数量最多的上海市，分析它门店的空白市场发现，国美电器还有很大的市场空间可寻。尤其是内环周边区域，成圈状分布。比对它与好朋友“苏宁电器”之间差异，发现它们在选址上存在较大程度的依附关系，一定程度上二者是紧邻开店。目前国美电器整体门店运营情况好过苏宁电器，可见苏宁相当大的业务比重已经移至线上。人口方面，国美电器覆盖的总人口更多，苏宁电器门店所在位置的人口密度更高。交通方面，苏宁电器附近交通环境便捷。地产方面，国美电器覆盖的居民小区、写字楼更多。商业方面，国美电器的竞品相对较多，苏宁电器周边商业指标略优。消费方面，苏宁电器消费指标全面略高于鲜丰水果。总体来看，苏宁电器的门店选址策略会更优，或者说更能辐射到与产品定位相匹配的客群。按照国美的规划，接下来国美电器通过与京东和拼多多合作拓展线上客户，线下以实体店为中心，将利用“网格化社群”的形式为周边3-5公里社区提供服务。近日国美又发布了新组织架构和人事任命，涉及国美零售主要下辖国美在线公司、国美家公司、国美电器公司、锅美优食公司、国美投资公司、国美定制公司和物流平台公司等。希望早日看到国美电器重现昔日荣光，门店不可弃，门店需转型。零售行业专题目录业务专题

全文3471字，预计阅读时间5分钟根据麦肯锡的报告，私募基金的管理资产总量从2002年至今已经增长了7倍，全球共计有超过8000家公司被大型的私募基金所持有，总资产达到了5.8兆亿美元。从行业上看，私募基金投资行业里，和地理位置息息相关的行业包括消费品（零售/餐饮）、房地产和医疗卫生。这三个行业占据了私募基金交易总量的30%。他们的特点在于其本身的管理在信息化过程中，落后于其他行业，比如IT/金融/能源等。私募基金通过管理上的整改，有时往往立竿见影。今天，我们不妨来聊聊私募基金外延到整个投资行业，该如何利用空间数据及分析获得一个特殊武器，并在和其他基金的竞争中获得优势。这种优势主要表现在竞标的过程，它们可以从地理纬度获得更多的信息，而不拘泥于收入报表；或者能够帮助它们增加哪怕是个位数百分比的回报，但是转化到整个资产，就是千万上亿的收入。

2015年至今，以乐刻运动、Keep、超级猩猩等为代表的互联网健身兴起，没料想2020年因疫情，它们又一次迎来井喷式爆发。5月，极海品牌监控发现超级猩猩在进入5月以来处于稳中有升的状态，而乐刻运动在5月10

本周，我们继续在极海lab上发布品牌监测数据，并配制好相关的图表来解读苏宁小店、百胜、百果园等品牌门店发展的状况。在讨论配合图表尽可能少用文字时，我们运营的小伙伴表达了一个担忧：图表对很多读者来说，有门槛：对比枯燥的数据，一样也有看不懂的难题。我心里其实有些小不服气，不是说一图胜千言吗？我们的文案几乎是采用了最常见图表类型的信息图，怎么会有人抱怨看不懂呢？不过后来想想也释然，世界上任何一个话题，无论多么简单，解释的人费多大的劲，总会有人说Ta听不懂。这个时候对于解释者来说，除了垂头丧气，可能最谦卑而理性的心理状态应该是：我自己的解释“功力”还不够吧。根据诺奖得主丹尼尔·卡尼曼的超级经典著作《思考快与慢》，人脑并不自动接收逻辑的认知，甚至可以说绝大部分人本能的都是排斥需要计算、分析、推理这种耗费大脑能量的思考（卡尼曼称其为思考的系统2）。而和数据有关的认知，哪怕就是一张简单的图表，也是这种典型的需要系统2开动的大脑运作模式。请原谅我在上面引用德勤Josh的话，来暗示那些懒着动脑子，排斥对数据“适应性”的职场人士正在走着与薪水提升背离的下坡路。懂图表，沿着图表作者的思路琢磨，算得上是对数据最基本的适应性了吧。这种适应性体现的是对数据如何加工成信息来解释世界的好奇心。像极海这样的数据及图表、报告的制作者、传播者，需要不断尝试的是想方设法来启发这种好奇心。努力的方法也无它——依靠故事而已。斯坦福的课堂研究表明，听课的学生中，能记得住数据故事的人数和记住统计数据的人数相比，差距10倍以上——即便大家都是一群脑子极好使的学霸。▲

again》，这本书讲述了他们几个小伙伴创业Keyhole到创造了大红大紫的谷歌地球再到离开谷歌后又开发了全球风靡的游戏——《精灵宝可梦Go》的故事。▲

去年底，上海锦江国际酒店股份有限公司发布的三季报引发酒店行业关注，曾经的快捷连锁酒店之王“7天连锁”在2019年前三季度，较去年减少97家。早在2018年财报显示，2018较2017年减少142家。2005年7天连锁酒店成立，当时是中国快捷连锁酒店发展的一个萌芽期，之后多家快捷连锁酒店的激烈竞争之下，7天酒店跑马圈地，七年间7天酒店的数量也从100家迅速突破1800家。这一数字增长到2019年底，是2229家。今年经历疫情，7天连锁的现状如何呢？本期，极海尝试用长图全景展示它的现状，以及它与行业“好友”的关系图谱。目前，7天连锁在全国拥有总门店数1511家，较上年末锐减幅度大。7天连锁分布最多城市是北京，定位偏重国内发达地区。7天连锁酒店选址多偏于住宅及高校附近。7天连锁酒店目前在经济酒店行业门店总数排名第二，第一位是格林豪泰。它在广州市的“好朋友”有：711、麦当劳、一点点等。我们找到了7天连锁在广州市的空白和市场，以白云区为主，横向带状分布。7天连锁的行业“最好朋友”是如家，二者无论是交通、消费、地产、商业的指数都极为相似。总体来说，如家虽然门店总数少于7天连锁，但开关店状态相对更平稳。零售行业专题目录业务专题

罗森便利店今年利好不断，4月进军河北，8月进驻南通、唐山，京津冀地区开60+新店，又要首次进驻海南、福州，安徽也计划开设100家门店，更多向芜湖等地下沉……去年年底，罗森便立下2020拓店Flag：全国布局3500家门店，彼时罗森全国门店总数约2600家。疫情折损了几乎所有行业的年度绩效，罗森今年能维持局面已是赢家。然而它拓店了，还是极速模式。▲

我们可能太爱瑞幸咖啡了。去年它风头正劲时，极海为旁观者解惑——《瑞幸为何能成为快如闪电的搅局者？》今年它突然暴雷时，极海近万字解析，从而预判瑞幸能挺过去——《即便退市，瑞幸的4541家门店也够你好好学一课！》不出2个月，事实便证明了我们眼光独到！（地理数据这该死的魅力啊~）最近，瑞幸咖啡宣布全国4000多家门店照常营业，3万多名员工按时到岗，新增用户数量继续上升，7月瑞幸单店现金流已转正（300多家未营业的大学门店除外）。管理层则预计，2021年公司将实现整体盈利。意思就是说瑞幸不再是赔钱卖产品，它开始有收益了。资本端这次没有撼动经营端，瑞幸稳住了。▲

太二酸菜鱼同行业门店总数趋势而从同⾏业30个品牌最近1个月的门店数堆叠折线图，可以看到⾏业在最近⼀个月的门店数是有所减少的，所以餐饮行业整体趋势最近是下降的。这个节点也可以看作是收割和发力的契机。▲

在新冠肆虐的今年，我们听见负责零售和餐饮企业拓展工作的人最常问的问题，并不是我们的潜在客群在哪里，客群转化率多少，而是我们的竞品门店在哪里？有多少还开着？有哪些是临时关了？有哪些是永久的关闭了？连锁企业对于竞品门店位置的了解，是门店营运成功的关键。这里，我们就试图用纳什平衡理论来简单阐述缘由。

没错，极海又来深扒瑞幸咖啡。往期阅读>>瑞幸为何能成为快如闪电的搅局者全文8456字，预计阅读时间22分钟，将回答以下问题——瑞幸是否还有绝处逢生的机遇？瑞幸门店拓展力有多彪悍？瑞幸与星巴克选址策略有何不同？瑞幸还有能力保有当下门店经营量吗？瑞幸保有门店可以反映商圈优劣质量吗？瑞幸过往高速拓店的意义何在？

其实即使在一个城市，不同区域的需求也不同。为了更加明晰便利蜂和全家选址策略，我们进一步对⽐⼆者全国⻔店周边1000⽶范围内的人口、交通、商业、消费、地产这五种周边数据指标，从全局把握⼆者的竞争关系。

Choice”“2019中国大数据新锐企业”等。服务行业及标杆客户服务行业：政府、规划、零售、地产、金融、教育、营销等。其他所获荣誉

这说明一方面沃尔玛全国分散布局，给它了更多好地段的选择机遇；另一方面也印证了沃尔玛对人流和生活场景的追求，为它往后的卖场改造、扩张中型超市版图积蓄了更优质的位置资源。

因此从数据上看，小龙坎凭借着自己加盟模式的优势，这几年迅速在全国攻城掠地，无论是覆盖省市数量，还是门店数量它都高于海底捞，看上去发展势头强劲。但在结合背景调查后发现，加盟模式影响了它去年的扩张计划。

我们正在经历的2020年，“黑天鹅”把各行各业逼到墙角，绝处求生。尤其是消费品产业，营销模式正经历着全面迭代，包括社区化营销、会员营销、实体捆绑直播营销等等。零售行业愈发思考用什么样的策略，来攻克变化带来的负阻力。这也是极海所关注的。以基于地理位置的数据平台辅助零售品牌精准决策，推动智能化新基建发展，是我们的开发极海品牌监控平台的初心。4月，极海基于互联网公开信息，进行高频维护整理的品牌门店数据服务平台（https://stores.geohey.com/）在开放为期20天的内测体验后，本周正式上线。平台旨在为零售品牌商、行业咨询公司、媒体和金融投策机构的用户提供零售、餐饮、酒店、服饰、美业、家居等多个行业的300多个品牌门店数据和发展趋势分析。简单来讲，我们提供的是对零售品牌每家门店的地理位置以及开店、闭店情况，从而去判断品牌整体的发展布局、经营状况。尤其当品牌数量达到一定的规模体量，进而也可以判断出某一个行业或某一个时期的整体发展情况。目前，极海品牌监控平台上线三大主要功能：搜索品牌数据，查阅位置数据及变化情况，下载品牌历史数据。也就是说，用户可以在平台已有的连锁品牌中找到目标品牌，并对品牌数据进行基本信息的浏览以了解数据情况后，根据自身需要下载数据历史快照。这三大功能也代表了我们监控品牌数据的基本需求。

高质量的数据：集合多源互联网数据进行校验整合，目前已收录200多个品牌，2100多万间门店位置数据及运营动态，并持续更新品牌列表。♢

先看COCO奶茶，2月10日政策性复工后一周，它的全国营业门店不足1000家，可最近1个月却急速“补血”。截至3月19日，COCO奶茶全国3554家门店已有3473家恢复经营，复工率约为97.7%。

Choice”“2019中国大数据新锐企业”等。服务行业及标杆客户服务行业：政府、规划、零售、地产、金融、教育、营销等。其他所获荣誉

近日，深圳市城市规划设计研究院（以下简称“深规院”）联合技术合作伙伴百度地图慧眼、极海GeoHey，依托慧眼大数据和极海空间规划信息平台技术，建立了面向节后复工阶段疫情防控情景的深圳社区疫情防控管理信息平台。·

步入3月，万象更新，新冠肺炎疫情的整体形势一天比一天要好，中国疫情的防控狙击战胜利在望，这是令人安慰的事。回顾过去的3个多月，极海的小伙伴也在不断研发与疫情、复工相关的产品为抗疫之战助力。在此我们选取了8个已完成且可披露的项目，以铭记这段特殊的时期，其中包括：1监测地图2个2信息平台2个3专题研究2个4直播课程2场·温馨提示：点击标题可直接跳转对应文章浏览完整内容。疫情地图新型肺炎疫情实时地图点击图片，跳转”新型肺炎疫情实时地图“详情2月初，全国疫情进入地理精细化运营局面，极海上线“新型肺炎疫情实时地图”，平台多维度每日更新全国疫情发展情况，其中包括：▶

2月正值新冠肺炎疫情防控关键时期，及时掌握疫情动态对广大市民知晓疫情信息、主动做好防范具有重要意义。为此太原市政府部门通过大量细致工作，掌握多种数据：太原累计确诊、疑似、死亡、治愈病例趋势数据太原累计追踪管理从湖北返（抵）并人员数据太原累计追踪到密切接触人员数据太原现有医学观察人员数据太原现有实施14天隔离观察人员数据太原各区县现有实施14天隔离观察人员数据太原确诊病例关系数据太原确诊病例的详细活动轨迹数据如何利用好这些数据，快速发挥数据的价值，在太原市大数据应用局、太原市卫生健康委员会、太原市规划和自然资源局的共同努力与极海的技术支持下，太原市新冠肺炎疫情地图快速上线，数据每日更新。地图分为三大板块：疫情地图、疫情动态、病例追踪。疫情地图疫情地图主要是通过可视化的地图形式，实时动态展示太原市确诊病例居住地、行程地及居民附近发热门诊。

近日，深圳市城市规划设计研究院（以下简称“深规院”）联合技术合作伙伴百度地图慧眼、极海GeoHey，依托慧眼大数据和极海空间规划信息平台技术，建立了面向节后复工阶段疫情防控情景的深圳社区疫情防控管理信息平台。·

新冠疫情未除，各地纷纷采取封城、封小区、封楼、封村、封路的防范策略，城乡日常生活和服务的供应链也随之急速改变。为更好维护城乡生活正常秩序，筑牢筑好“第二道防线”，为此，极海与中国城市科学研究会城市治理专业委员会、澎湃新闻澎湃研究所、国匠城多方联合发起疫需调查，欢迎各方积极参与。目前，“疫需调查”问卷已更新至极海新冠肺炎疫情地图中，我们真诚邀请您参与填答以下问卷。您完成的问卷将有助于准确摸底您所在区域生活、工作中面临的实际困难，为各地政策制定者提供支持，以便及时回应诉求，调整完善相关政策，保障日常生活秩序。我们承诺，您提供的数据仅用于统计研究，调查组将竭力保障您的个人隐私安全和相关利益。请您动动手指，回答此份问卷。万分感谢！以下是“疫需调查问卷”填写方式——①关注“极海”公号打开菜单栏疫情地图下拉到“疫需调查”②长按二维码完成填写点击图片跳转并收藏链接疫情地图极海·新型肺炎疫情实时地图

新型肺炎疫情战役进入地理精细化运营局面，当下态势严峻，返工潮在即，如若了解所在城市社区级疫情数据，便能帮助我们了解事态变化，做好自我防范并保护好所珍视的家人。2月1日，极海发布“新型肺炎疫情实时地图”后持续下钻，从公开渠道收录整理全国17省市，共计1673个社区级别疫情数据，并于2月6日制成“社区疫情地图”植入早前的疫情实时地图。目前，极海仍在积极对全国各省市社区级疫情数据持续监控，后续将有多城市数据更新、补充。极海·新型肺炎社区疫情地图

Choice”“2019中国大数据新锐企业”等。服务行业及标杆客户服务行业：政府、规划、零售、地产、金融、教育、营销等。其他所获荣誉

未来在地理空间影像识别版块，我们的目标是自主研发一套能够即准又快的卫星遥感影像管理、挖掘的云平台软件，为国家在这一关键领域提供坚实的技术后盾，去实现人工智能领域的弯道超车。▼·

2017最具投资价值企业-位置智能领域TOP2品牌监测报告品牌监测—瑞幸咖啡品牌监测—优衣库品牌监测——喜茶&奈雪の茶访问Blog，查看极海最新分享：http://blog.geohey.com/

如果不说，可能有些关注极海的朋友也发现了，极海有了一个新的订阅号“极海Lab"，它是干嘛的呢？极海Lab原本是极海官网上的一个子栏目，直到现在它还在持续更新着极海团队的新发现和新探索。我们这群极海人看上去没什么特别的，但脑子里总会冒出些奇思妙想，喜欢刷新解锁新技术，利用云计算、大数据、人工智能去探索地理位置数据的价值，是我们最大的爱好。”极海Lab"就像我们实验基地一样，总是蹦出点新“花样”，这个新的渠道，将分享将围绕极海5年来在行业理念、创新技术、实践案例方面的思考、探索与经验，希望与热爱地理数据挖掘的朋友们一起，打开使用地图的新方式，探索数据的价值。

总结下来，从整体门店布局来看，喜茶则更倾向集中力量在主要城市密集拓展门店数量，暂未向新一线和二三线城市发起扩张攻势，而奈雪の茶在各个城市拓展相对均衡，在城市中拓展也尽量避免门店互相间发生蚕食。

Choice”“2019中国大数据新锐企业”等。服务行业及标杆客户服务行业：政府、规划、零售、地产、金融、教育、营销等。其他所获荣誉

仅用时18个月上市的瑞幸咖啡，打破了资本市场的速度纪录——成为有史以来上市最快的美股公司。在我们普通人的视野里，瑞幸同样以不可思议的速度继续刷新着自己创造出的各项速度纪录。2019年计划开店2500家（截止11月8号已开1590家）超越2018年开2064家，月平均顾客数从2018Q1的18万增长到2019Q1的440万。在这样一组惊人的数字之下，瑞幸给所有人都留下人深刻的第一印象——这是一家用钱砸出来的企业，甚至给人一种感觉，只要钱到位，这个世界已经没有瑞幸不能做到的事情。以咖啡为名的瑞幸显然不太把自己当做一家纯咖啡企业，7月发布茶饮子品牌小鹿茶开始进军国内的茶饮市场，10月与法国路易达孚公司联合成立食品公司，准备未来在食品行业展展拳脚，最近，又正在加紧研发和布局自助咖啡机”瑞即购“以及推广销售坚果零食，貌似哪一项都是“不务正业”。咖啡企业瑞幸咖啡，不走咖啡企业的发展路线，这应该就是让所有人疑惑的根源。或许，我们应该称它瑞幸科技？如果把瑞幸咖啡当做一家科技公司，那它的种种表现确实更合理了，瑞幸的创始人们也多次表达这是一家”技术驱动“的公司，作为科技公司最重要的特征之一那当然就是快，下面我们就从两个角度来分析瑞幸作为一家科技公司的速度基因，为什么它必须发展快？以及为什么它能够发展快？为什么必须发展快？▌碰瓷星巴克最初，大多数人对瑞幸咖啡这个名字建立认知，应该是从它将星巴克（中国）垄断国内咖啡市场提起诉讼开始的，尽管在此之前，我也已经通过上班电梯里的广告里知道了这么一家咖啡品牌，但是当时只是以为楼下某个门面新开了家咖啡馆，并不会更多关注。一个没听过名字的公司突然起诉星巴克，还是起诉垄断，稍微仔细那么一想“难怪星巴克卖这么贵，原来有垄断的原因？是该有人出来管管了”。星巴克被迫迅速回应，话题立马登上了热搜，加上各路新闻媒体闻风而动进行大肆报道，瑞幸咖啡的名字迅速留在了人们的思维版图里，“原来这家伙是星巴克的对手”，大家就这样入了瑞幸的“圈套”。现在回过头来看，这起诉讼早就没有了下文，“碰瓷营销”的行为基本坐实，但是商业目的完美达成

极海盒子现已上线，点击“阅读原文”，申请试用吧8月22日，由极海主办的2019决策智能化转型峰会在北京圆满落幕，以“数据化决策”为主题，本次峰会主办方极海核心技术总监王帅做了现场分享。以下为演讲实录：近几年深度学习在非常多的领域都取得了显著的突破，比如在汽车领域支撑起了辅助驾驶、自动驾驶；在互联网领域各种美颜、推荐算法都离不开深度学习等等；甚至连肿瘤的预判都用上了这些技术。那在我们地理领域，用到最多的就是图像、遥感影像方面，而这也是深度学习最强的地方，也正是因为其具有突出的价值，值得我们每个人去学习它，掌握它。但是我们普通人想要学习深度学习，并将它运用到自己的日常工作中，是一件非常困难的事情，因为它的学习曲线是非常高的。你像攀登一座山峰一样不停的往上爬，你要花大量的时间去学习一大堆深度学习相关的专业知识，比如梯度下降、cnn、rnn、池化、动态图、静态图等等；同时你还得学Python这门编程语言，那又是一个非常大的课程，那同时还有linux、部署等内容要学；这其中涉及到的知识范围不仅深，而且范围广。想要把这些内容都掌握住，不花个一年半载去专门学习，那只能停留在概念阶段，离实际应用还非常的远。用极海盒子进行深度学习事实上，我们可以通过极海盒子将这些复杂的内容简化掉，简化为只有三步，就像有个经典的段子说的，把大象放进冰箱需要几步，第一步打开冰箱门，第二步把大象塞进去，第三步把冰箱门关上；同样的在极海盒子中进行深度学习也是这么高效，我们是这么做的——第一步准备训练样本，在极海盒子中可以将大范围的影像和矢量标签数据转换成深度学习所需要的格式，方便我们快速的对接到深度学习框架和网络中；第二步是训练你的模型，在盒子中能够方便快捷的训练模型，只要改几行配置文件就行，而不再纠结每一行神经网络代码；第三步是预测你的结果，有了训练好的模型后，只要点点鼠标就可以把结果预测出来。那在介绍具体功能之前，先来看看深度学习在图像领域能做什么，其实说到底，我们用深度学习去做图像相关的事情，比如和卫星影像、和无人机拍摄的影像等工作，那么归根结底够，都可以划分到这四种类型中去。·图像分类：就是告诉你图像中有什么，就像左上角那个图，可以告诉你这里面有人、有绵羊，有狗；·目标检测：就是把每个物体用一个矩形的框框标记出来；那么再细一点就是语义分割：把图像中的每个像素都标记成一种类型；·实例分割：这可以看做是目标检测和语义分割两者的结合，不仅仅要标记每个像素的类别，还得告诉我同一类别中，每一个独立的个体在哪儿；当然从左到右也是越来越复杂，难度也是越来越高。那有了这样的背景知识之后，我们可以开始深度学习之旅了。深度学习“三步走”工具首先在样本准备的过程中，你只需要准备好你的数据集，数据集中包含影像数据，和你想要识别的地物所在的具体位置，你就可以很简单的用盒子来适配上面的四种场景。比方说在图像分类场景下，你只要提供地物的POI点，和影像即可，甚至如果你没有影像，我们可以从互联网地图上去提取POI点位置所在的卫星影像，作为训练样本；再比如你要做建筑物轮廓的提取，你只要提目标区域的影像和建筑物矢量轮廓的标签即可。通过这个工具生成的数据，就可以与我们后面的深度学习框架无缝衔接了。这里我们来看看这个建筑物语义分割的例子，并用它来贯串整个流程，假设你手中有一份面积为140km2大，分辨率为0.3米的影像，以及对应的建筑物矢量轮廓数据，你要做的是，将盒子通过USB连接到你的个人电脑上，把你这两个数据传输到盒子中，然后登录到盒子中，就可以开展我们的数据准备工作。我这里现在已经登录上来了。这里我们把数据都放在了sample_project这个目录下，然后执行红色框框里面的命令，就可以快速生成语义分割所需要的样本。可以看到，工具会把大的影像裁剪成一小块一小块的图片，将矢量数据也转化成图片，生成可直接可供GPU输入的数据，等待一会儿之后，就生成了可供训练和测试的train.txt，val.txt，这样，我们的训练样本就准备完成了。那么有了训练数据之后，就可以开展深度学习模型的训练过程，在训练这一步，我们在盒子里提供了一键训练的工具，提供了丰富的、前沿的深度学习网络供你选择，比如说maskrcnn、resnet、deeplabv3，还有高效的可视化工具。来看看怎么开始一个训练，你要做的就是修改这个配置文件中样本数据所在的路径，也就是上一步准备好的那个路径所在地，然后执行红色框中的这个命令，按个回车就可以开始训练，这里可以看到开始训练之后，每一步执行的损失值都会打印出来，如果你觉得这样一直等着看太麻烦，没关系。你还可以打开你电脑的浏览器，在浏览器中，通过可视化的界面，查看训练过程中的各种指标参数，比如刚才打印的训练过程中的损失值，在验证集上各类地物的精度、IOU等指标，除此之外，还可以查看到模型在测试集上每个图片的实时预测效果，简单方便。在模型方面，针对图像分类、目标检测、语义分割，我们在盒子里都提供了大量的、经过实践的效果比较好的模型，像UNet101适合在建筑物，土地利用类型分类这种场合；DenseNet在分类的效果中速度又快效果又好，MS-RCNN在农田地块的提取中效果非常的出众。这些即拿即用的网络大大并降低了使用深度神经网络的门槛，让大家能够专注于具体业务，而不是每一行神经网络代码细节。模型训练好了之后，预测也可以用一个命令去完成，在盒子里面，我们将其集成到了界面中，比如刚才的建筑物提取，指定一幅影像就可以预测它的结果，并将其通过浏览器页面可视化出来。模型训练好了之后，预测也可以用一个命令去完成，在盒子里面，我们将其集成到了界面中，比如刚才的建筑物提取，指定一幅影像就可以预测它的结果，并通过盒子中的【看数据】模块将其展现出来。那么利用这样一套三步走的工具集，我们在各种业务中开展了非常多的应用，比如利用语义分割一套工具集，我们训练了城乡建设用地模型，并利用该模型在哨兵2号影像上，完成了全国200多个城市的提取工作。那么这个是利用实例分割在美国堪萨斯州提取的玉米结果，这与美国农业部公布的结果相比，准确率可以达到93%。当然还有很多其它案例，比如从无人机影像中提取目标车辆，从高分辨率影像中提取油储罐，从哨兵影像中提取农田地块等等，除了直接提取结果外，我们还可以通过对比个时间段的结果，了解不同时间的变化情况，这一方法可以用于动态的变化监测。现在可以看到，使用极海盒子做深度学习一点都不难。当然，如果说深度学习是汽车，那么训练数据就是石油，如果你没有可供训练的数据，没关系，我们在盒子中那么针对图像分类、目标检测、语义分割等四种场景，提供了非常丰富的、即拿即用的各种数据，有多达50多GB的影像和矢量样本，涵盖60余中地物类型比如，道路、建筑物、油储罐等等，帮助您快速上手深度学习相关功能，甚至说直接开展常见的业务。在极海盒子中，我们有深度学习三步走的工具，以及丰富的数据，是您不可或缺的深度学习好助手，谢谢大家！联系极海申请试用极海盒子——撬动智能化决策的未来极海盒子——数据分析师的必备工具极海盒子——大数据规划的利器极海盒子——实现零售数据智能访问Blog，查看极海最新分享：http://blog.geohey.com/

“极海盒子”介绍视频提及数据挖掘、数据分析，我们第一印象都是运行在各种统计软件，各种分析工具，各种数据平台化系统上的各种复杂的算法、脚本、模型。但在上个月，以“数据化决策”为主题的极海2019决策智能化转型峰会上，发布的极海决策智能化4.0产品“极海盒子”引发了诸多的关注，同时也颠覆了我们对上述的数据工具的认知。泰伯网在第一时间就极海盒子产品发布的台前幕后对极海CEO王昊先生进行了独家采访。极海CEO王昊：极海盒子“就这么小”首创，前所未有的创新“我们绝对是首创！”谈及极海盒子的创意，日常总是谦和的王昊十分激动与自豪。从产品形态到功能特性，不仅是国内市场甚至在全球范围内，类似极海盒子这样打通云端，软硬一体的数据产品移动设备形态确实是前无古人。非要找个可类比的，就是那些机房里面嗡嗡作响的大型数据专用机柜，从计算、存储以及联网功能上几乎是一样的，硬件上所承载的各种统计分析功能，也别无二致。但在发布会上现场体验过极海盒子的用户产生的共同印象确是：极海盒子太小巧太精致了。“就这么小。”王昊双手比划着，这估计已经成了他这段时间的习惯动作。这款云和端整合的智能线下数据终端，一个随时随地能够找到数据、看数据、用数据的移动设备。就是王昊近期的骄傲所在。虽然体型小巧玲珑，但内涵确实不简单。极海盒子中包含各种类型的数据，包括宏观经济、统计年鉴、地块、人口、环境、交通、小区、办公、商业品牌、遥感影像等等，这些数据可以通过OTA的方式随时从云端同步到盒子中去。极海盒子同时还提供了一个完全私密的数据环境用户可以放心的把私有数据导入其中。这些私密的数据就可以在盒子中与极海提供的数据池碰撞、交叉，通过内置的数据功能模块深度挖掘出数据的宝贵价值提供给丰富的决策依据。内外数据的结合是数据分析和应用的大趋势，而内部数据永远有极大的安全考虑。让有价值的数据进入安全的决策办公环境，缩短数据从前运行在云上的那种缥缈的距离感，解决与用户决策的最后1米的问题。数据使用要安全、分析要简单、计算要容易获取、用户维护成本要低，这就是极海盒子面世的初衷。盒子也好其他形式也好，无论以何种形态出现，王昊直言极海一直所关心的是如何将有价值的数据产品直接呈现到用户面前，让数据形成新的智能化决策工作流程的核心环节。让数据成为撬动世界的支点所有的决策过程都是基于“某种参考”的，过去最简单的参考可以是自己的直觉，好一点会依赖“过来人”的主观经验，但拍脑袋决策越来越难，而最优的决策需要依靠“证据”，数据就是定量的证据，随着数据分析、数据挖掘在各行业中普及应用，数据在决策优化过程中所体现的价值越来越大，在大数据时代尤其如此。所有公开、未公开的经济、地理、人口、环境、交通、商业等等多年积累下来而形成的海量数据，在数据分析统计过程的排列组合，处理后同样会出现更为庞大的的数据量。而有效决策已经是单一结果，越是精确的数据结果，才会使每个决策和行动都有击中目标的感觉。从数据到决策的化繁而简，既是科学，也是艺术。王昊称自己“一向热爱数据”，投身创业极海也是想做点数据的事情，这个初心至今未改。但如何才算是“做好数据”的事情，如何才能实现数据的价值，并达成价值变现的目标，这是数据产业整体需要思考的问题。数据分析确实是门分类精细的科学，有人专注商业的买卖分析，有人专注基于位置的用户行为分析，有人专注金融领域的数据分析。不同行业的数据工作，往往是由具体业务问题驱动，展开基于数据的分析，具体需求各有不同。在分析过程中需要不断积累行业知识、业务产品知识以及心理学、社会学知识，并且需要逻辑思维能力和数据嗅觉参与其中，才能透过数据看到用户更本质的东西，最后，通过机器学习让人工分析过程进化成AI智能驱动的流程，提炼出适合不同行业不同决策场景的智能算法和分析模型等数据引擎，这绝对不是一个简单的过程。当我们提及数据产业成功的商业模式时，王昊以极海为例分享了自己的思考：所有行业都要做量化决策，所有的行业也都要做与业务更紧密相关的数据分析。我们可以看到，越来越多的行业、企业，正在以更加开放的姿态去拥抱大数据及相关技术，更愿意用多个角度去看数据之间的相关性，用数据驱动决策。纯技术本身都是工具，可以预见的是，工具将变成大众商品，人人皆会使用。如果有一类技术会得到大规模的发展和应用，一定会便宜，甚至是因为更便宜了才得到应用。现在看来AI算法和工具都会越来越便宜，但是算法的互补品商品化就会很有价值。我们在设计这一类互补品。两年前，极海数据云的发布上线，到今天极海盒子补全线下终端的位置。极海也在逐渐丰满着旗下数据——产品——服务的业务体系。目前极海已积累大量多个行业不同门类的多维度数据，但没有走上数据银行、信息银行的经营模式，主要是以数据应用服务的形式逐渐渗透到应用行业中，也慢慢建立长期稳定的合作关系。来自商业零售、规划与房地产行业订单构成了目前极海大部分营收。与印象认知里一样，我们难以给现在的极海下一个简单的定义。创业至今五年，王昊坦言还没有看到极海的终极目标，极海盒子也是在技术驱动与市场驱动共同作用下，应时应需而出现的产物。当把一个领域完全吃透的时候，数据服务本身就会变成智能化决策的核心部分，王昊对此深信不疑。极海盒子产品的出现，可以说是向更多领域开拓的投石问路。“数据科学家”概念第一次出现2011年。因为薪水高，人才稀少，一经出现迅速被冠以“21世纪最性感的工作”。而几年之后的今天，数据能力已经成为新的竞争力。当更多更便捷的专业数据分析工具出现时，数据不再是少数人的特权和专属。一路走来，乐观的王昊也让我们看到的数据市场和产业前景的光明。写在最后创造现代信息论的香农认为，“信息是用来克服不确定性的”。最大化压缩了信息熵的数据分析带来的决策结果将会准确无误，命中目标。正如王昊所言，智能化决策转型之路刚刚起步，让数据化从“分析问题”到“解决问题”不仅仅是字面上的毫厘之差，这也许是个漫长的过程。但众多像王昊一样的热衷于“做点数据的事”，以及像极海这样不断创新数据工具、数据服务企业的不断涌现，让我们看到了这目标应该就在不远的未来。联系极海申请试用极海盒子——数据分析师的必备工具极海盒子——大数据规划的利器极海盒子——实现零售数据智能访问Blog，查看极海最新分享：http://blog.geohey.com/

8月22日，由极海主办的2019决策智能化转型峰会在北京圆满落幕，以“数据化决策”为主题，本次峰会主办方极海数据总监高楠以《用极海盒子实现零售数据智能》为话题，分享了如何使用极海智能决策4.0产品【极海盒子】实现零售数据智能。以下为演讲实录：1顾

极海盒子现已上线，点击“阅读原文”，申请试用吧8月22日，由极海主办的2019决策智能化转型峰会在北京圆满落幕，以“数据化决策”为主题，本次峰会主办方极海产品总监马若宇以《极海盒子，大数据规划的利器》为话题，探讨如何利用创新技术赋能规划决策智能化转型发展之路。以下为演讲实录：大家好，我是极海的产品总监马若宇。很高兴能在用户大会上跟各位分享我们这款精心打造的数据盒子产品，之前极海CTO吴泳锋刚刚为大家发布了极海数据盒子，同时提到了盒子深入规划、零售、地产等等行业的一些应用模式，那接下来我就来给大家详细介绍一下我们极海盒子的规划行业应用版，大数据规划的利器--规划数据盒子。我的内容主要分为三个部分，首先浅析大数据对规划行业需求的支撑以及过程中遇到的困难，之后简单说说极海在规划大数据方面的尝试和探索，最后在成果与收获章节会详细介绍极海规划数据盒子的内容和特点。随着新一轮国土空间规划轰轰烈烈的在全国范围内铺开，规划又一次成为了全社会的热点话题。这次的国土空间规划在大数据时代的背景下进行，也对大数据的应用提出了更高的要求，希望能够通过大数据分析优化国土空间格局，转变国土空间规划的编制方式，辅助驱动规划决策。大家都很期待，当规划大数据的大潮与国土空间规划的巨浪相遇，两者能擦出怎样瑰丽的水花呢？其实之所以这次大数据能够得到规划行业的重用，归根结底还是因为大数据能够切实满足规划行业的需求。这样积极的影响我们归纳为三个方面：视野、趋势和定位。视野指的是大数据能够极大的拓展规划师的视野，让我们站得更高，看得更多，看得更远。而趋势表达的是大数据能够量化社会发展的动态，把趋势更加直观的展示出来。这两点都可以用一个人口流动的例子来说明，在没有大数据的时候，如果我们需要解答北京跟哪个城市的人口联系最紧密这个问题是非常困难的，我们需要协调航班的数据、协调铁路班次的数据、协调客车班次的数据，甚至还得协调高速收费站的数据才能比较完整的描绘进出城的行为，但是也仅此而已，对于一些换乘或者搭乘多种交通工具的行为就完全无能为力了。同样的，想要回答类似于“北京疏解的人口流向何处”这样的趋势类问题就更困难了，根本无从下手。如今有了大数据，不管是基于手机信令还是手机APP，对人们的行为记录都会摆脱交通方式的束缚，直接实现起点到终点的统计，再与人们脱敏的身份信息相交叉，上面的两个问题就会轻而易举的得到答案。第三点“筛查”指的是，大数据能够帮我们对一些复杂的区域问题进行初筛。比如空心村的问题，一个普通地级市几千个村级行政区，想要靠人工来排查空心村一来是无从下手，二来即便能做也是非常麻烦的事情，大数据在这个时候就可以帮我们筛查出一些范围，再配合人工对这些区域进行调查，就能收到不错的效果。后面我们还会详细来说。总的来说，大数据给了我们一个站在上帝视角看城市、做规划的机会。当然大数据为我们带来的红利也不是唾手可得的，我们的规划人员在大数据应用的过程中难免会遇到一些问题，首先，数据在哪？人口分布、经济联系、土地利用、公共设施、城市体征等等，国土空间规划涉及到城市发展的方方面面，我们到底能获取到什么样的数据来应对这些问题？这么多维度、多种类的原始数据究竟需要通过哪些渠道才能获得？数据的选择和获取，是数据分析能否顺利至关重要的一环，不论是对普通规划师还是规划院信息中心来说都是一个棘手的问题。解决了数据，就迎来了第二个问题，数据怎样表达？数据拿过来就是我们想要的结果吗，想来大多数情况下并不是这么容易的。那我们究竟怎样来呈现我们的数据呢？用表格？还是图表？又或是更有视觉冲击力的专题地图？如果我们想要用专题地图，从原始数据到最终成果需要经过哪些步骤？上图为大家以企业投资数据为例展示了数据成图过程的流水线，从原始数据开始，经历了数据空间化、数据清洗、数据整理、数据可视化四个步骤，才最终形成我们使用的专题地图，这其中的过程，不可谓不复杂。拿到数据成果后我们又迎来了第三组灵魂拷问，数据成果能够用来辅助哪些分析？怎样解读才能更好的支撑我们去解决问题？一幅城市工作人口分布图，怎样更好的解读城市职住分布的模式？是否能为公共设施和交通体系的建设提供参考依据？能否体现出城市区域间人口吸引力的差异？又能否侧面表达出城市经济和商业积聚的状态？为了更好的得到想要的结果，这幅图是否需要做进一步的处理？除了以上提到的六个方面，能不能通过工作人口分布产生新的研究城市形态的切入点？所有的这些问题，都将考验着每一个拥抱大数据的规划师，给我们的规划工作带来挑战。诚然，大数据能够给我们的规划工作带来很大的帮助，同时又时刻伴随着这样那样的应用困境，大数据就像一座险峻的山峰，在我们面前永远是个巨大的阻碍，只有征服了它才能收获最壮美的风景。可怎么办？想要让地理大数据的种子在规划的土地上生根发芽，怎样克服这“相对贫瘠”的土地，茁壮成长，最终长成参天大树，留下一片荫凉造福我们广大的规划师们？好在，极海是一家对规划大数据应用感兴趣的大数据公司。在过去的几年里，作为地理大数据行业领导者的极海进军规划行业，通过大数据专题研究、规划数据信息平台建设、规划监测评估平台建设等与规划院合作的机会，不断探索不断突破，顺利完成了以【全国新型城镇化监测与评估平台】和【粤港澳大湾区规划信息平台】为代表的、从国家级到区域级到省级再到地市级不同级别的规划信息化建设任务，与中规院、清华同衡规划院、武汉规划院等国内以数字信息化能力著称的规划院们建立了良好的合作的关系，逐渐奠定了在规划大数据应用领域的领先地位。在搭建信息平台、钻研大数据专题的过程中，我们的同事跟规划师们一起处理了无数的数据，配置了上万副专题地图，我们将我们在大数据可视化方面的优势与各规划院规划师们的精巧的规划思维相结合，积累了充分的规划行业大数据应用的经验。在现在这个社会分工日益明确的时代，我们很乐意发挥我们的特长，承担起解决大数据应用困境的任务，让大数据能够更好的满足规划师们的需求。我们的方法，就是集合公司的精英力量打造的规划数据盒子。如果我们把极海比做一个餐厅的后厨，为了能给大家呈上规划数据盒子这道满汉全席，餐厅里的每个人都得各司其职，配合默契。数据部门，承担了采购食材和配菜的任务，从人口数据到企业数据，从设施点位POI到遥感影像，他们不断在市场上搜寻各种新鲜食材，拿回厨房认真研究、清洗，再切成最适合烹调的大小和形状。核心技术部门，每天精心研制烹饪所需的调料，用机器学习、地理编码等手段进行数据提取和处理，腌制食材，帮助食材最大化本身具有的风味和营养。平台部门的同学们，每天就在做炊具的维护和创新，锅漏了补一补，三天两头再加点像什么恒温烹饪啊、自动颠勺啊之类的新功能，通过提升支撑平台的能力带来更多的可视化和分析的可能性。解决方案部门，通过前期对规划行业的理解，对各位规划师客人口味的熟悉，用平台部给的锅，做数据部配好的菜，用核心技术部研制的调料，煎炒烹炸焖熘熬炖，做出这一桌子菜。以前我们没有合适的容器，想吃我们的菜就得到我们北京的馆子里，用我们的盘子乘着吃。现在有了数据盒子，我们也能送外卖了，在菜价之上只收取少许外卖盒的钱，不收取任何配送费。我们的目的就是解决规划大数据应用“最后一公里”的问题，把大数据成果送达您的面前，把菜端上您的餐桌。在规划师们和极海共同的努力下，大数据终于得以在规划行业开花结果，规划数据盒子的出现究竟能为我们带来哪些新鲜的视角和变化呢？现阶段的规划数据盒子主要从三个维度为规划师们提供帮助：区域格局分析、市域空间分析、专项规划分析。区域格局分析，主要是反映研究对象比如一个地级市或者一个区县在区域内的主体地位，以及从不同角度展示这个对象与其他对象之间的流数据联系的情况。市域空间分析主要通过通勤、设施分布、城市发展变化来反映市域空间格局和市域发展方向的变化。专项规划分析主要就是通过一些更加精细的分析来应对一些局部的专项规划，做更加精细化的区域问题的研究。在规划数据盒子中，所有的数据都以在线成果地图的形式，为大家提供规划工作上的帮助。在区域格局的维度，我们为大家准备了四种不同的数据：企业点位数据、企业投资数据、网络搜索数据和人口迁徙数据，分别对应区域实体流、资金流、信息流和人口流四种流数据分析的成果。其中：实体流：能够通过企业的点位分布反映区域内市场主体位置的分布；资金流：能够反映地市间经济联系和目标城市对市场资金吸引力的强度；信息流：能够反映区域内舆情兴趣联系的强度和变化；人口流：则能反映出区域内人口流动的趋势和人口吸引力的情况。上面的四幅对应的成果截图都只是每个版块里面的一个例子。我们再来通过资金流来详细的了解一下。这是以山东济宁为例的资金流版块的内容，数据分析从全国尺度、山东省尺度和济宁所处的淮海经济区的区域尺度分别关注济宁的资金流表现，分析济宁的经济地位。首先看到的是济宁市在全国范围内，对其他地级市投资的情况，能够清晰的看出济宁对外的投资主要集中在省内和几个直辖市，比较出乎意料的是还有大额的向贵州遵义和黑龙江哈尔滨的投资，我们就可以从产业结构上对应做一些分析。第二幅是济宁吸收外来投资的展示，外来投资主要还是集中在北京、粤港澳、长三角地区，吉林长春对济宁的投资额度是比较令人意外的。第三个是济宁所处的淮海经济区十个地市间的投资联系情况，可以看出整个经济区内城市间的资金互动稀稀拉拉，数额也很小，经济区根本没有抱团情况，经济区之名几乎是名存实亡，济宁在其中也毫不起眼。第四个是山东省内各地市间的投资联系，对比刚才的淮海经济区，省内的联系就紧密多了，山东这个以“济南”和“青岛”为双中心的模式也体现的比较明显，济宁的表现依旧不是很突出，可见在省内来看，济宁也不具备足够的资金吸引能力。最后一个是济宁市与省内各地市之间的投资联系情况，可以看到济宁确实主要跟济南和青岛进行资金互动。说完了区域格局我们再来看看市域空间。市域空间的内容更加丰富了，分为6个版块，用遥感影像数据做建成区识别，反映城市城镇化的进展和方向，同时遥感影像还可以通过波段计算来得到市域内的植被指数NDVI，展现城市植被的层次及分布情况。夜光影像处理过后得到夜间灯光图，在现在发展夜间经济的背景下能够作为一个反映市域内夜间活力的重要指标。极海整理的20个大类、142个中类、919个小类总量超过6300万的地物POI数据，能够很好的反映市域内部各类公共服务资源的分布情况。同样是极海整理的路网数据能够很好的反映城市内部交通通达性和城市快速路系统的发展状况。最后一个版块，通过手机信令数据给出市域内、区县之间职住分析的结果，表现市域职住人口的分布和通勤人口流动的情况。依然是选取一个例子展开来看。上面三幅图为2018年的数据，下面是2019年的数据，从左到右依次为区县职住联系、区县通勤人口强度、乡镇职住联系，通过区县间职住往来联系可以洞察城市职住人口流动的现状，通过通勤人口强度分析市域通勤压力，通过乡镇间职住联系可以判断城乡职住融合的趋势，通过不同时间之间的对比还能够得到城市职住模式的变化。除此之外盒子中还有居住人口和工作人口的分布情况，介于篇幅的原因就不给大家赘述了。规划数据盒子的第三块内容，是专项规划，包含通过手机信令数据分析得到的能够反映空心村和人口外流村分布情况的空心村识别，同样来源于手机信令数据的县域内村庄职住联系的成果能够很好的反映镇边村的分布以及村镇融合过程的进展，以路网速度数据为基础得到的环城路网系统分析，体现城市周边的交通可达性，对旅游规划和市政规划具有不错的参考价值。以空心村识别为例，通过手机信令数据可以更加实时的获取到人口的分布和集散的情况，上面两个图分别是市域内各村庄平时居住人口数量和春节居住人口数量。通过平时与春节的对比，得到左下角这幅图，表达了春节人数与平时人数的比值，颜色越深的区域代表春节人口是平时人数的倍数越大。再结合平时居住人数的情况，就可以得到每个村庄人口组成的结构，比如有些村庄平时和春节人都比较少，我们可以认为这些村庄是空心村；有的村庄平时人口挺多，但是春节人数依然是平时人数的10倍以上，我们就可以认为是人口外流村或外出务工村。当然就像刚开始的时候提到的，大数据在这种精细化的问题上可能并不能达到百分之百的准确，像手机信令数据到村级行政区这样的粒度准确度也受一定影响，但是这并不会影响大数据为我们缩小范围，做问题的初筛。右下角的成果图就是几个比较突出的由大数据定位出的空心村，现实中这些村子或者周边的村落也确实具有空心村的特性。除了上面提到的三块主要内容，规划数据盒子的成果区别于一般图集的地方还在于一个独特的机制，我们称之为“二次创作”。所有的成果在盒子中都是在线可修改的，规划师们可以根据自己不同的需求，对成果制作副本，在副本中修改成果的填充方式、配色方案、分段方式、渲染模式或者做内容筛选等等操作，使大家能够在了解到现有成果配置方案的基础上，充分发挥自己的规划智慧，制作出更加贴近于实际规划项目需求的成果。所以总的来说，规划数据盒子中囊括了区域格局、市域空间和专项规划三大版块，包括人口、企业、全量POI在内的对规划分析至关重要的八大数据源，以13个主题的方式把成果组织在一起，总共汇集了107幅在线专题地图，在数量上对比108道菜的满汉全席也是不遑多让，而二次创作的功能设计又使得数据盒子的成果在现有基础上有了无限多的变体的可能性。丰富的数据源、足量的专题图成果、无限的可能性，种种特性集于一身。汇聚在这个长7.5厘米、宽5.9厘米、高4.8厘米体积的极海数据盒子之上，让规划数据盒子化身为大数据规划利器。以数据为支撑的规划道路必然不是一帆风顺的，已经开始的轰轰烈烈国土空间规划也肯定会给规划院、给规划师们带来不小的挑战，不过我们始终相信极海在大数据应用里走过的路、趟过的坑、积累的经验能够切实帮助到规划师们，我们的目标是精准衔接大数据应用的最后一公里，承担起规划大数据应用所带来的困难和繁琐，把大数据应用为规划带来的红利留给广大的规划师。方寸之间，让大数据规划触手可及。规划大数据应用，极海，竭诚为您服务。联系极海申请试用Smart

点击图片申请试用8月22日，由极海主办的2019决策智能化转型峰会在北京圆满落幕，在本次峰会上，极海创始人兼CTO吴泳锋发布了极海新一代的智能数据产品：极海盒子。以下为演讲实录：大家好，今天由我来给大家介绍一下我们的一个全新的产品——极海盒子。这是一个全新的、软硬件结合的设备，是我们面向越来越明确的智能决策需求而推出的、新一代的智能数据产品。回顾极海产品进化的过程，我们始终坚持的原则就是要围绕用户的需要，努力用最新的技术和理念来服务用户。我们最早在国内提供在线的企业级制图服务、最早提供开箱即用的各种地理计算的API、最早把数据开放并整合到在线服务。与此同时，我们也紧跟移动互联网、AI