陈欣：位置智能的核心价值-视角转变，价值重构

来源：慧天地

写在前面

有幸在上海参加了JLL主办的首届“2019中国房地产科技论坛”，在我参加的圆桌论坛上，JLL高级董事娄辰女士问到未来地产人的工作会不会被人工智能替代，我的答复是不会，因为进化是主流，人的能力始终要从低阶走向更高阶，找到新的位置，但是社会却因此进步了。

借这次活动，分享一下我服务地产/零售地产行业已近十年的一些思考和见解，希望能为大家带来一些启发。

陈欣

2019.5.1

位置智能在地产/零售地产行业的核心价值：

视角转变，价值重构

从地球是平的，到地球是圆的；从站在地面去观察四周，到从天上去俯瞰地面，每次视角的转变，都会带来新的认知。地产行业同样如此，区域定位及城市筛选，城市圈层分析，投资决策分析及土地价值评估，零售地产对应的是规划选址，决策报告输出，每一项工作的背后都是基于业务流的智慧积累，而位置智能带来的价值是升维思考，在空间维度承托业务，更加精细的辅助客户进行业务决策，提升市场、投资、营销的工作效率，视角更高阶了，新的价值也随之而来。

位置肯定是地产/零售地产业务中最重要的考量维度之一，从技术角度，位置智能涵盖多元数据接入与装载，数据的空间赋能，基于数据的信息化解读，基于信息的业务可视化，基于业务工作流的空间大数据（或称智能化）分析，以及决策化输出，这是大数据、AI时代的技术标配，位置智能脱离不了这个范畴。

我们通过空间大数据引擎GeoQ Ida，帮助重庆政府部门做了38个区县几千万级地块图斑的集中连片度分析，几十天的工作量缩短至几十分钟，现在城市规划土地统计分析、土地行政审批等众多业务都需要该引擎来计算，效果很好；全球最大的化妆品公司同样依靠该引擎来实现不同产品品类在不同城市、不同商区销售额的智能化预测，也是在零售地产的落地应用，万变不离其宗。

但是站在业务角度，还有两个实际问题要解决：智能化的数据获取方法；将专业技术快速转变为业务应用的能力。

数据获取有多种方法，常见的方式是通过各种数据适配器来连接各种常用的数据源，比如Excel、CSV、Database、REST APIs。我们甚至为全球最大药妆连锁企业自动连接FTP数据源，存储方法很传统，但把核心业务数据抓取到地图上来分析却很有效，当然也能将百度的人流量数据、易图通的路网导航数据、国家气象局的天气数据、国家统计局的统计年鉴数据、房价网的房价数据、还有地理编码数据、行政区划数据、配套设施数据、小区数据、以及和沃尔玛中国共有知识产权合作打造的自然街区数据等等高品质数据连接到地图上，结合客户存量及动态新增的业务数据，让地图成为大数据的容器，数据转化为信息，信息转变为知识，想不聪明都很难。

如今专业的遥感影像平台ENVI和ArcGIS Image Server（影像服务器）已经具备影像深度学习的能力，能够对城市中的建筑、绿化、水体、油站、广场等要素通过深度学习的方法自动分类，一个城市地产公司的研究人员过去要花上2-3年才能掌握的信息，大幅缩短指日可待，这些数据的获取不需要通过第三方，通过天上的眼睛加上先进的技术就能得到，我们希望这些成果能更好的为客户服务。

过去谈位置智能，就绕不过各种空间分析方法，这次我们绕开它，因为不论是Esri全球最为专业的ArcGIS平台，还是我们为中国本土市场打造的GeoQ应用，都蕴含了丰富的专业模型、空间分析技术、商业分析技术，可大可小，可重可轻，灵活运用。对于地产/零售地产，如何让专业技术快速转变为业务应用的能力，是位置智能科技转变为生产力的关键。

我们做一个项目去解决客户战略规划和商业选址的问题，包括城市分级、焦点区域定位、商圈评估、销售额预测，当面临很多客户的共性需求后，会将这些需求和业务流沉淀为产品，通过良好的模块化、解耦化的设计再加一点定制去快速适应新用户的同质需求，让客户手握宝剑，让应用快速落地，这解决了一个业务部门的核心需求，也有效降低了应用成本。

位置智能本身不是为了去替代任何的现有商业系统如Office、Salesforce、PowerBI，而是希望在解决了规划选址问题之后，还能去赋能这些系统位置分析的能力，让位置智能与商业系统之间产生更多的连接，扩大价值范畴。

数据是流动的，商业的数字化转型不仅是通过一个项目去解决一个问题，而是要让项目中的基础数据、分析过程、决策成果能够在全公司所有部门的业务应用中流动起来，客户有充足的资金时，可以投入开发第二个系统、第三个系统，资金有限时，也可以依靠位置智能平台的力量，不用重度的人力开发，只需轻量的参数配置，就能为新需求快速搭建一个轻量级的位置智能应用，例如给老板做一个Dashboard去看双11大促，给财务部门做一个移动端的地图应用换个视角去看每天三千门店的经营状况，让投资得以复用，这是真正的平台化价值。