大數據解讀幸福在哪裡

㈢ 外行人的大數據五問 帶你了解大數據

外行人的大數據五問 帶你了解大數據
大數據是什麼？是一種運營模式，是一種能力，還是一種技術，或是一種數據集合的統稱？今天我們所說的「大數據」和過去傳統意義上的「數據」的區別又在哪裡？大數據有什麼特點？來源有哪些？又應用於哪些方面等等。接下來小編帶您一起了解大數據。
>>>>>大數據概念
"大數據"是一個體量特別大，數據類別特別大的數據集，並且這樣的數據集無法用傳統資料庫工具對其內容進行抓取、管理和處理。 "大數據"首先是指數據體量(volumes)?大，指代大型數據集，一般在10TB?規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量；其次是指數據類別(variety)大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。接著是數據處理速度（Velocity）快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。最後一個特點是指數據真實性（Veracity）高，隨著社交數據、企業內容、交易與應用數據等新數據源的興趣，傳統數據源的局限被打破，企業愈發需要有效的信息之力以確保其真實性及安全性。
網路知道—大數據概念
大數據(bigdata)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。大數據的4V特點：Volume、Velocity、Variety、Veracity。
互聯網周刊—大數據概念
"大數據"的概念遠不止大量的數據（TB）和處理大量數據的技術，或者所謂的"4個V"之類的簡單概念，而是涵蓋了人們在大規模數據的基礎上可以做的事情，而這些事情在小規模數據的基礎上是無法實現的。換句話說，大數據讓我們以一種前所未有的方式，通過對海量數據進行分析，獲得有巨大價值的產品和服務，或深刻的洞見，最終形成變革之力
研究機構Gartner—大數據概念
"大數據"是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。從數據的類別上看，"大數據"指的是無法使用傳統流程或工具處理或分析的信息。它定義了那些超出正常處理范圍和大小、迫使用戶採用非傳統處理方法的數據集。 亞馬遜網路服務（AWS）、大數據科學家JohnRauser提到一個簡單的定義：大數據就是任何超過了一台計算機處理能力的龐大數據量。 研發小組對大數據的定義："大數據是最大的宣傳技術、是最時髦的技術，當這種現象出現時，定義就變得很混亂。" Kelly說："大數據是可能不包含所有的信息，但我覺得大部分是正確的。對大數據的一部分認知在於，它是如此之大，分析它需要多個工作負載，這是AWS的定義。當你的技術達到極限時，也就是數據的極限"。 大數據不是關於如何定義，最重要的是如何使用。最大的挑戰在於哪些技術能更好的使用數據以及大數據的應用情況如何。這與傳統的資料庫相比，開源的大數據分析工具的如Hadoop的崛起，這些非結構化的數據服務的價值在哪裡。
>>>>>大數據分析
眾所周知，大數據已經不簡簡單單是數據大的事實了，而最重要的現實是對大數據進行分析，只有通過分析才能獲取很多智能的，深入的，有價值的信息。那麼越來越多的應用涉及到大數據，而這些大數據的屬性，包括數量，速度，多樣性等等都是呈現了大數據不斷增長的復雜性，所以大數據的分析方法在大數據領域就顯得尤為重要，可以說是決定最終信息是否有價值的決定性因素。基於如此的認識，大數據分析普遍存在的方法理論有哪些呢？
>>>>>大數據技術
數據採集：ETL工具負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。
數據存取：關系資料庫、NOSQL、SQL等。
基礎架構：雲存儲、分布式文件存儲等。
數據處理：自然語言處理(NLP，NaturalLanguageProcessing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機"理解"自然語言，所以自然語言處理又叫做自然語言理解(NLU，NaturalLanguage Understanding)，也稱為計算語言學(Computational Linguistics。一方面它是語言信息處理的一個分支，另一方面它是人工智慧(AI, Artificial Intelligence)的核心課題之一。
統計分析：假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析（最優尺度分析）、bootstrap技術等等。
數據挖掘：分類 （Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化、Description and Visualization）、復雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)
模型預測：預測模型、機器學習、建模模擬。
結果呈現：雲計算、標簽雲、關系圖等。
>>>>>大數據特點
要理解大數據這一概念，首先要從"大"入手，"大"是指數據規模，大數據一般指在10TB(1TB=1024GB)規模以上的數據量。大數據同過去的海量數據有所區別，其基本特徵可以用4個V來總結(Vol-ume、Variety、Value和Veloc-ity)，即體量大、多樣性、價值密度低、速度快。
第一，數據體量巨大。從TB級別，躍升到PB級別。
第二，數據類型繁多，如前文提到的網路日誌、視頻、圖片、地理位置信息，等等。
第三，價值密度低。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。
第四，處理速度快。1秒定律。最後這一點也是和傳統的數據挖掘技術有著本質的不同。物聯網、雲計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的感測器，無一不是數據來源或者承載的方式。
大數據技術是指從各種各樣類型的巨量數據中，快速獲得有價值信息的技術。解決大數據問題的核心是大數據技術。目前所說的"大數據"不僅指數據本身的規模，也包括採集數據的工具、平台和數據分析系統。大數據研發目的是發展大數據技術並將其應用到相關領域，通過解決巨量數據處理問題促進其突破性發展。因此，大數據時代帶來的挑戰不僅體現在如何處理巨量數據從中獲取有價值的信息，也體現在如何加強大數據技術研發，搶占時代發展的前沿。
當下我國大數據研發建設應在以下四個方面著力
一是建立一套運行機制。大數據建設是一項有序的、動態的、可持續發展的系統工程，必須建立良好的運行機制，以促進建設過程中各個環節的正規有序，實現統合，搞好頂層設計。
二是規范一套建設標准。沒有標准就沒有系統。應建立面向不同主題、覆蓋各個領域、不斷動態更新的大數據建設標准，為實現各級各類信息系統的網路互連、信息互通、資源共享奠定基礎。
三是搭建一個共享平台。數據只有不斷流動和充分共享，才有生命力。應在各專用資料庫建設的基礎上，通過數據集成，實現各級各類指揮信息系統的數據交換和數據共享。
四是培養一支專業隊伍。大數據建設的每個環節都需要依靠專業人員完成，因此，必須培養和造就一支懂指揮、懂技術、懂管理的大數據建設專業隊伍。
>>>>>大數據作用
大數據時代到來，認同這一判斷的人越來越多。那麼大數據意味著什麼，他到底會改變什麼？僅僅從技術角度回答，已不足以解惑。大數據只是賓語，離開了人這個主語，它再大也沒有意義。我們需要把大數據放在人的背景中加以透視，理解它作為時代變革力量的所以然。
變革價值的力量
未來十年，決定中國是不是有大智慧的核心意義標准（那個"思想者"），就是國民幸福。一體現在民生上，通過大數據讓有意義的事變得澄明，看我們在人與人關繫上，做得是否比以前更有意義；二體現在生態上，通過大數據讓有意義的事變得澄明，看我們在天與人關繫上，做得是否比以前更有意義。總之，讓我們從前10年的意義混沌時代，進入未來10年意義澄明時代。
變革經濟的力量
生產者是有價值的，消費者是價值的意義所在。有意義的才有價值，消費者不認同的，就賣不出去，就實現不了價值；只有消費者認同的，才賣得出去，才實現得了價值。大數據幫助我們從消費者這個源頭識別意義，從而幫助生產者實現價值。這就是啟動內需的原理。
變革組織的力量
隨著具有語義網特徵的數據基礎設施和數據資源發展起來，組織的變革就越來越顯得不可避免。大數據將推動網路結構產生無組織的組織力量。最先反映這種結構特點的，是各種各樣去中心化的WEB2.0應用，如RSS、維基、博客等。
大數據之所以成為時代變革力量，在於它通過追隨意義而獲得智慧。
>>>>>大數據處理
大數據處理數據時代理念的三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關不要因果。
大數據處理的流程
具體的大數據處理方法確實有很多，但是根據筆者長時間的實踐，總結了一個普遍適用的大數據處理流程，並且這個流程應該能夠對大家理順大數據的處理有所幫助。整個處理流程可以概括為四步，分別是採集、導入和預處理、統計和分析，最後是數據挖掘。
大數據處理之一：採集
大數據的採集是指利用多個資料庫來接收發自客戶端（Web、App或者感測器形式等）的數據，並且用戶可以通過這些資料庫來進行簡單的查詢和處理工作。比如，電商會使用傳統的關系型資料庫MySQL和Oracle等來存儲每一筆事務數據，除此之外，Redis和MongoDB這樣的NoSQL資料庫也常用於數據的採集。
在大數據的採集過程中，其主要特點和挑戰是並發數高，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票網站和淘寶，它們並發的訪問量在峰值時達到上百萬，所以需要在採集端部署大量資料庫才能支撐。並且如何在這些資料庫之間進行負載均衡和分片的確是需要深入的思考和設計。
大數據處理之二：導入/預處理
雖然採集端本身會有很多資料庫，但是如果要對這些海量數據進行有效的分析，還是應該將這些來自前端的數據導入到一個集中的大型分布式資料庫，或者分布式存儲集群，並且可以在導入基礎上做一些簡單的清洗和預處理工作。也有一些用戶會在導入時使用來自Twitter的Storm來對數據進行流式計算，來滿足部分業務的實時計算需求。
導入與預處理過程的特點和挑戰主要是導入的數據量大，每秒鍾的導入量經常會達到百兆，甚至千兆級別。
大數據處理之三：統計/分析
統計與分析主要利用分布式資料庫，或者分布式計算集群來對存儲於其內的海量數據進行普通的分析和分類匯總等，以滿足大多數常見的分析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基於MySQL的列式存儲Infobright等，而一些批處理，或者基於半結構化數據的需求可以使用Hadoop。
統計與分析這部分的主要特點和挑戰是分析涉及的數據量大，其對系統資源，特別是I/O會有極大的佔用。
大數據處理之四：挖掘
與前面統計和分析過程不同的是，數據挖掘一般沒有什麼預先設定好的主題，主要是在現有數據上面進行基於各種演算法的計算，從而起到預測（Predict）的效果，從而實現一些高級別數據分析的需求。比較典型演算法有用於聚類的Kmeans、用於統計學習的SVM和用於分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰主要是用於挖掘的演算法很復雜，並且計算涉及的數據量和計算量都很大，常用數據挖掘演算法都以單線程為主。
整個大數據處理的普遍流程至少應該滿足這四個方面的步驟，才能算得上是一個比較完整的大數據處理。
>>>>>大數據應用與案例分析
大數據應用的關鍵，也是其必要條件，就在於"IT"與"經營"的融合，當然，這里的經營的內涵可以非常廣泛，小至一個零售門店的經營，大至一個城市的經營。以下是我整理的關於各行各業，不同的組織機構在大數據方面的應用的案例，在此申明，以下案例均來源於網路，本文僅作引用，並在此基礎上作簡單的梳理和分類。
大數據應用案例之：醫療行業
[1] Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。
[2] 在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。
[3] 它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。
大數據應用案例之：能源行業
[1] 智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測後，就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。
[2] 維斯塔斯風力系統，依靠的是BigInsights軟體和IBM超級計算機，然後對氣象數據進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據，以往需要數周的分析工作，現在僅需要不足1小時便可完成。
大數據應用案例之：通信行業
[1] XO Communications通過使用IBM SPSS預測分析軟體，減少了將近一半的客戶流失率。XO現在可以預測客戶的行為，發現行為趨勢，並找出存在缺陷的環節，從而幫助公司及時採取措施，保留客戶。此外，IBM新的Netezza網路分析加速器，將通過提供單個端到端網路、服務、客戶分析視圖的可擴展平台，幫助通信企業制定更科學、合理決策。
[2] 電信業者透過數以千萬計的客戶資料，能分析出多種使用者行為和趨勢，賣給需要的企業，這是全新的資料經濟。
[3] 中國移動通過大數據分析，對企業運營的全業務進行針對性的監控、預警、跟蹤。系統在第一時間自動捕捉市場變化，再以最快捷的方式推送給指定負責人，使他在最短時間內獲知市場行情。
[4] NTT docomo把手機位置信息和互聯網上的信息結合起來，為顧客提供附近的餐飲店信息，接近末班車時間時，提供末班車信息服務。
大數據應用案例之：零售業
[1] "我們的某個客戶，是一家領先的專業時裝零售商，通過當地的百貨商店、網路及其郵購目錄業務為客戶提供服務。公司希望向客戶提供差異化服務，如何定位公司的差異化，他們通過從 Twitter 和 Facebook 上收集社交信息，更深入的理解化妝品的營銷模式，隨後他們認識到必須保留兩類有價值的客戶：高消費者和高影響者。希望通過接受免費化妝服務，讓用戶進行口碑宣傳，這是交易數據與交互數據的完美結合，為業務挑戰提供了解決方案。"Informatica的技術幫助這家零售商用社交平台上的數據充實了客戶主數據，使他的業務服務更具有目標性。
[2] 零售企業也監控客戶的店內走動情況以及與商品的互動。它們將這些數據與交易記錄相結合來展開分析，從而在銷售哪些商品、如何擺放貨品以及何時調整售價上給出意見，此類方法已經幫助某領先零售企業減少了17%的存貨，同時在保持市場份額的前提下，增加了高利潤率自有品牌商品的比例

㈣ 南寧市交通健康指數「跑」出好成績，大數據分析南寧的交通幸福感

道路交通是否順暢，每個人都有不一樣的主觀體驗。高德地圖交通大數據根據城市發展和交通體量選取了全國50座主要城市，從時間、空間、效率3個維度6項指標進行分析研判，採用「交通健康指數」綜合性評價方法，全面刻畫城市交通運行狀況。

《2019年度中國主要城市交通分析報告》顯示，2019年全國大部分區域的擁堵呈現向好趨勢，全國擁堵城市佔比僅為4%，同比下降2%；暢通城市佔比為39%，同比上升10%。其中，廣西首府南寧市的年度高峰擁堵延時指數同比下降6.07%，在2019年度全國擁堵緩解城市TOP10中排名第2。

2020年已經到來，疫情過後，我們整裝上路，相信一定能「跑」出更好的成績！向著交通健康南寧再出發！

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

㈤ 2020年最具幸福感城市公布，這些城市都是實至名歸嗎

中國的幸福城市有哪些？雖然大家對於幸福都有著不同的標准，但大數據下《瞭望東方周刊》和瞭望智庫共同主辦的中國幸福城市論壇和央視財經的《中國美好生活大調查》還是給出了相似的答案，2020年最具幸福感城市包括：成都、青島、長沙、廈門、西寧、杭州、拉薩等等。 其中， 拉薩、長沙已經是第七次登上最具幸福感城市榜單。

一、成都：成都是國家歷史文化名城，古蜀文明發祥地，中國十大古都之一，連續12年被中國幸福城市論壇評為“中國最具幸福感城市”，在央視財經的《中國美好生活大調查(2020-2021)》中也名列前茅，成都始終將美好生活作為幸福城市的源泉，從傳統與時尚的完美結合、到古典與現代相得益彰，無不呈現著成都商業繁榮的大美畫卷。成都還先後獲世界最佳新興商務城市、中國內陸投資環境標桿城市、國家小微企業雙創示範基地城市、中國城市綜合實力十強、中國十大創業城市等榮譽。

㈥ 大數據是什麼意思,大數據概念怎麼理解

大數據(bigdata,megadata)，或稱巨量資料，指的是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產。

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中大數據指不用隨機分析法（抽樣調查）這樣的捷徑，而採用所有數據進行分析處理。大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。

對於「大數據」（Bigdata）研究機構Gartner給出了這樣的定義。「大數據」是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

從技術上看，大數據與雲計算的關系就像一枚硬幣的正反面一樣密不可分。大數據必然無法用單台的計算機進行處理，必須採用分布式架構。它的特色在於對海量數據進行分布式數據挖掘，但它必須依託雲計算的分布式處理、分布式資料庫和雲存儲、虛擬化技術。

隨著雲時代的來臨，大數據（Bigdata）也吸引了越來越多的關注。《著雲台》的分析師團隊認為，大數據（Bigdata）通常用來形容一個公司創造的大量非結構化數據和半結構化數據，這些數據在下載到關系型資料庫用於分析時會花費過多時間和金錢。大數據分析常和雲計算聯繫到一起，因為實時的大型數據集分析需要像MapRece一樣的框架來向數十、數百或甚至數千的電腦分配工作。

大數據應用的弊端

雖然大數據的擁護者看到了使用大數據的巨大潛力，但也有隱私倡導者擔心，因為越來越多的人開始收集相關數據，無論是他們是否會故意透露這些數據或通過社交媒體張貼，甚至他們在不知不覺中通過分享自己的生活而公布了一些具體的數字細節。

分析這些巨大的數據集會使我們的預測能力產生虛假的信息，將導致作出許多重大和有害的錯誤決定。此外，數據被強大的人或機構濫用，自私的操縱議程達到他們想要的結果。

㈦ 大數據告訴你，怎樣的城市讓年輕人幸福

媒體人、作家王欣（筆名「反褲衩陣地」）撰文比較什麼樣的城市更適宜單身人士居住。他的答案是上海——從靜安到張江，從浦西到浦東，只有兩三張桌子的酒吧、咖啡館、小飯店，24小時營業的便利店、小吃攤轉角便有一個。人人都習慣適度的距離，不必非得親密同行，一個人下樓，喝一杯酒、吃一碗餛飩，或者要一杯熱咖啡看看雜志，說不說話都沒關系。出門稍微走一走，總有一個像樣的小酒吧，能喝一杯得體的oldfashion，或者有一家看起來油漬麻花的小飯館，要一碟炸豬排、一碗蔥油麵，喝得心花怒放，吃得歡天喜地，又回去繼續寫作。我是一個人，但在上海這樣自給自足的生活，我可以一整天不說話，卻也不會覺得寂寞。
這是憑自己的經歷和感覺，看法既有代表性，又是屬於個人的。
一個城市是否宜居，便利店真有加分作用。記者有兩三位經常出差的朋友，他們堅持認為北京沒有便利店，不方便（其實有不少，人的固有印象很難改變）。而假如問起久居在上海的白領為何喜歡這座城市，步行5分鍾范圍內總找得到一家便利店會是不少人的回答。
理性嚴謹的數據出來說話了。數據既支持王欣的感受，又不完全支持。全國城市中，上海擁有的便利店和超市總數最多，但上海的人多，按常住人口一平均，上海只能排到第20名。上海餐廳的數量，人均擁有量排在第13位。這兩個排名得第一的，分別是你想也想不到的——大連和三亞。
再說到咖啡館，把愛評網和大眾點評上的數據統計起來，台北擁有3271家咖啡館，上海5296家。但上海市建成區面積遠大於台北的面積271平方公里，多達好幾倍，所以，盡管上海已經遍地咖啡館，密度還是遠遜於台北。再算算人均，上海每萬人擁有2.18家咖啡館，台北是12.1家，接近上海的6倍。
對一個城市的感性認識，可以用很多維度的數據來理性驗證。以上數據，是一個昵稱「新一醬」的小團隊做的。大數據這座巨大的金庫，她們在研究其中一種打開方式。
6個女生給城市分級
「新一醬」的「醬」，跟當前最紅的網紅「Papi 醬」相同，來源於日語，表示親昵的後綴稱呼，女子專用。「新一」是「新一線城市研究所」的簡稱。說是研究所，其實是一份雜志內的一個報道小組。
2013年，《第一財經周刊》想從擅長的商業報道領域做一些數據分析。當時數據還是手工採集，人也是臨時抽調組成的鬆散型團隊。2013年底，周刊從商業魅力角度——依據大公司對不同城市的關注度，對400個城市（包括除傳統一線城市之外的300個地級及以上城市，100個百強縣）進行詳盡調查，做出了分級和排名，評選出成都、杭州、南京、武漢、天津、西安、重慶、青島、沈陽、長沙、大連、廈門、無錫、福州、濟南為15個「新一線城市」。
報道小組認為，改革開放30多年之後，中國城市的發展正在沖破行政級別的枷鎖，更加貼近現代意義上的由商業驅動的都市。依據工商業繁榮程度對城市進行分級已經成為可能，而且必要性也越來越迫切。
做完這組報道，幾位年輕媒體人對城市大數據的興趣一發不可收。2015年，阿里巴巴投資第一財經，商業數據挖掘這塊算是對上路了。
2015年4月，《哪個城市讓你感到幸福》專題的製作過程中，新一醬的班底基本成型。7月，正式成立新一線城市研究所。研究所共6位全職采編人員，包括主編沈從樂，2名記者，1名編輯，1名美編，1名市場經理。全是女生，大多為90後。
她們用數據新聞的方式，探索和分析中國城市的商業魅力，生活方式的發展與變遷。她們玩起了各種各樣的分級、分類，衣食住行游購娛，「為什麼南京沒有外資便利店」、「第一家誠品書店為什麼開在蘇州」，新鮮視角層出不窮。
什麼叫新一線城市，是一個生造的新概念，把原來定位為二線的城市提拔上來？並非如此，新一醬的目標是「尋找下個一線城市」，名單並不固定，「北上廣深」也應有危機感，不進則退。
挖數據就是挖寶
新一醬的觀點是，城市的未來取決於對年輕人的吸引力。要了解每個城市中的年輕人都在想些什麼，或者對什麼感到興奮，並不困難。他們是離不開網路和手機的一代，也將大部分生活的足跡都留在了網路。
數據怎麼挖呢，一個來源是各大互聯網公司。主流互聯網公司在新一線城市的滲透已經足夠高，它們的大數據能夠為城市青年的生活狀態描繪出一個大致精確的畫像。在《哪個城市讓你感到幸福》專題中，取用了京東、大眾點評、支付寶、優酷、去哪兒、滴滴打車、微信電影票、知乎、領英的數據。這些公司的頭兒差不多都到烏鎮參加了世界互聯網大會，別的場合也經常能湊一堆。但是，他們各自把數據拿出來合成一體，沒什麼由頭。這事由媒體來做，比較好辦。
從阿里系拿數據相對容易一些，自家人嘛。不過，媒體的立場應該不偏不倚，按選題需要來，BAT的數據可以同時存在於一個圖表中。新一醬說，互聯網公司是願意做數據共享的，樂意與媒體合作。記者把需求交給他們，他們專門去把這部分數據跑出來。
這種方式有一定的缺點，可控性比較弱。你認為A公司有這項數據，A公司也同意給，可最後拿到的數據不一定符合要求，時間也不好控制。不少公司把數據視為核心競爭力，不能毫無保留地拿出來。上市公司的話，還會被財務部門阻止。
要可控性強就自己動手，用技術手段去抓取。為此，文科出身的幾位記者編輯都學會了寫代碼。一開始是一個姑娘會一點，她邊自學邊教大家，半年後，6個妹子都成了編程小能手，實習生也概莫能外。
抓取的都是公開信息，從網站的前端獲取。當然，即使是公開信息，零散的單獨的一條兩條沒什麼，把成千上萬條搜羅到一起，分析出規律來，就不一樣了，有的會有點敏感。可是，新聞要的不就是發現力么？新一醬添置了一個可靠的親密夥伴，一台32G內存的大電腦，連日連夜跑數據。近期做的房價、高鐵專題，每個都用到了10萬條以上的數據。假如人工一條一條去摘錄，理論上也是能夠做到的，花上十天半月。
自己抓取也有缺點，畢竟是外人，不知道人家有講究。主動尋求合作的企業還挺多的，會不會有貓膩？新一醬認為，大數據要偽造非常難。
整個項目是研究城市的發展，數據的積累非常重要。所以，合作者多多益善。至於選題，堅持獨立，不受干擾。
數據有了，新一醬又自己研究資料庫和演算法，也向研究學者討教，從數據中挖寶。
量化的信心
為什麼要研究城市？哈佛大學教授愛德華·格萊澤在《城市的勝利》一書中指出，盡管城市面臨這樣那樣的問題，但它的吸引力正變得越來越大，在一個城市人口佔比較高的國家，居民更容易感受到快樂。假如從創新的角度去思考，就會理解這種快樂——一種對文明的嚮往。
城市是創新的發動機，城市是否幸福，決定了這座城市的未來命運，也關系著國家的未來命運。
街角咖啡館的多寡，知乎用戶的活躍度，電影票房的高低，餐飲品種的豐富度，交通系統的效率，都是城市幸福與否的一部分。不必為個人的體感爭論，也不用考量去過多少個城市的人才有發言權，大數據提供了量化比較的可操作性。
新一醬先列出五個維度，五個維度獲得均衡發展的城市，才能夠讓年輕人感到幸福：
首先它要能夠提供足夠多樣的選擇，讓年輕人可以自由地選擇生活方式。它也需要是一座開放的城市，以便滿足好奇心強烈的年輕人挖掘自我更多的可能性。效率和信息對稱則更能促進創新，也將年輕人從瑣碎的事務中解放出來，把精力更多集中到所熱愛的事情上。便利度會吸引更多的年輕人聚集在一起，而良好的生活方式則會阻止城市老去。
大公司是重塑城市的主體。人均收入、教育資源、大公司和大品牌的選擇等多項更具現代商業意義的指標，意味著大公司和公司人選擇把自己的未來投資到某個地方，都是建立在對未來的信心之上，外國領事館數量、國際航線開通數量等等，在某種程度上也是一種可以量化的信心。
根據這些指標，新一醬排出了中國120個城市針對年輕人生活的幸福榜。從計算結果看，北上廣深的一線城市地位並未被撼動，而緊隨其後的成都、蘇州、杭州、寧波、武漢、廈門、青島、天津、西安、沈陽、昆明、東莞、大連、南京、無錫和福州成為了年輕人幸福感「新一線」城市。
其他城市也各有長處。比如「生活的多樣性」這個指標，參考「生物的多樣性」而來。就說吃吧，大眾點評上把餐飲分成68個菜系，新一醬歸並為20多個，看這些菜系在各個城市的分布，發現最豐富的不是一線城市。新一醬覺得，這結果蠻符合認知的。誰不說一線城市節奏太快壓力太大，中小城市更適合生活？
發現新增長極
一個選題的數據跑出來之後，往往能抓出比原來設想更有意思的點。新一醬有了很多意料之外、情理之中的新發現。
「白色情人節」做了一個關於快遞包裹運費的選題，打的名義是，情人節送禮物嘛。結果發現，從價格看，安徽也許可以納入蘇浙滬包郵區，此外全國還有若干個區域內包郵的幸福「小區」。快遞的運費，取決於快遞業發達程度、城市間聯系緊密度等因素，距離不是第一位的。能包郵，意味著這些城市購買力強、與其他城市經濟聯系密切，新包郵區的經濟增長潛力不容小覷。
長沙不愧為娛樂之城，文化創意產業產值高速增長。年輕電視人才湧入，文化創意產業佔GDP比重8.88%，高端酒店品牌也迅速進入。
最「黑馬」的是成都，被新一醬評為「新一線城市NO.1」。同為西南大城市，成都的GDP不如重慶高，重慶是直轄市而成都是省會城市，但各種排名中，成都的名次大多高於重慶好幾位。在新一線城市中，成都最適合創業，國際航線數量第一，在公司人眼裡是最有吸引力、生活最便利的城市。
更多的黑馬藏在二線、三線、四線城市。這兩年，馬雲、劉強東老喊著電商下鄉，在縣城直至鄉村投入了大量人力物力，布點、建物流、手把手教村民上網購物。他們早就看到了，一線、二線城市的市場基本飽和，新的增長點在三四線城市和農村。聽上去比較「洋氣」的海淘，新一醬拿來跨境電商的數據一比較，三線城市用戶購買力甚至高過一線城市平均值。她們分析，三四線城市居民能夠接觸海淘的，應該是其中最有實力的人群，他們很難從實體店買到多元、與潮流同步的商品，購物的渠道相對集中；而大城市居民選擇多、用戶分散，平均下來，數字反而低了。
排一排大數據，收獲的是城市大發現，中國經濟新的增長極隱約可見。
記者手記
多一點挖寶者
因為自己也嘗試過做類似（但遠遠不能跟她們比）的城市數據新聞，所以對新一醬的做法比較有感覺。
大數據城市研究的價值，毋庸贅言了。很多機構在研究大數據下的城市。BAT中，淘寶／天貓最喜歡分享他們為各種維度的消費者畫的像，星座、性別、年齡，最常用的維度是地域。「上海的男人最疼老婆」啦，「北京爺們的朋友最多」啦，類似這樣子。
相比大公司和專業科研機構，新一醬的數據來源和研究方法、理論儲備、圖表製作，都不完善。不過，她們有自己的優勢，最大的優勢是，能夠在一定程度上打通各個來源的數據。
傳統咨詢公司更多依靠抽樣統計和經驗的方法來幫助商業品牌做相關決策。到了大數據時代，用戶行為分析能夠帶來更精準的分析。但互聯網大數據分散在各家互聯網公司，真正能夠挖掘出來，轉化成商業價值，目前還沒有成熟的模式。
為城市管理者、城市開拓者和城市人提供豐富有趣、有價值的數據內容和數據服務，新一醬自稱「野心不小」。
這份「野心」，記者倒希望不僅這6個妹子有。精準助推經濟增長和生活幸福，大數據中挖寶的層次，目前還淺得不能再淺呢!
以上由物聯傳媒轉載，如有侵權聯系刪除

㈧ 《婚姻的兩種猜想》引發深思，大數據匹配的婚姻為何不幸福

我認為大數據匹配的婚姻幸福指數沒有經過兩個人的相處就直接斷定匹配，是註定不會幸福的。雖然在大數據下能通過回答問題來對彼此的三觀進行了解，但這也僅僅只是代表兩個人的三觀合適，並不能說明三觀合適的人在一塊兒就會幸福。

兩個人在一起幸不幸福，不會因為一個冰冷的大數據來決定，生活是自己的，需要靠自己的努力來維持，而不是通過一個機器來斷定兩個人合不合適，在一起會不會幸福，匹配度高也不能代表兩個人在一起會真的幸福。

婚姻是需要兩個人共同經營的，兩個一起努力才會打造好自己的小家，如果一個人不付出不努力，另外一個人承受得太多，壓力變大，婚姻的天平就會傾斜，兩個人的感情也會破裂，幸福感就會下降。

大數據下匹配的婚姻是不會幸福的，因為人有七情六慾，都不受自己的掌控，更不是機器能掌控的，所以這種方法是不可行的。幸福是要靠自己爭取的。